正电子发射断层成像(Positron Emission Tomography, PET)是核医学最尖端技术的代表,它利用放射性核素标记物对组织功能进行显像,能够非介入的测量特定目标结构或感兴趣区域放射性药物的生物分布随时间量化变化。通过使用动力学模型,可以得到生理或生化参数。然而在实际中由于受到低计数率和物理噪声的影响,PET图像的重建问题在理论上是一个病态问题。动态PET扫描中,在特定扫描时间内低计数的问题随时间采样的增加进一步加剧。滤波反投影(Filtered Back-Projection, FBP)重建方法成像速度快,但是重建图像通常含有大量噪声。最大似然期望最大法(Maximum-Likelihood Expectation-Maximization, MLEM)能够针对系统的物理模型和探测数据的统计特性建立数学模型,其重建的图像质量要明显优于传统的FBP方法,已逐渐取代FBP成为临床PET的标准重建算法。然而,直接的MLEM方法随着迭代步数的增加,噪声也显著增加,从而导致非收敛的迭代过程。近年来,贝叶斯(Bayesian)重建方法或者最大化后验(Maximum A Posteriori, MAP)重建方法通过引入图像的先验模型来解决此问题,该方法已被证明了其在理论上的正确性和实际上的有效性。针对重建图像质量问题,虽然引入图像自身先验信息的Bayesian重建能在很大程度上改善迭代重建,但是依赖于传统的局部邻域信息的Bayesian方法只能为重建提供有限的局部先验信息。本文的研究工作是在国家重点基础研究(973)计划项目(No:2010CB732503)资助下展开的。本文对于PET重建算法的研究工作同样也是基于如何进一步提高重建图像的量化水平,特别是动态PET图像的量化水平。作者做了以下三项关于PET重建算法的创新研究工作。1.提出了一种基于解剖自适应的非局部先验模型。针对基于非局部先验的最大后验PET重建中参数优化的问题,通过引入解剖图像的区域信息,设计了一种基于解剖自适应的非局部先验模型,实现了在最大后验重建中根据解剖区域自适应的优化非局部先验参数。在PET重建实验中,该方法与固定参数的非局部先验进行了比较。结果表明,基于解剖自适应的非局部先验模型在边缘保持及提高重建图像量化水平上有一定优势。2.提出一种基于广义熵与MR先验的最大后验PET重建算法。基于近年来兴起的在PET重建中引入MR先验的研究,提出一种基于广义熵与MR先验的最大后验PET重建算法,该方法无需对MR图像进行分割或提取边缘,通过构建MR图像与PET图像灰度特征之间基于广义熵的互信息或联合熵,作为先验引入最大后验PET重建中。实验表明,基于广义熵与MR先验的最大后验PET重建,可以有效的引入MR信息,提高重建PET图象的量化水平。3.提出一种引入动力学聚类信息的3.5D动态PET重建方法。针对对传统的3D动态PET重建噪声高,空间分辨率低的问题,通过对初始重建的动态PET图像进行聚类分析,定义具有相似动力学特性像素的邻域,并将此先验引入单独帧的最大后验重建。此方法标记为“3.5D”图像重建,因为一方面,此方法与广泛研究的时空4D图像重建相关；另一方面,最终重建步包含单一帧的最大后验图像重建,并不需要更高级的变换,时间基函数,或者4D重建框架中的动力学模型。通过广泛的11C-rac lopride动态PET研究和HRRT病人研究,结果显示提出的3.5D动态PET图像重建算法可以得到量化增强的参数图像。