Historicky první z používaných rekonstrukčních metod byla zpětná projekce (nekdy též nazývaná jako jednoduchá zpětná projekce). Při tomto postupu se všechny informace obsažené v jednotlivých pixelech každé jednotlivé projekce promítnou zpět do obrazové matice v paměti počítače, a to v přímce kolmé k rovině detektoru (k rovině projekce). Vznikne tak obraz zájmové oblasti, který správně naznačuje lokalizaci léze, či místa se zvýšenou akumulací radiofarmaka, ale je narušen tzv. "hvězdicovým" artefaktem. Ten je možné dodatečně eliminovat filtrací již zrekonstruovaných obrazů, jedná se však o velmi pracný postup a v současné době se tento způsob rekonstrukce - zpětná projekce s filtrací - v praxi neuplatňuje.

Náročné filtraci výsledných obrazů se předchází použitím filtrované zpětné projekce (FBP). Při tomto postupu je v prvním kroku provedena filtrace samotných projekcí a poté je teprve přistoupeno k rekonstrukci. Filtrace se uskutečňuje použitím vhodného digitálního filtru. Základním filtrem pro tento proces je filtr označovaný jako RAMP, který je často doplněn o uživatelský filtr. Projekce se kvůli snazšímu zpracování filtrují ve Fourierově prostoru. Výsledkem celého postupu je potlačení "hvězdicového" artefaktu a vyšší kontrast obrazu. Protože však dochází k potlačení "hvězdicového" artefaktu pouze v nejbližším okolí aktivní léze, na okrajích obrazu se mohou jeho pozůstatky stále vyskytovat. Je to dáno tím, že se při SPECT vyšetření používá pouze omezené množství projekcí - typicky 60 nebo 120.

Na následujícím obrázku je možné porovnat výsledek zpětné projekce bez filtrace a filtrované zpětné projekce. Zobrazovaným objektem je bodový zdroj.

Iterativní metoda je matematický postup založený na hledání nejvěrnějšího obrazu postupnými aproximacemi výchozího odhadu. Rozdíl ve výsledku rekonstrukce pomocí filtrované zpětné projekce (výskyt hvězdicového artefaktu) a iterativní rekonstrukce (bez hvězdicového artefaktu) je viditelný v části Technické součásti PET - Rekonstrukční procesy. Iterativní rekonstrukce obsahuje několik modelů: model obrazu, model systému a model dat. Díky těmto modelům lze poměrně snadno vzít do úvahy vliv statistických fluktuací, zeslabení, rozptyl apod., což FBP neumožňuje. Iterativní rekonstrukce obsahuje též princip určení „nejlepšího“ obrazu, který je nejčastěji vyjádřen matematickou funkcí (např. typu ML - maximum likelihood – standardní statistická metoda). Nutnou součástí je též algoritmus hledání "nejlepšího" obrazu (např. typu EM – expectation maximization). Zatímco ML a EM jsou u všech iterativních rekonstrukcí tohoto typu téměř totožné, modely obrazu, systému a dat se mohou liší výrobce od výrobce a často i přístroj od přístroje od jednoho výrobce. Nastavení iterativní rekonstrukce poskytující dobrou kvalitu obrazu u jednoho přístroje není obecně přenosné na jiný přístroj tak, aby byla zachována stejná kvalita zrekonstruovaného obrazu.

Jako výchozí odhad může sloužit obraz získaný filtrovanou zpětnou projekcí nebo prázdné pole. Dopřednou projekcí je tento výchozí rozložen na jednotlivé projekce. Ty jsou porovnány s naměřenými projekcemi. Získané korekční faktory jsou aplikovány na projekce výchozího odhadu a z těch je zpětnou projekcí zrekonstruován nový obraz objektu. Ten slouží jako vstupní odhad do dalšího iteračního cyklu.

Iterace se opakují dokud není splněno přednastavené konvergenční kritérium. Vzhledem ke špatné statistice scintigrafických obrazů by se však mohlo stát, že metoda nebude konvergovat. Proto se vždy před začátkem rekonstrukce  nastavuje počet iterací, o kterém předpokládáme, že poskytne nejlepší kvalitu zrekonstruovaného obrazu. Na tomto principu pracuje metoda MLEM (maximum likelihood expectation maximization). Tato metoda se však ukázala jako pomalá a v současné době je spíše využíváno metody OSEM (ordered subsets expectation maximization), která je variací MLEM. Při ní je množina všech projekcí nejčastěji rovnoměrně rozdělena do menších skupin (subsetů). "Sub"-iterační krok proběhne pouze s jednou skupinou projekcí a vzniklý obraz je vstupním odhadem, jehož projekce jsou porovnávány s další skupinou projekcí. Iterační krok je kompletní, když proběhnou všechny "sub"-iterace. Je-li počet subsetů S, poté je metoda OSEM S-krát rychlejší než MLEM. V souvislosti s metodou OSEM se často mluví o "efektivních iteracích". Efektivní iterace je definována jako součin počtu subsetů a iterací. Pokud se provede několik rekonstrukcí s různou kombinací počtu subsetů a iterací, ale počet efektivních iterací zůstane zachován, získané obrazy jsou téměř shodné.

Následující obrázek objasňuje na zjednodušeném příkladě matematický princip iterativní rekonstrukce.

Podle tohoto zjednodušeného obrázku probíhá iterativní rekonstrukce v několika krocích:

1. volba nulté aproximace - obraz získaný FBP nebo prázdné pole
2. porovnání matematicky simulovaných (dopřednou projekcí) projekcí obrazu z kroku 1 se skutečně nasnímanými projekcemi zobrazované oblasti pod jednotlivými úhly a stanovení příslušné odchylky pro jednotlivé pixely obrazu
3. na základě porovnání v kroku 2 se podle zjištěných diferencí opraví obraz a získá se první aproximace
4. kroky 2 a 3 se cyklicky opakují a obraz distribuce radiofarmaka se postupně zpřesňuje.

Výhodou iterativní rekonstrukce oproti zpětné projekci je nepřítomnost "hvězdicových" artefaktů. Dále do této rekonstrukční metody lze zahrnout korekci na nežádoucí fyzikální procesy působící na obraz - zeslabení toku fotonů záření gama, jejich rozptyl, vliv rozlišovací schopnosti kolimátoru. Rovněž rekonstruovaný šum v obraze je při dodržení určitých pravidel méně rušivý než u metody FBP.

Díky velké flexibilitě je iterativní rekonstrukce schopná poskytnout lepší výsledky než filtrovaná zpětná projekce, avšak míra tohoto zlepšení velmi závisí na statistice dat vytvářejících obraz. Volba příliš malého množství iterací (nebo efektivních iterací) může vést k obrazům se špatným kontrastem (zvláště u objektů menších rozměrů). Naopak příliš velké množství efektivních iterací může zesílit vliv šumu v obraze.

Následující obrázek ilustruje rovnoměrné rozdělení projekcí do jednotlivých subsetů. Každý z S subsetů tedy obsahuje M/S projekcí (M = celkový počet projekcí). Pro jednoduchost předpokládejme celkem 16 projekcí, které můžeme rozdělit např. do 4 subsetů a to následovně:

• modrý subset – 0°, 90°, 180°, 270°
• červený subset – 22,5°, 112,5°, 202,5°, 292,5°
• zelený subset – 45°, 135°, 225°, 315°
• žlutý subset – 67,5°, 157,5°, 247,5°, 337,5°

MLEM algoritmus je aplikován na každý subset. Výsledná rekonstrukce po MLEM každého subsetu je vstupním odhadem do MLEM subsetu následujícího. Jedna úplná iterace představuje jeden MLEM cyklus přes všechny subsety. Metoda OSEM je zhruba S krát rychlejší než MLEM.