PET图像重建：GPU加速的H无穷粒子滤波混合算法

In view of the close relationship between measurement data and physiological properties of the underlying imaged tissue, it is surprising that the majority of these techniques are based on simplified, non-physical mathematical expression such as Poisson modeling of the measured data, which is, on the whole, completed without consideration of the underlying physiology. We propose a Graphics Processing Units (GPU)-accelerated reconstruction strategy that can take both statistical model and physiological model into consideration with the aid of H-infinity based particle filter. The proposed strategy formulates the organ activity distribution through tracer kinetics models, and the photon-counting measurements through observation equations, thus makes it possible to unify these two constraints into a general framework. Then, by making use of H-infinity, which allows using prior information of the expected behavior of the tracer without using a complete model, the information predicted by general tracer kinetic model will serve the input in the prediction step of particle filter. It is combined with the new information coming from the measurement under statistical constraints in the correction step. Furthermore, thanks to the computing power of GPU, reconstruction time is practical for clinical application.It is expected that by the end of the proposed research, strategies and new imaging methods will be developed to guide the medical community to wisely use a PET system.

PET测量数据（光子计数值）与生理模型紧密相关。然而，通常的重建方法多采用无生理意义的统计特性约束，从而忽略了反映生理特性的生理模型约束。本项目针对PET图像重建问题，提出利用H无穷粒子滤波混合算法融入数据统计特性模型、生理模型双重约束，并结合GPU完成重建过程的加速的方法。具体实现过程中以先验的共性生理特性作为约束，利用H无穷的鲁棒性处理不确定性，给出放射性药物浓度的"粗"估计，然后利用粒子滤波可以融合任何统计特性的能力，"细"调节估计值。以上迭代循环进行，最后给出放射性浓度分布与方差特性。由于采用了GPU加速策略，重建时间将显著缩短。该方法的实现将为PET图像重建提供新的技术手段。

正电子发射断层成像（简称PET）是现代核医学影像学中一种重要的断层成像技术，在生物医学研究和临床诊断中有着不可替代的作用。PET图像重建的目标是从探测得到的γ光子数中还原出断层图像（静态重建）和相关动力学参数（动态重建）。由于PET是一种能够对活体生物体内放射性核素的生化代谢过程进行显像的高级功能分子影像技术，它的测量数据（光子计数值）与生理模型是紧密相关的。尽管如此，通常的重建方法多采用无生理意义的统计特性约束，却忽略了反映生理特性的生理模型约束。本课题中将生理学模型的信息引入到了PET重建系统中，使得重建图像不仅符合统计学的约束特性，也具有一定生理意义。此外，引入更多的信息进入重建系统后，也能够同时实现对PET图像进行重建和分析处理（分割、动力学分析）。. 按照课题计划任务书所制定的工作计划及预期目标，在国家目标和学科发展趋势的导引下，课题组完成了预定的研究计划，取得了一些重要的原创性研究成果：建立了利用 H无穷粒子滤波混合算法融入数据统计特性模型、生理模型双重约束，并结合 GPU 完成重建过程的加速；建立了基于CT图像学习得到的结构字典和时间维度上的动力学字典这样双字典驱动的动态PET图像重建方法，实现了一个较好的重建结果；搭建了能够同时实现PET图像重建、感兴趣区域的分割以及动力学参数估计的系统，并基于分割信息进一步约束重建结果从而消除噪声的影响；并同时搭建了用于算法验证的PET成像仿真平台。基于这些研究成果，共发表和录用学术论文17篇，全部被SCI/EI收录；获得授权美国发明专利1项；申报国家发明专利15项；在重要国际会议作大会报告2次；1项专利转化到企业应用。总体而言已经达到了课题组的预期研究目标。