Entwicklung iterativer Rekonstruktionsmethoden

PET-Bilder, die mit iterativen Verfahren wie dem Maximum Likelihood Expectation Maximisation (MLEM) oder Ordered Subset Expectation maximisation (OSEM) Algorithmus rekonstruiert werden, zeichnen sich durch ein günstiges Signal-Rausch-Verhältnis aus im Vergleich zu Ergebnissen der Gefilterten Rückprojektion. Dies ist besonders wichtig bei Studien mit niedrigen Zählraten. Da die iterativen Methoden im allgemeinen lange Rechenzeiten benötigen, werden sie oft suboptimal implementiert, um akzeptable Rechenzeiten zu erreichen. Unsere Gruppe hat eine Methode entwickelt, um alle gemessenen Koinzidenzereignisse ohne Einschränkung und Datenreduktion zu verwerten. Um dennoch akzeptable Rechenzeiten zu erreichen, wurden Sparse-Matrizen in effizienter Weise implementiert und eine rotationssymmetrische Bildrepräsentation realisiert, durch die Systemsymmetrien optimal ausgenutzt werden können. Zusätzlich werden die Elemente der Systemmatriz auf der Grundlage von Verbindungsröhren berechnet anstatt von Verbindungslinien zwischen den in Koinzidenz geschalteten Detektorkristallen. Um die Notwendigkeit zu vermeiden, den eigentlichen Rekonstruktionsalgorithmus an jede spezielle PET-Geometrie anzupassen, wurde die allgemeine Repräsentation eines zylindrischen virtuellen PET-Detektors entwickelt, auf den jedes reale PET-System abgebildet werden kann.