臺灣博碩士論文加值系統

本研究在進行動態PET影像重建的過程中，採用List-Mode資料所提供的時間資訊對同符事件進行分期。結合傳統的疊代式影像重建方法與數值方法之Cubic B-spline，發展出適用於處理動態資料的演算方法，有效描述核種藥物在活體中的吸收代謝情形。
Cubic B-spline曲線描述可提供高時間解析度與核種隨時間增加活度變化的過程，輕易以非侵入方式取得藥物在生物體內之時間活度曲線。臨床實驗中，以圈選不同ROI的方式，對特定的組織器官進行時間活度曲線(TAC)之重現。根據大鼠心臟之三維結構，分別圈選整個心臟區以及高涵血區之影像進行實驗，觀察心臟對葡萄糖藥物的使用情形。可獲得整個心臟(包含心肌)的活度動態情形以及心臟內血液的動態變化過程，實驗結果顯示，藥物注射初期，無論大鼠心臟或腦部之活度皆隨時間漸漸累加，表示器官對葡萄糖的吸收代謝的速率大於核種衰減的速度。
本研究並提出以類週其變化之生理訊號的波形特徵對PET影像進行功能性分期，以降低正常生理活動(例如：心搏、呼吸)所造成的運動假影。未來可結合功能性分期與本研究採用之時依性分期，有效提高成像品質，並提供受測者生理狀態的動態變化情形。延伸至4D動態影像的應用，可觀察各種藥物在體內各組織器官真實的吸收、代謝與傳遞之長時間動態過程，在臨床研究中，提供可靠的藥物開發、診斷與治療等核種在活體內的生化反應過程。

Dynamic PET imaging based on listmode data acquisition can provide timing information of coincidence events, which permit a flexible way to sort the data into several consecutive time frames. In this work, by using the listmode data combined with B-spline representation of radio-tracer time activity curve (TAC), we proposed a maximum likelihood expectation and maximization (MLEM) to estimate the parameters of TAC curve and restore the continuous TAC curve. Such a continuous TAC curve can provide better temporal resolution for dynamic PET imaging.
In this pilot study, we evaluated the performance of the proposed method using clinical animal data acquired from an Inveon microPET scanner. We particularly focused on the FDG metabolic rate functions of heart and brain. Using these two organs as regions of interest (ROIs), the estimated TAC curves can depict the temporal variations of rate changes. In addition, the estimated TAC curves also matched with each other by using different sorting schemes (equal time and equal time).
Since the listmode data can incorporate external signal inputs (like gating or respiratory signals), arbitrary temporal segmentation can be achieved as well. In future, we can combine such a generic segmentation into the proposed method and generate high-quality TAC curves corresponding to various physiological changes. The proposed method can be extended to 4D dynamic PET imaging which can make the best use of all collected events. It is optimistically anticipated that the proposed method can provide reliable radiotracer responses and will be useful for applications like drug development, therapy or diagnosis.

第1章 前言 1
第2章 研究背景與儀器 4
第1節 正子斷層掃描儀(Positron emission tomography, PET) 4
• 正子斷層掃描儀之成像原理 4
• 正子斷層掃描儀之幾何結構 4
第2節 PET造影之放射性核種標幟藥物 5
第3節 PET影像的物理特性與影像品質 5
• 正子互毀(Positron annihilation)之衰減修正 5
• 散射同符事件(Scatter coincidence events) 7
• 隨機同符事件(Random coincidence events) 8
第3章 PET資料型態與儲存格式 9
第1節 PET 資料特性 9
第2節 List-Mode PET 資料特性 10
第3節 List-Mode PET 資料解碼 14
第4節 動態PET影像(Dynamic PET image) 15
• 以等時間區間為基礎，進行List-Mode PET資料分期 15
• 以等計數值為基礎，進行List-Mode PET資料分期 16
• 外部生理訊號監測系統 17
第5節 PET影像資料型態 18
• 正弦圖(Sinogram) 18
• 投影角度 20
• 機率矩陣(Probability matrix, P-matrix) 的排列原則 20
• 機率矩陣之機率分佈 22
• 機率矩陣的儲存空間 23
第4章 統計模型與演算法 24
第1節 統計模型 24
• 相似度函數 24
第2節 疊代式影像重建演算法 27
• 最大相似度與均值最大化演算法(Maximum likelihood expectation and maximization, MLEM) 27
• MLEM影像重建之公式推導 28
第5章 Cubic B-spline內插法 32
第1節 Cubic B-spline內插曲線特性 32
• B-spline曲線之特性 32
• B-spline曲線之數學模型 32
• 階數對基底函數 極大值之影響 33
• 節點向量 34
• B-spline的曲線生成特性 38
• B-spline局部控制(Local control)之特性 39
第2節 動態MLEM影像重建與Cubic B-spline 41
• 近似曲線填補(Approximate curve fitting) 41
• 影像控制點之布阿松分佈(Poisson distribution)特性 41
第6章 動態影像重建之基礎模型 48
第1節 實驗設計 49
第2節 數位假體實驗(Digital phantom) 50
第3節 臨床假體(Clinical phantom)實驗 53
• 靜態影像重建 53
• 以等時間(Equal time)區間為基礎之動態影像重建 55
• 以等計數值(Equal count)為基礎之動態影像重建 60
• 球狀射源之球心TAC 65
• 球狀射源之TAC 72
第7章 臨床動物實驗 79
第1節 臨床大鼠(Clinical rat)實驗 79
• 靜態影像重建 79
• 以等時間(Equal time)區間為基礎之動態影像重建 80
• 以等計數值(Equal count)為基礎之動態影像重建 83
• 大鼠心臟中心之TAC變化 86
• 大鼠心臟之TAC變化 95
第2節 大鼠腦部實驗 103
• 大鼠腦部中心之TAC變化 103
• 大鼠腦部之TAC變化 111
第8章 討論與結論 119
• 未來展望 121
第9章 參考文獻 123
附錄 A 攜帶式生理訊號監測系統 125
• 目的 125
• 功能性分期與文獻回顧 125
• 心電訊號監視系統之特性 125
• 實驗設計 127
• 延伸應用 132

[1] T. E. Nichols, J. Qi, E. Asma, R. M. Leahy, “Spatiotemporal Reconstruction of List-Mode PET”, Med. Imaging, IEEE Trans on, Vol.21, NO. 4, Apr. 2002
[2] Y. Yang, S. Rendig, S. Siege, D. F. Newport, and S. R. Cherry, “ Cardiac PET imaging in mice with simultaneous cardiac and respiratory gating” , Pub. 8 Jun. 2005
[3] R. A. Powsner and E. R. Powsner, “Essentials of Nuclear Medicine Physics”, Bala. Sci., 1998.
[4] F. H. Attix, “Introduction to radiological Physics and radiation dosimetry”, V1, pp.38-60, 2004
[5] Siemens, “micro PET QuickSliverTM Listmode Data Data Format”, 2006.
[6] T. E. Nichols1, J. Qi , and R. M. Leahy , “Continuous Time Dynamic PET Imaging Using List Mode Data”, IPMI’99, LNCS 1613, 1999.
[7] T. G. Turkingtone, “Introduction to PET Instrumentation”, J Nuc. Tech., Vol.29, No1, pp.1-8, 2001.
[8] L. A. Sheep and Y. Vardi, “A statistical Model for Positron Emission Tomography”, J. of Amer. statistical Ass., Vol. 180, No.389, pp.8-20, 1985.
[9] L. A. Sheep and Y. Vardi, “Maximum Likelihood Reconstruction for Emission Tomography”, Med. Imaging, IEEE Trans on, Vol. Mi-1, No. 2, Oct. 1982
[10] J. I. Lay, http://www.me.ncu.edu.tw/jylai/CAD/B-spline.doc, 2002.
[11] M. Unser, A. Aldroubi, and M. Eden, “Fast B-Spline Transforms for Continuous Image Representation and Interpolation”, Pat. Ana. & Mach. Intel. , IEEE Trans on, Vol. 13, NO. 3, MARCH 1999
[12] Parra, L. and H. Barrett “List-mode likelihood: EM algorithm and image quality estimation demonstrated on 2-D PET”, Med. Imaging, IEEE Trans on, 1998, 17, 228-235
[13] C. Byrne, “Likelihood maximization for list-mode emission tomographic image reconstruction”, Medical Imaging, IEEE Trans on, 2001, 20, 1084-1092
[14] H. H. Barrett, T. White and L. C. Parra, ”List-mode likelihood”, Journal of the Optical Society of America A: Optics, Image Science & Vision, OSA, 1997, 14, 2914-2923
[15] N. Grotus, A. J. Reader, S. Stute, J. C. Rosenwald, P. Giraud, and I. Buvat, “Fully 4D list-mode reconstruction applied to respiratory-gated PET scans”, Phy. in Med. and Bio., 2009, 54, 1705-1721