正电子断层扫描中热源高分辨快速图像迭代重建方法

摘要

一种用以正电子断层扫描仪(PET)中的迭代图像重建算法。所述方法包括如下步骤：①用正电子断层扫描仪对在体外测量事先注入放射性同位素药物的病人的伽玛光子投影信号进行采集，经过校正等处理后，以正弦图即SINO图文件方式存放原始投影线；②在执行图像重建的计算机中读入SINO图数据和所需调用的参数；③选择重建参数；④对SINO图进行预处理，求上下限约束；⑤划分子集并确定迭代次数n；⑥重复执行迭代计算N次，N为层数；⑦对迭代所得的人体横切数据图像进行后处理、滤波等并显示最后所得的图像。本发明是OSEM的改进，本发明的迭代图像重建算法将多种数据处理的技术有机结合并施用在PET的热源成像的图像重建中，可获得高的空间分辨和低噪声的重建图像。

主权项

1.一种正电子断层扫描中的热源高分辨快速图像迭代重建方法，所述方法根据探测器测量到的放射性物体投影数据计算物体断层截面放射性活度分布，包括如下步骤：①用正电子断层扫描仪对在体外测量事先注入放射性同位素药物的病人的伽玛光子投影信号进行采集，经过后续装置处理后，以正弦图即SINO图文件方式存放原始投影线；②在执行图像重建的计算机中读入SINO图数据和所需调用的参数，所述参数包括：概率矩阵、截止频率、滤波器阶数、迭代次数、子集个数、背景拟合多项式的幂次、超松弛因子；③根据具体情况选择重建参数，所述重建参数包括：概率矩阵、截止频率、滤波器阶数、迭代次数、子集个数、背景拟合多项式的幂次、超松弛因子；④对SINO图进行预处理，求上下限约束，采用的约束条件为： f(k)(i，j)≥flow(i，j) f(k)(i，j)≤fup(i，j)其中f(k)(i，j)为第k次迭代后的重建图像，fup(i，j)＝const，为像素的最大可能值，根据先验知识设定，flow(i，j)由观测数据推算，随空间位置变化；所述先验知识为：操作者根据实际操作和病人用药量而确定的关于放射性记数的经验参数；若待重建断层的放射性分布是由若干孤立点状源和一个整体背景组成，背景相对于点源是缓变的，则采用非线性迭代拟合方法，首先选取一个低阶多项式，用它描述背景分布：$f_{\mathrm{back}}(i,j)=\underset{\alpha ,\beta =0}{\overset{\alpha +\beta \le k}{\Sigma }}a(\alpha ,\beta )i^{\alpha }{j}^{\beta }$ 上式为mr+1项多项式，式中a为拟合系数，α，β为正整数，α+β最大取值为k，可依据对重建图像的背景知识先验地确定，若k＝2，则拟合背景为二阶多项式，该背景的理论投影数据为：$d_{\mathrm{back}}(n_a,m)=\underset{i,j}{\Sigma }A(i,j,n_a,m)f_{\mathrm{back}}(i,j)$ 在最小二乘意义下求出该本底计数多项式fback，将算出的dback(na，m)同实际测量SINO数据d(na，m)对比，na为一个断层SINO数据的角度指标，m为探测器环上的位置指标，A(i，j，na，m)为概率矩阵，若满足：$d(n_a,m)>d_{\mathrm{back}}(n_a,m)+K\sqrt{d_{\mathrm{back}}(n_a,m)}$ 则修改d(na，m)为：$d(n_a,m)=d_{\mathrm{back}}(n_a,m)+K\sqrt{d_{\mathrm{back}}(n_a,m)}$ K≥0为拟合参数，然后再由新的d(na，m)拟合出新的fback，如此反复，直到d(na，m)不再改变为止；⑤划分子集并确定迭代次数n：将一个断层的投影SINO数据按角度等分为若干个子集，每一个子集对重建图像各像素点值校正以后，重建图像便被更新一次，所有的子集运算一遍，称为一次迭代过程；⑥重复执行迭代计算N次，N为层数，HHSR迭代算法公式为：$f^{(k^{\prime }l+1)}(i,j)=f^{(k^{\prime },l)}(i,j)[1+\frac{z}{\underset{n,m\in d^l}{\Sigma }A(i,j,n_a,m)}\underset{n,m\in d^l}{\Sigma }A(i,j,n_a,m)(\frac{d^l(n_a,m)}{{\hat{d}}^l(n_a,m)}-1)]$ 其中k′为迭代序号，l为每次迭代过程中子集划分序号，z为超松弛因子，按照上述HHSR迭代算法公式对重建图像f(i，j)进行迭代更新，并加约束式f(k)(i，j)≥flow(i，j)、f(k)(i，j)≤fup(i，j)，直至收敛；⑦对迭代所得的人体横切数据图像进行后处理，并显示最后所得的图像。