论文部分内容阅读
目的:我们最近提出了一个预处理交替投影算法(PAPA)，以求解SPECT重建的惩罚似然优化模型。该算法是一种崭新的不动点邻近方法。本工作的目的是研究PAPA如何能被有效应用于真实带噪SPECT数据的重建，与更多经典方法进行性能比较，并通过引入高阶全变差正则化泛函(HOTV)以压制由全变差正则化(TV)引起的阶梯伪影。 方法:我们使用蒙特卡罗方法对两组水筒生成带噪声的SPECT模拟数据。其中，一组水筒包含着分片光滑的块状背景以及若干个大小不一且放射性服从高斯分布的高摄取病灶;而另一组则为参考水筒，其不包含任何病灶。我们研究了HOTV-PAPA的效率与性能，并与如下几个已有方法作详细比较:带一阶全变差正则项的PAPA方法(TV-PAPA)，带一阶全变差正则项的单步法(TV-OSL)以及带高斯后滤波器的最大期望算法(GPF-EM)。对于TV-PAPA与TV-OSL，我们通过定性地平衡空间分辨率与图像噪声来选取最优的正则化参数。我们发现上述两组方法拥有相同的最优参数。对于HOTV-PAPA，其一阶导数项所对应的正则化参数选为TV-PAPA的最优参数。而二阶导数项所对应的参数则可通过平衡空间分辨率与阶梯伪影强度来进行选取。我们可调整高斯后滤波器的标准差大小以使得GPF-EM与HOTV-PAPA拥有相当的局部点扩散函数(LPSF)。我们分析了高摄取病灶的检测率、局部的空间分辨率、背景噪声程度以及全局均方误差;我们还报告了众方法的收敛速度与所用的计算机时间。 结果:HOTV-PAPA重建图像有最佳的信噪比，TV-PAPA次之，TV-OSL或GPF-EM随后。而HOTV-PAPA的局部空间分辨率比TV-PAPA和TV-OSL稍差。HOTV-PAPA重建图像亦有最低的局部噪声功率谱(LNPS)振幅，紧接着是TV-PAPA，TV-OSL和GPF-EM方法。相较其它三个方法，GPF-EM有更大的LNPS极大值点，这意味着其对图像高频信息的压制能力更差。PAPA类方法展示出更低的总体噪声、总体像素方差以及图像背景粗糙度。在上述的噪声水平刻画中，HOTV-PAPA表现最好。TV-PAPA与TV-OSL重建图像表现出严重的阶梯伪影，而HOTV-PAPA能有效地压制该种伪影，极大提高成像质量。最后我们展示了HOTV-PAPA有最快的收敛速度，且能获得最低的全局均方误差。 结论:对于高噪声的SPECT模拟数据，HOTV-PAPA在高摄取病灶检测率、噪声压制能力、全局均方误差与计算效率等方面要远优于其它三个方法。HOTV-PAPA在有效压制噪声的同时，并不产生明显的阶梯伪影，且只以很小的空间分辨率损失为代价。在四个竞争方法中，HOTV-PAPA也展现出最佳的病灶检测率。综上观察，HOTV-PAPA有巨大的临床应用潜力，能针对低剂量SPECT投影数据得到高质量的重建图像。