PET画像再構築のための物理ベースの逆レンダリングフレームワーク

科学分野:

• 医療用イメージング
• コンピュータ・グラフィックス
• 計算物理

背景:

• コンピューターグラフィックスにおける逆関数問題では 微分可能なレンダリングが不可欠です
• PET画像の再構築には フォトンの輸送の正確なモデル化が必要です
• 既存の方法には物理的な解釈能力と最適化効率が欠けている可能性があります.

研究 の 目的:

• PET画像の再構築のための物理的にベースの逆レンダリング (IR) フレームワークを開発する.
• 微分可能なレンダリングの原理を活用して PET画像の分析を強化する.
• 信号と騒音の比率とPETイメージングにおける組織コントラストを改善するために.

主な方法:

• 前方レンダリングのための分析プロジェクターで統合されたモンテカルロサンプリング.
• オプティマイゼーションのためのヴォクセルに適したグラデーションを得るための自動微分法を使用.
• 効率的なグラデーション計算のために Dr.Jit プラットフォームを利用した.
• 最大確率期待最大化 (MLEM) アルゴリズムを実装した.

主要な成果:

• IRフレームワークは,CASToRと比較して,より高い信号対ノイズ比 (SNR) と画像品質の改善を達成しました.
• 臨床評価では,ヒポカンプスの標準化された吸収値比 (SUVR) と灰白質比 (GWR) が高かった.
• アルツハイマー病の評価の改善の可能性を示した.

結論:

• 提案されたIRフレームワークは,高精度PET画像再構築のための物理的に解釈可能で拡張可能なプラットフォームを提供します.
• この方法は,幻の脳と臨床の脳PETデータの両方で高い性能を示しています.
• 神経変性疾患のより正確な病期と局所化の可能性を提示しています.