一种结合低秩与稀疏惩罚的pet动态图像重建方法

目的提出一种结合低秩与稀疏惩罚的pet动态图像重建方法（l&s）。方法建立l&s重建模型，利用splitbregman法来最优化求解代价函数。采用单房室模型仿真一套pet心肌82rb灌注图像，将l&s重建方法与最大似然期望值法（mlem）、低秩惩罚和稀疏惩罚重建方法比较。结果l&s方法重建的图像的均方误差（mse）最小，并且保留了更多图像特征。另外l&s重建得到的靶心图和参考组的靶心图最相近。结论l&s重建方法无论是在直观视觉上，还是定量分析上都优于另外3种方法。