一种基于稀疏化和泊松模型的PET重建方法

摘要

本发明公开了一种基于稀疏化和泊松模型的PET重建方法，包括以下步骤：首先获取投影数据，确定图像大小范围和像素范围，并计算系统概率矩阵；然后可以通过FBP传统算法得到初始图像，得到对数似然函数作为重建的恢复项；利用小波变换和DCT变换混合基和加权作为稀疏正则化约束，并对目标函数运用分裂Bregman方法进行分解得到两个子问题，把第一个子问题当作高斯模型下的稀疏正则化问题，运用线性Bregman迭代求解；把第二个子问题当作泊松去噪问题，利用临近算子的方法进行求解；并运算最后一个迭代公式，完成一次完整的迭代，得到重建后的图像，并作为下一次迭代初始值。

主权项

1.一种基于稀疏化和泊松模型的PET重建方法，其特征在于，包括以下几个步骤：1)通过PET成像系统得到投影数据y和系统投影概率矩阵A，且投影数据y＝(y₁，y₂，…，y_M)^T，y₁，y₂，…，y_M表示PET探测到的M个投影数据；2)对步骤1)中的投影数据y进行FBP重建，得到初始的重建图像，并确定图像灰度范围和尺寸大小要求；3)利用所述步骤1)中的投影数据y和系统投影概率矩阵A，建立目标函数式中：u＝(u₁，u₂，…，u_N)^T表示重建图像向量，u₁，u₂，…，u_N表示重建后图像的N个像素值，H(u)为泊松似然的图像恢复项，J(u)为稀疏正则化项，λ为正则化参数；并迭代求解后并得到优化后的重建图像。