[发明专利]在PET成像中最大后验优化图像重建方法

说明书

技术领域

本发明涉及一种医学影像成像处理方法，尤其是涉及一种在PET成像中引入广义Gibbs先验的最大后验优化图像重建方法。

背景技术

正电子发射成像(PET)是当前医学影像学的重要检查手段之一，由于受到低计数率和噪声的影响，从探测数据到图像的重建在多数情况下是一个病态的问题。据文献报道，现有多数PET成像算法仍不能得到满意的图像。因此有效地提升PET成像质量在临床上存在巨大需要，也一直是医学PET成像的研究热点同时也是技术难题之一。

作为解决图像重建中的病态问题的有效方法，最大后验方法已被广泛接受。基于Gibbs随机场理论，Gibbs先验能量项可被引入到图像重建中抑制重建图像噪声。根据Gibbs先验能量方程形式的不同可将先验分粗分为两类：二次Gibbs先验和非二次Gibbs先验。常用的二次Gibbs先验形式上简单、理论上易于分析，且不会影响图像重建中整个能量方程的整体凹性；而大多具有边缘保持效果的最大后验方法，包括线位置模型和非连续自适应模型，则能够通过非二次的Gibbs先验能量函数实现保持边缘的图像重建。然而由于待重建图像并不总具备整体平滑特性，图像中存在的边缘和不可避免的附加噪声常带来某些区域一致性的突变。简单的二次Gibbs平滑先验，在消除噪声的同时也将使重建图像中边缘细节模糊，产生过平滑的负面效应。而对于非二次Gibbs先验，如果待重建图像由一些具有明显简单边缘和一些均匀区域组成，非二次Gibbs先验将产生相对较好的结果，但如果待重建图像性质趋于复杂，区域之间往往没有较明显的边界时(这正是PET成像的特征)，非二次Gibbs先验在PET成像时将产生易于被误诊为伪影的阶梯状均匀区域。加之非二次Gibbs先验将引进新的待定参数以及相关数值解法将大大增加整个重建的计算量和复杂度。

简单二次Gibbs先验通过在一个局部区域内像素值的平均效应来平滑含有噪声的重建图像；具有边缘保持作用的非二次Gibbs先验亦需要根据局部邻域内像素值间差量信息来确定目标图像中每个像素点的先验能量的程度和形式。为简化起见，称以上只取决于局部邻域信息的先验为传统Gibbs先验。

传统Gibbs先验所带来的负面的过平滑或阶梯状效应均是由于其所依赖的图像局部邻0域内的像素灰度值信息无法有效的区分边缘信息和噪声。为克服局部先验的上述缺点，曾出现了一些自称为使用图像中全局信息的最大后验方法，例如基于区域的Gibbs先验方法和通过水平集方法获取图像中全局信息的基于边界的Gibbs先验方法。然而实际上基于区域的Gibbs先验方法由于受到复杂的区域标识计算或所需的解剖学先验信息的限制，在实际应用中具有一定的局限性。而基于边界的Gibbs先验方法强依赖于水平集的参数化设计，此过程可能会产生不可预知的结果。

发明内容

本发明的目的在于提出一种PET成像中引入广义Gibbs先验的最大后验优化图像重建方法，可以大幅度提高PET重建图像质量。

本发明目的可通过以下技术措施来实现，包括步骤如下：

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，重建出优质的图像。

本发明步骤2中用到的数学统计模型为泊松分布或高斯分布，即正电子的探测过程实为一计数过程，将这些探测值理解为服从独立泊松分布或高斯分布的随机变量。

本发明步骤3中得到的图像重建模型实为一带约束的优化问题，其中广义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、随后在选定的大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。