有序子集最小二乘OS—LS图像重建迭代算法

为推导一种新的快速图像迭代重建方法，首先将有序子集(ordered subsets，OS)技术应用到最小二乘图像重建迭代算法(least square reconstruction，LS)；然后对仿真Phantom模型数据和实际医用正电子发射断层成像仪(PET)数据进行重建，并研究了在不同子集划分下的重建结果，同时分析比较了不同子集的选取对OS—LS重建罔像质量以及重建收敛速度的影响。重建结果表明，这种基于有序子集的最小二乘图像重建迭代算法(OS—LS)具有较高的重建图像质量和较短的计算时间，相对于传统LS算法的重建，OS—LS的收敛速度加速了约L倍(L为子集个数)．其重建图像质量也好于传统的滤波反投影(FBP)方法的重建．町应用在PET图像重建中。     

高精度CT图像重建的并行运算实现

为解决超大图像(2048×2048)的FBP与OR-OSEM扇束图像重建,作者采用PC机群的并行处理技术。将图像重建算法改写为并行运算方式,按角度数均匀地分配计算任务给各个CPU。并行运算结果表明:图像重建速度与CPU的个数基本上成线性正比关系,可提高近25倍(CPU数为25时)。超大图像的在线重建可采用CPU阵列机来高速实现,这一技术对发展高精度CT具有重要的作用。