[发明专利]一种加速正电子图像重建的系统矩阵生成与处理方法

说明书

本发明公开了一种加速正电子图像重建的系统矩阵生成与处理方法，属于射线检测成像领域。该方法包括如下步骤：（1）替代原先MLEM算法中系统矩阵的建立方法提出一种新的系统矩阵的建立方法；（2）在MLEM算法的基础上提出一种通过处理系统矩阵加速正电子图像重建过程的方法。本发明提高了正电子图像重建过程的整体效率。

技术领域

本发明涉及一种加速正电子图像重建的系统矩阵生成与处理方法，属于射线检测成像领域。

背景技术

PET(Posintron Emission Tomography，正电子发射型计算机断层显像)，通过对测试对象注入放射性示踪剂，通过对示踪剂衰变发射出的正电子产生的湮没反应的检测，可对肿瘤、癌症、生理代谢、神经受体等进行定位、诊断与评估。PET检测主要分为四个步骤：

一、符合线检测：通过对正电子湮没反应产生的成对γ进行检测，获得大量符合响应线(Line of Response,LOR)数据。

二、图像重组：将大量的响应线数据转化为包含投影信息的正弦图(Sinogram)数据。

三、图像重建：将正弦图数据还原为平面切片图。

四、3D图像重建：将平面切片图重建为3D图。

图像重建作为PET检测中最重要的一环，决定了是否能将检测到的抽象的正弦图数据转化为直观的切片图数据。其主要的算法分为解析法与迭代法，解析法以中心切片定理为基础，通过反投影实现图像重建，滤波反投影法(Filter Back-Projection，FBP)为其代表算法，具有操作简单，重建速度快的优点，但是解析法不可避免的会受到投影数据噪声的影响，导致重建出的图像带有较大噪声，降低了图像质量，无法得到令人满意的重建图像；迭代法分为代数迭代和统计迭代，代数迭代法包括代数迭代(ART)算法，和在ART算法上提高了收敛速度的联合代数迭代(SART)算法，统计迭代法中最为经典的是基于泊松分布模型的最大似然期望最大(Maximum Likelihood Expectation Maximization，MLEM)算法，在其基础上通过不断改进还提出来了最大后验(Maximum A Posterior，MAP)算法、基于有序子集期望最大(Ordered Subsets Expectation Maximization)算法。

迭代算法中最为重要的参数称为系统矩阵，系统矩阵充当着正弦图数据通向切片图数据的桥梁的角色，反映了待还原的图像对于响应线的贡献，即正电子在该图像上发生湮没的概率分布，目前最为常用的系统矩阵为解析法系统矩阵，该系统矩阵通过响应线穿过像素的量化长度来表示正电子在此像素点上湮没产生该响应线的概率。对于距像素较远，没有穿过该像素的响应线，正电子在这个像素上湮没产生该条响应线的概率为0，称为零概率数据，这也就导致了在庞大的解析法系统矩阵中记录的大多数数据皆为零投影数据，不仅占用了大量的存储空间，且在进行图像重建时，会对零概率数据进行迭代运算处理，使得图像重建过程缓慢、耗时长、占用资源大，无法满足一些对实时性要求高的检测场合。

发明内容

`针对MLEM算法中系统矩阵数据量庞大且多数数据为零概率数据的情况，本发明提出了一种加速正电子图像重建的系统矩阵生成与处理方法,通过舍去系统矩阵中零概率数据，从而对重建过程进行加速的方法，减少了重建过程中资源的占用，加快了重建速度，提高了正电子图像重建过程的整体效率。

本发明为解决其技术问题采用如下技术方案：

一种加速正电子图像重建的系统矩阵生成与处理方法，包括如下步骤：

(1)替代原先MLEM算法中系统矩阵的建立方法提出一种新的系统矩阵的建立方法；

(2)在MLEM算法的基础上提出一种通过处理系统矩阵加速正电子图像重建过程的方法。

步骤(1)中所述系统矩阵的建立方法步骤如下：