Spelling suggestions: "subject:"modèle biexponentiel"" "subject:"modèle biexponentiell""
1 |
Étude par simulation numérique de la sensibilité au bruit des mesures de paramètres pharmacocinétiques par tomographie par émission de positronsAber, Yassine 08 1900 (has links)
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.
|
Page generated in 0.0422 seconds