PET圖像重建：GPU加速的H無窮粒子濾波混合算法

《PET圖像重建：GPU加速的H無窮粒子濾波混合算法》是依託浙江大學，由劉華鋒擔任項目負責人的面上項目。

基本介紹

• 中文名：PET圖像重建：GPU加速的H無窮粒子濾波混合算法
• 依託單位：浙江大學
• 項目負責人：劉華鋒
• 項目類別：面上項目

項目摘要

PET測量數據（光子計數值）與生理模型緊密相關。然而，通常的重建方法多採用無生理意義的統計特性約束，從而忽略了反映生理特性的生理模型約束。本項目針對PET圖像重建問題，提出利用H無窮粒子濾波混合算法融入數據統計特性模型、生理模型雙重約束，並結合GPU完成重建過程的加速的方法。具體實現過程中以先驗的共性生理特性作為約束，利用H無窮的魯棒性處理不確定性，給出放射性藥物濃度的粗估計，然後利用粒子濾波可以融合任何統計特性的能力，細調節估計值。以上疊代循環進行，最後給出放射性濃度分布與方差特性。由於採用了GPU加速策略，重建時間將顯著縮短。該方法的實現將為PET圖像重建提供新的技術手段。

結題摘要

正電子發射斷層成像（簡稱PET）是現代核醫學影像學中一種重要的斷層成像技術，在生物醫學研究和臨床診斷中有著不可替代的作用。PET圖像重建的目標是從探測得到的γ光子數中還原出斷層圖像（靜態重建）和相關動力學參數（動態重建）。由於PET是一種能夠對活體生物體內放射性核素的生化代謝過程進行顯像的高級功能分子影像技術，它的測量數據（光子計數值）與生理模型是緊密相關的。儘管如此，通常的重建方法多採用無生理意義的統計特性約束，卻忽略了反映生理特性的生理模型約束。本課題中將生理學模型的信息引入到了PET重建系統中，使得重建圖像不僅符合統計學的約束特性，也具有一定生理意義。此外，引入更多的信息進入重建系統後，也能夠同時實現對PET圖像進行重建和分析處理（分割、動力學分析）。 按照課題計畫任務書所制定的工作計畫及預期目標，在國家目標和學科發展趨勢的導引下，課題組完成了預定的研究計畫，取得了一些重要的原創性研究成果：建立了利用 H無窮粒子濾波混合算法融入數據統計特性模型、生理模型雙重約束，並結合 GPU 完成重建過程的加速；建立了基於CT圖像學習得到的結構字典和時間維度上的動力學字典這樣雙字典驅動的動態PET圖像重建方法，實現了一個較好的重建結果；搭建了能夠同時實現PET圖像重建、感興趣區域的分割以及動力學參數估計的系統，並基於分割信息進一步約束重建結果從而消除噪聲的影響；並同時搭建了用於算法驗證的PET成像仿真平台。基於這些研究成果，共發表和錄用學術論文17篇，全部被SCI/EI收錄；獲得授權美國發明專利1項；申報國家發明專利15項；在重要國際會議作大會報告2次；1項專利轉化到企業套用。總體而言已經達到了課題組的預期研究目標。