近年来在生物医学领域，从分子医学水平研究生物体受体功能及其作用的功能成像，成为医学成像发展的前沿。单光子发射计算机断层成像(SinglePhotonEmissionComputedTomography，SPECT)作为功能成像的一种，由于其广泛的普及性、灵敏度提高的多探头、衰减补偿和散射校正等校正技术的发展，新的示踪剂的不断发现，使得SPECT具有提供定量功能参数的能力。 该论文建立了一种应用在动态SPECT的投影数据生成法，该方法是基于三维人脑数学模型蒙特卡罗仿真和临床数据实现，具有便捷地生成各种类型示踪剂的动态投影数据的优点。通过生成的神经元烟碱乙酰胆碱受体示踪剂123I-5-IA的动态投影数据，论文研究重建和滤波对于参数预测的影响。并验证采用Bootstrap蒙特卡罗法进行参数预测，计算速度快，并与传统蒙特卡罗法的结果一致。在研究中发现重建后滤波并不能提高预测参数的可靠性，相反还增大参数的预测偏差。 该论文提出一种基于多区域的最优图像采样协议的方法。该方法能够全面考虑所有研究区域对采样协议的作用，并从时间上有效地减少动态数据的存储空间，同时改进参数预测的结果，增强预测参数的可靠性。应用最优阈值的聚类分析的方法处理动态SPECT数据，能够进一步从空间上压缩存储空间，同时降低噪声对参数图像的影响。 该论文结合所提出的多区域最优图像采样协议，采用通用线性最小二乘法，预测动态SPECT的动力学参数。该方法具有快速预测参数，保持参数预测的准确性的特点。最后结合在动态SPECT成像过程中研究的方法，在论文中提出一种可靠的逐点参数图像生成法——综合图像法。该方法比临床使用的传统图形分析法，参数图像更为准确，并且能同时获得包括结合能力在内的多种参数图像，显著地压缩动态数据的大小。