Factorizando matrices de sistemas con información dependiente de pacientes y geometría de detección invariante

01 de marzo, 2014
Estado: En ejecución

Investigador Responsable: Fernando Rannou Fuentes

Co-Investigador: Ziad El Bitar

Proyecto CONICYT-CNRS PCCI130035

2014-2015

Resumen

Tomografías de Emisión, los efectos físicos producidos por los rayos gamma in el cuerpo de los pacientes y la degradación del detector en el proceso de formación de la imagen. Estos efectos son principalmente el efecto Fotoeléctrico y la dispersión del efecto Compton responsable por la atenuación y dispersión respectiva. La consecuencia de la atenuación es una subestimación de la concentración de la radioactividad en la imagen. Debido a los efectos antes mencionados, la resolución espacial,y  el radio del ruido en la señal son degradados en la imagen reconstruida lo que puede llevar a diagnosticar erróneamente al paciente. Se ha probado que modelando estos efectos e integrándolos en un algoritmo de reconstrucción iterativo mejorará la calidad de la imagen. Las simulaciones Monte Carlo (MCS) son conocidas por su capacidad para modelar las interacciones de las partículas en cuestión. En el campo de la emisión de tomografías, MCS ha sido altamente validad como una excelente herramienta para modelar el proceso de formación de imagen siendo capaz de modelar el detector, composición de la anatomía del paciente y todas las interacciones físicas producidas por los rayos gamma, producto de los puntos de emisión en el cuerpo del paciente hasta la detección del detector.

El objetivo principal de esta investigación es desarrollar una forma eficiente de computar la matriz del sistema A usando información invariante del detector PET previamente computada en conjunto con información del paciente en el momento. Por consiguiente, la matrix del sistema dependiente del paciente contendrá atenuación e información dispersa relativa a cada estudio PET, mejorando la calidad de la imagen reconstruida.

Abstract

Emission Tomography (ET), the physical effects undergone by gamma rays in the patient body and the detector degrade the image formation process. These effects are principally the Photoelectric effect and the Compton scatter responsible for the attenuation and scatter respectively. The consequence of the attenuation is an under-estimation of the imaged radioactivity concentration, while the scatter leads to a false localization of the radioactivity. Due to the above-mentioned effects, spatial resolution, and signal-to-noise-ratio are degraded in the reconstructed images misleading hence the diagnosis of the patient. It has been proved that modeling these effects and integrating them into an iterative reconstruction algorithm will improve the image quality. Monte Carlo simulations (MCS) are well known for their capability to model the interactions of particles with matter. In the field of emission tomography, MCS has been largely validated as a excellent tool for modeling the image formation process being able to model the detector, the anatomic composition of the patient and all the physical interactions undergone by gamma rays from the emission point in the patient body until their detection in the detector.
The main objective of this research is to develop an efficient way of computing the system matrix A using pre-computed invariant PET detector information together with an on-the-fly patient information. Thus, the patient-dependent system matrix will contain attenuation and scatter information specific to each PET study, improving the quality of the reconstructed image.