迭代重建算法(如代数重建技术和期望最大值算法)由于它的简单、有效和可执行性,已成为 CT(computerized tomography)重建中最基本的算法。然而,迭代重建算法最主要的缺点是计算量大、重建速度慢,这也是它没有被用于临床研究的原因。为了加速迭代重建,本文以投影数据为研究对象,介绍了有序子集(OS)方法,子集序列方法和统计调整方法,并将各方法应用在 EM 算法上,即所谓的 OSEM,子集序列 EM 和统计调整 EM 算法。分析了 OSEM 在不同投影顺序和不同子集水平下的收敛情况,并针对算法在子集水平高和噪声水平大的情况下会发散,适时地引入子集序列算法,同时给出选取序列的一般方法。在以统计理论为基础的统计调整算法中,我们修改了原有的检验统计量,扩大了算法的使用范围。仿真模拟和真实实验数据的重建进一步证实了这三种方法均可在少次数迭代后得到高质量的重建图像,并且后两种方法更有利于对噪声投影数据的重建。