@phdthesis{Schadt2022,
  author    = {Schadt, Fabian},
  title     = {Entwicklung und erste Validierung eines innovativen Analysen-Tools f{\"u}r pr{\"a}klinische Bewertungen von PET-Radiopharmazeutika zur \(in\) \(vivo\) Untersuchungen neurologischer Erkrankungen},
  doi       = {10.25972/OPUS-24749},
  url       = {http://nbn-resolving.de/urn:nbn:de:bvb:20-opus-247499},
  school      = {Universit{\"a}t W{\"u}rzburg},
  year      = {2022},
  abstract  = {Die pr{\"a}klinische Forschung stellt den ersten wichtigen Meilenstein in der Kl{\"a}rung und Untersuchung klinisch-relevanter Erkrankungen dar. Dar{\"u}ber hinaus unterst{\"u}tzt die pr{\"a}klinische Forschung erheblich die Entwicklung von Therapien. Die Kleintier-Positronenemissionstomographie (µ-PET) spielt dabei eine wichtige Rolle, da sie in der Lage ist, funktionelle, physiologische und biochemische Prozesse in vivo darzustellen und zu quantifizieren. Trotz diverser etablierter PET-Datenauswertungs-Programme bleibt die Analyse von in vivo akquirierten Bilddaten aufgrund der Vielzahl an medizinischen Fragestellungen, der Komplexit{\"a}t der Krankheitsbilder, sowie der Etablierung neuer Radiotracer weiterhin eine große Herausforderung in der Medizin. Ziel dieser Doktorarbeit ist es daher, ein geeignetes, brauchbares Auswertungstool f{\"u}r eine einfache und effiziente Analyse von akquirierten µ-PET-Daten zu entwickeln und zu etablieren, welches das Spektrum bereits vorhandener Programme erweitert. Das entwickelte nuklearmedizinische Datenverarbeitungs-Analyseprogramm (engl. nuclear medicine data processing analysis tool, NU_DPA) wurde in Matlab implementiert und anhand dreier pr{\"a}klinischer Versuchs- bzw. Testreihen erprobt und etabliert. Bei den Datenreihen handelt es sich um µ-PET-Datens{\"a}tze verschiedener Schlaganfall-Rattenhirnmodelle unter Verwendung folgender Radiotracer. Zum einen die im Gehirn homogen akkumulierende 2-[18F]Fluor-2-desoxy-glukose ([18F]FDG) zum anderen das spezifisch an P-Selektin anreichernde [68Ga]Fucoidan. Das NU_DPA umfasst die automatische Selektion des Zielvolumens (volume-of-interest, VOI) aus dem vollst{\"a}ndigen PET-Bild und die anschließende Ausrichtung des VOI mit Hilfe eines PET-Templates (gemittelter PET-Datensatz). Dieses PET Template wird aus den eigenen akquirierten PET-Daten erstellt. Durch das Einbinden eines geeigneten anatomischen MRT-Atlas' (anpassbar) k{\"o}nnen die ausgerichteten PET-Daten einzelnen, Atlas-spezifischen Teilregionen zugeordnet werden. Eine solche Subklassifikation des VOI erlaubt eine genauere Betrachtung und Auswertung der Radiotracer-Akkumulation. Des Weiteren bietet NU_DPA die M{\"o}glichkeit einer semiquantitativen Auswertung der PET-Bilddaten anhand von drei unterschiedlichen Parametern, der normalisierten Aktivit{\"a}t, dem Standardized Uptake Value und der Uptake Ratio. Durch die Matlab-integrierten Statistik-Algorithmen ist zus{\"a}tzlich eine M{\"o}glichkeit der statistischen Auswertung der zuvor berechneten Parameter gegeben. Das NU_DPA-Programm stellt somit ein semi-automatisiertes Datenauswertungs-Programm dar, das sowohl die Registrierung als auch die semiquantitative Auswertung von PET-Bilddaten innerhalb einer Versuchsreihe erm{\"o}glicht und bereits erfolgreich f{\"u}r die Radiotracer [18F]FDG und [68Ga]Fucoidan in Tiermodellen getestet wurde. Nach derzeitigem Kenntnisstand ist kein Datenauswertungs-Programm bekannt, das PET-Bilddaten unter Verwendung des hinzugef{\"u}gten Atlas' semi-automatisiert analysieren kann und potenziell f{\"u}r homogene und Target-spezifisch akkumulierende Radiotracer geeignet ist.},
  subject      = {PET},
  language  = {de}
}