關於 MLEM和 OSEM 的敘述，下列何者最不適當？

本題觀念：

本題探討核子醫學影像（如 PET、SPECT）中常用的統計型疊代影像重建演算法：MLEM（Maximum Likelihood Expectation Maximization，最大概似期望值最大化）與 OSEM（Ordered Subset Expectation Maximization，序列子集期望值最大化）。這類演算法能提供比傳統解析法（如 FBP）更好的影像品質，但其疊代次數與運算機制的設定會直接影響影像的收斂速度與雜訊表現。

選項分析

• (A) 兩者皆可以合併物理參數（衰減、均勻度等）進行疊代修正 正確。MLEM 與 OSEM 都屬於統計型疊代演算法。疊代法的一大優勢在於其系統矩陣（System matrix）的建立過程中，能夠將掃描儀的物理參數及衰減效應（Attenuation）、散射（Scatter）、偵測器反應及均勻度、點擴散函數（PSF）等模型納入計算，藉此在正向與反向投影的疊代過程中精確修正影像。

• (B) 兩者皆利用統計中將相似度的期望值最大化的方法疊代求解 正確。這兩種演算法的核心皆建立在測量數據符合卜瓦松分布（Poisson distribution）的統計假設上。透過最大概似估計（Maximum Likelihood），在每次的疊代中逐步調整影像像素數值，使估計的投影數據與實際量測到

...（解析預覽）...