PET rekonstrukció javítása mély neurális hálókkal
A pozitronemissziós tomográfia (PET) napjaink egyik korszerű orvosi képalkotó technikája, amelyet az emberi test belsejének megjelenítésére használnak. A vizsgálat előtt radioaktív nyomjelző anyagot fecskendeznek a betegbe, melyet a szövetek az anyagcsere-sebességükkel arányos ütemben felszívnak. A mérés során a nyomjelző radioaktív bomláson megy keresztül, az ennek során kibocsátott sugárzást pedig a tomográf érzékeli. Ezekből az észlelési eseményekből egy számítógépes szoftver rekonstruálni tudja a páciens testének 3D-s képét. A PET segítségével feltárhatók a rendellenesen működő szervek és szövetek, ami döntő szerepet játszhat a rák vagy a különböző neurológiai rendellenességek, például az epilepszia, a Parkinson-kór, és az Alzheimer-kór diagnosztizálásában.
Számos kihívás bonyolítja a PET vizsgálatokat, úgymint az alacsony felbontás, a nagy zaj, a komplex és számításigényes rekonstrukciós algoritmusok, valamint a nyomjelző kinetikájának reális, de ugyanakkor hatékony modellezésének nehézsége. E kérdések megoldása napjaink aktív kutatási témája.
Ezen TDK dolgozatban mély neurális hálózatokon alapuló módszerek kerülnek bemutatásra a PET képalkotás javítására, két kiválasztott területen. Az első feladat során a cél az úgynevezett vérbemeneti függvény meghatározása, mely azt írja le, hogy mennyi olyan nyomjelző található a vérkeringésben, amelyet a szövetek egy adott időpillanatban fel tudnak szívni. Ezután torzításcsökkentési technikákat vizsgálunk meg, mivel az ML-EM eljárás, a legelterjedtebb PET rekonstrukciós algoritmus által előállított kimenet eredendően pozitív torzítástól szenved az alacsony aktivitású régiókban. Mindkét neurális hálózat a legkorszerűbb architektúrákat használja, és alapos hiperparaméter-optimalizáláson esett át. A javasolt megoldások teljesítményét 2D PET szimulációkban értékeljük ki.
szerző
-
Varnyú Dóra
Villamosmérnöki szak, mesterképzés
mesterképzés (MA/MSc)
konzulens
-
Szirmay-Kalos László
egyetemi tanár, Irányítástechnika és Informatika Tanszék