基于全变分α散度最小化的PET优质重建

为了获得优质的PET成像,本文提出一种基于全变分阿尔法散度最小化的PET重建新方法.新方法通过引入阿尔法散度度量投影数据和估计值之间的偏差;通过增加全变分正则化修正阿尔法散度最小化解的一致性.针对新构建的PET重建目标函数的求解,本文提出一种基于次梯度理论的交替式迭代策略,期间运用自适应非单调线性搜索来保证算法的收敛性.仿真和临床PET数据实验表明,本文方法在噪声抑制和边缘保持方面均优于传统的PET重建方法.