La modélisation pharmacocinétique en tomographie par émission par positrons (TEP) permet d’estimer les paramètres physiologiques liés à l’accumulation dynamique d’un radiotraceur. Les paramètres estimés sont biaisés par le bruit dans les images TEP dynamiques durant l’ajustement des courbes d’activité des tissus, plus communément appelées TAC de l’anglais Time Activity Curve. La qualité des images TEP dynamiques est limitée par la statistique de comptage et influencée par les paramètres de reconstruction choisis en termes de résolution spatiale et temporelle. Il n’existe pas de recommandations claires pour les paramètres de reconstruction à utiliser pour les images dynamiques TEP. L’objectif de ce projet de maitrise est d’évaluer le biais dans l’estimation des paramètres pharmacocinétiques afin de trouver les paramètres de reconstruction TEP les plus optimaux en termes de résolution spatiale et de niveau de bruit. Plus précisément, ce projet cherche à déterminer quel modèle d’AIF offre les meilleurs ajustements, mais aussi quel modèle de poids permet la meilleure estimation des paramètres pharmacocinétiques pour le modèle à deux compartiments. Ce faisant, il serait possible de mieux planifier la reconstruction d’images TEP dynamique et potentiellement améliorer leur résolution spatiale. Afin de tester les biais dans les paramètres pharmacocinétiques sous différents niveaux de bruit, un objet de référence numérique (DRO) avec les informations trouvées dans la littérature sera construit. Ensuite, des simulations numériques seront effectuées avec ce DRO afin de trouver les paramètres de reconstruction et le niveau de bruit le plus optimal. Un biais réduit des paramètres pharmacocinétiques et une meilleure résolution spatiale des images TEP dynamique permettrait de détecter des cancers ou tumeurs à des stades moins avancés de la maladie, permettant potentiellement un traitement plus efficace et avec moins de séquelles et d’effets secondaires pour les patients. En outre, cela permettrait aussi de visualiser l’hétérogénéité des tumeurs. / Pharmacokinetic models in positron emission tomography (PET) allow for the estimation of physiological parameters linked to the dynamic accumulation of a radiotracer. Estimated parameters are biased by noise in dynamic PET images during the fitting of Time Activity Curves (TAC). Image quality in dynamic PET is limited by counting statistics and influenced by the chosen reconstruction parameters in terms of spatial and temporal resolution. Clear recommendations and guidelines for the reconstruction parameters that should be used do not exist at the moment for dynamic PET. The goal of this masters project is to evaluate the bias in the pharmacokinetic parameters estimation to find the optimal PET reconstruction parameters in terms of spatial resolution and noise levels. More precisely, this project aims to determine which AIF model produces the best fits, but also which weight noise model allows for the best parameters estimation with the two compartment model. It would then be possible to plan the PET image reconstruction more finely and potentially improve spatial resolution. To test the pharmacokinetic parameters’ biases under different noise levels, a Digital Reference Object (DRO) with information and specifications found from the litterature will be built. Then, numerical simulations will be done with that DRO to find the optimal noise level and value for the pharmacokinetic parameter. A reduced bias in these parameters and an improved spatial resolution would allow the detection of tumors or lesions at earlier stages, which could potentially allow for a more potent treatment with less short and long term side effects. It would also allow the visualization and quantification of lesion heterogeneity.