稀疏约束的PET图像重建算法研究的开题报告.docx

稀疏约束的PET图像重建算法研究的开题报告
一.研究背景与意义
正电子发射断层扫描术（PET）是一种重要的医学影像学成像技术，可提供多种生理和代谢功能信息。但是，PET成像器采集到的原始数据是非常庞大的，需要高质量且高效的重建算法来获得有用的图像。在PET成像中，正电子在体内衰变，产生两个背向发射的光子，PET成像器可以探测到这两个光子，从而重建出原始图像。PET重建的一个主要挑战是通过有限的采样数据获得高质量图像。传统的PET重建算法通常采用全约束的方法，即不利用额外的先验信息对重建进行约束。但是，对图像进行全约束会导致构建起来的成本非常高，图像的细节和边缘等重要信息也会被模糊化，因此需要采用一些其他的先验知识来代替全约束的方法，从而提高PET图像重建的精度和效率。
稀疏性约束是图像重建领域中广泛使用的一种约束方法。稀疏性约束基于图像的局部相似性以及图像中仅有少量数量的非零像素来约束图像。在PET图像重建中，这种方法可以利用相邻像素的高度相关性和图像的少数非零像素，产生更快速和准确的重建结果。这种先验信息不仅可以提高成像质量，还可以降低计算成本。
因此，本文旨在研究基于稀疏约束的PET图像重建算法，从而提高PET图像重建的表现。
二.研究内容和技术路线
1.研究现有的稀疏表示方法，包括KSVD，OMP等。
KSVD（K压缩性奇异值分解）方法是一种经典的稀疏表示方法。在该方法中，会学习一组稀疏的基向量和一个低维表示向量，这些基向量组成一个稀疏字典，然后将这个字典用于重建PET图像。
OMP（正交匹配追踪）方法是另一种常用的稀疏表示方法。在该方法中，和KSVD方法一样，需要学习一组基向量和一个低维表示向量，但是该方法将每一个非零原子逐个添加到重建过程中，而不是同时加入所有的非零原子，这种一步一步添加的方法可以提高算法的计算效率。
2.设计并实现基于稀疏约束的PET图像重建算法
本文将设计一种基于稀疏约束的PET图像重建算法，并通过对已有的PET图像数据进行算法实验，来评价本文所提出的算法在PET图像重建中所取得的效果。
3.评估算法性能并对比其他PET图像重建算法
使用已有的PET数据进行测试，对本文所提出的算法和其他PET图像重建算法进行对比，比较不同算法的重建精度和执行即运算时间。
三.预期成果
本文的主要研究内容是通过对PET图像重建中的稀疏约束进行研究，来提高PET图像重建的精度和效率。具体的预期成果包括：
1.对现有的稀疏约束算法进行分析和评估。
2.设计并实现基于稀疏约束的PET图像重建算法。
3.对所提出的算法进行分析和评估，并对其性能和效果进行对比。
4.通过实验结果来说明本文所提出的算法对于PET图像重建领域的贡献和应用前景。
四.研究意义
本文的研究对于PET图像重建领域具有较大的实用意义和学术价值。通过对图像重建中的稀疏约束进行研究，可以提高PET图像的质量和精度，同时减少计算成本。这种方法可以应用于各种PET图像的重建，包括没有统一计数率的PET图像，或者是通过同时监测PET和临近标记物等技术进行的多模态图像重建。此外，稀疏表征方法还可以应用于其他成像技术中，例如计算机断层扫描（CT）和磁共振成像（MRI），所以本文的研究还可以为其他类似的应用领域提供有益的参考。