Marco de renderizado inverso basado en la física para la reconstrucción de imágenes PET

Área de la Ciencia:

• Imágenes médicas
• Gráficos por computadora
• Física computacional

Sus antecedentes:

• La representación diferenciable es crucial para los problemas inversos en gráficos por computadora.
• La reconstrucción de imágenes PET requiere un modelado preciso del transporte de fotones.
• Los métodos existentes pueden carecer de interpretabilidad física y eficiencia de optimización.

Objetivo del estudio:

• Desarrollar un marco de renderizado inverso (IR) basado en la física para la reconstrucción de imágenes PET.
• Aprovechar los principios de renderizado diferenciable para mejorar el análisis de imágenes de PET.
• Para mejorar la relación señal-ruido y el contraste de los tejidos en las imágenes PET.

Principales métodos:

• Muestreo Monte Carlo integrado con un proyector analítico para proyección hacia adelante.
• Se utiliza la diferenciación automática para obtener gradientes de voxel para la optimización.
• Utilizó la plataforma Dr.Jit para el cálculo eficiente del gradiente.
• Implementó el algoritmo de maximización de la expectativa de probabilidad máxima (MLEM).

Principales resultados:

• El marco IR logró una mayor relación señal-ruido (SNR) y una mejor calidad de imagen en comparación con CASToR.
• La evaluación clínica mostró mayores proporciones de valor de absorción estandarizado en el hipocampo (SUVR) y proporciones de materia gris-blanca (GWR).
• Se ha demostrado que mejora el contraste de los tejidos para mejorar la evaluación de la enfermedad de Alzheimer.

Conclusiones:

• El marco de IR propuesto proporciona una plataforma físicamente interpretable y extensible para la reconstrucción de imágenes PET de alta fidelidad.
• El método muestra un gran rendimiento tanto en los datos de PET del cerebro fantasma como en los clínicos.
• Ofrece potencial para una estadificación y localización más precisas de la enfermedad en trastornos neurodegenerativos.