正电子发射断层成像(PET)技术是当今医学领域最先进的核医学成像技术之一,也是连接分子生物学和临床医学的桥梁。PET图像能够同时反映活体组织的解剖形态和功能代谢情况,在分子水平上定量显示生物体生理、生化过程,图像信息丰富,是现代核医学领域研究的热点。图像重建算法是PET的核心技术,算法对重建图像的质量有着重要的影响。PET图像重建是通过采集大量的符合探测事件,反演出放射性核素在组织内浓度分布情况,从而获取组织功能陈代谢情况,用于进行病理分析。由于采集数据的不完备性,使得该过程在数学上具有不适定性。本文首先阐述了PET的成像原理以及数据采集,然后论述了两种主要的重建算法有解析法和迭代法。迭代算法的实质是基于某种准则下,对估计图像进行反复修正迭代的过程,能够在迭代的过程中加入各种先验知识和约束条件,相较解析重建法的理想数学模型,迭代算法重建图像质量更好,精度更高。协同进化遗传算法是近几年来新兴起的计算机智能研究热点,该算法具有很强的自适应搜索能力和渐进学习能力,能够有效克服传统遗传算法的早熟和收敛速度慢的问题。本文将协同进化遗传算法应用于PET的图像重建中,建立算法模型,引入边际贡献率的概念实现个体的适应度评价,并对遗传算法的遗传算子进行优化,采用仿真数据进行协同进化的断层重建,初步完成图像的重建,结果表明该算法在PET图像重建中是有效的。由于该算法在重建中不需要系统传输矩阵和复杂的数学计算,因此可以高效利用计算机资源,是一种比较有前途的重建算法。本文的研究中,图像重建的数据通过GATE仿真获取。GATE是在Gent4基础上开发的一款用于模拟PET和SPECT成像过程的专业仿真软件。本次PET仿真实验中,以cylindrical PET系统模块为原型,设置单环64个探测模块的PET扫描仪,完成PET成像过程的仿真,以ASCII码格式输出仿真数据,用于图像的重建,对协同进化遗传算法的可行性进行验证。