Zusammenfassung
Ziel: In den letzten Jahren wurden verschiedene Algorithmen entwickelt, mit deren Hilfe an Volumen-PET-Systemen akquirierte 3D-Sino-gramme in 2D-Datensätze transformiert werden können. Damit eröffnet sich die Möglichkeit, die wesentlich höhere Sensitivität der 3D-Messung mit den Vorteilen der iterativen 2D-Rekonstruktion zu kombinieren. Ziel dieser Arbeit war es, die Wertigkeit dieses Ansatzes anhand von Phantommessungen und Patientenuntersuchungen zu evaluieren.
Methoden: Alle Messungen wurden an einem Ganzkörper-PET-System der neuesten Generation (ECAT EXACT HR+) durchgeführt. Für die 2D-Messungen wurde ein Kollimator aus dünnen Wolframlamellen in das Gesichtsfeld eingebracht. Die akquirierten 3D-Daten wurden vor der Bildrekonstruktion mit dem von M. Defrise entwickelten “Fourier-Rebinning (FORE)”-Algorithmus in 2D-Sinogramme umsortiert. Zur Bildrekonstruktion wurde das Standardverfahren der gefilterten Rückprojektion (FBP) sowie ein optimiertes ML/EM-Verfahren mit Überrelaxation zur Konvergenzbeschleunigung eingesetzt. Die Ortsauflösung beider Verfahren sowie das Konvergenzverhalten und die Rauschentwicklung des ML/EM-Algorithmus wurde anhand von Phantommessungen untersucht. Darüber hinaus wurden Patientendaten sowohl im 2D-Modus als auch im 3D-Modus akquiriert und jeweils mit beiden Verfahren rekonstruiert.
Ergebnisse: Bei gleicher Ortsauflösung wiesen die iterativ rekonstruierten Aufnahmen weniger und deutlich schwächer ausgeprägte Artefakte auf als die FBP-rekonstruierten Bilder, wodurch insbesondere die Detailerkennbarkeit verbessert wurde. Dies gilt sowohl für die im 2D-Modus als auch für die im 3D-Modus gemessenen Daten. Die beste Bildqualität ergab sich durch die iterative 2D-Rekonstruktion von 3D-Daten, die zuvor mit dem FORE-Algorithmus in 2D-Sinogramme transformiert wurden. Wie die Phantommessungen zeigten, reichen 50 Iterationsschritte aus, um mit dem optimierten ML/EM-Algorithmus einen Quantifizierungsfehler von weniger als 5% zu erreichen.
Schlußfolgerung: Die vorgestellten Messungen belegen, daß die Qualität von 3D-PET-Aufnahmen durch die iterative Rekonstruktion verbessert werden kann. Durch die Verwendung des FORE-Algorithmus läßt sich dieses Konzept auch für die klinische Routine nutzen, da sich die Rechenzeit im Vergleich zur Rekonstruktion von reinen 2D-Daten nicht wesentlich verlängert.
Multicriteria 3D PET image segmentation