Bevezetés: A Nukleáris Medicina Intézet Multimodális Képalkotó Munkacsoportja által kidolgozott egy szoftverrendszert (M3I). Ennek keretein belül több képrekonstrukciós módszer, továbbá olyan eszközök került implementálásra, melyekkel a rekonstruált képek jóságát ellenőrizni és kvantitatív módon jellemezni lehet. A kutatás során két képrekonstrukciós algoritmusok (ML-EM, MAP-EM) paraméterhalmazainak optimális beállításait kerestem, a képminőségre gyakorolt hatásukra tekintettel. Az ML-EM esetén a voxel méretet és iteráció számot, míg az MAP-EM-nél különböző Gibbs prior függvények és azok paramétereit változtattam, hogy a legideálisabb beállítást megtaláljuk.

Célkitűzés: ML-EM rekonstrukció ideális voxelméretének megállapítása, uniformitás, képtávolság és képkorreláció függvényében. MAP-EM rekonstrukció ideális paramétereinek megállapítása, uniformitás, képtávolság és képkorreláció függvényében, a prior függvények és súlyfaktorok figyelembe vételével.

Anyagok és módszerek: Az M3I képrekonstrukciós lánc bemenetének MiniPET-II kisállat kamera adatgyűjtésének Monte-Carlo szimulációját használtuk. A NEMA NU-4 2008 kisállat PET szabványban definiált képminőség (IQ) fantomot digitalizáltuk és a szimulációkhoz, mint forrást alkalmaztuk. Az adott rekonstrukciós módszert és paraméterhalmazt - a szintén a NEMA szabványban definiált – jellemezőkkel, továbbá képtávolsággal és képkorrelációval minősítettük. E jellemzők meghatározásához az M3I csomag programjait használtuk. Az eredmények elemzéséhez és grafikus megjelenítéséhez az R statisztikus programcsomag keretén belül szkripteket fejlesztettünk.

Eredmények: Megállapítottuk az ML-EM algoritmus legelőnyösebb voxelméretét és iterációszámát. Ezen értéket felhasználva optimalizáltuk a MAP-EM rekonstrukciót, azaz megkerestük a legmegfelelő prior függvényt és a hozzá tartozó súlyfaktorokat.

Következtetés: A görbék elemzése után arra a következtetésre jutottunk, hogy az eddig általánosan használt ML-EM rekonstrukciónál, a helyesen parametrizált MAP-EM rekonstrukció sokkal jobb képtulajdonságokkal rendelkezik.