少数据PET成像方法研究

Positron Emission Tomography (PET) imaging is an advanced clinical molecular imaging technique with the highest molar sensitivity. However, the scope of PET’s applications has yet to match its potential. This project aims to remove the traditional requirement on the projection data’s completeness and develop a PET imaging method with less data. In this way, we might obtain high quality images with low-count or truncated data and that would help to push back the frontiers of the PET applications. In this project, we will build the correlation model between the imaging performance and the data’s statistic noise, completeness and prior information. The strategy of selecting data constrains and prior information based on imaging objective will be constructed. The influence of system geometry on the projection data quality will be analyzed, from that a new digital PET system design methodology will be developed. We will also study the analysis and formulation of prior information, realize reconstruction algorithms based on priors under the LMROS framework and provide guidance of system design by optimizing the couple of data and priors. PET imaging with less data will bring new rationale to the system design, pave the way for the application specific or application adaptive PET systems and make a breakthrough for PET applications’ expansion.

正电子发射断层成像（PET）是当前生化灵敏度最高的临床尖端分子影像手段，然而其巨大的应用潜力目前尚未得到充分发挥。本项目拟从突破传统PET成像方法对于数据完备性的要求限制入手，研究少数据PET成像方法，实现在低计数或数据截断条件下的高质量成像，为开拓PET成像应用新领域奠定技术基础。本项目将建立数据统计噪声、数据完备特性、先验信息等与成像性能之间的相关性模型，形成基于成像需求的数据约束选择和先验信息构建策略；分析系统几何特征对投影数据质量的影响，基于全数字PET技术发展面向应用的新型系统设计方法；提出针对少数据PET成像的先验信息分析和表达方法，在通用性算法LMROS框架下实现基于先验信息的图像重建算法，并通过投影数据与先验信息的最优化耦合来指导系统设计。少数据PET成像方法将提供系统设计的新思路，为实现各类应用专用、应用适应的新型PET系统提供理论支撑，为PET应用格局带来革命性突破。

正电子发射断层成像（Positron Emission Tomography，简称PET）作为当前生化灵敏度最高的影像工具，在疾病早期诊断、精准治疗以及药物研发等领域有着不可替代的作用。在PET成像中较低的计数量与缺失角度的数据限制了PET成像质量和系统设计。.在本项目中，将对低计数量或缺失角度的PET数据进行成像定义为少数据PET成像。为解决少数据PET成像中的问题，本项目研究了来自PET图像本身或其他成像模态获取的解剖图像中先验信息的表达方法，并将先验信息与飞行时间（Time of Fight，简称TOF）信息与项目申请人已提出的LMROS算法框架相结合，形成了如LMROS-NLM等算法，使得少数据PET成像能得到高质量的图像。该研究打破了传统PET系统需要完备投影角度的限制，也因此扩展了新型应用适应性PET系统的设计方法，在此基础下，项目主要参与者设计并搭建了应用于放疗导航的开窗式平板PET系统，并进一步根据系统特征优化了先验信息的提取。.本项目解决了少数据PET成像的关键问题，为许多少数据PET应用奠定了理论基础。这推进了如动态成像等低计数量PET成像领域的发展，促进了新型应用适应性PET系统设计。