[发明专利]基于解剖功能联合先验模型的PET图像最大后验重建方法

说明书

技术领域

本发明涉及医学影像的PET图像处理技术领域，具体涉及一种基于解剖功能联合先验模型的PET图像最大后验重建方法。

背景技术

正电子发射断层成像（PET）作为一种非介入的定量研究活体功能活度的工具，正越来越广泛地应用于临床诊断，尤其是疾病的早期诊断。

然而，由于PET扫描过程中的采集数据受到噪声和其他物理因素的影响，PET图像重建是一个病态问题。统计图像重建方法，比如最大似然-期望最大法（maximum likelihood-expectation maximization, ML-EM），能够更好的考虑系统模型的物理效应而且能够针对探测数据和噪声的统计特性建立数学模型，其迭代重建的图像质量优于传统的以滤波反投影（Filtered Back Projection, FBP）方法为代表的解析重建算法。然而，ML-EM方法在迭代过程中随着迭代次数增加，噪声显著增加。此病态问题可以通过贝叶斯方法有效的求解。基于贝叶斯理论，先验信息可以对原始的重建进行正则化，所以先验的选择对于最大后验方法极为关键。绝大部分先验以马尔可夫（MRF）先验的形式出现，先验通常反映图像局部邻域的平滑特性，如常用的为二次先验，在抑制噪声的同时，使边缘细节模糊。

与使用图像自身先验相比，在PET图像重建中引入解剖图像信息已经引起广泛的关注。多种研究表明，解剖图像与功能图像之间具有极大的相关性，所以来自高分辨率的MRI/CT解剖图像能为PET功能图像重建提供大量的先验信息。目前，在PET图像重建中已有很多关于如何利用解剖先验信息的工作。总体来说，解剖先验的使用可以分为以下两类：第一类方法基于解剖图像的边缘信息，此种方法基于解剖图像与功能图像的边缘相互对应，通过分割或者标记解剖图像，调节先验权值来惩罚功能图像边缘区域的像素灰度变化；第二类方法基于解剖图像的区域信息，此种方法假设在每一个解剖区域或器官中，放射性活度分布是均匀的。

而现有的解剖先验引导的最大后验重建技术多是基于解剖图像边缘或区域信息，首先要对解剖图像进行分割或边缘提取，而解剖图像分割或边缘提取目前尚无绝对鲁棒的方法，分割或边缘提取存在较大的噪声误差，严重影响重建图像质量。

因此，针对现有技术不足，提供一种能有效抑制PET图像重建中产生的噪声，提高重建图像量化水平的基于解剖功能联合先验模型的PET图像最大后验重建方法以克服现有技术不足甚为必要。

发明内容

本发明提供一种基于解剖功能联合先验模型的PET图像最大后验重建方法,该方法能够有效抑制PET图像重建中产生的噪声，提高重建图像量化水平。

本发明的上述目的通过如下技术手段实现。

一种基于解剖功能联合先验模型的PET图像最大后验重建方法，依次包括如下步骤：

（1）通过成像设备获取重建的PET数据；

（2）根据步骤（1）得到的PET数据的统计特征，构建用于重建图像的数学统计模型；

（3）对步骤（2）中的数学统计模型，采用最大似然—期望最大法进行求解得到PET初值图像；

（4）将预先获取的MRI图像与步骤（3）得到的PET初值图像进行配准，得到配准MRI图像；

（5）根据步骤（4）的配准MRI图像与PET初值图像的联合先验模型，采用最大后验方法对步骤（2）构建的PET图像的数学统计模型进行重建，得到带约束目标函数的优化方程；

（6）对步骤（5）得到的带约束目标函数的优化方程进行迭代计算，得到PET重建图像。

优选的，上述步骤（1）具体是：通过成像设备采集PET成像前的探测数据，同时获取成像设备的校正参数值和系统矩阵，并通过成像设备对所获得的探测数据进行数据校正得到校正后的探测数据，以校正后的探测数据作为用于重建的PET数据。

优选的，上述步骤（2）中的PET数据符合期望为的独立泊松分布，所述步骤（2）中的PET数据与示踪剂分布关系如下：

……式Ⅰ；

其中表示系统矩阵，和分别表示PET图像的像素个数和PET数据个数，每一个元素表示从PET图像像素发出的光子被探测器对探测到的几何概率，表示随机和散射事件。

优选的，上述步骤(3)具体是采用最大似然—期望最大法得到PET初值图像的最大似然估计：

……式Ⅱ；

其中为PET数据的对数似然能量方程。

优选的，上述步骤（4）具体是将预先获取的MRI图像与步骤（3）得到的PET初值图像进行刚性配准得到配准MRI图像。

优选的，上述步骤（5）具体包括：