ETD

• clustering dinamico
• mappe metaboliche
• metodi di ricostruzione

La tecnica diagnostica PET (Positron Emission Tomography), utilizzata in clinica principalmente per studi metabolici e funzionali, rientra a tutti gli effetti nelle metodiche tomografiche. Una volta acquisiti i dati grezzi, chiamati sinogrammi, attraverso l'utilizzo di metodi di ricostruzione si giunge all'immagine biomedica finale.
Nel corso degli anni, a partire dai primi algoritmi detti analitici, si è potuto assistere ad un notevole sviluppo di queste metodiche con l'obiettivo di migliorare la qualità della ricostruzione e l'accuratezza delle misure quantitative.
Ad oggi, le metodiche MLEM (Maximum Likelihood Expectation Maximization) e OSEM (Ordered Subset Expectation Maximization), che rientrano nel gruppo degli algoritmi iterativi, sono le più utilizzate nell'imaging PET dinamico. Entrambe le suddette metodiche attuano le operazioni di ricostruzione sui singoli frame temporali e a livello di ciascun voxel, senza considerare alcun vincolo spaziale e/o cinetico che potrebbe sussistere tra i voxel stessi.
L'algoritmo sviluppato in questo lavoro di tesi, chiamato DCG-EM (Dynamic Clustering Guided Expectation Maximization), propone di attuare una ricostruzione iterativa secondo un approccio di tipo EM che possa tenere conto di informazioni ricavate a seguito dell'applicazione di un algoritmo di clustering dinamico e adattivo sui dati ricostruiti ad ogni iterazione. Tali informazioni derivano proprio dalla considerazione che voxel appartenenti ad uno stesso tessuto dovrebbero esibire un comportamento temporale simile oltre a presentare una correlazione spaziale. Nella sua implementazione, il clustering dinamico prevede anche un'operazione di fitting di alcuni modelli compartimentali sui dati ricostruiti ad ogni iterazione; la stima dei valori dei parametri cinetici caratteristici di tali modelli verrà sfruttata per la generazione di mappe metaboliche. Infine, l'algoritmo DCG-EM è stato testato su due fantocci sintetici, di cui uno che simula l'anatomia e il metabolismo cerebrale.
Nel presente lavoro, dopo una breve introduzione sulla generazione dei sinogrammi e sui metodi di ricostruzione, verrà trattato nel dettaglio il funzionamento e l'implementazione dell'algoritmo DCG-EM, andando infine a mostrare i risultati derivati dai due tipi di fantocci che mettono in evidenza i vantaggi da esso apportati.