基于協(xié)同進(jìn)化遺傳算法的PET圖像重建研究.pdf

1、正電子發(fā)射斷層成像（PET）技術(shù)是當(dāng)今醫(yī)學(xué)領(lǐng)域最先進(jìn)的核醫(yī)學(xué)成像技術(shù)之一，也是連接分子生物學(xué)和臨床醫(yī)學(xué)的橋梁。PET圖像能夠同時反映活體組織的解剖形態(tài)和功能代謝情況，在分子水平上定量顯示生物體生理、生化過程，圖像信息豐富，是現(xiàn)代核醫(yī)學(xué)領(lǐng)域研究的熱點(diǎn)。
　　圖像重建算法是PET的核心技術(shù)，算法對重建圖像的質(zhì)量有著重要的影響。PET圖像重建是通過采集大量的符合探測事件，反演出放射性核素在組織內(nèi)濃度分布情況，從而獲取組織功能陳代謝情況，

2、用于進(jìn)行病理分析。由于采集數(shù)據(jù)的不完備性，使得該過程在數(shù)學(xué)上具有不適定性。
　　本文首先闡述了 PET的成像原理以及數(shù)據(jù)采集，然后論述了兩種主要的重建算法有解析法和迭代法。迭代算法的實(shí)質(zhì)是基于某種準(zhǔn)則下，對估計圖像進(jìn)行反復(fù)修正迭代的過程，能夠在迭代的過程中加入各種先驗(yàn)知識和約束條件，相較解析重建法的理想數(shù)學(xué)模型，迭代算法重建圖像質(zhì)量更好，精度更高。
　　協(xié)同進(jìn)化遺傳算法是近幾年來新興起的計算機(jī)智能研究熱點(diǎn)，該算法具有很強(qiáng)的自

3、適應(yīng)搜索能力和漸進(jìn)學(xué)習(xí)能力，能夠有效克服傳統(tǒng)遺傳算法的早熟和收斂速度慢的問題。本文將協(xié)同進(jìn)化遺傳算法應(yīng)用于 PET的圖像重建中，建立算法模型，引入邊際貢獻(xiàn)率的概念實(shí)現(xiàn)個體的適應(yīng)度評價，并對遺傳算法的遺傳算子進(jìn)行優(yōu)化，采用仿真數(shù)據(jù)進(jìn)行協(xié)同進(jìn)化的斷層重建，初步完成圖像的重建，結(jié)果表明該算法在 PET圖像重建中是有效的。由于該算法在重建中不需要系統(tǒng)傳輸矩陣和復(fù)雜的數(shù)學(xué)計算，因此可以高效利用計算機(jī)資源，是一種比較有前途的重建算法。
　　本