Algoritmes voor anatomiegebaseerde tomografische beeldreconstructie in nucleaire geneeskunde.

PET en SPECT beelden worden steeds vaker gecombineerd met anatomische informatie van CT of MRI, maar meestal slechts na de beeldvorming. De beeldkwaliteit van de emissiebeelden kan verhoogd worden door gebruik te maken van de anatomische beelden tijdens de PET- of SPECT-reconstructie. In dit project worden verscheidene anatomiegebaseerde MAP algoritmes bestudeerd. Eerder werd het door onze onderzoeksgroep ontwikkelde A-MAP algoritme gevalideerd voor FDG-PET en MRI bij epilepsiepatiënten. In dit project zal A-MAP aangepast en geëvalueerd worden voor andere tracers en andere corticale aandoeningen. A-MAP vereist een nauwkeurige segmentatie van de anatomie. Goede segmentatiesoftware is beschikbaar voor de corticale hersenstructuren. Subcorticale structuren zijn moeilijker, en ook voor "whole body" CT beelden is segmentatie een probleem. Daarom zullen MAP algoritmes zonder segmentatie ontwikkeld worden. Deze algoritmes zullen geëvalueerd worden voor PET/MRI beeldvorming van neurologische aandoeningen waarbij subcorticale structuren betrokken zijn, en voor PET/CT beeldvorming in de oncologie en de radiotherapie. Het is hierbij belangrijk dat de anatomische en PET beelden perfect gealigneerd zijn. Niet rigiede registratiealgoritmes zullen bestudeerd worden als middel om te corrigeren voor foutieve alignatie, bv. t.g.v. patiëntbeweging.

Trefwoorden:Image quality, Nuclear medicine, Anatomy, Neurology, Oncology, Radiotherapy

Disciplines:Medische beeldvorming en therapie, Andere paramedische wetenschappen, Multimediaverwerking, Biologische systeemtechnologie, Signaalverwerking