Objectif : Etudier l’impact volumétrique et dosimétrique de l’intégration des données de tomographie par émission de positons (TEP) en radiothérapie (RT) à travers deux modèles cliniques : les cancers oto-rhino-laryngologiques (ORL) et les cancers pulmonaires. Matériel et méthodes : Pour les cancers ORL, après un travail préalable sur fantôme pour mise au point d’une méthode de segmentation automatique par seuillage adaptatif, deux séries de neuf et 15 patients présentant un cancer ORL traité par RT, ont bénéficié d’une TEP respectivement au 18F-Fluorodeoxyglucose (18F-FDG) et au 18F-Fluoromisonidazole (18F-FMISO), traceur de l’hypoxie. Les modifications volumétriques et dosimétriques induites par ces examens ont été analysées. Pour le 18F-FMISO, différents temps d’acquisition et différentes méthodes de segmentation ont également été étudiés. Pour les cancers pulmonaires, l’impact sur la RT d’une TEP-4D au 18F-FDG avec correction des effets de volume partiel (EVP) et application de différentes méthodes de segmentation, a été évalué à travers l’analyse des sept premiers patients inclus dans le protocole PULMOTEP, promu par le CHU de Bordeaux. Résultats : Pour les cancers ORL, la TEP au 18F-FDG a conduit à une réduction des volumes de RT de 40% tout en individualisant des zones de « mismatch » entre TEP et scanner. Pour la TEP au 18F-FMISO, un meilleur contraste des images était retrouvé à 4h. Cependant, les volumes segmentés à 3 et 4h n’étaient pas significativement différents, permettant d’envisager en pratique courante des acquisitions moins tardives à 3h. L’utilisation d’une TEP au 18F-FMISO permettait d’envisager la réalisation d’une « escalade de dose » sur les zones hypoxiques avec une augmentation du taux de probabilité de contrôle tumoral de 18,1% sans augmentation excessive de la toxicité. Pour les cancers pulmonaires, il n’était pas retrouvé d’impact de la correction du mouvement respiratoire, un seul patient sur les sept étudiés présentant une tumeur mobile. Un impact constant de la correction des EVP était par contre retrouvé avec une augmentation de l’activité tumorale maximale de 27% et une diminution des volumes segmentés de 15%.Conclusion : Pour les cancers ORL, la validation de ces résultats nécessite la réalisation d’études cliniques. Pour les cancers pulmonaires, l’utilisation d’une TEP-4D avec correction du mouvement respiratoire doit être envisagée au cas par cas. L’implémentation en clinique de logiciels de correction des EVP semble, par contre, à encourager. / Objective: To study the impact of Positron Emission Tomography (PET) data on radiotherapy (RT) planning through two clinical models: the head-and-neck cancers (HNC) and the pulmonary cancers. Methods and Materials: For HNC, after a previous phantom study in order to determinate an automatic segmentation method with adaptive thresholding, two series of nine and 15 patients selected for RT, underwent PET with 18F-Fluorodeoxyglucose (FDG) and 18F-Fluoromisonidazole (FMISO). The impact on RT target volumes (TV) and dosimetries was evaluated. For FMISO-PET, several time acquisitions and several segmentation methods were assessed. For pulmonary cancers, the use of a four-dimensional (4D) FDG-PET with partial volume effect (PVE) correction and several segmentation methods was evaluated through the first seven patients enrolled in the PULMOTEP protocol performed by the CHU of Bordeaux. Results: For HNC, FDG-PET led to a RT TV reduction of 40%, with mismatches between PET and CT data. For FMISO-PET images, a better contrast was obtained 4h after FMISO injection. However, segmented volumes obtained at 3 and 4h were not statistically different allowing PET- acquisitions at 3h in routine clinical practice. The use of FMISO-PET allows considering « dose escalation » on hypoxic TV with an increase of tumour control probability by 18,1% without excessive increase of toxicities. For pulmonary cancers, there was no impact of the respiratory motion correction but only one patient on seven presented a mobile tumour. PVE correction had impact on RT TV with an increase of the maximal tumoural activity by 27% and a volume reduction of 15%. Conclusion: For HNC, the validation of these results needs clinical and prospective studies. For pulmonary cancers, the use of 4D-PET must be decided case by case. On the other side, the implementation of automatic software for PVE correction seems interesting.

Segmentation of human head on medical images is an important process in a wide array of applications such as diagnosis, facial surgery planning, prosthesis design, and forensic identification. In this study, a new Bayesian method for segmentation of facial tissues is presented. Segmentation classes include muscle, bone, fat, air and skin. The method incorporates a model to account for image blurring during data acquisition, a prior helping to reduce noise as well as a partial volume model. Regularization based on isotropic and directional Markov Random Field priors are integrated to the algorithm and their effects on segmentation accuracy are investigated. The Bayesian model is solved iteratively yielding tissue class labels at every voxel of an image. Sub-methods as variations of the main method are generated by switching on/off a combination of the models. Testing of the sub-methods are performed on two patients using single modality three-dimensional (3D) images as well as registered multi-modal 3D images (Magnetic Resonance and Computerized Tomography). Numerical, visual and statistical analyses of the methods are conducted. Improved segmentation accuracy is obtained through the use of the proposed image models and multi-modal data. The methods are also compared with the Level Set method and an adaptive Bayesiansegmentation method proposed in a previous study.

Medical computer vision is a novel research discipline based on the application of computer vision methods to data sets acquired via medical imaging techniques. This work focuses on magnetic resonance imaging (MRI) data sets, particularly in studies of schizophrenia and multiple sclerosis. Research on these diseases is challenged by the lack of appropriate morphometric tools to accurately quantify lesion growth, assess the effectiveness of a drug treatment, or investigate anatomical information believed to be evidence of schizophrenia. Thus, most hypotheses involving these conditions remain unproven. This thesis contributes towards the development of such morphometric techniques. A framework combining several tools is established, allowing for compensation of bias fields, boundary detection by modelling partial volume effects (PVE), and a combined statistical and geometrical segmentation method. Most importantly, it also allows for the computation of confidence bounds in the location of the object being segmented by bounding PVE voxels. Bounds obtained in such fashion encompass a significant percentage of the volume of the object (typically 20-60%). A statistical model of the intensities contained in PVE voxels is used to provide insight into the contents of PVE voxels and further narrow confidence bounds. This not only permits a reduction by an order of magnitude in the width of the confidence intervals, but also establishes a statistical mechanism to obtain probability distributions on shape descriptors (e.g. volume), instead of just a raw magnitude or a set of confidence bounds. A challenging clinical study is performed using these tools: to investigate differences in asymmetry of the temporal horns in schizophrenia. This study is of high clinical relevance. The results show that our tools are sufficiently accurate for studies of this kind, thus providing clinicians, for the first time, with the means to corroborate unproven hypotheses or reliably assess patient evolution.

Les travaux réalisés dans cette thèse se situent à l'interface des domaines de l'acquisition en imagerie par résonance magnétique (IRM) et du traitement d'image pour l'analyse automatique des structures cérébrales. La mesure de modifications structurelles telles que l'atrophie corticale nécessite l'application d'algorithmes de traitement d'image. Ceux-ci doivent compenser les artefacts en IRM tels que l'inhomogénéité du signal ou les effets de volume partiel (VP) pour permettre la segmentation des tissus cérébraux puis l'estimation d'épaisseur corticale. Nous proposons une nouvelle modélisation de VP proche de la physique de l'acquisition baptisée modèle bi-exponentiel qui vient concurrencer le traditionnel modèle linéaire. Il nécessite l'utilisation de deux images de contrastes différents parfaitement recalées. Ce modèle a été validé sur des simulations et des fantômes physique et numérique dans un premier temps. Parallèlement, la récente séquence MP2RAGE permet d'acquérir deux images co-recalées par acquisition et leur combinaison aboutit à l'obtention d'une image insensible aux inhomogénéités du signal et d'une carte de T1 des tissus imagés. Nous avons testé notre modèle sur des données in vivo MP2RAGE et avons montré que l'application du modèle linéaire de VP conduit à une sous-estimation systématique de la substance grise à l'échelle du voxel. Ces erreurs se propagent à l'estimation d'épaisseur corticale, biomarqueur très sensible aux effets de VP. Nos résultats plaident en faveur de l'hypothèse suivante : la modélisation de VP pour les images MP2RAGE doit être différente de celle employée pour des images obtenues avec des séquences plus classiques. Le modèle bi-exponentiel est une solution adaptée à cette séquence particulière. / The work developed in this thesis is within the scope of magnetic resonance imaging (MRI) acquisition and image processing for the automated analysis of brain structures. The measurement of structural modifications with time such as cortical atrophy requires the application of image processing algorithms. They must compensate for MRI artifacts such as intensity inhomogeneities or partial volume (PV) effects to allow for brain tissues segmentation then cortical thickness estimation. We suggest a new PV model relying on the physics of acquisition named bi-exponential model that differs from the commonly used linear model by modelling brain tissues and image acquisition. It requires the use of two differently contrasted and perfectly coregistered images. This model has been validated with simulations and physical and digital phantoms in a first place. In parallel, the recent MP2RAGE sequence provides two coregistered images and their combination results in a bias-field corrected image as well as a T1 map of the scanned tissues. We tested our model with in vivo MP2RAGE data and demonstrated that using the linear PV model leads to a systematic gray matter proportion underestimation in PV voxels. These errors result in cortical thickness underestimation. Our results favor the following assumption: PV modelling with MP2RAGE images must differ from the usual linear PV model applied for images obtained from more classic sequences. The bi-exponential model is an adapted solution to this particular sequence.

Ce mémoire a pour objectif de mieux comprendre la tomodensitométrie par rayons-x appliquée à la géocryologie. La majorité des études ayant pour but d’analyser le pergélisol en utilisant la tomodensitométrie sont qualitative. De ce fait, il est principalement question de décrire les cryostructures et la disposition géométrique de la glace dans le pergélisol. Il existe peu d’études quantitatives où le volume de glace est estimé avec la tomodensitométrie. De ce fait les méthodologies quantitatives sont peu développées et leur degré de confiance est mal connu. Des échantillons de pergélisol ont été scannés puis analysés avec le logiciel de visualisation Dragonfly©. Une méthode d’analyse quantitative a été développée et combinée à des mesures en laboratoire afin de déterminer l’erreur entre la proportion en glace estimée sur les Ct-Scans et celle mesurée sur l’échantillon physique. Ensuite, une équation pour essayer de corriger cette erreur a été appliquée. Celle-ci a été déterminée à partir de comparaisons des estimations des volumes de glace sur les Ct-Scans et leurs valeurs mesurées en laboratoire. Ces comparaisons ont également permis d’estimer la quantité de matière organique présente dans un échantillon. Les cryostructures du pergélisol ont été modélisées en 3D. Cela a permis de bonifier la classification Nord-Américaine établie par Murton et French en 1994 et de quantifier les volumes respectifs de glace et de sédiments. / This thesis aims to better understand x-ray computed tomography in geosciences and more particularly its use with frozen ground science. Most studies in permafrost science using x-ray computed tomography were qualitative. Therefore, they mainly describe the permafrost cryostructures and the geometric arrangement of the ice in permafrost. There were few quantitative studies where the volumetric ice content of permafrost was estimated with Ct-Scans. As a result, quantitative methodologies are poorly developed, and their degree of confidence is also poorly assessed. Samples from different locations in the Canadian Arctic were scanned and analyzed using Dragonfly©, a visualization software. A quantitative analysis method has been developed and combined with laboratory measurements to calculate the error between the proportion of ice estimated on the Ct-Scans and the one measured on the physical sample. A correction method was developed and applied to the Ct-scans dataset to reduce the error in volumetric ice content estimations. This equation also allows to give an estimation of the organic matter proportion inside a sample. The permafrost cryostructures were modeled in 3D. This improved the visualization of the cryostructures of the North American classification established by Murton and French in 1994, and it allowed to quantify their volumetric ice and sediment contents.

No description available.

No description available.

La Tomographie par Emission de Positons (TEP) au Fluoro-déoxyglucose marqué au Fluor 18 (¹⁸F-FDG), analogue du glucose, permet d'obtenir une image de la consommation de glucose dans l'organisme. La plupart des foyers tumoraux présentant une consommation excessive de glucose, son utilisation en oncologie permet d'améliorer la prise en charge des patients en diminuant le temps nécessaire pour évaluer l'efficacité des traitements tels que la chimiothérapie et la radiothérapie. Mon projet de recherche visait à proposer et améliorer des méthodes de quantification en TEP au ¹⁸F-FDG afin de caractériser au mieux l'évolution métabolique des volumes tumoraux.De nombreux facteurs biaisent la quantification en TEP. Parmi eux, l'Effet de Volume Partiel (EVP) reste difficile à corriger, notamment à cause de la faible résolution spatiale des images TEP. Afin de déterminer l'impact de la correction de l’EVP sur l’évaluation des réponses des tumeurs, une étude sur données simulées par Monte Carlo a tout d’abord été effectuée. Cette étude a été complétée par l’analyse de données TEP/TDM (Tomodensitométrie) acquises chez 40 patients atteints de cancers colorectaux métastatiques (CCM), traités par chimiothérapie à l'Institut Jules Bordet (Bruxelles). L’analyse de 101 tumeurs a montré que les critères tels que le SUV, n’incluant pas de correction de l'EVP, et qui reflètent alors le volume tumoral et son activité, prédisaient mieux l’évolution tumorale que les critères corrigés de l’EVP. Compte tenus des résultats prometteurs récents de méthodes de caractérisation de l’hétérogénéité de la fixation du FDG dans les tumeurs, un second volet de notre travail a consisté à étudier l’intérêt de la prise en compte de la texture dans le cadre du suivi thérapeutique. L’application de l’analyse de texture aux cas de CCM étudiés précédemment n’a pas permis de démontrer une valeur ajoutée des indices de texture par rapport aux index quantitatifs couramment employés en clinique. Nous avons montré que cette conclusion s’expliquait en partie par la non-robustesse des indices de texture vis-à-vis des paramètres impliqués dans leur mesure. Nous avons enfin cherché à évaluer une méthode d’Analyse Factorielle de Séquences d’Images Médicales (AFSIM), appliquée au contexte du suivi thérapeutique, pour caractériser l’évolution tumorale tout au long du traitement. Cette étude a porté sur 9 séries de 4 à 6 examens TEP/TDM de patients traités par radiothérapie au Centre Hospitalier Universitaire Henri Becquerel de Rouen. Outre l’information visuelle globale apportée par cette méthode, l’analyse quantitative des résultats obtenus a permis de caractériser l’hétérogénéité de la réponse vue par l’AFSIM. L’échec des index classiques, provenant entre autres de leur incapacité à distinguer les processus inflammatoires de l’activité métabolique tumorale, a permis de monter la valeur ajoutée de l’AFSIM par rapport aux index tels que le SUV maximal ou moyen. / Positron Emission Tomography (PET) using ¹⁸F-FluoroDeoxyGlucose (¹⁸F-FDG), a radiolabelled analogue of the glucose, is used to get an image of the glucose consumption in the body. As most tumor masses show a high glucose consumption, PET is widely used in oncology for diagnosis and patient monitoring. In the context of patient monitoring, the motivation is to decrease the time interval needed to assess treatment (radiotherapy or chemotherapy efficieny) compared to therapeutic follow-up based only on anatomic imaging only (Computed Tomography or Magnetic Resonance Imaging). My research project aimed at proposing and improving quantitative methods in FDG-PET to better characterize tumor evolution.In PET, many factors affect the accuracy of parameters estimated from the images. Among them, Partial Volume Effect (PVE) remains difficult to correct, mainly due to the low spatial resolution of PET images. To determine the impact of PVE on treatment response evaluation, a preliminary study was performed using Monte Carlo simulated PET scans. An additional study was conducted based on the analysis of the PET/CT (Computed Tomography) data of 40 Metastatic Colorectal Cancer (MCC) patients treated with chemotherapy at the Jules Bordet Institute (Brussels, Belgium). The analysis of the 101 tumors showed that criteria such as the Standardized Uptake Value (SUV), which does not include PVE correction, were better predictors of tumors evolutions than PVE corrected criteria. This is because without PVE correction, SUV includes information on both metabolic volume and metabolic activity, which are two relevant pieces of information to characterize the tumor. A second part of our work was to study the potential of tumor texture analysis in patient monitoring, following promising results reported in the literature. Texture analysis was applied to the MMC patients data previously mentioned but did allow to a better segregation of tumors responses as compared to indices currently used in the clinics. We found that this was partly due to the lack of robustness of the textures indices.Finally, we evaluated a Factor Analysis in Medical Images Series (FAMIS) method to characterize tumor evolution during treatment. This study focused on 9 series of 4 to 6 PET/CT scans acquired all along the radiotherapy/radio-chemotherapy of patients treated at the Centre Hospitalier Universitaire Henri Becquerel (Rouen, France). In addition to the rich visual information brought by this method, a quantitative analysis of the results made it possible to characterize response heterogeneity as seen using FAMIS. In particular, FAMIS clearly demonstrated the occurrence of inflammatory processes. In addition, due to the low metabolic activity of the tumors at the end of the treatment, many conventional indices could not describe the tumor changes, while FAMIS gave a full assessment of the tumor change over time.

In translational medicine, complementary functional and morphological imaging techniques are used extensively to observe physiological processes in vivo and to assess structural changes as a result of disease progression. The combination of magnetic resonance imaging (MRI) and positron emission tomography (PET) provides excellent soft tissue contrast from MRI with exceptional sensitivity and specificity from PET. This thesis explores the use of sequentially acquired PET and MR images to improve the quantification of small animal PET data. The primary focus was to improve image-based estimates of the arterial input function (AIF), which defines the amount of PET tracer within blood plasma over time. The AIF is required to produce physiological parameters quantifying key processes such as metabolism or perfusion from dynamic PET images. The gold standard for AIF measurement, however, requires serial blood sampling over the course of a PET scan, which is invasive in rat studies but prohibitive in mice due to small total blood volumes. To address this issue, the geometric transfer matrix (GTM) and recovery coefficient (RC) techniques were applied using anatomical MR images to enable the extraction of partial volume corrected image based AIFs from mouse PET images. A non-invasive AIF extraction method was also developed for rats, beginning with the optimization of an automated voxel selection algorithm to assist in extracting MR contrast agent signal time courses from dynamic susceptibility contrast (DSC) MRI data. This procedure was then combined with dynamic contrast enhanced (DCE) MRI to track a combined injection of Gadolinium-based contrast agent and PET tracer through the rat brain. By comparison with gold standard tracer blood sample data, it was found that normalized MRI-based AIFs could be successfully converted into PET tracer AIFs in the first pass phase when fitted with gamma variate functions. Finally, a MR image segmentation method used to provide PET attenuation correction in mice was validated using the Cambridge split magnet PET/MR scanner?s transmission scanning capabilities. This work recommends that contributions from MR hardware in the PET field of view must be accounted forto gain accurate estimates of tracer uptake and standard uptake values (SUVs). This thesis concludes that small animal MR data taken in the same imaging session can provide non-invasive methods to improve PET image quantification, giving added value to combined PET/MR studies over those conducted using PET alone.

L'imagerie TEP permet de mesurer et visualiser les changements de la distribution biologique des radiopharmaceutiques au sein des organes d'intérêt au court du temps. Ce suivi temporel offre des informations très utiles concernant les processus métaboliques et physiologiques sous-jacents, qui peuvent être extraites grâce à différentes techniques de modélisation cinétique. De plus, un autre avantage de la prise en compte de l'information temporelle dans les acquisitions TEP pour les examens en oncologie thoracique concerne le suivi des mouvements respiratoires. Ces acquisitions permettent de mettre en place des protocoles et des méthodologies visant à corriger leurs effets néfastes à la quantification, et les artefacts associés. L'objectif de ce projet est de développer une méthode de reconstruction permettant de combiner et mettre en oeuvre d'une part les corrections nécessaires à la quantification des données en TEP, et d'autre part la modélisation de la biodistribution du radiotraceur au cours du temps permettant d'obtenir des images paramétriques pour l'oncologie thoracique. Dans un premier temps, une méthodologie de correction des effets de volume partiel intégrant, dans le processus de reconstruction, une déconvolution de Lucy-Richardson associée à un débruitage dans le domaine des ondelettes, a été proposée. Une seconde étude a été consacrée au développement d'une méthodologie combinant une régularisation temporelle des données par l'intermédiaire d'un ensemble de fonctions de base temporelles, avec une méthode de correction des mouvements respiratoires basée sur un modèle élastique. Enfin, dans une troisième étape, le modèle cinétique de Patlak a été intégré dans un algorithme de reconstruction dynamique, et associé à la correction de mouvement afin de permettre la reconstruction directe d'images paramétriques de données thoraciques soumises au mouvement respiratoire. Les paramètres de transformation élastique pour la correction de mouvement ont été calculés à partir des images TEP d'intervalles synchronisés par rapport à l'amplitude de la respiration du patient. Des simulations Monte-Carlo d'un fantôme 4D géométrique avec plusieurs niveaux de statistiques, et du fantôme anthropomorphique NCAT intégrant des courbes d'activités temporelles réalistes pour les différents tissus, ont été réalisées afin de comparer les performances de la méthode de reconstruction paramétrique développée dans ce travail avec une approche 3D standard d'analyse cinétique. L'algorithme proposé a ensuite été testé sur des données cliniques de patients présentant un cancer bronchique non à petites cellules. Enfin, après la validation indépendante de l'algorithme de correction des effets de volume partiel d'une part, et de la reconstruction 4D incorporant la régularisation temporelle d'autre part, sur données simulées et cliniques, ces deux méthodologies ont été associées afin d'optimiser l'estimation de la fonction d'entrée à partir d'une région sanguine des images reconstruites. Les résultats de ce travail démontrent que l'approche de reconstruction paramétrique proposée permet de conserver un niveau de bruit stable dans les régions tumorales lorsque la statistique d'acquisition diminue, contrairement à l'approche d'estimation 3D pour laquelle le niveau de bruit constaté augmente. Ce résultat est intéressant dans l'optique d'une réduction de la durée des intervalles de la reconstruction 4D, permettant ainsi de réduire la durée totale de l'acquisition 4D. De plus, l'utilisation des fonctions d'entrée estimées avec les méthodes de régularisation temporelle proposées ont conduit à améliorer l'estimation des paramètres de Patlak. Enfin, la correction élastique du mouvement amène à une diminution du biais d'estimation des deux paramètres de Patlak, en particulier sur les tumeurs de petites dimensions situées dans des régions sensibles au mouvement respiratoire. / Positron emission tomography (PET) is now considered as the gold standard and the main tool for the diagnosis and therapeutic monitoring of oncology patients, especially due to its quantitative aspects. With the advent of multimodal imaging in combined PET and X-ray CT systems, many methodological developments have been proposed in both pre-processing and data acquisition, image reconstruction, as well as post-processing in order to improve the quantification in PET imaging. Another important aspect of PET imaging is its high temporal resolution and ability to perform dynamic acquisitions, benefiting from the high sensitivity achieved with current systems. PET imaging allows measuring and visualizing changes in the biological distribution of radiopharmaceuticals within the organ of interest over time. This time tracking provides valuable information to physicians on underlying metabolic and physiological processes, which can be extracted using pharmacokinetic modeling. The objective of this project is, by taking advantage of dynamic data in PET/CT imaging, to develop a reconstruction method combining in a single process all the correction methodology required to accurately quantify PET data and, at the same time, include a pharmacokinetic model within the reconstruction in order to create parametric images for applications in oncology. In a first step, a partial volume effect correction methodology integrating, within the reconstruction process, the Lucy-Richardson deconvolution algorithm associated with a wavelet-based denoising method has been introduced. A second study focused on the development of a 4D reconstruction methodology performing temporal regularization of the dataset through a set of temporal basis functions, associated with a respiratory motion correction method based on an elastic deformation model. Finally, in a third step, the Patlak kinetic model has been integrated in a dynamic image reconstruction algorithm and associated with the respiratory motion correction methodology in order to allow the direct reconstruction of parametric images from dynamic thoracic datasets affected by the respiratory motion. The elastic transformation parameters derived for the motion correction have been estimated from respiratory-gated PET images according to the amplitude of the patient respiratory cycle. Monte-carlo simulations of two phantoms, a 4D geometrical phantom, and the anthropomorphic NCAT phantom integrating realistic time activity curves for the different tissues, have been performed in order to compare the performances of the proposed 4D parametric reconstruction algorithm with a standard 3D kinetic analysis approach. The proposed algorithm has then been assessed on clinical datasets of several patients with non small cell lung carcinoma. Finally, following the prior validation of the partial volume effect correction algorithm on one hand, and the 4D reconstruction incorporating the temporal regularization on the other hand, on simulated and clinical datasets, these two methodologies have been associated within the 4D reconstruction algorithm in order to optimize the estimation of image derived input functions. The results of this work show that the proposed direct parametric approach allows to maintain a similar noise level in the tumor regions when the statistic decreases, contrary to the 3D estimation approach for which the observed noise level increases. This result suggests interesting perspectives for the reduction of frame duration reduction of 4D reconstruction, allowing a reduction of the total 4D acquisition duration. In addition, the use of input function estimated with the developed temporal regularization methods led to the improvement of the Patlak parameters estimation. Finally, the elastic respiratory motion correction led to a diminution of the estimation bias of both Patlak parameters, in particular for small lesions located in regions affected by the respiratory motion.