[发明专利]在PET成像中最大后验优化图像重建方法

权利要求书

1.一种在PET成像中引入广义Gibbs先验的最大后验优化图像重建方法，其特征在于包括如下步骤：

(1)利用PET成像设备采集成像前的探测器数据，同时获取成像设备中各种数据校正参数值和系统矩阵；

(2)根据步骤1获取的成像前校正数据满足的统计特征，构建用于重建图像的数学统计模型；

(3)针对步骤2中数学模型的求解，引入广义Gibbs先验，采用最大后验估计方法进行重建模型转化，得到用于获取PET重建图像的带约束目标函数的优化方程；

(4)由步骤3得到的结果，基于对优化方程中全局参数选择的基础上，采用抛物线替换坐标下降算法进行迭代计算处理，重建出的图像。

2.根据权利要求1所述的在PET成像中引入广义Gibbs先验的最大后验优化图像重建方法，其特征在于：步骤2中用到的数学统计模型为泊松分布或高斯分布。

3.根据权利要求1所述的在PET成像中引入广义Gibbs先验的最大后验优化图像重建方法，其特征在于：步骤3中广义Gibbs先验的具体设计过程为：

a、首先选择一个包含图像中丰富的几何信息的较大方形邻域；同时设计一个相似性测度用于比较大方形邻域内中像素点k和像素点j处对应的小方形邻域的相似性；

b、随后在选定的小方形邻域的内进行两像素间的灰度值比较的同时，利用两像素间相似性来获得势能函数中的权值量。

4.根据权利要求3所述的在PET成像中引入广义Gibbs先验的最大后验优化图像重建方法，其特征在于：步骤b中的权值量定义为wkjGG=exp(-||λ(Vk)-λ(Vj)||2/h2)/wkj,]]>w_kj定义为传统Gibbs先验中像素点k和像素点j之间的权值，通过图像域内两像点间的欧几里德距离的反比例函数确定；V_k和V_j则设定为以像素点k和像素点j为中心的小方形邻域；λ(V_k)和λ(V_j)为此两个邻域中所有像素灰度值数组；‖·‖代表此两个像素点所在区域的加权欧几里德距离；参数h用于计算像素点间权值的指数函数同邻域相似性测度的反比例衰减关系。

5.根据权利要求4所述的在PET成像中引入广义Gibbs先验的最大后验优化图像重建方法，其特征在于：上述参数h的确定过程为：首先直接对校正数据采用滤波反投影算法得到用于抛物线替换坐标下降迭代算法的初始图像；其后对该图像采用金字塔式结构由粗略到精细进行方差分析得到初始图像中较平滑区域的方差值σ；最后取h值为方差σ的倍数作为迭代求解时广义Gibbs先验公式w_kj^GG中的固定参数。

6.根据权利要求3所述的在PET成像中引入广义Gibbs先验的最大后验优化图像重建方法，其特征在于：步骤a中的相似性测度采用两像素点邻域内所有像素点灰度值的加权欧几里德距离的反比例函数。

7.根据权利要求1所述的在PET成像中引入广义Gibbs先验的最大后验优化图像重建方法，其特征在于：步骤4采用抛物线替换坐标下降迭代处理的具体过程如下：第一步，首先基于上一步迭代获得的重建图像为参照图像，获得待重建图像的每个像素点处广义Gibbs先验的权值量，以作为下一步迭代之用；第二步，在第一步获取的权值量基础上，利用抛物线替换坐标下降迭代算法进行迭代重建；第三步，交替进行第一、二步直至收敛，获得最终重建图像。