Go to page

Bibliographic Metadata

Links
Abstract (German)

Die Positronenemissionstomograhie (PET) repräsentiert ein funktionelles diagnostisches Untersuchungsverfahren, welches es ermöglicht Stoffwechselvorgänge in vivo zu visualisieren und absolut zu quantifizieren. Die präklinische Bildgebung stellt hierbei besondere Anforderungen an dieses Verfahren. Aufgrund der deutlich geringeren anatomischen Strukturen im Vergleich zur Humananwendung, erfordert die Kleintierbildgebung eine höhere Ortsauflösung. Diese wird maßgeblich durch die eingesetzten PET-Detektoren sowie durch die verwendeten Isotope beeinflusst. Hochenergetische und nichtreine Positronenstrahler verschlechtern, bedingt durch eine lange Positronenreichweite, deutlich die Ortsauflösung und erschweren zudem durch die Emission von Kaskadengammalinien die Quantifizierung. Das Isotop I-124 stellt einen Repräsentanten dieser Gruppe dar. Ziel dieser Arbeit war die Implementierung einer Verarbeitungskette, um diese durch I-124 hervorgerufenen Effekte zu korrigieren. Erstmalig wurde hier eine komplette, robuste und routinetaugliche Lösung etabliert, die von der Abschätzung der Kaskadengammakoinzidenzen bis hin zu dem rekonstruierten korrigierten Bild reicht. Die Schwerpunkte wurden hierbei zum einen auf die Vollständigkeit der Korrekturen und zum anderen auf eine einfache und automatisierte präklinische Handhabung gelegt. Die integrierten Korrekturen ermöglichen nunmehr eine auf knapp 3% genaue absolute Quantifizierung, die zuvor bei ca. 16% lag. Eine artefaktfreie Ortsauflösungsverbesserung ist für reale Mausstudien in der Größenordnung von 20% möglich. Für einzelne Linienquellen kann mittels dieses Verfahrens die untere Auflösungsgrenze des verwendeten Kleintierscanners Concorde microPET Focus 120 von 1,4 mm erreicht werden. Dies entspricht einer Auflösungsverbesserung von ca. 46%. Die Ergebnisse basieren auf mehreren Einzelschritten. Zunächst wurden mit Hilfe von Monte-Carlo-Simulationen mit GATE [1] die einzelnen zu korrigierenden Anteile für definierte Phantomgeometrien und Mausvoxelphantome bestimmt. Darauf aufbauend wurden sinogrammbasierte Korrekturen erarbeitet, die nun eine genaue Quantifizierung ermöglichen. Diese korrigierten Datensätze dienen als Eingangsdaten für einen in dieser Arbeit implementierten PR-MLEM Algorithmus (Positron Range corrected Maximum Likelihood Expectation Maximization). Mit diesem iterativen Rekonstruktionsverfahren ist es nun möglich, inhomogene Aktivitätsanreicherungen zu visualisieren, die vorher kaum darstellbar waren.

Stats