Формирование изображений или реконструкция является наиболее важным технологическим этапом измерительного процесса. Компьютер реконструирует изображение исследуемого объекта на основе результатов измерений вылета парных фотонов из него под разными углами (проекций) с использованием специальных алгоритмов. ПЭТ-изображение может быть реконструировано с применением фильтров, обеспечивающих разное пространственное разрешение изображений. Так, высокочастотные фильтры могут приводить к резким изображениям, но с большим шумом, а низкочастотные - к изображениям с удовлетворительным контрастом, но с уменьшенным воспроизведением деталей. Поскольку на реконструированных изображениях могут быть дополнительные артефакты, на практике одновременно с ними используют и нереконструированные изображения для исключения артефактов и получения дополнительной диагностической информации.
Традиционно используемый алгоритм 2D-реконструкции (формирование объемной структуры объекта по его проекциям) - обратное проецирование фильтрованных проекций (FBP). Он реализуется с помощью Фурье-преобразования угловых проекций, применения фильтра с наклонной характеристикой в частотном диапазоне, однородного распределения отфильтрованных данных в матрице реконструкции и последующего обратного Фурье-преобразования. Этот линейный метод характеризуется быстрым выполнением реконструкции сечений. Однако указанный фильтр, используемый для исключения искажений и улучшения пространственного разрешения, увеличивает шумовую компоненту, которая становится важной при малых скоростях счета. Поэтому применяются сглаживающие фильтры для отсечки частот выше определенного уровня, ответственных за "размытие" изображения. Недостатком алгоритма является появление на изображениях артефактов, как результата самой реконструкции, так и процесса фильтрации.
Режим 3D требует применения 3D-реконструкционных алгоритмов, которые более сложны и требуют большего времени, чем 2D-алгоритмы. В целях упрощения процедуры разработаны методики реорганизации 3D-данных для их последующего использования в реконструкции изображения. Если же проекционные данные собираются так, что их нельзя сгруппировать в серии параллельных поперечных 2D-срезов, тогда используют реконструкционные 3D-алгоритмы.
Итерационные алгоритмы последних модификаций обладают повышенной точностью по сравнению с традиционным алгоритмом FBP. Эти алгоритмы основаны на максимизации или минимизации целевой функции путем проведения нескольких аналитических процессов - итераций. Особенность итерационных алгоритмов заключается в возможности учета в итерационном процессе различной априорной информации, в том числе о вкладе шума, поглощении излучения и т.д. В различных алгоритмах требуется разное число итераций для получения оптимума целевой функции, однако рост их числа может привести к увеличению шума и снижению качества изображений. Методы реконструкции основаны как на приемах численной линейной алгебры, так и на статистических подходах. Наиболее известны итерационные алгоритмы:
MLEM - алгоритм максимизации математического ожидания стохастической функции максимального правдоподобия, основанный на максимизации логарифма функции пуассоновского распределения вероятности. Особенность этого алгоритма заключается в модификации изображения в ходе каждой итерации с использованием мультипликативного фактора, оцениваемого из отношений первоначально полученных и модифицированных проекций. Этот алгоритм характеризуется низким уровнем шума и отсутствием потерь пространственного разрешения, но требует проведения большого числа итераций.
OSEM (модифицированная версия MLEM) - наиболее распространенный итерационный алгоритм, применяемый в исследованиях в режиме "все тело". Его особенность состоит в том, что создаются подмножества проекций, равномерно распределенных по объему, изображение которого реконструируется. При каждой итерации целевая функция модифицируется столько раз, сколько существует таких подмножеств. OSEM, являясь практической альтернативой FBP, позволяет получать ПЭТ-изображения с ФДГ с лучшим контрастом и более высоким отношением опухоль/шум, чем FBP.
Улучшенные шумовые свойства и лучшее качество визуализации с этим алгоритмом обеспечивают улучшение детектирования малых новообразований.