背景:在正电子发射成像(Positron emission tomography,PET)中,将配准的解剖图像作为先验信息指导统计图像重建已有广泛的研究。一种有效的保持边缘抑制噪声的方法是将分割的解剖图像边缘信息或标记信息引入图像重建中。在重建过程中,配准的高分辨率的解剖图像对放射性浓度分布近似均匀的区域提供边缘信息,对重建图像起到平滑约束。然而,解剖图像并不能区分具有相同密度的正常组织和病变组织,几乎不能提供器官代谢活度信息特别是病灶代谢活度信息,所以缺乏足够的信息来指导功能突变区域的重建。方法:本文提出一种变换方法将解剖信息引入到PET图像重建中。基于非局部均值(Nonlocal means,NL)滤波和解剖图像的区域信息,提出一种解剖自适应的非局部先验(anatomically adaptive nonlocal prior,AANLP)模型。先验模型中的信息来自一个较大的非局部邻域内的灰度值的加权差,权值通过比较两个像素邻域的相似性获得。解剖图像的区域信息用来估计控制相似性测度函数衰减的平滑参数。在发射图像重建过程中,先验模型自适应的用于每一个解剖区域并且组成一个整体的先验信息。我们构建了两步式重建策略用于图像重建和参数估计。结果;提出的AANLP重建与基于二次先验的最大后验重建方法,基于解剖边缘信息的最大后验方法和基于非局部先验的最大后验方法进行比较。讨论:AANLP重建在每一步迭代过程中,在每一个区域自动估计参数~h的取值,在抑制噪声同时,可以有效的保持病灶边缘结构。从试验结果可以看出AANLP重建在视觉上要优于FBP重建,QMP重建和AMAP重建。同时可以看到,NLP重建质量对参数~h选择很敏感,而AANLP重建自适应估计参数~h,解决了NLP重建中对参数~h选择的问题。