PET-enabled Dual-Energy CT: Image Reconstruction and A Proof-of-Concept Computer Simulation Study
标准双能量计算机断层成像（CT）使用两种不同的X射线能量来获得能量相关的组织衰减信息，以允许定量的材料分解。双能CT和正电子发射断层成像（PET）的联合使用可以提供癌症和许多其他疾病的疾病状态的更全面表征。然而，双能量CT与PET的集成并不简单，要么需要昂贵的硬件升级，要么增加辐射剂量。本文提出了一种新的双能量CT成像方法，该方法由PET/CT上已经可用的PET数据实现。代替使用具有不同能量的第二X射线CT扫描，该方法利用经由极大似然衰减和活性（MLAA）算法的飞行时间PET图像重建，以从PET发射数据获得511 keV伽马射线衰减图像。然后将高能伽马射线CT图像与PET/CT的低能X射线CT组合以提供一对双能量CT图像。标准MLAA重建的一个主要挑战是重建的511 keV衰减图中存在的高噪声，这不会对PET活性重建造成太大影响，但会显著影响伽马射线CT的材料分解性能。为了克服这个问题，我们进一步提出了一个内核MLAA算法，利用现有的X射线CT图像的先验信息。我们进行了计算机模拟，以测试材料分解任务的概念和算法。模拟结果表明，这种PET使能的双能CT方法是有前途的定量材料分解。所提出的方法可以容易地在飞行时间PET/CT扫描仪上实现，以实现同时PET和双能量CT成像。
2020-08-22 physics.med-ph
Attenuation map reconstruction from TOF PET data
为了用正电子发射断层成像（PET）重建放射性示踪剂分布，需要进行背景衰减校正以消除图像伪影。最近的研究表明，飞行时间（TOF）PET数据确定衰减正弦图直到一个常数，其梯度可以使用解析算法计算。在本文中，我们研究了一个直接估计的正弦图只从TOF PET数据。首先，使用上述算法估计衰减正弦图的梯度。然后，建立关系以将差分衰减正弦图与潜在的衰减背景联系起来。最后，设计了一种迭代算法，以准确稳定地确定衰减正弦图。二维数值模拟研究进行了验证，我们所提出的方法的正确性。
2013-12-27 physics.med-ph
Physically-Based Inverse Rendering Framework for PET Image Reconstruction
本文提出首个基于Dr.Jit的物理逆向渲染PET重建框架，结合蒙特卡洛采样与解析投影器，利用自动微分实现体素级梯度优化，在体模和临床数据上相比CASToR和Siemens平台获得更高SNR、SUVR和GWR，提升了图像质量与tau定位精度。
2025-08-27 physics.med-ph
Fast full-body reconstruction for a functional human RPC-PET imaging system using list-mode simulated data and its applicability to radiation oncology and radiology
基于电阻板室探测器（RPC-PET）的单床全身正电子发射断层成像已被提议用于人体研究，作为基于闪烁器的PET扫描仪的补充资源。本工作的目的主要是提供一个重建的解决方案，这样的全身单床数据收集的逐事件的基础上。我们展示了一个完全三维的飞行时间（TOF）为基础的重建算法，能够处理从一个系统获得的高度倾斜的响应线具有非常大的轴向视野，如在RPC-PET中使用的。这种算法必须足够快，不会影响RPC-PET系统的临床工作流程。我们提出了模拟结果从体素化版本的拟人NCAT体模，肿瘤病变引入到人体内的关键区域。列表模式的数据重建与TOF加权最大似然期望最大化（MLEM）。为了加快算法的重建时间，开发了一种由图形处理单元（GPU）支持的多线程方法。此外，TOF辅助数据划分方法的建议，允许从九个身体区域的数据被独立地重建，更迅速。基于TOF的散射抑制方法的应用将总体散射从57.1%降低到32.9%。结果还表明，300 ps FWHM RPC-PET扫描仪允许在注射2 mCi放射性（146 M符合事件）后7分钟采集后在3.5分钟内产生重建图像。我们首次提出了一个完整的现实重建的全身，长轴向覆盖，RPC-PET扫描仪。我们证明了临床相关的重建时间可比（或更低）的患者采集时间上的多线程CPU和GPU。
2017-06-21 physics.med-ph
Patient-specific mean teacher UNet for enhancing PET image and low-dose PET reconstruction on RefleXion X1 biology-guided radiotherapy system
RefleXion X1是第一个生物引导放射治疗（BgRT）系统。与全环诊断PET系统相比，其双90度PET探测器收集更少的对产生事件。在拟定的BgRT工作流程中，在治疗输送前采集短扫描，以确保图像质量和一致性。较短的扫描时间（模拟扫描时间的四分之一）也会导致较少的重合事件，从而降低图像质量。在这项研究中，我们提出了一种患者特定的平均教师UNet（MT-UNet），以增强PET图像质量和RefleXion X1上的低剂量PET重建。使用RefleXion X1采集了9名癌症患者的PET/CT扫描。每个病人都有一个模拟扫描。5名患者在第一次和最后一次治疗部分期间进行了额外扫描。使用与模拟扫描相同的成像协议获取治疗扫描。对于每次扫描，我们重建了全剂量图像，并将符合事件平均分为四个会话，以重建四个四分之一剂量PET图像。对于每个患者，我们提出的MT-UNet使用模拟扫描的四分之一剂量和全剂量图像进行训练。对于图像质量增强任务，我们将9个训练好的MT-UNet应用于9名患者的全剂量模拟PET图像，以分别生成增强图像。采用CNR和SNR对增强后的图像与原始全剂量图像进行比较。对于低剂量图像重建任务，我们将五个训练好的MT-UNets应用于五名患者的十个四分之一剂量治疗图像，以分别预测全剂量图像。使用SSIM和PSNR比较预测和真实全剂量图像。我们还训练和评估了患者特定的UNets用于模型比较…
2022-09-13 physics.med-ph
Joint Reconstruction of the Activity and the Attenuation in PET by Diffusion Posterior Sampling: a Feasibility Study
本研究提出一种基于扩散后验采样（DPS）的PET活度与衰减联合重建新框架，通过扩散模型直接处理依赖性以缓解非TOF设置中的串扰问题，实验证明其在无TOF信息时显著优于传统MLAA方法。
2025-02-01 physics.med-ph
Synergistic PET/CT Reconstruction Using a Joint Generative Model
本研究提出一种基于$β$-VAE联合生成模型的协同PET/CT重建框架，通过共享模态间信息的协同惩罚函数减少重建噪声，在PSNR指标上优于单独的MLEM和WLS重建方法。
2024-11-08 physics.med-ph
Direct3γ: A Pipeline for Direct Three-gamma PET Image Reconstruction
Direct3γ提出一种基于蒙特卡罗模拟确定相互作用顺序、结合3D CNN与对抗损失的流水线，用于三伽马PET图像重建，在SSIM和PSNR上优于传统200皮秒TOF PET。
2025-06-19 physics.med-ph
Weighted Directional Total Nuclear Variation for Joint Yttrium-90 PET/SPECT Reconstruction with CTAC-derived Guidance
University College London (UCL)（伦敦大学学院）；The National Physical Laboratory (NPL)（英国国家物理实验室）；Oxford University Hospitals NHS Foundation Trust（牛津大学医院NHS基金会信托）；University of Oxford（牛津大学）；The Christie NHS Trust（克里斯蒂NHS信托）；Centre for Inverse Problems（逆问题中心）
本文提出加权方向总核变分方法，用于联合PET/SPECT重建，利用CTAC引导的各向异性，提高微球分布的重建效果和临床对比度。
2026-04-27 physics.med-ph
PET Rapid Image Reconstruction Challenge (PETRIC)
Science & Technology Facilities Council, UK Research & Innovation, Rutherford Appleton Laboratory（英国科学与技术设施委员会，英国研究与创新署，鲁瑟福阿普尔顿实验室）；Department of Mathematical Sciences, University of Bath（巴斯大学数学科学系）；Physikalisch-Technische Bundesanstalt (PTB)（德国物理技术联邦研究院）；Institute of Nuclear Medicine, University College London（伦敦大学学院核医学研究所）；UCL Hawkes Institute, University College London（伦敦大学学院霍克斯研究所）；Department of Nuclear Medicine and Molecular Imaging, University Medical Center Groningen, University of Groningen（格罗宁根大学格罗宁根大学医学中心核医学与分子成像系）
PETRIC首次针对PET图像重建提出挑战，通过开放源代码工具评估算法性能，推动优化理论与人工智能在重建中的应用。
2026-03-27 cs.PF physics.med-ph
Image reconstruction from tissue scattered events for $β^{+}γ$ coincidences in Compton-PET
长期以来，由于额外的剂量和康普顿散射的背景增加，PET成像避免了非纯β发射体。但是高分辨率康普顿照相机系统的出现开辟了成像的新领域。在治疗过程中，各种非纯β发射体作为射束辐照副产物形成，可用于在线射束射程验证。在这种情况下，用于成像的可用计数的数量通常比正常PET扫描少1-3个数量级。另一方面，我们知道在人体PET扫描仪中，30- 60%可以是在包含80%的单散射事件的3D情况下的组织散射符合。在这项工作中，我们已经调查的可行性成像仅使用单散射符合非纯β发射体在康普顿-PET系统。从511 keV探测的两端使用康普顿锥后，组织散射点的轨迹可以减少到大致两个点。最后，湮灭点估计使用康普顿锥1157千电子伏伽马和飞行时间的信息为511千电子伏。我们相信，从单个分散的数据集独立评估潜在的活动将增加图像解释的信心。
2021-10-04 physics.med-ph
Motion correction for PET using subspace-based real-time MR imaging in simultaneous PET/MR
PET重建的图像质量由于采集期间发生的受试者运动而降低。已经针对PET/MR扫描仪研究了基于MR的运动校正方法，并且当与替代信号（例如，导航器）结合使用以检测运动时，基于MR的运动校正方法在捕获规则运动模式方面已经成功。然而，处理不规则的呼吸运动和整体运动仍然具有挑战性。在这项工作中，我们提出了一种基于MR的运动校正方法，依赖于基于子空间的实时MR成像来估计用于校正PET重建的运动场。我们利用动态MR图像的低秩特性，从高度欠采样的k空间数据中以高帧率重建高分辨率MR图像。重建的动态MR图像用于确定PET重建的运动相位，并估计相位到相位的非刚性运动场，能够捕获复杂的运动模式，如不规则的呼吸和整体运动。MR导出的合并和运动场用于PET重建以生成运动校正的PET图像。所提出的方法进行了评估，在体内数据与不规则的运动模式。MR重建准确地捕获运动，优于最先进的动态MR重建技术。PET重建的评价证明了所提出的方法在减少运动伪影方面优于标准方法的益处。所提出的方法可以提高运动校正PET重建在临床应用中的图像质量。
2020-10-02 eess.IV physics.med-ph
Fast and memory-efficient reconstruction of sparse Poisson data in listmode with non-smooth priors with application to time-of-flight PET
最先进的TOF PET扫描仪的完整飞行时间（TOF）正弦图具有较大的内存占用。目前，它们包含~ 4 e9个数据箱，在32位浮点精度下达到~ 17 GB。使用迭代算法来重建如此巨大的TOF正弦图变得越来越具有挑战性，这是由于针对每个数据箱评估前向模型所需的存储器要求和计算时间。这对于更高级的优化算法尤其如此，例如SPDHG算法，该算法允许使用具有保证收敛性的子集来使用非光滑先验。SPDHG需要在内存中存储额外的正弦图，这严重限制了其应用于最先进的TOF PET系统的数据集。的TOF正弦图的一般稀疏的性质的动机，我们提出并分析了一个新的列表模式（LM）扩展的SPDHG算法重建稀疏数据的泊松分布。基于2D和3D模拟以及在最近的TOF PET/CT系统上获得的真实数据集对新算法进行评估。新提出的LM SPDHG算法的性能进行比较，对传统的正弦图SPDHG和列表模式EM-TV算法。我们表明，LM-SPDHG的收敛速度是相当的原始SPDHG使用分箱数据。然而，我们发现，对于TOF分辨率为400 ps的TOF PET系统，LM-SPDHG将所需的内存从约56 GB减少到0.7 GB，用于具有1 e7计数的短动态帧，并将所需的内存减少到12.4 GB，用于具有5e 8计数的长静态采集。与SPDHG相比，LM-SPDHG降低了内存需求，可以在最先进的GPU上实现纯GPU实现，这将大大加快重建时间。这…
2022-05-21 physics.med-ph
Modified Kernel MLAA Using Autoencoder for PET-enabled Dual-Energy CT
PET和双能量CT的组合使用为多参数成像提供了补充信息。PET使能双能CT将低能量X射线CT图像与从飞行时间PET发射数据重建的高能γ射线CT（GCT）图像相结合，以实现PET/CT扫描仪上的双能CT材料分解。最大似然衰减和活动（MLAA）算法已被用于GCT重建，但遭受噪声。核MLAA利用X射线CT图像之前，通过内核框架，以指导GCT重建，并已被证明在噪声抑制的实质性改善。然而，类似于用于图像重建的其他核方法，现有的核MLAA使用基于图像强度的特征来构造核表示，这并不总是鲁棒的，并且可能导致具有伪影的次优重建。在本文中，我们提出了一种改进的核方法，通过使用一个自动编码器卷积神经网络（CNN），以提取一个内在的特征集，从X射线CT图像先验。进行了计算机模拟研究，以比较自动编码器CNN衍生的特征表示与原始图像块，用于GCT图像重建和双能量多材料分解的内核MLAA的评估。实验结果表明，与现有的核MLAA算法相比，自编码核MLAA算法在GCT和材料分解方面可以实现显着的图像质量改善。所提出的方法的一个弱点是其潜在的过度平滑的骨骼区域，表明在未来的工作中进一步优化的重要性。代码可在https://github.com/SiqiLi1020/Autoencoder- Kernel-MLAA上获得。
2021-03-11 physics.med-ph
Single-Subject Deep-Learning Image Reconstruction with a Neural Optimization Transfer Algorithm for PET-enabled Dual-Energy CT Imaging
针对PET赋能DECT成像中现有gCT重建方法先验利用不足、深度学习需大样本训练的问题，提出无需预训练的单受试者神经优化迁移算法，可有效提升gCT图像质量与多物质分解效果。
2024-06-19 physics.med-ph
High Resolution Image Reconstruction Method for a Double-plane PET System with Changeable Spacing
正电子发射乳腺X射线（PEM）成像系统是近年来发展起来的，具有检测毫米级肿瘤的能力。其中一些已经在临床上得到了很好的应用。考虑到活检应用，双平面探测器配置是实用的，便于乳房固定。然而，在双平面系统中，对于不同的乳房尺寸，具有可变的间距的严重的模糊效应需要研究。方法：我们研究了一种适用于双平面PET系统的可变探测器间距的高分辨率重建方法。对于不同的探测器距离，应实时计算几何和模糊分量。用管面积模型得到精确的几何灵敏度。分辨率恢复是通过估计来自模拟单伽马响应信息的模糊效应来实现的。结果：新的几何模型在双平面系统中给出了一个更加有限和光滑的灵敏度权重。模糊分量产生在没有模糊建模的情况下无法达到的对比度恢复水平，以及最小球体的更好视觉恢复和重建图像中的结构的更好描绘。统计噪声在具有模糊建模的体素水平上比在匹配分辨率下具有更低的方差。结论：在变距离双平面PET中，重建过程中的有限分辨率建模实现了分辨率恢复，没有噪声放大。
2015-07-16 physics.med-ph
Multi-Subject Image Synthesis as a Generative Prior for Single-Subject PET Image Reconstruction
School of Biomedical Engineering and Imaging Sciences, King’s College London（伦敦国王学院生物医学工程与影像科学学院）；Institute of Psychiatry, Psychology and Neuroscience, King’s College London（伦敦国王学院精神病学、心理学与神经科学研究所）；King’s College London（伦敦国王学院）；Guy’s & St Thomas’ PET Centre（盖伊和圣托马斯PET中心）
本文提出利用MR引导的多受试者配准与随机平均合成高信噪比伪PET图像，并将其作为扩散模型重建的生成先验，在单受试者2D PET重建中优于OSEM、MAP-EM及现有扩散方法。
2024-12-05 cs.CV physics.med-ph
Direct PET Image Reconstruction Incorporating Deep Image Prior and a Forward Projection Model
针对直接PET重建依赖大量高质量训练数据的问题，提出融合深度图像先验与前向投影损失的无监督方法，并在脑部[¹⁸F]FDG蒙特卡罗模拟中证明其优于FBP和ML-EM。
2021-09-02 cs.CV cs.LG physics.med-ph
Penalized-likelihood PET Image Reconstruction Using 3D Structural Convolutional Sparse Coding
Massachusetts General Hospital（麻省总医院）；Harvard Medical School（哈佛医学院）；Zhejiang University（浙江大学）
正电子发射断层成像（PET）广泛用于临床诊断。由于PET具有低分辨率和高噪声的缺点，许多努力试图将解剖先验结合到PET图像重建中，特别是随着混合PET/CT和PET/MRI系统的发展。在这项工作中，我们提出了一种新的三维结构卷积稀疏编码（CSC）的概念，惩罚似然PET图像重建，命名为三维PET-CSC。所提出的3D PET-CSC利用卷积运算，并设法在不需要配准或监督训练的情况下结合解剖学先验。由于3D PET-CSC编码的是整个3D PET图像，而不是块，它消除了传统的基于块的稀疏编码方法中常见的阶梯伪影。此外，我们开发了剩余图像和顺序子集机制，以进一步降低计算成本，并加快所提出的三维PET-CSC方法的收敛。基于计算机模拟和临床数据集的实验证明了3D PET-CSC与其他参考方法相比的优越性。
2019-12-16 cs.LG eess.IV physics.med-ph
Supervised Diffusion-Model-Based PET Image Reconstruction
School of Biomedical Engineering
本文提出一种监督扩散模型算法，用于PET图像重建，通过强制PET的泊松似然模型非负性和适应PET图像的宽动态范围，实验表明其在不同剂量水平下优于现有深度学习方法，并展示了模型组件的优越性及对训练数据和参数的影响。
2025-06-30 cs.CV physics.med-ph
Physics-Constrained Diffusion Reconstruction with Posterior Correction for Quantitative and Fast PET Imaging
Beijing Normal University（北京师范大学）；Beijing Friendship Hospital, Capital Medical University（首都医科大学北京友谊医院）；The First Affiliated Hospital of USTC, Division of Life Sciences and Medicine, University of Science and Technology of China（中国科学技术大学生命科学与医学部附属第一医院）；Jiangnan University（江南大学）；University of Melbourne（墨尔本大学）
针对深度学习PET重建的定量准确性与伪影问题，提出带后验物理校正的条件扩散模型PET-DPC，融入物理信息并缩短重建时间，在多数据集验证中优于传统方法，具临床应用潜力。
2025-08-20 cs.CV physics.med-ph
Fast PET Reconstruction with Variance Reduction and Prior-Aware Preconditioning
本文研究PET图像重建中基于子集的随机优化方法，发现将先验纳入预条件器是实现快速稳定收敛的关键，并通过比较SGD、SAGA和SVRG等算法，为PETRIC 2024挑战赛的获胜方案提供了设计基础。
2025-06-05 math.OC physics.med-ph
DeepPET: A deep encoder-decoder network for directly solving the PET reconstruction inverse problem
Memorial Sloan Kettering Cancer Center（纪念斯隆凯特琳癌症中心）；Weill Cornell Medicine（威尔康奈尔医学院）
正电子发射断层扫描（PET）是现代放射学的基石。在全身扫描中检测癌症和转移的能力从根本上改变了癌症的诊断和治疗。临床应用中的主要瓶颈之一是从PET成像中的海量数据重建解剖图像所需的时间。基于期望最大化的最先进方法可能需要数小时才能完成单个患者的治疗，并且依赖于手动微调。这不仅给医院带来了经济负担，更重要的是导致患者处理、评估以及最终诊断和治疗的效率降低。为了克服这个问题，我们提出了一种新的PET图像重建技术的基础上，深度卷积编码器-解码器网络，PET正弦图数据作为输入，并直接输出完整的PET图像。使用真实的模拟数据，我们证明了我们的网络能够以比传统迭代重建技术快100倍的速度重建图像，并且图像质量（均方根误差）相当。
2018-09-25 cs.CV physics.med-ph
Simulations and Image Reconstruction for the High Resolution CaLIPSO PET Scanner for Brain and Preclinical Studies
预期的CaLIPSO正电子发射断层成像（PET）扫描仪将同时产生约1 mm $^3$的精细图像分辨率和高对比度。在本文中，我们提出了一个“立方体”的几何形状的完整的CaLIPSO PET扫描仪的模拟结果。我们通过模拟量化预期的图像分辨率和噪声等效计数率，并将其与最有效的临床使用的PET扫描仪，Siemens的高分辨率研究断层扫描仪的性能进行比较。提出了高空间分辨率扫描仪的图像重建问题。我们还提供了[ $^{18}$ F]-FDG和[ $^{11}$ C]-PE 2 I示踪剂分布的模拟脑图像。结果表明，CaLIPSO PET扫描仪在小动物和脑成像方面具有很高的潜力，其中高空间分辨率和效率的结合至关重要。
2018-01-19 physics.ins-det physics.med-ph
A novel TOF PET reconstruction method from limited-view data based on TV-minimization
PET探测器提供LOR上关于衰变事件的位置、能量和定时的信息。传统的PET图像重建没有考虑时间信息，仅利用时间信息进行符合性判断。高时间分辨率的PET探测器提供了非常精确的TOF信息，因此利用PET探测器时间信息的TOF图像重建方法对TOF PET系统至关重要。我们利用一对TOF PET探测器提供的时间信息，然后从有限视图投影数据重建活动分布。由于有限视角数据的图像重建在数学上是一个欠定问题，常规算法无法实现有限视角问题的精确重建。在这项工作中，我们提出了一个半解析和半迭代的方法命名为DF/LBM（直接傅立叶和对数屏障方法），以解决有限的看法与飞行时间信息的问题。首先利用直接傅立叶法求出最小二乘解，然后利用凸优化方法对数障碍法对最小二乘解进行修正。凸优化的实质是定义零空间中的分量以满足某些先验信息（TV最小化），而最小二乘解在零空间中没有分量。将该方法应用于Zubal体模，消除了最小二乘解产生的伪影，在不使用定时分辨率时，分别为200 ps和100 ps，采用从$-45$到$45$的16个视图时，PSNR分别为30.6112、34.8751和38.8998。
2020-06-07 eess.IV physics.med-ph
MlPET: A Localized Neural Network Approach for Probabilistic Post-Reconstruction PET Image Analysis Using Informed Priors
Organization（组织）
MlPET利用局部神经网络和有信息先验，实现快速、高分辨率的概率后重建PET图像分析，提升小病灶检测和定量可靠性。
2026-01-25 cs.LG physics.med-ph
Personalized MR-Informed Diffusion Models for 3D PET Image Reconstruction
IEEE Transactions on Radiation and Plasma Medical Sciences（IEEE辐射与等离子体医学科学汇刊）
本文提出通过图像配准生成受试者特异性“伪PET”图像来预训练个性化扩散模型，在低计数PET重建中融合MR引导信息并提升重建精度，无需生成式深度学习或大规模数据集。
2025-08-27 cs.CV physics.med-ph
Flow Matching-Based PET Image Reconstruction
University of Florida（佛罗里达大学）；Nagoya Institute of Technology（名古屋工业大学）；RIKEN Center for Advanced Intelligence Project（理化学研究所先进智能项目中心）
本研究提出两种基于流匹配的PET图像重建方法，经[$^{\text{18}}\text{F}$]FDG脑部PET数据集实验，其在不同剂量水平下的偏差-方差权衡优于其他参考方法，展现出流匹配作为定量PET重建生成先验的潜力。
2026-08-21 cs.CV eess.IV physics.med-ph
PET Image Reconstruction Using Deep Diffusion Image Prior
J. Crayton Pruitt Family Department of Biomedical Engineering, University of Florida（朱·克雷顿·普瑞特家庭生物医学工程系，佛罗里达大学）
本文提出基于深度扩散模型的PET图像重建方法，通过解剖先验引导和半二次分裂算法实现高效重建，适用于多种示踪剂和扫描仪类型。
2025-12-09 cs.CV eess.IV physics.med-ph
Clinically Translatable Direct Patlak Reconstruction from Dynamic PET with Motion Correction Using Convolutional Neural Network
Zhejiang University（浙江大学）；Massachusetts General Hospital（麻省总医院）；Harvard Medical School（哈佛医学院）；First Hospital of Shanxi Medical University（山西医科大学第一医院）
Patlak模型被广泛应用于18 F-FDG动态正电子发射断层成像（PET）中，其参数估计图像揭示了重要的生理生化信息。由于更好的噪声建模和从原始正弦图中提取更多的信息，直接Patlak重建比仅利用重建的动态PET图像的间接方法更受欢迎。作为直接Patlak方法的先决条件，来自动态PET的原始数据很少存储在临床中并且难以获得。此外，直接重建由于多帧重建的瓶颈而耗时。在这项工作中，我们提出了一个数据驱动的框架，通过卷积神经网络将动态PET图像映射到高质量的运动校正的直接Patlak图像。对于长时间动态PET扫描过程中的患者运动，我们将校正与直接重建中的后向/前向投影相结合，以更好地拟合统计模型。基于15个临床18F-FDG动态脑PET数据集的结果表明，所提出的框架优于高斯，非局部均值和BM 4D去噪，关于图像偏差和对比度噪声比。
2020-09-13 cs.LG eess.IV physics.med-ph
Direct Reconstruction of Linear Parametric Images from Dynamic PET Using Nonlocal Deep Image Prior
Gordon Center for Medical Imaging（戈登医学影像中心）；Massachusetts General Hospital（麻省总医院）；Harvard Medical School（哈佛医学院）；Martinos Center for Biomedical Imaging（马蒂诺斯生物医学影像中心）；University of California, Davis（加州大学戴维斯分校）
直接重建方法已被开发，估计参数图像直接从所测量的PET正弦图相结合的PET成像模型和示踪剂动力学在一个集成的框架。由于接收到的计数有限，由直接重建框架产生的参数图像的信噪比（SNR）和分辨率仍然有限。最近，当有大量高质量的训练标签可用时，监督式深度学习方法已成功应用于医学成像去噪/重建。对于静态PET成像，可以通过延长扫描时间来获取高质量的训练标签。然而，这对于扫描时间已经足够长的动态PET成像是不可行的。在这项工作中，我们提出了一个无监督的深度学习框架，用于从动态PET直接进行参数重建，并在Patlak模型和相对平衡Logan模型上进行了测试。患者的解剖学先验图像，这是很容易从PET/CT或PET/MR扫描，被提供作为网络输入，以提供一个流形约束，也被用来构建一个内核层，以执行非局部特征去噪。线性动力学模型作为1x 1卷积层嵌入网络结构中。训练目标函数基于PET统计模型。基于18F-FDG和11 C-PiB示踪剂动态数据集的评估表明，该框架可以优于传统的和基于核方法的直接重建方法。
2021-06-18 cs.CV eess.IV physics.med-ph
FIRST: Fast Iterative Reconstruction Software for (PET) tomography
小动物PET扫描仪需要高空间分辨率和良好的灵敏度。为了在3D-PET中重建高分辨率图像，迭代方法（诸如OSEM）优于解析重建算法，尽管它们的高计算成本仍然是一个严重的缺点。现代计算机的更高性能可以使迭代图像重建足够快，是可行的，只要我们能够处理大量的概率系数的系统响应矩阵在高分辨率PET扫描仪，这是一个困难的任务，阻止算法达到峰值计算性能。考虑到所有可能的轴向和面内对称性，以及某些准对称性，我们已经能够将存储系统响应矩阵（SRM）的内存需求降低到1 GB以下，这使我们能够将系统的整个响应矩阵保持在普通工业标准计算机的RAM内，从而使重建算法可以实现接近峰值的性能。SRM的元素被存储为三次样条曲线，并在重建过程中与体素大小相匹配。通过这种方式，结合了实时计算和完全存储SRM的优点。SRM的实时计算部分（将轮廓函数与体素大小匹配）占重建时间的10%至30%，具体取决于所选体素的数量。我们用商业小动物PET扫描仪的真实数据测试了我们的方法。结果（图像质量和重建时间）表明，所提出的技术是一种可行的解决方案。
2006-09-12 physics.ins-det physics.med-ph
Yttrium-90 TOF-PET based EUD predicts response post liver radioembolizations using standard manufacturer reconstruction parameters
目的：解释为什么使用标准FDG重建参数的基于90 Y TOF-PET的等效均匀剂量（EUD）已被证明可以预测反应。研究方法：Jaszczak豪华体模的热棒插入物部分填充2.65 GBq 90 Y-300 ml DTPA水溶液，导致6个扇区的平均吸收剂量为100 Gy。在550 ps和320 ps- TOF-PET/CT上进行双床20 min/位置采集，并使用标准FDG重建参数进行重建，无和有额外滤波。在加入300 ml水（50 Gy设置）后，在两个PET上重复整个过程。在衰减因子为10（5Gy设置）后再次采集体模，但每个床位置的时间为200分钟。为了进行比较，还利用对应于临床FDG全身采集的18F活性采集体模。结果：100 Gy装置提供的热棒扇形图像几乎与18F体模一样好。然而，尽管有采集时间补偿，5Gy设置提供的成像质量要低得多。基于TOF-PET的三个大棒扇区的扇区EUD与实际EUD一致，其放射敏感性为0.021 Gy-1，在外射束放射治疗（EBRT）中观察到的范围内，即0.01- 0.04 Gy-1。该一致性解释了使用基于TOF-PET的EUD的HCC中玻璃和树脂球的剂量-反应关系的统一。额外的过滤降低了EUD协议质量。结论：标准FDG重建参数适用于90 Y肝放射性栓塞后TOF-PET，以准确计算肿瘤EUD。目前的结果明确排除了使用低比活度体模研究来优化重建参数。
2020-10-01 physics.ins-det physics.med-ph
Stochastic EM methods with Variance Reduction for Penalised PET Reconstructions
期望最大化（EM）是正电子发射断层成像（PET）中常用的图像重建方法，但其收敛速度较慢。有序子集EM（OSEM）是一种有效的重建算法，在初始迭代过程中提供了显着的加速，但它已被观察到进入极限环。在这项工作中，我们研究了两类算法，用于加速OSEM的基础上减少惩罚PET重建的方差。第一个是一个随机方差减少EM算法，称为SVREM，经典EM的随机背景下，通过结合经典的OSEM与方差减少技术的梯度下降的见解的扩展。第二种将OSEM视为预处理的随机梯度上升，并应用方差缩减技术，即，SAGA和SVRG，估计更新方向。我们提出了几个数值实验来说明的方法的效率和准确性。数值结果表明，这些方法显着优于现有的OSEM型方法的惩罚PET重建，并拥有很大的潜力。
2021-06-06 cs.NA math.NA physics.med-ph
List-Mode PET Image Reconstruction Using Deep Image Prior
Hamamatsu Photonics K. K.（滨松光子学株式会社）；Hamamatsu University School of Medicine（滨松医科大学）
本研究提出LM-DIPRecon方法，首次利用深度图像先验（DIP）结合交替方向乘子法交替迭代LM-DRAMA与MR-DIP，实现列表模式PET图像重建，在模拟与临床数据上获得更清晰图像及更优对比度噪声权衡。
2022-11-04 cs.CV cs.LG physics.med-ph
Progress in SPECT and PET Reconstruction for Theranostics: From Diagnosis to Therapy
本文综述面向诊疗一体化的SPECT与PET图像重建最新进展，分析传统重建方法在多同位素串扰、α同位素低计数成像等方面的局限，指出先进重建技术的研发需求与现存挑战。
2025-11-14 eess.IV physics.med-ph
J-PET Framework: Software platform for PET tomography data reconstruction and analysis
J-PET Framework是一个用于数据分析的开源软件平台，用C++编写，基于ROOT包。它为重建、校准和滤波程序的实施以及正电子发射断层成像数据的用户级分析提供了通用环境。该库包含一组构建块，即使编程经验很少的用户也可以通过方便，简单且文档齐全的API将其组合成处理任务链。通用输入输出接口允许处理来自各种来源的数据：来自断层扫描采集系统或诊断设置（如数字示波器）的低级数据，以及高级断层扫描结构（如正弦图或响应线列表）。此外，该环境可以与蒙特卡罗模拟软件包，如GEANT和GATE，这是常用的医学科学界。
2020-05-27 cs.SE physics.ins-det physics.med-ph
3D PET image reconstruction based on Maximum Likelihood Estimation Method (MLEM) algorithm
正电子发射断层扫描（PET）不直接测量图像。相反，他们在PET断层扫描仪的视野（FOV）的边界处测量正弦图，该正弦图由沿着连接两个探测器的线的所有计数的总和的测量组成。由于在典型的PET断层摄影机结构中内置了大量探测器，因此存在许多可能的与测量有关的探测器对。问题是如何将这种测量转化为图像（这称为成像）。通过引入迭代重建技术，PET图像质量得到了决定性的改善。二十年前就已经达到了这个阶段（随着新的强大计算处理器的出现）。然而，三维（3D）成像仍然是一个挑战。图像重建算法的目的是处理大量（数百万）响应线（LOR）和数百万检测光子的不完美计数数据，以产生显示空间中标记分子分布的图像。
2015-04-26 physics.ins-det physics.med-ph
Likelihood-Scheduled Score-Based Generative Modeling for Fully 3D PET Image Reconstruction
IEEE Transactions on Medical Imaging（IEEE医学影像期刊）
本文提出一种似然调度的基于分数的生成模型方法，通过匹配反向扩散似然与最大似然期望最大化迭代值，加速全三维PET重建并减少超参数调优，在模拟和真实[¹⁸F]DPA-714数据上验证了其性能。
2025-06-03 cs.CV cs.LG physics.med-ph
Overview of the software architecture and data flow for the J-PET tomography device
现代TOF-PET扫描仪系统需要高速计算资源来进行有效的数据处理、监控和图像重建。在这篇文章中，我们提出了新的TOF-PET扫描仪开发的J-PET合作的数据流和软件架构。讨论了数据采集系统、重建框架和图像重建软件。此外，在医院外的远程中心，如在波兰的Eschuwierk计算中心的计算的概念。
2016-02-27 physics.ins-det physics.med-ph
System Response Kernel Calculation for List-mode Reconstruction in Strip PET Detector
在正电子发射断层扫描（PET）中重建图像需要系统响应核的知识，该系统响应核描述每个像素（体素）对每个响应管（TOR）的贡献。这在列表模式重建系统中尤其重要，其中需要对这样的函数进行有效的解析近似。在这方面的贡献，我们提出了一种新的二维条带PET的系统响应内核的推导。
2013-10-06 nucl-th physics.ins-det physics.med-ph
Multi-Kernel TOF-PET Image Reconstruction Using ADMM
针对多核TOF-PET中不同符合时间分辨率成分导致的收敛不平衡问题，提出基于交替方向乘子法（ADMM）的分裂优化算法（TOF-decomp ADMM），通过分别优化快慢CTR对数似然项并在约束下平衡贡献，实现更稳定的收敛和更好的对比度-噪声权衡。
2026-05-28 physics.ins-det physics.med-ph
Fully 3D Implementation of the End-to-end Deep Image Prior-based PET Image Reconstruction Using Block Iterative Algorithm
本文首次提出基于块迭代算法的端到端深度图像先验全三维PET图像重建方法，通过顺序学习块正弦图并加入相对差分惩罚项，在无先验训练数据条件下实现了高质量定量PET成像。
2022-12-22 cs.CV cs.LG eess.IV
Whole body dynamic PET kernel reconstruction using nonnegative matrix factorization features
本研究针对传统核重建在全身动态PET快速动力学区域效果不佳的问题，提出基于带最优秩选择的NMF特征构建空间核矩阵的新方法，经仿真与小鼠实验验证，该方法可降噪保对比，优于传统方法。
2025-07-30 physics.med-ph q-bio.BM
Parameterizing the Angular Distribution of Emission: A Model for TOF-PET Low-Count Reconstruction
即使在飞行时间（TOF）分辨率最近取得进展的情况下，低计数重建仍然是正电子发射断层成像（PET）的挑战。在这种情况下，由低值或零组成的所获取的直方图与从前向投影仪获得的预期直方图之间的偏差被传播到图像，从而导致有偏差的重建。这种情况可能会随着TOF信息的更精细分辨率而加剧，这进一步稀疏了所采集的直方图。我们提出了一种新的方法来规避这种限制的经典重建模型。它包括通过参数化发射角分布（PADE）扩展重建方案的描述，以明确包括投影域。这种参数化比对数似然模型具有更大的自由度，而对数似然模型在经典情况下无法利用。我们假设，使用超快速TOF，这种新方法不仅适用于低计数重建，而且比经典重建模型更合适。作为一个概念的证明，这种方法的实施相比，通过调查热点幻影的二维模拟的对数似然模型。所提出的模型实现了类似的对比度恢复系数MLEM除了最小的结构，其中的低计数性质的模拟，很难得出结论。然而，这个新的模型似乎收敛到更少的噪音解决方案比MLEM。这些结果表明，PADE方法具有超快TOF低计数重建的潜力。
2023-01-10 eess.IV physics.med-ph
Multibranch Generative Models for Multichannel Imaging with an Application to PET/CT Synergistic Reconstruction
Univ. Brest, LaTIM, INSERM, UMR 1101（布雷斯特大学、LaTIM研究所、法国国家健康与医学研究院、UMR 1101联合研究单位）；Nuclear Medicine Department, Poitiers University Hospital（普瓦捷大学医院核医学科）
本文提出基于多分支变分自编码器的医学图像协同重建方法，通过在正则化器中利用成对图像学习实现去噪与重建，并在MNIST和PET/CT数据上验证了低剂量成像质量提升。
2025-02-03 cs.CV eess.IV physics.med-ph
FastPET: Near Real-Time PET Reconstruction from Histo-Images Using a Neural Network
The University of Tennessee（田纳西大学）；Siemens Medical Solutions Inc.（西门子医疗解决方案公司）
使用深度神经网络直接重建正电子发射断层扫描（PET）数据是一个不断发展的研究领域。最初的结果是有希望的，但通常网络是复杂的，存储器利用效率低，产生相对小的2D图像切片（例如，128x128），而低计数率重建具有不同的质量。本文提出了FastPET，一种新型的直接重建卷积神经网络，结构简单，内存空间高效，适用于非平凡的3D图像体积，能够处理广泛的PET数据，包括低剂量和多示踪剂应用。FastPET唯一地对组织图像（即，图像空间）表示原始数据，使其能够重建3D图像体积比有序子集期望最大化（OSEM）快67倍。我们详细介绍了在全身和低剂量全身数据集上训练的FastPET方法，并从临床和体模研究中探索了重建图像的定性和定量方面。此外，我们探讨了FastPET在包含多种不同示踪剂的神经学数据集上的应用。结果表明，该方法不仅重建速度快，而且图像质量高，噪声低。
2020-06-15 cs.LG eess.IV physics.med-ph
Penalized PET/CT Reconstruction Algorithms with Automatic Realignment for Anatomical Priors
提出了两种利用解剖先验信息解决惩罚PET/CT重建中未对准问题的算法。这两种方法都是基于最近发表的联合运动估计和图像重建方法。第一种方法使解剖图像变形以使其与功能图像对准，而第二种方法使两个图像变形以使其与测量数据对准。我们目前的实现交替图像重建和对齐估计。为了评估这些方法的潜力，我们选择了平行水平集（PLS）作为一个代表性的解剖处罚，纳入空间变化的惩罚强度，以实现均匀的局部对比度。使用XCAT体模在胸部区域生成的模拟非TOF数据评价性能。我们在解剖学先验中使用了衰减图像。结果表明，这两种方法都可以估计错位，并相应地变形的解剖图像。然而，第一种方法的性能高度依赖于交替过程的工作流程。第二种方法显示了更快的收敛速度，以正确的对齐，是不太敏感的工作流程。有趣的是，解剖信息的存在可以提高第二种方法的未对准估计的收敛速度，但减慢了第一种方法的收敛速度。
2020-11-07 eess.IV physics.med-ph
Iterative PET Image Reconstruction Using Convolutional Neural Network Representation
Gordon Center for Medical Imaging, Massachusetts General Hospital and Harvard Medical School（马萨诸塞州总医院与哈佛医学院戈登医学影像中心）；Department of Biomedical Engineering, University of California, Davis（加利福尼亚大学戴维斯分校生物医学工程系）；Department of Statistics, University of California, Davis（加利福尼亚大学戴维斯分校统计系）
由于逆问题的病态性和探测到的光子数量有限，PET图像重建具有挑战性。近年来，深度神经网络在计算机视觉领域得到了广泛而成功的应用，并在医学成像领域引起了越来越多的关注。在这项工作中，我们训练了一个深度残差卷积神经网络，通过使用现有的患者间信息来提高PET图像质量。所提出的方法的一个创新特点是，我们嵌入的神经网络的迭代重建框架的图像表示，而不是使用它作为一个后处理工具。我们制定的目标函数作为一个约束优化问题，并解决它使用交替方向法的乘数（ADMM）算法。仿真数据和混合真实数据被用来评估所提出的方法。量化结果表明，我们提出的迭代神经网络方法可以优于神经网络去噪和传统的惩罚最大似然方法。
2017-10-09 cs.CV physics.med-ph stat.ML
Improved low-count quantitative PET reconstruction with an iterative neural network
University of Michigan（密歇根大学）；University of Hawai’i–Mānoa（夏威夷大学马诺阿分校）
低计数PET中的图像重建尤其具有挑战性，因为来自基于Lu的晶体中的天然放射性的γ引起降低测量信噪比（SNR）的高随机分数。在基于模型的图像重建（MBIR）中，使用非正则化方法的更多迭代可能增加噪声，因此将正则化并入图像重建中以控制噪声是期望的。基于学习卷积算子的新正则化方法正在MBIR中出现。我们修改了迭代神经网络BCD-Net的架构，用于PET MBIR，并使用XCAT体模数据证明了训练的BCD-Net的有效性，该数据模拟了Y-90微球放射性栓塞后Y-90 PET患者成像的低真实符合计数率和高随机分数。数值结果表明，提出的BCD-Net显着提高CNR和RMSE的重建图像相比，MBIR方法使用非训练的正则化，总变差（TV）和非局部均值（NLM）。此外，BCD-Net成功地推广到与训练数据不同的测试数据。还证明了临床相关体模测量数据的改进，其中我们使用具有非常不同的活动分布和计数水平的训练和测试数据集。
2020-05-25 cs.LG eess.IV physics.med-ph
Neural KEM: A Kernel Method with Deep Coefficient Prior for PET Image Reconstruction
University of California Davis Health（加州大学戴维斯分校医疗中心）；Massachusetts General Hospital（麻省总医院）；Harvard Medical School（哈佛医学院）；University of California at Davis（加州大学戴维斯分校）
低计数正电子发射断层扫描（PET）数据的图像重建具有挑战性。核方法通过在迭代PET图像重建的前向模型中结合图像先验信息来解决这一挑战。核期望最大化（KEM）算法已被开发和证明是有效的，易于实现。进一步改进核方法的一种常见方法是添加显式正则化，但这会导致复杂的优化问题。在本文中，我们提出了一种隐式正则化的核方法，通过使用深系数先验，它表示核系数图像的PET前向模型使用卷积神经网络。为了解决基于最大似然神经网络的重建问题，我们应用优化传递原理推导出一种神经KEM算法。该算法的每次迭代由两个单独的步骤组成：用于从投影数据更新图像的KEM步骤和用于使用神经网络更新核系数图像的图像域中的深度学习步骤。这种优化算法保证单调增加数据的可能性。计算机模拟和真实患者数据的结果表明，神经KEM可以优于现有的KEM和深度图像先验方法。
2022-10-24 cs.CV eess.IV physics.med-ph
Image reconstruction method for dual-isotope positron emission tomography
我们开发了一种用于多同位素成像的正电子发射断层成像（PET）系统。我们的PET系统，命名为多同位素PET（MI-PET），可以区分不同的示踪核素使用符合测量的即时伽马射线，这是发射后，正电子发射。在具有纯正电子发射体和瞬发-γ发射体的MI-PET成像中，由于瞬发γ射线检测的不稳定性，由MI-PET拍摄的纯正电子发射体的图像被正电子-γ发射体叠加。因此，为了使孤立的纯正电子发射体的图像，我们开发了基于特定于MI-PET的数据相减的图像重建方法。我们测试了两种方法，重建图像之间的减法和正弦图数据之间的减法。在这两种方法中，除了探测器灵敏度归一化之外，还需要对瞬发γ射线灵敏度的位置依赖性进行归一化。对于这些归一化，我们使用正电子-伽马发射体Sc-44 m和Na-22的圆柱体进行归一化扫描。利用Sc-44 m的放射性衰变（半衰期58.6小时）进行的长周期测量阐明了瞬发γ射线与PET事件和纯PET事件之间的采集比根据物体活动而变化。因此，我们开发了一种校正方法，该方法涉及依赖于活动的减法参数，即，计数率。根据双示踪剂体模图像的分析，在具有灵敏度校正的正弦图数据中的数据减法对于纯正电子发射体给出了比来自图像减法的那些更高质量的隔离图像。此外，从双同位素（F-18-FDG和Sc-44 m）小鼠成像，我们得出结论，我们开发的方法可以用于实际的活体成像。
2021-02-01 physics.app-ph physics.med-ph
Generative-Model-Based Fully 3D PET Image Reconstruction by Conditional Diffusion Sampling
School of Biomedical Engineering and Imaging Sciences, King’s College London（伦敦国王学院生物医学工程与影像科学学院）；Institute of Psychiatry, Psychology and Neuroscience, King’s College London（伦敦国王学院精神病学、心理学与神经科学研究所）；King’s College London & Guy’s and St Thomas’ PET Centre（伦敦国王学院与盖伊和圣托马斯 PET 中心）
本文提出基于条件扩散采样的SGM全3D PET重建方法，在真实低至1%计数数据上实现重建，并在偏差—方差权衡上优于OSEM和MAP-EM。
2024-12-05 cs.CV cs.LG physics.med-ph
Steerable Conditional Diffusion for Domain Adaptation in PET Image Reconstruction
School of Biomedical Engineering and Imaging Sciences, King’s College London（生物医学工程与成像科学学院，国王学院伦敦）
针对PET图像重建中扩散模型因域偏移产生伪影的问题，提出集成可引导条件扩散与似然调度框架，利用低秩适应在线对齐先验，在合成脑体模上抑制幻觉并优于基线。
2025-10-15 cs.CV cs.LG physics.med-ph
