基于广义Gibbs先验的优质PET成像

摘要

最大后验方法(Maximum A Posteriori,MAP)已经广泛应用于解决图像重建中的病态问题,正电子发射成像(Positron Emission Tomography,PET)便是其中之一.本文基于MAP方法,针对PET成像提出一新的基于图像相似结构信息的广义Gibbs先验形式,新先验能在有效地抑制噪声的同时,鲁棒地保持锐利的边缘信息.但由于新先验的引入,使得重建模型的求解趋于复杂.为解决模型解的收敛性问题,我们提出两步式的局部线化优化迭代重建策略,并结合抛物线替代坐标上升(Paraboloidal Surrogate Coordinate Ascent,PSCA)算法进行求解.新算法分别对PET模拟数据和真实数据进行重建实验,结果表明本文提出的基于广义Gibbs先验的PET成像可以获得优质的重建图像.