Positroniemissiotomografian Monte Carlo -simulaatio ja kuvien OSEM-rekonstruktio OMEGA-ohjelmistolla

Abstract

OMEGA on Wettenhovin et al. positroniemissiotomografiaa (PET) varten kehittämä kuvarekonstruktio-ohjelmisto, jolla voidaan muodostaa PET-kuvia nopeasti MATLABin tai GNU Octaven käyttöliittymän kautta. Se sisältää laajan valikoiman iteratiivisia rekonstruktioalgoritmeja ja tukee myös uusien algoritmien kehittämistä. OMEGAan on mahdollista tuoda myös GATE-ohjelmistossa Monte Carlo -simuloitua PET-dataa. Monte Carlo -simulaatio on tärkeä työkalu uusien PET-kuvantamismenetelmien ja -laitteistojen kehittämisessä, ja GATEssa voidaan mallintaa geometrialtaan monimutkaisiakin kameroita ja fantomeita. Tässä opinnäytetyössä toteutettiin GATE-simulaatioita GE Discovery-690 -laitteen kameralla, jolla kuvannettiin sylinteri-, Derenzo- ja NEMA-fantomia sekä Hoffman-aivofantomia, ja rekonstruoitiin kuvat OMEGAssa MATLABin kautta. Jokaista fantomia kohden kerättiin noin 2 000 000 gammafotoniparia eli koinsidenssia. Simuloidulle datalle tehtiin OMEGAssa satunnais-, sironta- ja normalisaatiokorjaukset, ja valmiit kuvat muodostettiin OSEM-algoritmilla. Kullekin fantomille muodostettiin neljä kuvaa eri kuvako’oilla ja näkökentillä (engl. field of view, FOV) ja vertailtiin näiden vaikutusta kuvanlaatuun. Sylinterin kuvista tarkasteltiin rekonstruoidun aktiivisuusjakauman tasaisuutta, Derenzon kuvista saavutettavaa resoluutiota ja NEMAn kuvista kontrastia; Hoffmanilla selvitettiin, miten hyvin OMEGA muodostaa monimutkaista ja realistista elimen aktiivisuusjakaumaa esittävän kuvan. GATE-dataan tallennetuilla positroniemissiopisteillä piirrettiin myös lähdekuvat, joihin rekonstruoituja kuvia verrattiin. Kaikissa kuvissa rekonstruoitu aktiivisuusjakauma noudattaa melko hyvin lähdekuvia, mutta valmiit kuvat ovat todella kohinaisia koinsidenssien liian pienen lukumäärän vuoksi. Sylinterin rekonstruoidut aktiivisuusjakaumat ovat etenkin suuremmalla kuvakoolla ja FOV:llä selvästi epätasaisempia kuin simuloitu jakauma. Derenzon kuvissa voidaan tunnistaa yksittäiset lähdepalloryhmät etenkin pienemmällä FOV:llä, mutta vain isommat pallot näkyvät erillisinä ja vain juuri ja juuri fantomin kattavalla FOV:llä. NEMAn kuvissa näkyy aktiivisin lähdepallo erityisesti pienemmällä kuvakoolla, kun taas muut eivät erotu taustasäteilystä. Hoffmanin kuvista on mahdollista tunnistaa harmaan aineen alueet suurin piirtein. OMEGAa oli helppo käyttää ja se muodosti kuvat nopeasti, joten sitä kannattaa käyttää jatkossakin GATEssa simuloidun datan käsittelyyn, mutta paremman kuvanlaadun takaamiseksi tarvittaisiin kymmeniä kertoja enemmän koinsidensseja.