Reduzierung des Out-of-Field-of-View Einflusses auf die Event-basierte Bewegungskorrektur von Hirnuntersuchungen in der PET

Ziel/Aim:

Event-basierte Bewegungskorrekturverfahren erlauben durch räumliche Transformation jedes Koinzidenzereignisses auf einer line-of-response (LOR) eine exakte Korrektur von Patientenbewegungen in der PET. Die Integration dieser komplexen Verfahren in die klinische Routine setzt jedoch ein Bewegungsverfolgungssystem (Motion-Tracking) sowie einen vollautomatischen Verarbeitungsablauf voraus. Ein Schritt hierbei ist die Korrektur des Out-of-Field-of-View (OutFOV) Effektes. Bei diesem Effekt kommt es dazu, dass LORs zeitweise ausserhalb des FOV transformiert und somit nicht in den Emissions-Sinogrammen erfasst werden. Durch entsprechende Normierung der unterbewerteten Bins wird versucht, dies auszugleichen. Werden die Korrekturfaktoren jedoch zu groß, kommt es zu Bildartefakten, welche u. a. die quantitative Auswertung beeinträchtigen. Ziel dieser Arbeit war die Minimierung des OutFOV Einflusses und die Integration der Methode in einen automatisierten Untersuchungsablauf, welcher den Einsatz im klinischen Umfeld ermöglicht.

Methodik/Methods:

Meist wird bei event-basierter Korrektur ein einzelner Referenzzeitpunkt für alle Teilabschnitte (Frames) einer dynamischen Aufnahme benutzt – üblicherweise der Startzeitpunkt der Untersuchung. Ein solches Vorgehen führt jedoch i.a. zu den angesprochenen hohen statistischen Unsicherheiten bei der Normierung der OutFOV-Counts. Durch Analyse der Bewegungsdaten, wird für jeden Frame eine
Häufigkeitsverteilung der relativen Patientenbewegung erstellt. Anhand dieser werden optimale Zeitpunkte ermittelt, an denen die Normierungsfaktoren minimal sind. Diese Referenzpositionen erlauben es, jeden Frame einzeln mit ebenfalls räumlich angepassten Transmissionsdaten zu rekonstruieren. Die daraus resultierenden Bildvolumina werden abschließend auf eine gemeinsame
Orientierung transformiert. Hierbei wird die aus den Bewegungsdaten bekannte Orientierung der Bildvolumina zu den Referenzzeitpunkten genutzt.

Ergebnisse/Results:

Die Nutzung für jeden Frame angepasster Referenzzeitpunkte reduziert die OutFOV- Korrekturfaktoren erheblich und gewährleistet eine hinreichende Messstatistik für alle LORs im Gesichtsfeld des Tomographen. Die bewegungskorrigierten Bilddaten sind infolgedessen frei von den erwähnten Artefakten.

Schlussfolgerungen/Conclusions:

Es konnte gezeigt werden, dass durch die Einführung optimierter Referenzpositionen ein wichtiger limitierender Faktor der event-basierten Bewegungskorrektur eliminiert werden kann. Dies zeigt sich auch bei der Auswertung von klinischen Daten, wo das Verfahren in der Lage ist, bewegungsfreie sowie nunmehr quantitativ auswertbare Datensätze zu erzeugen. Nach Kombination dieser Methode mit bereits etablierten Methoden zeigt dies die Machtbarkeit einer klinischen Nutzung einer event-basierten Bewegungskorrektur und deren Potenzial.