正电子发射断层成像（Positron Emission Tomography,以下简称PET）是一种核医学影像设备，能够以无创的方式检测出生物体内的组织代谢和功能活动水平。正是由于对生化反应的极端敏感特性，PET在肿瘤检测、心血管疾病、神经系统疾病等领域有着十分重要的应用。PET图像重建是将PET探测器收集到的符合事件转换成一幅示踪剂活度三维空间分布图的过程，直接影响着最终成像质量。　　欠采样PET能够突破传统PET对投影数据完备性的要求，然而欠采样情况下的PET重建往往面临图像噪声大，边缘和细节难以区分，伪影严重等缺点，这是欠采样PET成像系统的研发中的核心问题。而传统广泛使用的OSEM/MLEM算法即使在完备数据情况下，高次迭代时图像质量也会恶化比较严重。近年来，多模医学影像设备比如PET/CT和PET/MR日益普及。我们可以在获取被扫描对象投影数据的同时获取被扫描对象的解剖学图像。如何利用这些解剖学先验信息，并结合PET图像本身的特性（如自相似性）解决上述遇到的问题是本文主要研究的内容。　　本文利用本团队提出的PET重建通用性算法框架（LMROS），结合解剖先验信息构造了两种基于解剖先验信息的正则化PET图像重建算法LMROS-NLM-CT和LMROS-BIL-CT。并先后利用本领域专业仿真软件GATE和本团队开发的小动物PET进行了仿真和实际系统实验。仿真和实验均证明了在合理利用的解剖学先验信息后，可以在不同场景下实现高质量的PET图像重建。　　同时，针对PET三维图像重建中计算量大的特点，本文利用GPU/CUDA进行了相应算法的并行加速，取得了不错的加速效果。希望本文的工作可以为利用解剖学先验信息的图像重建研究提供有价值的参考。