基于EM算法的动态PET参数图像分部重建算法

技术特征：
1.基于em算法的动态pet参数图像分部重建算法，其特征在于，包括：将耦合血流生理学模型与成像线性方程得到的参数图像成像线性方程进行拆解，将重建目标图像分解为两个目标图像，并通过交替进行的em迭代图像重建算法重建斜率图像κ与截距图像b。2.根据权利要求1所述的基于em算法的动态pet参数图像分部重建算法，其特征在于，所述参数图像成像线性方程拆解为下式：其中，与分别为当前动态pet成像任务对应的血液输入函数c
p
(t)的时间积分函数和c
p
(t)的衰减积分函数；p为成像系统矩阵；r为投影数据中的散射与随机符合时间；为克罗内克积运算；κ和b分别为待重建的patlak曲线斜率图像与截距图像。3.根据权利要求2所述的基于em算法的动态pet参数图像分部重建算法，其特征在于，所述时间积分函数表示为：其中，n表征某个时间帧，t
s，n
为时间帧n的起始时间；t
e，n
为时间帧n的结束时间；τ为积分时间变量；ξ为内层函数积分时间变量；λ为标记同位素的衰减常数。4.根据权利要求2所述的基于em算法的动态pet参数图像分部重建算法，其特征在于，所述衰减积分函数表示为：5.根据权利要求1所述的基于em算法的动态pet参数图像分部重建算法，其特征在于，所述em迭代图像重建算法包括如下斜率图像κ迭代公式：其中，n为目标参数图像像素数，1
n
为长度为n的元素值全为1的列向量；t表示矩阵转置。6.根据权利要求5所述的基于em算法的动态pet参数图像分部重建算法，其特征在于，所述em迭代图像重建算法包括如下截距图像b迭代公式：7.根据权利要求6所述的基于em算法的动态pet参数图像分部重建算法，其特征在于，所述em迭代图像重建算法采用迭代公式交替迭代方式，迭代计算达到稳定收敛之后，即获得直接重建的patlak曲线重建斜率图像κ和截距图像b。8.根据权利要求1所述的基于em算法的动态pet参数图像分部重建算法，其特征在于，所述算法包括人体脑部、胸部、肝部、肾脏或全身动态pet参数图像。9.根据权利要求1所述的基于em算法的动态pet参数图像分部重建算法，其特征在于，所述算法重建的斜率图像κ的psnr值达到28.0636，截距图像b的psnr值达到22.2039。

技术总结
本发明公开了基于EM算法的动态PET参数图像分部重建算法，涉及医学成像技术领域，将耦合血流生理学模型与成像线性方程得到的参数图像成像线性方程进行拆解，将重建目标图像分解为两个目标图像，并通过交替进行的EM迭代图像重建算法重建斜率图像κ与截距图像b，本发明基于EM迭代图像重建算法和Patlak数学模型的分部直接动态PET参数图像重建方法，将Patlak曲线的斜率图像与截距图像在线性方程中分部分交替迭代重建，极大程度减小斜率图像与截距图像在迭代计算中的互相干扰，使重建图像具有更高的图像质量，极大程度减少参数图像重建过程中的误差引入，使所得参数图像更加有利于后续的诊断与分析。利于后续的诊断与分析。利于后续的诊断与分析。


技术研发人员：陈子翔 胡战利 郑海荣 梁栋 刘新 杨永峰
受保护的技术使用者：中国科学院深圳先进技术研究院
技术研发日：2020.12.08
技术公布日：2022/6/10