Reconstrucción de imágenes PET TOF en modo lista basada en GPU con técnicas de corrección completas

Área de la Ciencia:

• Imágenes Médicas
• Imágenes Computacionales
• Medicina Nuclear

Sus antecedentes:

• La tomografía por emisión de positrones (PET) es crucial para diagnosticar enfermedades del cáncer, neurológicas y cardiovasculares.
• La imagen PET de alta calidad se ve obstaculizada por la física compleja y el equilibrio entre precisión y eficiencia en la reconstrucción de imágenes.

Objetivo del estudio:

• Desarrollar QuanTOF, un marco de reconstrucción PET acelerado por GPU.
• Integrar correcciones físicas completas y modelado avanzado para mejorar la calidad de imagen.
• Mantener la practicidad clínica en la reconstrucción de imágenes PET.

Principales métodos:

• Se utilizó un algoritmo bayesiano de máxima verosimilitud penalizada acelerado por GPU con modelado de Tiempo de Vuelo (TOF) y Función de Dispersión Puntual (PSF).
• Se implementaron correcciones completas para atenuación, normalización, coincidencias aleatorias y de dispersión.
• Se empleó una simulación de dispersión única (SSS) TOF eficiente en memoria para la corrección de dispersión sobre la marcha.

Principales resultados:

• Se logró una uniformidad comparable a los sistemas comerciales y se resolvieron varillas calientes de 2,4 mm en estudios de fantomas.
• Se redujo el tiempo de corrección de dispersión en dos órdenes de magnitud (<0,05 ± 28,87 s).
• Los médicos calificaron las imágenes de QuanTOF significativamente más alto (3,90 frente a 2,15) en estudios de lectores ciegos.

Conclusiones:

• QuanTOF equilibra eficazmente la precisión y la eficiencia en la reconstrucción PET a través de la optimización de GPU y algoritmos eficientes en memoria.
• El marco ofrece imágenes PET de alta resolución con confianza diagnóstica.
• Demuestra un potencial significativo para aplicaciones clínicas en oncología, neurología y cardiología.