离散重建点模型的EM迭代成像方法

"孙守思等人提出了一种基于重建点模型的EM迭代成像方法，旨在改进传统离散模型在Radon变换离散化时产生的误差，以提高发射式断层成像的重建精度。该方法将理想区域的概念应用于离散模型，通过线积分的物理过程实现离散化，并用基函数描述局部理想区域的密度分布。为了减少频谱混叠，他们还引入了窗函数。最后，利用期望最大化（EM）算法进行迭代重构，实验证明该方法能有效降低重建误差并优化图像质量。" 文章详细阐述了发射式断层成像过程中遇到的问题，即传统模型在离散化Radon变换时产生的误差。为了解决这个问题，研究者提出了一种新的离散重建点模型。这个模型不是像传统的像素格那样处理数据，而是采用理想区域的概念，用连续的物理过程来近似线积分，这有助于减少因离散化导致的误差。 在新模型中，局部理想区域的密度分布被基函数所描述，基函数的选择能够更好地捕捉图像的特征。为了进一步提升图像的连续性和平滑度，研究者应用了窗函数。窗函数可以有效地抑制高频成分的混叠，防止图像出现不连续或噪声，从而改善重建图像的质量。 关键步骤是使用EM算法进行迭代重构。EM算法是一种统计学上的优化方法，尤其适用于处理含有隐变量的概率模型。在这个场景下，它能逐步调整模型参数，使得数据的似然性最大化，进而得到更精确的重建结果。 实验结果显示，在相同的迭代次数下，新模型的重建误差显著低于传统模型。同时，窗函数的应用对于控制误差也有积极的效果，这验证了新模型结合EM算法的有效性。因此，这种基于重建点模型的EM迭代成像方法为发射式断层成像提供了一种更为精确且可靠的重建策略。