Zusammenfassung
Ziel: In den letzten Jahren wurden verschiedene Algorithmen entwickelt, mit deren Hilfe
an Volumen-PET-Systemen akquirierte 3D-Sino-gramme in 2D-Datensätze transformiert
werden können. Damit eröffnet sich die Möglichkeit, die wesentlich höhere Sensitivität
der 3D-Messung mit den Vorteilen der iterativen 2D-Rekonstruktion zu kombinieren.
Ziel dieser Arbeit war es, die Wertigkeit dieses Ansatzes anhand von Phantommessungen
und Patientenuntersuchungen zu evaluieren.
Methoden: Alle Messungen wurden an einem Ganzkörper-PET-System der neuesten Generation (ECAT
EXACT HR+) durchgeführt. Für die 2D-Messungen wurde ein Kollimator aus dünnen Wolframlamellen
in das Gesichtsfeld eingebracht. Die akquirierten 3D-Daten wurden vor der Bildrekonstruktion
mit dem von M. Defrise entwickelten “Fourier-Rebinning (FORE)”-Algorithmus in 2D-Sinogramme
umsortiert. Zur Bildrekonstruktion wurde das Standardverfahren der gefilterten Rückprojektion
(FBP) sowie ein optimiertes ML/EM-Verfahren mit Überrelaxation zur Konvergenzbeschleunigung
eingesetzt. Die Ortsauflösung beider Verfahren sowie das Konvergenzverhalten und die
Rauschentwicklung des ML/EM-Algorithmus wurde anhand von Phantommessungen untersucht.
Darüber hinaus wurden Patientendaten sowohl im 2D-Modus als auch im 3D-Modus akquiriert
und jeweils mit beiden Verfahren rekonstruiert.
Ergebnisse: Bei gleicher Ortsauflösung wiesen die iterativ rekonstruierten Aufnahmen weniger
und deutlich schwächer ausgeprägte Artefakte auf als die FBP-rekonstruierten Bilder,
wodurch insbesondere die Detailerkennbarkeit verbessert wurde. Dies gilt sowohl für
die im 2D-Modus als auch für die im 3D-Modus gemessenen Daten. Die beste Bildqualität
ergab sich durch die iterative 2D-Rekonstruktion von 3D-Daten, die zuvor mit dem FORE-Algorithmus
in 2D-Sinogramme transformiert wurden. Wie die Phantommessungen zeigten, reichen 50
Iterationsschritte aus, um mit dem optimierten ML/EM-Algorithmus einen Quantifizierungsfehler
von weniger als 5% zu erreichen.
Schlußfolgerung: Die vorgestellten Messungen belegen, daß die Qualität von 3D-PET-Aufnahmen durch
die iterative Rekonstruktion verbessert werden kann. Durch die Verwendung des FORE-Algorithmus
läßt sich dieses Konzept auch für die klinische Routine nutzen, da sich die Rechenzeit
im Vergleich zur Rekonstruktion von reinen 2D-Daten nicht wesentlich verlängert.
Summary
Purpose: In the recent past, several algorithms have been developed in order to transform
3D sinograms acquired at volume PET systems into 2D data sets. These methods offer
the possibility to combine the high sensitivity of the 3D measurement with the advantages
of iterative 2D image reconstruction. The purpose of our study was the assessment
of this approach by using phantom measurements and patient examinations.
Methods: The experiments were performed at the latest-generation whole-body PET system ECAT
EXACT HR+. For 2D data acquisition, a collimator of thin tungsten septa was positioned in the
field-of-view. Prior to image reconstruction, the measured 3D data were sorted into
2D sinograms by using the Fourier rebinning (FORE) algorithm developed by M. Defrise.
The standard filtered backprojection (FBP) method and an optimized ML/EM algorithm
with overrelaxation for accelerated convergence were employed for image reconstruction.
The spatial resolution of both methods as well as the convergence and noise properties
of the ML/EM algorithm were studied in phantom measurements. Furthermore, patient
data were acquired in the 2D mode as well as in the 3D mode and reconstructed with
both techniques.
Results: At the same spatial resolution, the ML/EM-reconstructed images showed fewer and less
prominent artefacts than the FBP-reconstructed images. The resulting improved detail
conspicuousy was achieved for the data acquired in the 2D mode as well as in the 3D
mode. The best image quality was obtained by iterative 2D reconstruction of 3D data
sets which were previously rebinned into 2D sinograms with help of the FORE algorithm.
The phantom measurements revealed that 50 iteration steps with the optimized ML/EM
algorithm were sufficient to keep the relative quantitation error below 5%.
Conclusion: Our measurements show that the image quality in 3D PET can be improved by using iterative
reconstruction techniques. The concept of 3D data acquisition and combining the FORE
algorithm with 2D ML/EM reconstruction can readily be employed in clinical practice
since the computation time is not considerably longer than that in iterative reconstruction
of true 2D data.
Schlüsselwörter
Positronen-Emissions-Tomographie - 3D-Datenakquisition - iterative Bildrekonstruktion
Keywords
Positron emission tomography - 3D data acquisition - iterative image reconstruction.
