Refine
Has Fulltext
- yes (2)
Is part of the Bibliography
- yes (2)
Document Type
- Doctoral Thesis (2)
Language
- German (2) (remove)
Keywords
- PET (2) (remove)
Institute
- Graduate School of Life Sciences (2) (remove)
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 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.
Durch die Verwendung radioaktiver Substanzen mit ihrer schädigenden Wirkung auf den menschlichen Körper besteht in der Positronen-Emissions-Tomographie (PET) ein fortwährendes Interesse an der Reduktion der applizierten Dosis bei gleichbleibender Qualität der Ergebnisse. Zusätzlich ist im Hinblick auf die Wirtschaftlichkeit der Systeme eine Reduktion sowohl der Akquisitions- als auch der Rekonstruktionszeit erstrebenswert. In dieser Arbeit werden zwei Möglichkeiten vorgestellt, diese Ziele durch den Einsatz von Compressed Sensing (CS) zu erreichen.
Neben der Entwicklung neuartiger Rekonstruktionsalgorithmen können Filtertechniken eingesetzt werden, um eine qualitative Verbesserung rekonstruierter Bilder zu erzielen. Der Vorteil eines Filters besteht unter anderem darin, dass diese retrospektiv angewandt werden können. Es ist folglich möglich, die Qualität eines Bildes zu überprüfen und lediglich im Bedarfsfall einen Filter einzusetzen.
Die Technik des CS war in den letzten Jahren Gegenstand zahlreicher Forschungsarbeiten im Bereich der Bildgebung, insbesondere in der Magnetresonanztomographie und der Computertomographie (CT). Mit CS könnten bildgebende Verfahren wie die CT oder die PET mit weniger Messungen durchgeführt werden, wodurch sich die Messzeit und die Strahlenexposition reduziert. In der molekularen Bildgebung mit der PET ist CS jedoch weitgehend unbekannt.
Im ersten Teil dieser Dissertation wird eine Methode vorgestellt, welche CS als Filtertechnik in der PET einsetzt. Den Ausgangspunkt stellt ein vollständiger, analytisch rekonstruierter Datensatz dar. Dieser wird mit einer Reihe unterschiedlicher Abtastmuster retrospektiv unterabgetastet und jeweils erneut, unter Verwendung von CS rekonstruiert. Im rauschfreien Fall würde CS stets das Originalbild liefern. Das überlagerte Rauschen führt jedoch zu Artefakten und einer Verschlechterung des Ergebnisses. CS kann nun einerseits das Rauschen vermindern. Andererseits ist es durch die Mittelung mehrerer unterschiedlicher Rekonstruktionen möglich, die Artefakte zu reduzieren. Auf diesem Weg kann die Bildqualität signifikant verbessert werden. Es konnte gezeigt werden, dass die Technik sowohl für 2D, als auch für 3D Datensätze verwendet werden kann. Die größten qualitativen Verbesserungen werden erzielt, wenn der Datensatz lediglich aus wenigen Ereignissen besteht. In diesem Fall ist die Bildqualität der analytischen Rekonstruktionen extrem schlecht, die Verbesserung durch die Filtertechnik mit CS und die damit verbundene Erhöhung des Signal-Rausch-Verhältnisses jedoch am größten. Bei diesen Datensätzen können die Ergebnisse iterativer Rekonstruktionen übertroffen werden. In der Praxis wäre damit ein Einsatz speziell bei dynamischen oder getriggerten Aufnahmen denkbar. In beiden Fällen basieren die Rekonstruktionen nicht selten auf wenigen Ereignissen. Die resultierenden Bilder sind häufig von schlechter Qualität, womit eine Verbesserung durch Filterung sinnvoll ist.
Der zweite Teil dieser Arbeit beschäftigt sich mit der Rohdaten-basierten Triggerung am Kleintier-PET sowie mit dem Einsatz von CS zur Reduktion der Rekonstruktionszeit. Frühere Veröffentlichungen zeigten bereits die Anwendbarkeit Rohdaten-basierter Triggermethoden bei humanen Datensätzen. Im Hinblick auf eine präklinische Anwendung, speziell bei Datensätzen mit dem Fokus auf Mäuseherzen, existieren jedoch nur wenige Studien. In dieser Arbeit wird gezeigt, dass die segmentierte Methode des Massenschwerpunkts (COMseg) eine Technik darstellt, welche die kardiale Triggerung sowohl bei Datensätzen von Ratten, als auch von Mäusen erlaubt.
Ein nicht zu unterschätzender Nachteil der COMseg besteht darin, dass vor deren Anwendung die List-Mode Datei in kleine Zeitframes unterteilt und in Sinogramme sortiert werden muss. Auf jedes Sinogramm wird im Anschluss ein Rebinning Algorithmus angewandt. Dies stellt einen enormen Zeitaufwand dar, wodurch sich eine Anwendung bei größeren Studien in der Praxis als schwierig erweist. Ziel der Triggermethoden ist die Gewinnung eines Triggersignals, durch welches beispielsweise der Herzschlag in mehrere Phasen aufgeteilt werden kann. Das Triggersignal hat für gewöhnlich eine dünnbesetzte Repräsentation im Frequenzraum. Dieses Vorwissen ermöglicht den Einsatz von CS. Anstelle des vollständigen Datensatzes wurde lediglich ein Teil der Daten in kleine Zeitframes sortiert und mit der COMseg ausgewertet. Aus diesem unterabgetasteten Datensatz wird mit Hilfe von CS das vollständige Triggersignal rekonstruiert. Die Stärke der Unterabtastung entspricht in etwa dem Faktor der Reduktion der Rekonstruktionszeit. Auf diesem Weg ist es möglich, eine signifikante Beschleunigung zu erzielen. Die Anwendung dieser Technik ist jedoch nicht auf die COMseg beschränkt. Prinzipiell kann das Verfahren bei allen Methoden der Rohdaten-basierten Triggerung angewandt werden, welche es erlauben, die Abtastpunkte des Signals separat zu berechnen. Damit werden Algorithmen interessant, deren Einsatz aufgrund aufwändiger Berechnungen bislang in der Praxis nicht sinnvoll war.
Zusammenfassend legen die in dieser Arbeit vorgestellten Daten nahe, dass CS ein neuartiges Werkzeug in der PET darstellen könnte, mit welchem eine Filterung von Bildern sowie eine Reduktion der Rekonstruktionszeit möglich ist.