基于时间串流的OSEM图像重建算法研究

利用γ光子探测腔体内部动态流场需要快速的图像重建算法,传统处理方式是先采集所有事件、再进行OSEM等算法处理。本文提出了一种按时间流对响应事件进行子集划分的图像重建(T-OSEM)算法。在连续采样数据的同时,按时间段将采样到的数据划分为子采样数据集,对子集进行OSEM迭代实现图像重建。并将上一帧图像作为迭代输入,利用帧间图像相关性,以加快收敛速度。该算法中数据流的采样与上一帧图像的处理同时进行,并通过多线程并行运算加速图像重建过程。研究了最优子集事件数量及相对应采样时间的关系,以实现在尽可能短的采样时间下达到最优的重建效果。实验表明,当采样时间段达到1 s时,T-OSEM算法仍有很好的粒子跟踪效果,粒子轨迹图像结构相似比为0.92,表明T-OSEM算法对于动态图像重建是一个比较好的解决方案。

基于有序子集期望最大化的螺旋半扫描重建

提出了基于直接螺旋半扫描数据的有序子集期望最大化(OSEM)迭代重建.该方案省略了螺旋CT中对投影数据的插值步骤,利用螺旋CT中相邻重建层间的相似性,将当前层的重建结果作为下一层重建时OSEM算法的初始输入.实验结果表明,在螺距较小的情况下,该重建方案使得螺旋CT在重建质量优于滤波反投影的前提下,所需的重建时间显著减少.