Reconstrucción SPECT Margarita Núñez, PhD Escuela Universitaria de Tecnología Médica Montevideo, Uruguay Reconstructores Procesamiento Parámetros de reconstrucción Colocar límites Seleccionar el filtro Corrección de atenuación Reorientación de la imagen Espesor del corte Efecto del límite Procesamiento Parámetros de reconstrucción Colocar límites Seleccionar el filtro Corrección de atenuación Reorientación de la imagen ¿Qué filtro? Filtro Butterworth BW fc = 0.3 n = 2 1 BW fc = 0.3 n = 10 amplitud 0.8 BW fc = 0.6 n = 10 0.6 0.4 0.2 0 0 0.2 0.4 0.6 frecuencia/fn 0.8 1 Filtro Butterworth 0.46 2.5 0.66 5.0 0.86 10.0 Cambia la frecuencia de corte (fracción de Nyquist) Orden: 5 Cambia el orden Fc: 0.56 Filtro BW – Influencia del orden y la frecuencia de corte Procesamiento Parámetros de reconstrucción Colocar límites Seleccionar el filtro Corrección de atenuación Reorientación de la imagen Corrección de atenuación Procesamiento Parámetros de reconstrucción Colocar límites Seleccionar el filtro Corrección de atenuación Reorientación de la imagen Reorientación REORIENTACIÓN REORIENTACIÓN PLANO ORBITO-MEATAL PLANO TEMPORAL Retroproyección Filtrada (FBP) Reconstrucción de la imagen El método de retroproyección es una técnica que se basa en interpretar que el valor del perfil en cada punto es producido por una distribución uniforme de actividad en la fuente emisora. Reconstrucción Tomográfica detector (proyección) objeto Reconstrucción Tomográfica retroproyección reconstrucción Reconstrucción Tomográfica retroproyección reconstrucción En la imagen están presentes simultáneamente la representación de actividad de la fuente emisora y una actividad ficticia descripta por la función 1/R. Ambas funciones están relacionadas entre sí por una operación matemática llamada convolución. Los algoritmos de reconstrucción que utilizan la técnica de retroproyección tienen que remover de la imagen la función 1/R (deconvolucionarla). Esta operación es el filtrado de la imagen. (R = distancia de cada punto a la fuente emisora). Retroproyección simple Retroproyección filtrada Retroproyección filtrada Transformada de Fourier: continuación FT A cuentas FT-1 distancia frecuencia Filtro Rampa A A frecuencia frecuencia Filtro Butterworth (SPECT) A A A x = frecuencia frecuencia A frecuencia A A x frecuencia = frecuencia frecuencia rampa Filtro rampa modificado A rampa-Butterworth frecuencia A x Butterworth A frecuencia frecuencia Filtros de restauración (Metz or Weiner) restauración Filtro combinado restauración x suavizado A A frecuencia X suavizado frecuencia A frecuencia Restauración con ruido reducido Retroproyección filtrada 32 64 128 Reconstrucción Iterativa Algoritmo expectation-maximization (EM) Se usa en estadística para encontrar estimaciones de máxima verosimilitud de parámetros en modelos probabilísticos, donde el modelo depende de variables latentes no observables. El algoritmo EM alterna entre la realización de un paso de expectativa (E), que calcula una expectativa de la probabilidad mediante la inclusión de variables latentes como si hubieran sido observadas, y un paso de maximización (M), que calcula las estimaciones de máxima probabilidad de los parámetros mediante la maximización de la probabilidad esperada encontrada en el paso E. Los parámetros encontrados en el paso M son entonces utilizados para comenzar el paso E siguiente, y así el proceso se repite. Problemas con la retroproyección filtrada asume un modelo de proyección muy simple no está incluida la atenuación artefactos en raya (streak) amplificación del ruido Métodos de reconstrucción alternativos Reconstrucción de Fourier Inversión de la matriz Método iterativo máxima probabilidad Image courtesy of Bettinardi et al, Milan ¿Que significa iterativo? • escoja un número del 1 al 20 persona 1 persona 2 número estimado comparado con el número actual actualizar estimación <, >, =? COINCIDE Re-proyección (forward) = proyección hacia adelante Estima las proyecciones de una reconstrucción (simula la adquisición) detector (proyección) objeto reconstrucción retroproyección re-proyección detector (proyección) Re-proyección b c a objeto (reconstrucción) Comprendiendo la reconstrucción iterativa Objetivo Encontrar la distribución de actividad cuyas proyecciones estimadas coincidan con las medidas. Modelando el sistema (matrix sistema) ¿Cuál es la probabilidad que un fotón emitido desde una localización X sea detectado en una localización del detector Y (PET: Y1, Y2). - geometría y sensibilidad del detector - atenuación - scatter, randoms - resolución, time-of-flight detector (medida) m X objeto Y proyección estimada Y1 m Y2 X Reconstrucción ML-EM BP paciente SIN original CAMBIO estimate actualizar (x relación) proyecciones originales FP proyecciones estimadas estimación actual Algoritmos ML-EM / OSEM new _ estimate current _ estimate BP measured _ projections FP current _ estimate ML-EM 4 iterations OS-EM 1 iteration Update 1 Update 2 Update 3 Update 4 ML-EM: cada actualización involucra BP y FP para todos los ángulos de proyección OSEM: cada actualización sólo utiliza un subset de ángulos de proyección iteraciones EM = iteraciones OS-EM x no de subsets MLEM versus OSEM (ordered subsets) Fin de la 1ra iteración Fin de la 2da iteración FINAL DE UNA ÚNICA ITERACIÓN Fin de n iteraciones conventional EM reconstruction Ordered subsets (OS) EM reconstruction El factor de aceleración es la relación (Nº total de proyecciones) / (Nº de proyecciones en el subset); típicamente 64 / 4 = 16. En este caso 1 iteración OSEM equevale a 16 iteraciones MLEM. 6000 chi-squared 5000 4000 3000 2000 em os2 1000 os4 0 0 50 100 150 iterations mean square error 250 200 150 100 em 50 os2 os4 0 0 50 100 iterations 150 Algoritmo ML-EM measured _ projection measured s _ projections new _ estimate new current _ estimate _ estimate current BP _ estimate BP FP current _ estimate FP current _ estimate new j 1 j i aij i yi aij yˆi nueva estimación estimación actual matriz del sistema reproyección retroproyección Modelo simple del sistema 0 0 0 0 0 0 0 1 0 0 0 0 0 0 0 1 0 0 0 0 0 0 0 sinograma 0 1 distancia 0 0 0 0 ángulo 0 Atenuación & Scatter • interacción primaria en tejidos, para fotones de energía relevantes en PET & SPECT, es el scatter Compton • atenuación resulta en pérdida de cuentas debido a la deflexión por scatter Compton en el ‘trayecto detectable’ • scatter resulta en adición de cuentas no deseadas debido a la deflexión por scatter Compton en el ‘trayecto detectable’ PET versus SPECT Atenuación Factores de atenuación: SPECT ~ x5 - x20 PET ~ x15 – x60 Scatter Fracción de Scatter: SPECT ~35% PET 2D ~15%; 3D ~40% Modelo del sistema incorporando atenuación 0 0 0 0 0 0 0 0.3 0 0 0 0 0 0 0 0.2 0 0 0 0 0 0 0 0 0.1 0 0 0 0 0 • Probabilidad de detección reducida por la atenuación en tejidos. Estimación de scatter (SPECT) • scatter modelado - modelos analíticos - modelos aproximación (ESSE, TDCS) - modelos Monte Carlo 300 relative counts • medida: - e.g. triple ventana de energía (TEW) - incluye actividad fuera del FOV - práctico pero ruidoso 350 250 200 150 100 50 0 50 75 100 125 150 175 energy (keV) e d2 p , e d1 Estimación rápida Monte Carlo • detección forzada (FD) es usada comúnmente en simulaciones MC • usando la detección forzada por convolución (CFD) se acelera por ~100 • respuesta de función angular (ARF) para los colimadores usa un principio similar FD CFD 105 fotones por subset Beekman et al IEEE Trans Med Imag 2002; 21: 867-77 Problemas con la pre-corrección Historico: sustracción del scatter medido; aumenta el ruido measured _ projections scatter new _ estimate old _ estimate BP FP old _ estimate • ML-EM espera que los datos adquiridos sean Poisson • el procesamiento de las proyecciones destruye la presunción Poisson • también posiblemente introduce valores negativos • en vez de eso, incorporar correcciones ‘dentro’ del modelo Instead: add measured / estimated scatter in forward model measured _ projections new _ estimate old _ estimate BP FP old _ estimate scatter Reconstrucción con estimación MC rápida del scatter Opciones comerciales • MC option for Hermes (Nuclear Diagnostics) • ESSE scatter model (Philips) • TEW in projector (Siemens) • TEW subtraction (GE) sin corrección corrección de atenuación corr de aten + scatter MC PET resolution SPECT resolution detector positron range colinearity FWHMtotal2 = FWHMdet2 + FWHMrange2 + FWHM FWHMsys2 = FWHMdet2 + FWHMcoll2 2 180 Modelo del sistema incorporando atenuación y resolución 0 0 0 0 0 0 0.1 0.3 0.1 0 0 0 0 0 0.1 0.2 0 0 0 0.05 0.1 0.05 0 0 0 0 0.1 0 0 0 Modelado de la resolución Modelo simple: • asume que no hay pérdida de resolución Teniendo en cuenta la resolución: • asume exactamente que pasa con la resolución • involucra cierta incertidumbre contrast/recovery Contraste v ruido: • el ruido aumenta con el nº de iteraciones • el contraste alcanza su mayor valor Con el modelo de resolución: noise • se necesitan más iteraciones para alcanzar el máx • menos ruido para igual contraste • mejor modelo; mejor calidad Estudios Clínicos: 14subsets 2 iterations 3D-OP-OSEM 3D-OSEM with PSF Townsend, Phys Med Biol 2008; 53: R1-R39 TOF converge más rápidamente y logra mejor contraste para un ruido determinado TOF #iter = 1 noTOF 2 5 10 20 35-cm diameter phantom; 5 minute scan time 10, 13, 17, 22-mm hot spheres (6:1 contrast); 28, 37-mm cold spheres Usos potenciales de la reconstrucción iterativa con CT PET/SPECT C ci FBP i CT ln( Cb / C ) i i MLTR MLTR • beneficios similares a los estudios de emisión MAP • reducción del ruido • reducción de artefactos • geometria flexible Courtesy J Nuyts, KUL, Leuven Reconstrucción Iterativa CT Modelo del sistema más exacto • reducción de artefactos: beam hardening, scatter ‘Veo’ iterative recon Reconstrucción Iterativa CT Geometría flexible • truncado, pérdida de datos (photon starvation) FBP Iterative MAP Resumen Es estándar en la práctica clinical Se necesita estar consciente de las limitaciones - need to preserve Poisson statistics Modelos de resolución mejoran el contraste y el ruido - se requieren más iteraciones Información de time-of-flight mejora la relación señal / ruido - requiere menos iteraciones! Aumentando el uso para CT - menos dosis, menos artefactos Muchas gracias