[發明專利]一種基于非局部特性和全變分聯合約束的PET圖像重建方法

有效

• 申請號: 201810186206.6
• 申請日: 2018-03-07
• 公開（公告）號: CN108550172B
• 公開（公告）日: 2020-05-19
• 發明（設計）人: 劉華鋒;謝諾鋇
• 申請（專利權）人: 浙江大學
• 主分類號: G06T11/00
• 分類號: G06T11/00;G06T5/00
• 代理公司: 杭州天勤知識產權代理有限公司 33224
• 代理人: 王琛

本發明公開了一種基于非局部特性和全變分聯合約束的PET圖像重建方法，該方法通過建立重建問題的數學模型，加入基于非局部特征的低秩約束以及加入全變分約束聯合進行PET圖像重建。其中低秩約束根據圖像的非局部相似特性保證了圖像的結構信息濾除噪聲，同時避免了全變分方法存在階梯效應這個缺點；而全變分作為基于像素點進行保邊去噪的約束，也彌補了基于圖像塊存在的圖像邊緣棱角化的缺點，同時加快了收斂速度。故本發明有效利用約束聯合求解，彌補了兩方法的缺點，更進一步改善了計算機在進行PET圖像重建的過程中產生的結果低分辨率和噪聲干擾的問題；與現有重建方法的實驗比較表明，本發明能獲得較好的重建效果。

技術領域

本發明屬于PET成像技術領域，具體涉及一種基于非局部特性和全變分聯合約束的PET圖像重建方法。

背景技術

正電子發射斷層掃描(Positron EMission Tomography，PET)是當今最高層次的核醫學影像技術，是目前惟一可在活體上顯示生物分子代謝、受體及神經介質活動的新型影像技術。在臨床領域，PET對具有不同代謝特性的組織和器官進行功能性成像，常被用于癌癥和腫瘤的診斷；在神經科學領域，可以用于進行腦功能識別和腦功能分析的研究；在醫藥領域，對藥理、藥效具有獨一無二的窺視效果，可用于輔助新藥物的開發。另外，PET所用的示蹤藥物，是組成有機體組織的基本成分并能參與代謝過程。大多數疾病的生化變化先于解剖學的變化，并且PET對于示蹤劑濃度的靈敏度非常高，能高精度地定量地檢測出代謝過程的非正常增加，并給出清晰的圖像所謂熱源成像。因此能提供很多疾病在發展過程中的早期信息，可以進行超前診斷，尤其適合于腫瘤的早期診斷。總之，正電子發射斷層成像己成為腫瘤、心、腦疾病診斷與病理研究中的不可缺少的重要方法。

PET顯像就是從受到低計數率和噪聲影響的投影數據中，重建出臨床醫生可接受的功能圖像。事實上，PET圖像的重建問題在理論上是一個病態問題。傳統的解析法—濾波反投影法(Filtered Back-Projection，FBP)具有成像速度快的優點，但其重建圖像含有大量噪聲，圖像質量較差。作為另一種重建技術，迭代重建算法對不完全數據的適應性好，能夠得到更精確的結果，但由于計算量過大，以前只是被看成一種研究方法。隨著計算機運算速度的飛速發展，迭代法已經被越來越廣泛地應用于精確重建圖像，其中包括著名的MLEM(最大似然期望最大化)、MAP(最大后驗)和SAGE(懲罰似然)算法。考慮到臨床上對快速成像日益迫切的需求，如何獲得更精確、清晰的重建圖像是目前研究的熱點。

發明內容

鑒于上述，本發明提供了一種基于非局部特性和全變分聯合約束的PET圖像重建方法，將泊松重建模型、非局部低秩約束、全變分正則項耦合進入同一個目標方程，基于分布式優化的思想對于其中的三個子問題同時求解，最終更高效地獲得更精確的PET重建圖像。

一種基于非局部特性和全變分聯合約束的PET圖像重建方法，包括如下步驟：

(1)利用探測器對注入正電子標記示蹤藥物的生物組織進行探測，采集關于PET的符合事件，從而構建PET的符合計數向量y；

(2)通過對PET測量方程引入Poisson噪聲，得到PET的Poisson模型P(x)；

(3)通過對Poisson模型P(x)引入非局部低秩約束和全變分約束，得到基于這兩種約束的PET圖像重建模型如下：

其中：NL(x,L)為關于PET濃度分布向量x和低秩矩陣L的非局部低秩約束項，TV(x,ω)為關于PET濃度分布向量x和二維差分向量ω的全變分約束項，α和β為權重系數；

(4)對上述PET圖像重建模型進行最優化求解，得到PET濃度分布向量x，進而重建獲得PET圖像。

進一步地，所述步驟(2)中Poisson模型P(x)的表達式如下：