论文部分内容阅读
一体化PET/MR成像系统将正电子发射断层成像(Positron Emission Tomography,PET)与磁共振成像(Magnetic Resonance Imaging,MRI)完全集成,是目前最先进的多模态医学影像设备,可以同时获取高分辨的MRI解剖图像与高灵敏的PET功能图像。一体化PET/MR成像系统可以实现PET、MRI数据同步采集,然而当前PET和MRI图像的获取仍然是独立的重建过程,重建图像的质量依赖于各自模态单独的重建算法。实际上,多模态图像之间存在很多互补信息,而单一模态的重建算法无法充分地利用这些进行重建。许多学者通过贝叶斯(Bayesian)方法或者最大化后验(Maximum a posteriori,MAP)方法将高分辨率结构影像模态(如MRI图像)引入到PET重建中以提高PET图像定量水平。然而此类方法通常针对将已经获取的MRI影像信息引入PET重建,且在不同设备、不同时间获取的MRI与PET图像实际在配准时存在极大困难。一体化PET/MRI成像系统提供的同步PET、MRI数据,可以直接避免图像配准问题,提供高质量的互补信息。因此,如何充分利用上述信息进行PET-MRI联合重建是当前研究的热点问题。最近,Ehrhardt.M.J.等人首次提出了通过最大后验法将PET和MRI图像之间的结构相似性信息作为先验对PET和MRI进行联合重建,并设计了联合全变分(joint total variation,JTV)和平行水平集(parallel level sets,PLS)等联合先验模型进行一系列体模实验,其重建图像质量显著提升,能够大幅抑制图像的噪声,然而,由于欠采样的MRI初始图像伪影严重,在迭代过程中容易造成PET图像和MRI图像之间出现特征交错的伪影,影响重建图像的质量。针对该问题,本文提出一种基于交叉引导(cross guided,CG)先验模型的PET-MRI双模态联合重建方法来改善重建图像的质量水平。交叉引导先验模型中设计了两个利用迭代过程的图像梯度信息的非线性函数,函数在给定合适的权重参数后可对边缘和非边缘区域分配不同的惩罚,使得重建图像能够平衡不同区域的约束,实现既能抑制噪声也能保持边缘细节信息。本研究对体模和脑部的仿真数据进行图像重建实验,并优化重建模型中的相关权重参数,将提出的重建算法与无先验的(no prior)单模态重建算法、全变分(total variation,TV)重建算法、联合全变分(joint total variation,JTV)重建算法和线性平行水平集(linear parallel level sets,LPLS)重建算法进行比较。实验结果表明,提出的重建算法从视觉上可看出重建图像质量明显优于其他算法,在量化评价指标上能够取得最小的归一化均方根误差(normalized root mean square error,NRMSE)和最高的结构相似度(structural similarity index measurement,SSIM)和信噪比(signal to noise ratio,SNR)。大量的仿真实验论证了提出的重建算法可获得视觉清晰、包含完整解剖结构信息及量化水平增强的重建图像,有助于PET/MR成像系统的临床应用推进和发展,具有丰富的临床意义和应用价值。