Ee Id
Ee Id
TINJAU
AN
Kata kunci: rekonstruksi analitik ◼ pencitraan 3D sepenuhnya ◼ rekonstruksi berulang Shan Tong1 ,
◼ metode maksimalisasi ekspektasi kemungkinan maksimum ◼ PET
Adam M Alessio1
& Paul E
PET adalah modalitas pencitraan medis yang telah terbukti Kinahan†1
1Departemen Radiologi, Universitas
nilai klinis untuk mendeteksi, menentukan koreksi data. Kami kemudian Data tomografi PET
stadium dan memantau berbagai macam melanjutkan dengan metode ◼ Pernyataan masalah
penyakit. Teknik ini membutuhkan injeksi rekonstruksi untuk data PET 2D Akuisisi & representasi data
radiotracer, yang kemudian dipantau secara dan 3D. Terakhir, kami Pencitraan PET dapat mengukur distribusi
eksternal untuk menghasilkan data PET [1,2]. membahas tantangan saat ini spasial dari proses fungsional aktif, seperti
Melalui algoritma yang berbeda, data PET dalam rekonstruksi citra PET. metabolisme glukosa, dalam jaringan
dapat direkonstruksi ke dalam distribusi spasial Pekerjaan ini berfokus pada hidup. Fisika pencitraan PET dibahas secara
radiotracer. Pencitraan PET memberikan metode rekonstruksi gambar PET rinci di tempat lain [5]. Di sini kami akan
informasi non-invasif, informasi kuantitatif yang umum, dan penjelasan rinci menjelaskan secara singkat proses akuisisi
tentang proses biologis, dan informasi tentang pendekatan yang lebih data. Senyawa fungsional pertama-tama
fungsional tersebut dapat dikombinasikan maju dapat ditemukan dalam dilabeli dengan radioisotop pemancar
dengan informasi anatomi dari CT scan. literatur yang dirujuk. positron. Kemudian senyawa berlabel, yang
Integrasi PET dan CT pada pemindai PET/CT disebut radiotracer, disuntikkan ke dalam
modern memberikan sinergi dua modalitas subjek hidup dan secara istimewa
pencitraan, dan dapat mengarah pada terakumulasi di tempat senyawa tersebut
peningkatan diagnosis penyakit dan dimetabolisme. Saat radioisotop meluruh ke
pemantauan pengobatan [3,4]. keadaan stabil, posi- tron yang dipancarkan
Mengingat pencitraan PET dibatasi oleh bergerak dalam jarak pendek (biasanya <1
tingkat noise yang tinggi dan resolusi spasial mm) dan mengalami pemusnahan,
yang relatif buruk, banyak upaya penelitian menghasilkan dua foton pemusnahan.
telah dikhususkan untuk pengembangan dan Foton bergerak berlawanan arah di
peningkatan metode rekonstruksi gambar PET sepanjang garis yang kira-kira lurus, dan
sejak diperkenalkannya PET pada tahun 1970- dapat dideteksi di luar tubuh oleh pemindai
an. Artikel ini memberikan pengantar singkat PET. Jika dua foton terdeteksi dalam
tentang rekonstruksi tomografi dan gambaran jendela waktu yang singkat (jendela cepat),
umum metode yang umum digunakan untuk pendeteksian ini disebut peristiwa
PET. Kami mulai dengan perumusan masalah kebetulan. Pipa paralel yang
dan kemudian memperkenalkan metode menghubungkan dua elemen detektor
disebut tabung respons (GAMBAR 1). Dengan tidak adanya of Washington, Seattle WA, Amerika Serikat
†Penulisuntuk korespondensi: Tel.:
beberapa efek fisik yang mengganggu, seperti atenuasi, jumlah +1 206 543 0236
total peristiwa kebetulan yang terdeteksi oleh kedua elemen Faksimili: +1 206 543 8356
detektor akan sebanding dengan jumlah total pelacak yang kinahan@u.washington.edu
10.2217/IIM.10.49 © 2010 Future Medicine Ltd Imaging Med (2010) 2(5), 529-545 ISSN 1755-5191 529
◼ Koreksi kuantitatif s x
Untuk mencapai pencitraan kuantitatif di
mana setiap nilai voxel gambar mewakili
konsentrasi aktivitas jaringan yang sebenarnya,
sejumlah faktor koreksi perlu diperkirakan [11].
Peristiwa kebetulan yang diukur dalam jendela
waktu yang cepat P terkait dengan peristiwa
kebetulan yang sebenarnya T sebagai:
P = N^AT + S + (3)
Rh
di mana A, R, S dan N adalah faktor koreksi didominasi oleh hamburan Compton, yang mengurangi energi foton dan
atenuasi, acak, sebaran dan normalisasi yang mengubah arahnya. Apabila foton gagal bergerak sepanjang garis lurus, akibat
akan dijelaskan di bawah ini. Koreksi ini dapat hamburan atau interaksi lainnya, foton akan dilemahkan, yang mewakili
diterapkan pada data PET mentah, atau dapat degradasi terbesar pada data PET. Probabilitas pelemahan untuk pasangan foton
digabungkan dalam metode rekonstruksi pemusnahan yang diberikan tidak bergantung pada posisi pemusnahan di
berulang. sepanjang LOR, sehingga memungkinkan untuk mengoreksi efek ini.
Koreksi atenuasi
Ketika positron yang dipancarkan
memusnahkan diri, maka akan membentuk
dua foton, masing-masing dengan energi 511
keV. Apabila kedua foton ini terdeteksi pada
saat yang sama, keduanya dipasangkan bersama
sebagai peristiwa kebetulan yang sesungguhnya.
Pada energi foton ini, sebagian besar foton
yang dipancarkan akan berinteraksi dalam
subjek sebelum keluar dari tubuh. Interaksi ini
sumb
uz
Aksi
al
HEWAN Pengukuran
PELIHARAAN PET
2D sepenuhnya
pengukuran 3D
Gambar 4. Penampang aksial melalui pemindai PET multiruang yang
menunjukkan akuisisi 2D dan 3D. Dalam mode 2D, pemindai mengumpulkan
data dari bidang langsung dan silang. Dalam mode 3D, pemindai
mengumpulkan data dari semua bidang miring.
di mana P(vs, Ø) adalah transformasi Fourier 1D komputasi dan kesederhanaan implementasi. Rincian algoritme dapat ditemukan
dari proyeksi p(s, Ø), F(vx, vy) adalah transformasi di [26,28]. Di sini kami menjelaskan komponen utama dari metode ini.
Metode intuitif rekonstruksi gambar adalah proyeksi balik, yang merupakan
Fourier 2D dari distribusi objek f(x, y) dan vx
sambungan dari proses akuisisi data proyeksi ke depan.
adalah konjugat domain Fourier untuk x.
Berdasarkan teorema ini, metode Fourier
langsung
telah diusulkan untuk rekonstruksi gambar.
Metode ini mengambil transformasi Fourier 1D
dari setiap baris dalam sinogram (sesuai dengan
satu proyeksi), dan menginterpolasi dan
menjumlahkan hasilnya pada kisi persegi
panjang 2D dalam domain Fourier. Kemudian,
transformasi Fourier 2D invers dibentuk untuk
mendapatkan gambar. Kesulitan utama dalam
rekonstruksi Fourier langsung adalah
interpolasi yang terlibat. Gambar yang
direkonstruksi sangat bergantung pada
keakuratan interpolasi, dan sangat sensitif
terhadap kesalahan interpolasi. Meskipun
interpolasi dapat ditingkatkan dengan fungsi
basis yang berbeda [27], metode Fourier
langsung tidak digunakan secara luas seperti
metode proyeksi balik terfilter, yang akan
dijelaskan selanjutnya.
Gambar 5. Perbandingan rekonstruksi proyeksi balik yang difilter dari data pasien yang
identik dengan tingkat kontrol derau yang berbeda. Tanpa penghalusan (A), filter Hanning 4
mm (B) dan filter Hanning 8 mm (C). Filter Hanning yang lebih luas dalam domain spasial (atau
setara dengan frekuensi cutoff yang lebih rendah dalam domain Fourier) menghasilkan gambar
yang lebih halus.
dengan tingkat noise yang tinggi karena jumlah analitik. Namun
foton yang terbatas. Filter ramp menguatkan demikian, peningkatan ini
komponen frekuensi tinggi, yang didominasi harus mengorbankan
oleh noise, sehingga menyebabkan rekonstruksi peningkatan kompleksitas
yang sangat bising. Salah satu solusinya adalah masalah rekonstruksi,
memodifikasi filter ramp dengan filter low-pass, sehingga tidak
yang menghasilkan filter yang mirip dengan memungkinkan untuk
filter ramp pada frekuensi rendah, tetapi mendapatkan solusi
amplitudonya berkurang pada frekuensi tinggi. analitik secara langsung.
Gambar yang direkonstruksi akan memiliki Akibatnya, masalah
tingkat noise yang berkurang, dengan rekonstruksi diselesaikan
mengorbankan resolusi gambar yang secara iteratif, yang
terdegradasi. Pilihan yang umum digunakan berarti estimasi gambar
adalah filter Hann atau filter Shepp-Logan [25]. secara progresif
Dengan memvariasikan frekuensi cutoff dari
filter, seseorang dapat memperoleh pertukaran
yang diinginkan antara tingkat kebisingan dan
resolusi spasial (GAMBAR 5). Derau pada gambar
yang direkonstruksi dikontrol dengan
mengorbankan resolusi. Idealnya, tradeoff
antara noise dan resolusi harus disesuaikan
untuk mengoptimalkan tugas klinis yang
dihadapi.
hasil. Ketiga faktor ini perlu dipilih secara hati- Pilihan yang berbeda pada ketiga komponen
hati untuk mendapatkan perkiraan gambar yang ini, bersama dengan variasi dalam kriteria dan
diinginkan. Pertama, representasi gambar algoritme, telah menghasilkan berbagai macam
menentukan model untuk gambar. Yang paling metode rekonstruksi berulang [6,29,30]. Kami
umum adalah menggunakan piksel yang tidak akan fokus pada dua metode yang paling
jelas (elemen gambar 2D) atau vektor (elemen representatif dalam diskusi berikut ini, dan
gambar 3D) untuk mendiskritisasi domain kemudian meninjau secara singkat jenis
gambar. Metode alternatif telah diusulkan. rekonstruksi berulang lainnya.
Salah satu contohnya adalah 'gumpalan', yang
memiliki simetri bola dan profil radial Metode MLEM
berbentuk lonceng [27,33]. Kedua, model Estimasi kemungkinan maksimum adalah
pencitraan menggambarkan fisika proses metode estimasi statistik standar. Metode ini
pengukuran. Model ini menghubungkan citra menghasilkan estimasi yang memaksimalkan
dengan data. Matriks pencitraan H pada fungsi likelihood (yaitu estimasi yang 'paling
PERSAMAAN 2 adalah model seperti itu, di mana mungkin' mengarah ke data yang diukur).
setiap elemen Hij berisi probabilitas bahwa Algoritma EM adalah algoritma yang efisien
elemen citra fj berkontribusi pada elemen data pi. untuk menemukan estimasi ML. Rekonstruksi
Matriks ini dapat memodelkan pemetaan gambar MLEM memberikan dasar bagi banyak
geometris dari objek ke data, atau dapat juga metode iteratif yang populer. Metode ini
mencakup efek fisik lainnya seperti atenuasi dan mengadopsi ML sebagai kriteria optimasi, dan
pengaburan detektor. Untuk yang terakhir, menggunakan algoritma EM untuk
matriks pencitraan dapat difaktorkan sebagai: menemukan solusi optimal.
Algoritme EM, pertama kali dijelaskan secara rinci
H = Hsensitivitas Hblur Hattenuasi Hgeometri Hpositron (7) oleh Dempster dkk. [37], adalah algoritma
numerik untuk menyelesaikan masalah data
tidak lengkap dalam statistik.
dengan setiap matriks mewakili satu komponen Algoritma umum ini kemudian diperkenalkan
fisik [30,34,35]. Ketiga, model statistik pada rekonstruksi tomografi emisi [38,39]. Untuk
menggambarkan ketidakpastian pengukuran rekonstruksi gambar dengan kemungkinan
PET (yaitu distribusi probabilitas pengukuran Poisson, metode MLEM adalah persamaan
di sekitar nilai rata-ratanya). Karena deteksi iteratif sederhana:
foton didistribusikan secara Poisson, sebagian
besar metode j
ftj(n)
mengadopsi model Poisson. Namun, distribusi ft (n +1) = pi
(8)
/ Hi'j
/Hij
ft
pengukuran dapat diubah dengan koreksi data. i'
i
/H
k
ik k (n)
langkah seperti yang dijelaskan sebelumnya, di mana jft (n) adalah estimasi gambar untuk voxel j pada
sehingga model lain telah diusulkan (misalnya, iterasi n. Alur algoritme ditunjukkan pada
model Poisson bergeser [36]) untuk GAMBAR 6. Tebakan awal ft (0) (sering
j
kali kosong
menggambarkan statistik data secara lebih
akurat.
Perkiraan gambar
baru
(2) Bandingkan
(4) Memperbarui
gambar dengan proyeksi
terukur
atau gambar skala abu-abu seragam) di mana b adalah indeks untuk subiterasi (yaitu,
diproyeksikan ke depan ke dalam domain pembaruan dengan satu subset data), dan
proyeksi (penyebut di sisi kanan). Kemudian, ft (n,0) = ft (n-1), ft (n,B) = ft (n). Setiap lintasan dari seluruh
perbandingan antara esti- i j j j
Proyeksi yang dikawinkan dan diukur dengan pergantian ruang
ditentukan [46]. Kategori metode yang
dengan menghitung rasionya. Rasio dalam lebih besar, di mana
domain proyeksi ini diproyeksikan kembali ke ordered subsets EM
domain gambar dan diberi bobot yang tepat, (OSEM) adalah yang
sehingga menghasilkan istilah koreksi. j paling populer, hanya
Akhirnya, estimasi gambar saat ini ft (n) dikalikan menggunakan sebagian
dengan istilah j
koreksi, menghasilkan estimasi data pada setiap
baru ft (n + 1). Proses ini diulangi dan estimasi pembaruan [47-49].
gambar konvergen ke solusi ML. Meskipun Algoritma OSEM [47]
algoritma MLEM memiliki perilaku mempartisi data proyeksi
konvergensi yang konsisten dan dapat ke dalam B subset
diprediksi, algoritma ini memiliki dua (biasanya saling terpisah)
kelemahan utama. Pertama, metode ini dan hanya menggunakan
menghasilkan gambar yang sangat berisik satu subset data Sb untuk
karena kondisi masalah yang tidak baik [39]. setiap pembaruan. Ini
Salah satu solusi yang umum adalah menghasilkan sedikit
menghentikan algoritma sebelum konvergensi, modifikasi dari
dan beberapa aturan penghentian telah persamaan pembaruan:
diusulkan [40,41]. Solusi lainnya adalah
menerapkan filter penghalus pada gambar yang
direkonstruksi untuk mengurangi noise [42].
Demikian juga, saringan (operasi yang
menekan derau frekuensi tinggi) dapat
diterapkan selama setiap iterasi untuk
menerapkan kehalusan [43].
Solusi ini mengurangi noise dengan
mengorbankan peningkatan bias.
Kelemahan kedua dari MLEM adalah
konvergensinya yang lambat. Meskipun
algoritme ini dihentikan di awal praktiknya,
algoritme ini biasanya membutuhkan banyak
iterasi (sekitar 30-100 iterasi dengan data PET
yang umum) untuk mencapai solusi yang dapat
diterima. Karena setiap iterasi melibatkan
proyeksi ke depan dan ke belakang, dan
rekonstruksi FBP setara dengan satu proyeksi ke
belakang, metode MLEM membutuhkan waktu
komputasi yang jauh lebih lama daripada
metode FBP.
1 subset
5
himpunan
bagian
10
himpunan
bagian
Dengan menggunakan model statistik untuk Pengetahuan apriori, atau 'prior', sering kali
data dan citra, kita akan sampai pada menjadi kendala kelancaran [46,52], yang
perumusan rekonstruksi maxi-mum a posteriori memberlakukan metode kontrol noise yang
(MAP). Alih-alih memaksimalkan fungsi lebih elegan daripada penghentian algoritma
likelihood, algo- ritma ini berusaha untuk secara dini. Prior juga dapat mencakup
memaksimalkan densitas probabilitas posterior, informasi anatomi dari modalitas pencitraan
sehingga model apriori dari distribusi citra lain seperti CT atau MRI [53,54]. Solusi MAP
diberlakukan dalam rekonstruksi. Hasil dari dapat dihitung dengan menggunakan
algoritma ini adalah generalisasi dari EM
4 4 4 4
3 3 3 3
2 2 2 2
1 1 1 1
0 0 0 0
Gambar 9. Irisan transaksial dari simulasi gambar PET batang tubuh. Baris kedua memplot
profil horizontal melalui irisan dengan garis solid. Gambar direkonstruksi dengan (A) proyeksi balik
yang difilter, (B) kuadrat terkecil berbobot konvensional, (C) kuadrat terkecil berbobot dengan model
sistem yang lebih baik dan (D) kuadrat terkecil berbobot dengan model sistem yang lebih baik dan
anatomi sebelumnya.
Direproduksi dari [73].
algoritma [52,55,56], dan metode subset terurut dapat Fitur kedua dari data PET 3D adalah
diterapkan untuk mempercepat rekonstruksi redundansinya. Ingat dalam pencitraan 2D,
MAP [57,58]. Tantangan dari metode MAP volume gambar 3D direkonstruksi dengan
termasuk penentuan besarnya pengaruh yang menumpuk gambar yang terstruktur ulang dari
diinginkan dari prior dan permintaan masing-masing sinogram 2D melintang. Jadi,
komputasi tambahan untuk menerapkan kumpulan sinogram 2D saja sudah
informasi prior ini. mengandung informasi yang cukup untuk
Prior dalam rekonstruksi MAP dapat merekonstruksi volume gambar 3D. Dalam hal
dianggap sebagai penalti pada solusi untuk ini, data PET 3D sepenuhnya, yang berisi
menegakkan sifat-sifat yang diinginkan, deteksi dari bidang melintang dan miring,
sehingga metode MAP kadang-kadang disebut memiliki redundansi yang melekat. Redundansi
metode ML berpenalti. Formulasi penalti ini ini dapat dimanfaatkan untuk meningkatkan
dapat diperluas ke metode kuadrat terkecil performa signal-to-noise. Dan seperti yang
tradisional. Salah satu metode yang akan kita bahas nanti, fitur ini juga
representatif adalah algoritma kuadrat terkecil memberikan solusi untuk rekonstruksi analitik
berbobot [59,60], yang ekuivalen dengan metode 3D.
MAP dengan model likelihood Gaussian dalam
kondisi tertentu dari varians data [61]. ◼ Metode pembenahan ulang
Solusi intuitif untuk rekonstruksi PET 3D
Rekonstruksi gambar PET 3D tergantung pada posisi
◼ Data PET sepenuhnya 3D sumber titik di bidang
Pencitraan PET 3D sepenuhnya memperoleh pandang pemindai,
data dari bidang pencitraan melintang dan menyebabkan komplikasi
miring, menawarkan peningkatan sensitivitas untuk rekonstruksi
pemindai dan berpotensi meningkatkan kinerja gambar analitik [25].
signal-to-noise. Data PET 3D sepenuhnya
berbeda dari data 2D dalam dua aspek: respons
pemindai yang bervariasi secara spasial dan
redundansi data. Pada pencitraan 2D, detektor
simetris secara rotasi, sehingga proyeksi tersedia
pada semua sudut dalam bidang pencitraan.
Analog 3D adalah pemindai berbentuk bola
dengan detektor yang mengelilingi objek, yang
dalam praktiknya tidak realistis. Karena
sebagian besar pemindai PET memiliki
geometri silinder, proyeksi terpotong pada arah
aksial karena panjang aksial pemindai yang
terbatas, sehingga menghasilkan varians yang
besar dalam respons pemindai. Intensitas yang
diamati dari sumber titik akan bervariasi
distorsi yang lebih sedikit [64]. Metode besar karena penambahan dimensi dalam
rebinning serupa termasuk FOREX [63,65] dan domain gambar dan proyeksi. Peningkatan ini
FORE-J [66], dan hubungannya dengan FORE membutuhkan lebih banyak ruang
dibahas dalam [66]. penyimpanan data dan lebih banyak waktu
Metode rebinning menguraikan masalah komputasi. Salah satu alat yang berguna adalah
rekonstruksi 3D menjadi satu set masalah 2D. model sistem terfaktor [30,34,35], seperti yang
Hal ini sangat mengurangi penyimpanan data ditunjukkan pada PERSAMAAN 7. Kemajuan dalam
dan kebutuhan komputasi. Lebih penting lagi, pemrosesan komputer dan algoritme yang lebih
data PET 3D yang telah di-rebinning dapat cepat membantu mengatasi tantangan ini.
direkonstruksi
menggunakan rekonstruksi 2D analitik atau iteratif.
metode rebinning. Keterbatasan metode 3D analitik. Untuk PET 3D, objek diwakili oleh sekumpulan voxel, bukan piksel
rebinning adalah bahwa metode ini 2D, dan model pencitraan menghubungkan aktivitas voxel dengan proyeksi 3D.
menyebabkan distorsi spasial atau amplifikasi Tantangan utama untuk rekonstruksi iteratif 3D sepenuhnya adalah
noise. kebutuhan komputasi. Model pencitraan H menjadi sangat
r
e
k
o
n
s
t
r
u
k
s
i
Gambar 11. Dua irisan transaksial dari studi fluorodeoxyglucose [18F] otak
pasien. (A) Rekonstruksi menggunakan pemodelan fungsi penyebaran titik
dan pemodelan garis respons pemindai. (B) Rekonstruksi dengan pemodelan garis
respons pemindai dan postfilter Gaussian 3 mm. Gambar pada (A) dan (B)
memiliki variabilitas piksel-ke-piksel yang sesuai pada materi putih pusat.
Rekonstruksi berbasis fungsi penyebaran titik dapat menyelesaikan fitur dengan
lebih jelas.
◼ Penggabungan informasi
anatomi
Pencitraan PET memiliki resolusi yang relatif
rendah dibandingkan dengan modalitas
pencitraan anatomi seperti CT dan MRI.
Pemindai PET/CT menawarkan keuntungan
berupa informasi anatomi (dari gambar CT)
yang dapat dimasukkan ke dalam rekonstruksi
gambar PET. Informasi anatomi tersebut dapat
memandu rekonstruksi gambar PET dan
regularisasi noise, yang mengarah pada
peningkatan kualitas gambar dalam hal rasio
signal-to-noise dan akurasi kuantitatif pada
resolusi pada gambar yang direkonstruksi Kemudian dengan model kinetik pelacak, kumpulan gambar aktivitas yang
(GAMBAR 11) [87,88]. Pemodelan PSF juga dapat
direkonstruksi dapat digunakan untuk memperkirakan parameter fisiologis yang
meningkatkan pemulihan kontras [92,93] dan diminati (misalnya, laju metabolisme, perfusi jaringan) untuk wilayah yang
deteksi lesi [94]. Namun, ada pengakuan yang dipilih atau setiap voxel [102]. Secara konvensional, spasial
berkembang bahwa hasil rekonstruksi berbasis
PSF memiliki sifat noise yang berbeda [92] dan
mungkin mengandung kesalahan pengukuran
(misalnya, overshoot pada tepi objek, sering
disebut sebagai efek Gibbs) [89], yang masih
dalam evaluasi.
◼ Koreksi gerakan
Mengingat data untuk satu bidang pandang
pencitraan PET sering kali diperoleh dalam
waktu 2-5 menit, gerakan pasien selama
pencitraan dapat memengaruhi kinerja deteksi
dan kuantisasi PET. Strategi yang tepat
diperlukan untuk mengoreksi gerakan pasien
berskala besar (misalnya, gerakan kepala),
gerakan jantung, dan gerakan pernapasan.
Gerakan kepala diasumsikan kaku (yaitu, hanya
terdiri dari transformasi translasi dan rotasi).
Metode koreksi termasuk mendaftarkan
gambar yang diperoleh pada frame yang
berbeda [95], atau menggunakan data yang
diproyeksikan ke depan untuk deteksi gerakan
[96]. Pendekatan alternatif adalah mengoreksi
efek gerakan pada langkah pasca-pemrosesan,
dengan menggunakan algoritme dekonvolusi
[97]. Kompensasi untuk gerakan jantung dan
pernapasan yang tidak kaku biasanya
melibatkan metode gating, dengan setiap frame
yang digating mewakili siklus jantung atau
pernapasan tertentu (GAMBAR 12) [98]. Salah satu
metode koreksi adalah solusi dua langkah:
estimasi gerakan awal dari gambar gated (tanpa
koreksi gerakan dalam rekonstruksi), diikuti
dengan rekonstruksi yang disempurnakan
termasuk informasi gerakan [99]. Pendekatan
alternatif adalah memperkirakan gerakan dalam
langkah rekonstruksi [100,101].
◼ Rekonstruksi
dinamis/parametrik 4D
Pencitraan PET dinamis dapat dilakukan
melalui urutan akuisisi yang berdekatan, atau
akuisisi mode daftar yang diikuti oleh
spesifikasi bingkai waktu, semuanya mengarah
ke kumpulan data 4D. Akuisisi mode daftar
mencatat waktu deteksi setiap kejadian
kebetulan selain koordinat spasialnya. Dengan
pengelompokan ulang data yang tepat, data
mode daftar dapat diformat ulang menjadi
urutan bingkai waktu. Gambar distribusi
radioaktivitas pada setiap bingkai temporal
dapat direkonstruksi, menghasilkan perkiraan
perubahan aktivitas dari waktu ke waktu.
550 Imaging Med. (2010) kelompok sains masa
2(5) depan
distribusi berhubungan dengan dekorasi, yang
direkonstruk memungkinkan rekonstruksi yang cepat [106].
si secara Beberapa pendekatan juga mencoba
merekonstruksiRekonstruksi gambar untuk
gambar parametrik pemindai PET/CT
langsung
independen
untuk setiap dari data PET TINJAUAN
[107]. Artikel-artikel ulasan ini
bingkai memberikan diskusi yang lebih luas dan lebih
pencitraan. rinci tentang topik ini [108,109].
Akan tetapi,
pendekatan ◼ Rekonstruksi untuk
frame-by- pemindai khusus aplikasi
frame ini Sejak tahun 1990-an, kemajuan dalam
gagal instrumentasi [110] dan algoritme rekonstruksi
[35,111] telah meningkatkan resolusi spasial PET.
mengeksplor
asi informasi Kemajuan ini telah memungkinkan penerapan
temporal dari PET pada pencitraan hewan kecil (tikus dan
data dinamis, tikus), yang merupakan model penyakit
dan manusia yang tak ternilai harganya. Pencitraan
menyebabka PET hewan kecil telah memungkinkan
n pengujian cepat obat baru [112] dan
rekonstruksi meningkatkan pemahaman tentang ekspresi gen
[113]. Pembaca yang tertarik dirujuk ke artikel
yang berisik
karena ulasan ini untuk diskusi komprehensif tentang
rendahnya instrumentasi dan metodologi PET hewan kecil
[114,115]. Secara umum, sistem ini menawarkan
rasio signal-
to-noise data. tantangan yang menarik untuk rekonstruksi
Cara yang gambar karena membutuhkan kinerja resolusi
lebih tepat tinggi dan sering kali mengandung geometri
adalah baru, seperti sistem dengan celah detektor yang
melakukan besar atau gantry yang berputar.
rekonstruksi Kombinasi PET dan MRI saat ini
gambar atau merupakan area penelitian yang aktif. MRI
parameter memberikan gambar struktural dengan resolusi
kinetik dari spasial yang tinggi dan kontras jaringan lunak
kumpulan yang sangat baik. Pemindai MRI/PET yang
data 4D, terintegrasi dapat memungkinkan akuisisi
dengan simultan dari dua modalitas pencitraan dalam
menyertakan geometri yang tetap, dengan membangun
pemodelan sisipan PET ke dalam
temporal
tertentu Paru-paru
dalam
rekonstruksi.
Fungsi dasar
temporal Hati
yang halus
dapat
Gambar 12. Gambar lesi hati dari studi FDG seluruh tubuh.
digunakan
(A) Gerakan pernapasan menyebabkan keburaman lesi (tanda panah) dalam
untuk gambar yang direkonstruksi. (B) Koreksi gerakan pernapasan mengurangi
membatasi keburaman.
pilihan kurva
aktivitas
waktu yang
mungkin
[103-105].
Analisis
komponen
prinsip dapat
digunakan
untuk
mengubah
data PET
dinamis
menjadi set
yang
kelompok sains masa www.futuremedicine.com 551
depan
TINJAUAN Tong, Alessio &
Kinahan
pemindai MRI yang sudah ada atau kuantifikasi PET yang lebih akurat. Sebagai
mengadopsi desain pemindai MRI yang baru contoh, metabolisme tumor melalui FDG-
[116]. Sistem ini memberikan gambar MRI PET/CT dapat digunakan sebagai biomarker,
resolusi tinggi yang selaras, yang dapat yang harus akurat dan dapat direproduksi dalam
digunakan sebagai prior anatomi untuk uji klinis multisenter, multivendor, dan meta-
rekonstruksi gambar PET dan memfasilitasi analisis. Upaya tambahan diperlukan untuk
lokalisasi sinyal PET yang tepat. Pemindaian mengembangkan teknik rekonstruksi gambar
MRI/PET yang terintegrasi kemungkinan akan yang layak secara klinis yang memberikan
menghasilkan peluang baru: misalnya, estimasi kuantitatif yang akurat dan tepat dari
mencitrakan dua target molekuler dengan distribusi pelacak, terlepas dari ukuran fitur,
probe pencitraan MRI dan PET yang berbeda bentuk dan lokasi. Rekonstruksi gambar
[117]. Salah satu tantangan dari sistem kuantitatif yang lebih baik, bersama dengan
terintegrasi adalah interferensi antara dua kemajuan lain dalam instrumentasi dan
modalitas, yang harus diminimalkan untuk pemrosesan data, dapat meningkatkan
mencapai kinerja yang konsisten dengan penggunaan pencitraan PET / CT dalam
perangkat PET atau MRI yang berdiri sendiri. perawatan pasien dan dalam studi klinis
Tantangan lainnya adalah koreksi atenuasi data patofisiologi dan intervensi terapeutik [120].
PET menggunakan gambar MRI, yang berada
di luar
ruang lingkup artikel ini. Detail dari terintegrasi
Sistem MRI/PET disajikan dalam artikel ulasan Pengungkapan kepentingan keuangan & kepentingan yang
ini [116-119]. bersaing
Pekerjaan ini didukung oleh hibah NIH HL086713,
CA74135 dan CA115870, dan dengan hibah dari GE
Perspektif masa depan Kesehatan. Para penulis tidak memiliki afiliasi atau
Rekonstruksi gambar PET adalah bidang yang keterlibatan keuangan yang relevan dengan organisasi atau
telah diteliti dengan baik namun terus entitas mana pun yang memiliki kepentingan keuangan
berkembang. Selain tantangan yang dibahas di atau konflik keuangan dengan pokok bahasan atau materi
atas (pencitraan TOF, pemodelan sistem yang yang dibahas dalam naskah ini selain yang telah
lebih baik, koreksi gerakan dan pencitraan diungkapkan.
dinamis), ada upaya lain yang sedang Tidak ada bantuan penulisan yang digunakan dalam
berlangsung di bidang ini. Ada kebutuhan yang pembuatan naskah ini.
terus meningkat untuk
Ringkasan eksekutif
▪ Rekonstruksi gambar PET biasanya diformulasikan sebagai masalah invers linier. Sejumlah koreksi diperlukan untuk menghasilkan hasil
rekonstruksi kuantitatif.
▪ Metode rekonstruksi analitik memberikan solusi yang cepat dan langsung, tetapi tidak dapat memodelkan efek fisik pemindai PET
atau variabilitas statistik dalam pendeteksian foton. Proyeksi balik yang difilter adalah algoritme yang paling banyak digunakan
untuk rekonstruksi analitik.
▪ Metode rekonstruksi berulang dapat memodelkan noise statistik dari data PET dan efek fisik, sehingga menghasilkan rekonstruksi yang lebih
akurat dan meningkatkan kompleksitas masalah.
▪ Semua metode iteratif dapat dicirikan dengan dua komponen utama: satu set kriteria yang ditentukan secara matematis yang
mendefinisikan gambar 'terbaik', dan algoritma untuk menemukan solusinya.
▪ Rekonstruksi gambar ekspektasi-maksimisasi kemungkinan-maksimum menggunakan kemungkinan-maksimum sebagai kriteria
pengoptimalan, dan menggunakan algoritme ekspektasi-maksimisasi untuk menemukan solusi kemungkinan-maksimum. Variannya
yang populer, algoritma ekspektasi-maksimisasi himpunan bagian terurut, menggunakan himpunan bagian terurut untuk mempercepat
konvergensi. Biasanya rekonstruksi ekspektasi-maksimisasi himpunan bagian terurut dihentikan pada iterasi awal dan dilakukan
postmoothing untuk menekan noise.
▪ Tantangan saat ini dalam rekonstruksi gambar PET meliputi: kuantifikasi yang lebih akurat, pencitraan TOF, pemodelan sistem,
koreksi gerakan, dan pencitraan dinamis.
Dasar. Springer, London, Inggris PET/CT: apakah ada bedanya? J. Nucl. Med. 48(1), 36S-
Daftar Pustaka (2005). 44S (2007).
Makalah dengan catatan khusus telah disorot 2 Phelps ME: PET: Pencitraan Molekuler
sebagai: dan Aplikasi Biologisnya. Springer,
◼◼ sangat menarik
London, Inggris (2004).
1 Bailey D, Townsend D, Valk PE et al: 3 Weber WA, Figlin R: Memantau
Tomografi Emisi Positron: Ilmu Pengetahuan pengobatan kanker dengan
52 Hebert T, Leahy RM: Algoritma EM yang 66 Defrise M, Liu X: Algoritma 67 Kinahan PE, Rogers JG: Rekonstruksi citra 3D analitik
digeneralisasi untuk rekonstruksi Bayesian 3- rebinning cepat untuk tomografi menggunakan semua kejadian yang terdeteksi. IEEE Trans. Nucl.
D untuk data Poisson menggunakan prior emisi positron 3D menggunakan Sci. 36, 964-968 (1989).
Gibbs. IEEE Trans. Med. Imag. 8(2), 194- persamaan John. Inverse Probl. 15, 68 Defrise M, Kinahan PE: Akuisisi data dan rekonstruksi gambar
202 (1989). 1047-1065 untuk PET 3D.
53 Bowsher JE, Johnson VE, Turkington TG (1999). Dalam: Teori dan Praktik PET 3D 32.
et al: Rekonstruksi Bayesian dan Townsend DW, Bendriem B (Eds). Kluwer Academic Publishers,
penggunaan informasi apriori anatomi Dordrecht, Belanda, 11-54 (1998).
untuk tomografi emisi. IEEE Trans. Med. 69 Fessler JA, Clinthorne NH, Rogers WL: Rekonstruksi citra emisi yang
Imag. 15(5), 673-686 (1996). diregulasi menggunakan informasi sisi yang tidak sempurna. IEEE
54 Gindi G, Lee M, Rangarajan A et al: Trans. Nucl. Sci. 39(5), 1464-1471 (1992).
Rekonstruksi Bayesian dari gambar fungsional 70 Comtat C, Kinahan PE, Fessler JA et al: Rekonstruksi yang layak
menggunakan informasi anatomi sebagai secara klinis dari data PET/CT seluruh tubuh 3D menggunakan
prior. IEEE Trans. Med. Imag. 12, 670-680 label anatomi yang kabur. Phys. Med. Biol. 47, 1-20 (2002).
(1993).
71 Cheng PM, Kinahan PE, Alessio A et al: Koreksi volume parsial
55 De Pierro AR: Algoritma maksimisasi pasca-rekonstruksi p a d a pencitraan PET/CT menggunakan
ekspektasi yang dimodifikasi untuk estimasi informasi CT. Dipresentasikan di: Masyarakat Radiologi Amerika
kemungkinan yang dihukum dalam tomografi Utara. Chicago, IL, AS, 28 November - 3 Desember 2004 (Abstrak
emisi. IEEE Trans. Med. Imag. 14(1), 132-137 371).
(1995).
72 Boussion N, Hatt M, Lamare F et al:
56 Green PJ: Rekonstruksi Bayesian untuk data Pendekatan berbasis gambar multiresolusi untuk koreksi efek volume
tomografi emisi menggunakan algoritma EM parsial dalam tomografi emisi. Phys. Med. Biol. 51(7), 1857-1876
yang dimodifikasi. IEEE Trans. Med. Imag. (2006).
9(1), 84-93 (1990).
73 Alessio A, Kinahan P: Kuantisasi yang lebih baik untuk rekonstruksi
57 De Pierro AR, Yamagishi M: Metode cepat gambar PET/CT dengan pemodelan sistem dan prior anatomi. Med.
seperti EM untuk estimasi a posteriori Phys. 33, 4095-4103 (2006).
maksimum dalam tomografi emisi. IEEE
Trans. Med. Imag. 20(4), 280-288 (2001). 74 Rangarajan A, Hsiao IT, Gindi G: Kerangka kerja campuran gabungan
Bayesian untuk integrasi informasi anatomi dalam rekonstruksi citra
58 Lalush DS, Frey EC, Tsui BMW: Perkiraan fungsional. J. Matematika. Pencitraan Vis. 12, 199-217 (2000).
entropi maksimum yang cepat dalam SPECT
menggunakan algoritma RBI-MAP. IEEE 75 Somayajula S, Asma E, Leahy R: Rekonstruksi citra PET
Trans. Med. Imag. 19(4), 286-294 (2000). menggunakan informasi anatomi melalui prior berbasis informasi
timbal balik. Catatan Konferensi Simposium Sains Nuklir 2722-2726
59 Fessler JA: Rekonstruksi citra kuadrat (2005).
terkecil berbobot untuk tomografi emisi
positron. IEEE Trans. Med. Imag. 13(2), 76 Cohade C, Osman M, Marshall LT et al: PET/CT: akurasi registrasi
290-300 (1994). spasial PET dan CT pada lesi paru. Eur. J. Nucl. Med. 30, 721-726
(2003).
60 Kaufman L: Kemungkinan maksimum,
kuadrat terkecil, dan kuadrat terkecil 77 Osman M, Cohade C, Nakamoto Y et al: Lokalisasi lesi yang tidak
berpenalti untuk PET. IEEE Trans. Med. akurat secara klinis yang signifikan dengan PET/CT: frekuensi pada
Imag. 12(2), 200-214 300 pasien. J. Nucl. Med. 44, 240-243 (2003).
(1993). 78 Camara O, Delso G, Colliot O et al: Penggabungan eksplisit informasi
61 Lalush D, Tsui B: Algoritma rekonstruksi anatomi sebelumnya ke dalam registrasi non-kaku CT toraks dan
gradien konjugat a posteriori maksimum yang abdomen serta gambar PET emisi seluruh tubuh 18-FDG. IEEE
cepat dan stabil. Med. Phys. 22(8), 1273-1284 Trans. Med. Imag. 26(2), 164-178 (2007).
(1995). 79 Qiao F, Pan T, Clark J et al: Model gerak dan anatomi sendi untuk
62 Daube-Witherspoon ME, Muehllehner G: rekonstruksi citra PET. Med. Phys. 34(12),
Perlakuan terhadap data aksial dalam PET 4626-4639 (2007).
tiga dimensi. J. Nucl. Med. 28, 1717-1724
(1987).
63 Defrise M, Kinahan PE, Townsend DW et al:
Algoritma rebinning yang tepat dan perkiraan
untuk data PET 3-D. IEEE Trans. Med. Imag.
16(2), 145-158 (1997).
64 Matej S, Karp JS, Lewitt RM et al: Kinerja
algoritma rebinning Fourier untuk PET
dengan sudut penerimaan yang besar. Phys.
Med. Biol. 43, 787-795 (1998).
65 Liu X, Defrise M, Michel C et al: Metode
rebinning yang tepat untuk PET tiga dimensi.
IEEE Trans. Med. Imag. 18(8), 657-664
(1999).
94 Kadrmas DJ, Casey M, Black N et al: Dasar-dasar PET dan SPECT. Wernick M, 111 Chatziioannou A, Qi J, Moore A et al:
Perbandingan eksperimental dari kemampuan Avarsvold J (Eds). Elsevier, London, Inggris, Perbandingan algoritma a posteriori
deteksi lesi untuk skema rekonstruksi PET 3D 499-540 (2004). maksimum 3D dan algoritma proyeksi balik
sepenuhnya. IEEE Trans. Med. Imag. 28(4), 103 Nichols TE, Qi J, Asma E et al: Rekonstruksi yang difilter untuk
523-534 (2009). spatiotemporal dari data PET mode-daftar. resolusi tinggi dan pencitraan hewan
95 Tellman L, Fulton R, Pietrzyk U et al: IEEE Trans. Med. Imag. 21(4), 396-404 dengan microPET. IEEE Trans. Med.
Konsep registrasi dan koreksi gerakan (2002). Imag. 19(5), 507-512 (2000).
kepala dalam emisi positron 104 Verhaeghe Y, D'Asseler Y, Vandenberghe S et 112 Cherry SR: Dasar-dasar tomografi emisi
tomografi. Med. Phys. 16(1), 67-74 (2006). al: Investigasi teknik regularisasi temporal positron dan aplikasi dalam
96 Hutton BF, Kyme AZ, Lau YH et al: untuk rekonstruksi PET dinamis pengembangan obat praklinis. J. Clin.
Algoritma rekonstruksi/registrasi 3D hibrida menggunakan spline temporal. Med. Phys. 34 Farmakol. 41, 482-491 (2001).
untuk koreksi gerakan kepala dalam tomografi (5), 1766-1778 (2007). 113 Gambhir SS, Herschman HR, Cherry SR
emisi. IEEE Trans. Nucl. Sci. 49, 188-194 105 Pembaca AJ, Sureau F, Comtat C et al: et al: Pencitraan ekspresi transgen dengan
(2002). Estimasi gabungan gambar PET dinamis dan teknologi pencitraan radionuklida. Neoplasia
97 Menke M, Atkins MS, Buckley KR: fungsi dasar temporal menggunakan ML-EM 2, 118-138 (2000).
Metode kompensasi untuk gerakan kepala 4D sepenuhnya. Phys. Med. Biol. 51(21), 114 Chatziioannou A: Pencitraan molekuler hewan
yang terdeteksi selama pencitraan PET. 5455-5474 (2006). kecil dengan tomograf PET khusus. Eur. J.
IEEE Trans. Nucl. Sci. 43, 310-317 (1996). 106 Wernick MN, Infusion EJ, Milosevic M: Nucl. Med. 29(1), 98-114 (2002).
98 Visvikis D, Lamare F, Bruyant P et al: Rekonstruksi gambar spatio-temporal yang 115 Rowland DJ, Cherry SR: Instrumentasi dan
Gerakan pernapasan dalam tomografi cepat untuk PET dinamis. IEEE Trans. Med. metodologi kedokteran nuklir praklinis hewan
emisi positron untuk aplikasi onkologi: Imag. 18(3), 185-195 (1999). kecil. Semin. Nucl. Med. 28(3), 209-222
masalah dan solusi. Nucl. Instrum. Metode 107 Kamsak ME, Bouman C, Morris ED (2008).
Phys. Res. 569, 453-457 (2006). et al: Rekonstruksi langsung gambar parameter 116 Cherry SR: Pencitraan multimodalitas: di luar
99 Gravier E, Yang Y: Rekonstruksi kompensasi kinetik dari data PET dinamis. IEEE Trans. PET/CT dan SPECT/CT. Semin. Nucl. Med.
gerak dari urutan gambar tomografi. IEEE Med. Imag. 24(5), 636-650 39(5), 348-353 (2009).
Trans. Nucl. Sci. 52, 51-56 (2005). (2005). 117 Cherry SR, Louie AY, Jacobs RE: Integrasi
100 Cao Z, Gilland DR, Mair B et al: Estimasi 108 Tsoumpas C, Turkheimer F, Thielemans K: tomografi emisi positron dengan pencitraan
gerakan tiga dimensi dengan rekonstruksi Studi metode estimasi parametrik langsung resonansi magnetik. Pros IEEE 96(3), 416-438
gambar untuk ECT jantung berpagar. dan tidak langsung dari model linier dalam (2008).
IEEE Trans. Nucl. Sci. 50, 384-388 (2003). tomografi emisi positron dinamis. Med. Phys. 118 Cherry SR: Pencitraan molekuler dan
101 Jacobs M, Fessler JA: Estimasi gabungan 35(4), 1299-1309 (2008). genomik in vivo: tantangan baru untuk fisika
parameter citra dan deformasi dalam PET yang 109 Tsoumpas C, Turkheimer F, Thielemans K: pencitraan. Phys. Med. Biol. 49(3), R13-R48
dikoreksi gerakan. Catatan Konferensi Survei pendekatan untuk rekonstruksi citra (2004).
Simposium Sains Nuklir IEEE, 3290-3294 parametrik langsung pada tomografi emisi. 119 Cherry SR: Sistem pencitraan in vivo
(2003). Med. Phys. 35(9), 3963-3971 multimodalitas: dua kali lipat kekuatan atau
102 Morris ED, Enders C, Schmidt K et al: (2008). dua kali lipat masalah. Annu. Pdt. Biomed.
Pemodelan kinetik dalam tomografi 110 Tai YC, Laforest R: Aspek instrumentasi Eng. 8, 35-62
emisi positron. Dalam: Tomografi Emisi: hewan peliharaan. Annu. Rev. Biomed. Eng. (2006).
7, 255-285 (2005). 120 Kinahan P, Doot R, Wanner-Roybal M et al:
Penilaian PET/CT terhadap respons terhadap
terapi: pengukuran perubahan tumor, data
kebenaran, dan kesalahan. Terj. Oncol. 2(4),
23-230 (2009).