PET既是重要的临床医学成像设备，也是现代生命科学的基础支撑性研究工具。PET图像不仅能反映生物活体组织的解剖形态，更重要的是能够生成生物活体的功能代谢影像。断层图像重建算法是PET扫描成像技术的核心内容之一，对成像质量有着重要影响。PET设备通常将获取的list-mode数据重组成sinograms数据，进行图像重建。实际上直接使用list-mode数据进行PET图像重建，可充分利用现代PET的多维度测量信息。.系统响应矩阵SRM建模投影空间和图像空间之间的关系，其计算方法是迭代重建算法实现的核心与关键。.list-mode断层重建时，由于是逐个事件进行计算，计算强度非常大，需要研究高效的断层重建算法以及系统响应矩阵计算方法，并利用GPU高性能计算技术进行重建加速。.本项目提出了一种类高斯状响应线（管）动态生成算法，在实现快速射线追踪的同时，将SRM中概率值的计算融合在前向投影过程中，动态计算系统响应矩阵。计算过程中采用了一个近似的、离散化的高斯模型，精确建模探测器响应，在重建速度和质量之间达到了很好的平衡。在此基础上，实现并验证了基于list-mode的2D、3D重建算法。.本项目对list-mode重建算法进行了深入系统的分析研究，提出了MRP正则化的list-mode重建方法。.SART算法属于解析迭代算法，具有较高计算效率，本项目研究其与list-mode数据的相容程度，通过对算法公式的修正，确定出最佳松弛因子，完成了2D、3D重建。.本项目对协同进化算法进行定制，优化适应度函数的计算方法，实现基于list-mode数据的协同进化断层重建算法，初步完成了图象重建，结果表明该算法是可行、有效的，是一种新的非常有前途的迭代重建算法。.list-mode数据存储格式目前没有实现标准化，本项目研究并提出了一种灵活高效、兼容性好的list-mode数据组织与存储格式雏形，对于后续list-mode断层重建具有重要意义。.建立了以NVIDIA Tesla C2075 GPU卡为核心的GPU开发平台，并实现了多GPU卡协同工作。使基于list-mode数据的重建算法整体运算速度比普通CPU平台提高50倍以上。.本课题基于GATE平台，仿真了多种类型小动物PET，生成有效的仿真数据。