PET(Positron Emission Tomography,PET)是一种医学成像手段,对疾病诊断和治疗监测具有公认的临床应用价值。如何快速准确地重建出高质量的PET图像一直是当前研究领域的热点。PET图像重建算法包括解析法和迭代法。FBP(Filter Back-Projection,FBP)算法是一种经典的解析方法,计算简单快速,但重建图像质量不高。迭代法中的统计迭代重建算法应用较为广泛,通过在图像重建中引入物理模型来提高重建图像质量。目前临床上普遍应用的统计迭代重建算法是OSEM(Ordered Subset Expectation Maximization,OSEM)算法。本文主要对PET系统中3D OSEM图像重建的相关工作进行研究。调研了PET的成像原理、数据采集方式与处理方法以及目前常用的PET图像重建算法,实现了PET 3D OSEM图像重建。为了进一步提高重建图像质量,在此基础上又结合3D Mean-Median滤波器进行改进,并定性和定量评估了滤波参数的选取对图像质量的影响。总的来说,本课题主要研究内容可大致分为三个部分:1、实验平台的搭建:安装开源断层重建软件STIR(Software for Tomographic Image Reconstruction,STIR),配置STIR软件运行环境,实现STIR软件的运行。完成PET分析模拟平台ASIM(Analytical Simulator,ASIM)的搭建,模拟获取图像重建所需的PET三维数据。2、数据的采集与处理:将获取的数据按照米歇尔图组合排列并转换为STIR中支持的Interfile数据格式,并对其做衰减校正、归一化校正和散射校正。3、统计迭代图像重建算法的实现及优化:利用STIR中的OSEM算法和MRP(Median Root Prior,MRP)算法对校正后的数据进行图像重建,实现了基础的PET三维图像重建。为了进一步提高图像质量,采用3D Mean-Median滤波器在正弦图中进行噪声平滑,对滤波前后的数据分别进行3D OSEM重建,并定性和定量评估滤波参数的选取对OSEM重建图像的影响。实验结果表明重建图像的噪声大小以及边缘保持效果对滤波参数的选取十分敏感。可根据梯度分布直方图确定滤波参数选取范围,再结合梯度分布占比从该范围内折中选择合适的参数,既可去除噪声又能保护图像边缘,较大程度上提高了重建图像质量。