Monte-Carlo módszerek alapos ismerete, C++ és CUDA programozási ismeretek, magas szintű orvosi képrekonstrukciós eljárások ismerete
Az NTI-ben fejlesztés alatt álló PANNI (Pet-Aimed Novel Nuclear Imager) kód olyan Maximum Likelihood Expectatiion Maximization alapú Pozitron Emissziós Tomográfiás képrekonstrukciós kód, melynek előrevetítő motorja egy teljes valósághűséget lehetővé tevő, GPU-alapú Monte-Carlo szimuláció. A részletes számítás hátulütője az ehhez szükséges nagy számítási kapacitás. A PET szkenner geometriája ismert, a vizsgált objektum geometriája pedig általában hasonló. Ezek a feltételek lehetővé teszik, hogy egy jellemzőnek tekinthető geometriára nagyon pontos adjungáltfüggvényt generáljunk, mely segítségével a mintavételezés akár közel nulla szórásúvá is tehető. Különösen érdekes ez a szcintillátorkristályokban, ahol a gamma-pár együttes detektálási hatásfoka mindössze k.b. 15%. A szóráscsökkentő eljárások gyakori hátulütője, hogy a szórás csökkentéséhez felhasznált extra futási idő nagyobb veszteséget okoz, mint amennyi szórásnyereséget elértünk.
A hallgató feladata
- pontos szög- és energiafüggő adjungáltfüggvények generálása külön az vizsgálati tárgy és külön a detektorkristályok térfogatában
- szóráscsökkentési eljárások implementálása a generált adjungáltfüggvények segítségével a kezdeti irány, a szóródási szög és a szabad úthossz kedvező torzítására mindkét térfogatfajtára
- a modellezés eredményének összehasonlítása mért adatokkal
- a fizikai modellek bővítése az akollinearitás figyelembevételével
A hallgató feladata az alkalmazott szóráscsökkentési eljárások sikerességének értékelése a Monte-Carlo szimulációs hatékonyság mellett a képrekonstrukció minőségének változását is figyelembe véve.