ML-EM alternatívák Monte-Carlo alapú SPECT rekonstrukcióhoz

Nyomtatóbarát változatNyomtatóbarát változat
Cím angolul: 
Alterations to Monte Carlo based SPECT reconstruction
Típus: 
MSc diplomamunka téma - orvosi fizika
Félév: 
2020/21/2.
Témavezető: 
Név: 
Zlehovszky Ádám
Email cím: 
Adam.Zlehovszky@mediso.com
Intézet/Tanszék/Cégnév: 
Mediso Kft.
Beosztás: 
Fejlesztő fizikus
Konzulens: 
Név: 
Dr. Légrády Dávid
Email cím: 
legrady@reak.bme.hu
Intézet/Tanszék: 
NTI
Beosztás: 
egy.docens
Elvárások: 

Monte-Carlo módszerek alapos ismerete, Orvosi Képalkotás ismerete

Leírás: 

Single photon emission computed tomography (SPECT) egy nukleáris képalkotási megoldás, mely során valamilyen sugárzó izotópot előbb a szervezetbe juttatunk, majd a kilépő gamma sugarakat mérjük több irányból, különböző berendezések segítségével és így lehetőség nyílik térbeli és metszeti képek felvételére is.

SPECT rekonstrukció feladata a készülékek felvételei alapján, melyek tekinthetők vetületeteknek, visszaállítani a testben jelen lévő nukleáris aktivitást. A rekonstrukciós eljárás egy sztochasztikus optimalizációs feladatnak felel meg, mely során valamely statisztikai célfüggvény szélső értékét keressük. Szinte minden iterációs megoldás során szükségünk van az aktuális emissz iós térkép megfelelő vetületeinek kiszámítására. A vetületek kiszámításának egyik lehetséges módja a testben jelen lévő aktivitás miatt keletkező gamma fotonok véletlen bolyongásának Monte Carlo szimulációja.

A leggyakrabban használt iteratív rekonstrukciós eljárás az úgynevezett maximum likelihood

expectation maximazitaion (ML-EM). Egyik nagy előnye az eljárásnak, hogy nincsen szükség a Monte Carlo szimuláció által kiszámolt vetítések deriváltjára az iteráció során. Azonban a konvergencia sebessége nem minden esetben elfogadható, ezért az évek során több különböző módosításon is átesett az algoritmus, melyek nagyrészénél már a konvergencia sem feltétlen biztosított. A dolgozat célja egyrészt a Monte Carlo szimulációval közelített projekciós függvények deriváltjának kiszámítása. Ez természetesen csak várható értékben lehetséges, hiszen maga a szimuláció is csak arra képes az eredeti függvény esetén. A derivált segítségével lehetőség nyílik a célfüggvények gradiensének közelítésére, ugyancsak várható értékben, ezért alkalmazhatóak különböző algoritmusok a sztochasztikus approximáció területéről, melyekkel elvégezhető a rekonstrukció. A dolgozat során kvalitatív és kvantitatív vizsgálatok mellett, összehasonlítjuk a módszereket a jelenleg használt eljárásokkal.

 
Titkosítas: 
Hozzáférés nincs korlátozva