正电子发射断层成像（positron emission tomography,PET）是一种先进的分子成像技术,能监测人或动物体内放射性示踪剂的空间分布。从示踪剂注入的时刻开始,动态PET扫描通常产生连续的多个时间帧,从几秒到几分钟不等。利用重建的动态活度图像,可以进行体素或感兴趣区域水平的示踪剂动力学建模,从而获得重要的生理或生化参数。然而,准确的示踪剂动力学建模要求非常短的时间帧,这导致每帧的低计数统计和重建的图像噪声较多。如何提高动态PET图像质量一直是一个挑战。提高PET图像质量主要有两种方式,一是通过改进重建算法来提高重建图像质量,二是通过重建后处理降低图像噪声。本文围绕提高动态PET图像质量,开展了以下工作:1、提出了基于中值非局部均值的核方法用于动态PET图像重建。该方法利用从预重建的组合图像获取的中值非局部均值特征,将PET图像中每个像素的强度建模为一组特征的函数。然后将该模型纳入到PET投影的正向模型中,利用最大似然法估计特征系数并获得对应的活度图像。我们使用仿真与临床的低计数动态PET数据,量化比较了提出的方法与最大似然期望最大算法、传统核方法、非局部均值核方法。实验结果表明,所构建的中值非局部均值核可以有效地提取组合图像结构先验信息,提高低计数动态PET的单帧重建质量,获得更好的图像边缘。2、提出了基于多尺度超像素聚类的动态PET重建算法。该方法旨在引入基于多尺度超像素聚类的先验,来提高动态PET各帧的量化准确度。聚类由基于预重建的组合图像的超像素聚类和模糊c均值聚类获得。在超像素聚类过程中,利用多尺度聚合生成多尺度超像素。然后,分别将基于不同聚类尺度的最大后验概率重建应用于单帧,并融合产生最终结果。我们使用仿真与临床的动态PET数据,量化比较了提出的方法与最大似然期望最大算法、核方法、Bowsher方法。实验结果表明,相比于其他方法,所构建的聚类先验,可以更好地保持肿瘤活度,同时显著降低背景噪声。3、提出了基于自监督学习的动态PET图像去噪框架。我们将Self2Self自监督图像恢复框架应用于动态PET图像去噪,并且将静态PET图像而非动态PET噪声图像的伯努利采样图像用作网络输入。因此,该方法既能利用静态图像的结构先验信息,又能保持Self2Self方法自身的优点。该方法无需预训练,也不需要高质量的PET图像监督训练。仿真和临床实验结果表明,该方法可以比传统滤波方法和条件深度图像先验方法在去除噪声同时能更好地保持图像结构。