Fabian Schadt

• Die präklinische Forschung stellt den ersten wichtigen Meilenstein in der Klärung und Untersuchung klinisch-relevanter Erkrankungen dar. Darüber hinaus unterstützt die präklinische 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 akquiriertenDie präklinische Forschung stellt den ersten wichtigen Meilenstein in der Klärung und Untersuchung klinisch-relevanter Erkrankungen dar. Darüber hinaus unterstützt die präklinische 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 Komplexität der Krankheitsbilder, sowie der Etablierung neuer Radiotracer weiterhin eine große Herausforderung in der Medizin. Ziel dieser Doktorarbeit ist es daher, ein geeignetes, brauchbares Auswertungstool für 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 präklinischer Versuchs- bzw. Testreihen erprobt und etabliert. Bei den Datenreihen handelt es sich um µ-PET-Datensätze 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 vollständigen 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) können 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 Möglichkeit einer semiquantitativen Auswertung der PET-Bilddaten anhand von drei unterschiedlichen Parametern, der normalisierten Aktivität, dem Standardized Uptake Value und der Uptake Ratio. Durch die Matlab-integrierten Statistik-Algorithmen ist zusätzlich eine Möglichkeit 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 ermöglicht und bereits erfolgreich für 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 hinzugefügten Atlas‘ semi-automatisiert analysieren kann und potenziell für homogene und Target-spezifisch akkumulierende Radiotracer geeignet ist.…
• Preclinical research represents the first important milestone in the clarification and investigation of clinically relevant diseases. In addition, preclinical research significantly supports the development of therapies. Small animal positron emission tomography (µ-PET) plays an important role in this context, as it is able to image and quantify functional, physiological and biochemical processes in vivo. Despite various established µ-PET data analysis programs, the analysis of in vivo acquired image data remains a major challenge in medicinePreclinical research represents the first important milestone in the clarification and investigation of clinically relevant diseases. In addition, preclinical research significantly supports the development of therapies. Small animal positron emission tomography (µ-PET) plays an important role in this context, as it is able to image and quantify functional, physiological and biochemical processes in vivo. Despite various established µ-PET data analysis programs, the analysis of in vivo acquired image data remains a major challenge in medicine due to the multitude of medical questions, the complexity of disease patterns, and the establishment of new radiotracers. Therefore, the aim of this PhD thesis is to develop and establish a suitable, usable evaluation tool for a simple and efficient analysis of acquired µ-PET data, which extends the spectrum of already existing programs. The developed nuclear medicine data processing analysis tool (NU_DPA) was implemented in Matlab and tested and established on the basis of three preclinical experimental or test series. The data series are µ-PET datasets of different stroke rat brain models using the following radiotracers: 2-[18F]fluoro-2-deoxy-glucose ([18F]FDG), which accumulates homogeneously in the brain and [68Ga]fucoidan, which specifically accumulates at p-selectin. The NU_DPA involves automatic segmentation of a volume-of-interest (VOI) from the full PET image and the subsequent alignment of the VOI using a PET template (averaged PET dataset). This PET template is created from the own acquired PET data. By embedding a suitable anatomical MR atlas (customizable), the aligned PET data can be assigned to individual atlas-specific sub-regions. Such a sub-classification of the VOI allows a more detailed analysis and evaluation of the radiotracer accumulation. Furthermore, NU_DPA offers the possibility of a semi-quantitative evaluation of the PET image data based on three different parameters, the normalized activity, the standardized uptake value and the uptake ratio. The Matlab-integrated statistical algorithms provide an additional option for statistical evaluation of the previously calculated semi-quantitative parameters. The NU_DPA program thus represents a semi-automatic data evaluation program that enables both the registration and the semi-quantitative evaluation of PET image data within a series of experiments and it has already been successfully tested for the radiotracers [18F]FDG and [68Ga]fucoidan in animal models. To the best of our current knowledge, there is no known data analysis program that can semi-automatically analyze PET image data using the added atlas and is potentially suitable for homogeneous and target-specific accumulating radiotracers.…