Return to search

Nouvelle méthode spatio-spectrale de correction de la diffusion en tomographie à émission de positons

Nous avons développé une simulation de Monte Carlo rapide pour la tomographie à émission de positons (TEP) fondée sur le code SimSET modélisant la propagation des photons gammas dans le patient et le scanner basé sur un design en blocs. La validation de ce simulateur avec un code bien validé, GATE, et des données acquises sur un scanner TEP GE Discovery STE a montré qu'il modélise précisément les spectres en énergie (erreur inférieure à 4,6%), la résolution spatiale (6,1%), la fraction de diffusé (3,5%), la sensibilité aux coïncidences primaires (2,3%) et les taux de comptage (12,7%). Nous avons ensuite développé une correction de la diffusion incorporant l'énergie des photons détectés en mode liste en plus de la distribution spatiale des coïncidences diffusées. Notre approche est basée sur une reformulation de la fonction de vraisemblance contenant l'information en énergie donnant lieu à un algorithme de reconstruction EM contenant des termes de correction de la diffusion spatiaux et énergétiques. Nous avons aussi proposé une nouvelle méthode de normalisation du sinogramme diffusé utilisant l'information en énergie. Enfin, nous avons développé une méthode d'estimation des spectres primaires et diffusés détectés dans différents secteurs du scanner TEP. Nous avons évalué notre méthode spatio-spectrale de correction de la diffusion ainsi que la méthode spatiale traditionnelle dans des simulations de Monte Carlo réalistes. Ces résultats montrent que notre approche réduit les biais de quantification de 60% dans les régions froides dans les patients obèses, donnant lieu à des erreurs de quantification inférieures à 13% même dans les patients les plus larges en mode 3D (comparé à une erreur de 65% avec la méthode conventionnelle).

Identiferoai:union.ndltd.org:CCSD/oai:tel.archives-ouvertes.fr:tel-00488904
Date05 May 2010
CreatorsBastien, Guérin
PublisherUniversité Pierre et Marie Curie - Paris VI
Source SetsCCSD theses-EN-ligne, France
LanguageFrench
Detected LanguageFrench
TypePhD thesis

Page generated in 0.0021 seconds