Positron emission tomography (PET) images have been increasingly used in oncology, cardiology, and neurology, because they can provide quantitative and qualitative metabolic data for living organisms. However, PET images suffer from low spatial resolution. The resolution improvement can be partially achieved by increasing the number of samples through a scanner motion such as wobble and dichotomic motions. To further increase the spatial resolution of PET images, super-resolution (SR) was attempted in the sinogram space or the image space. A SR algorithm can produce a high-resolution (HR) image (or sinogram) from multiple sinograms or multiple low-resolution (LR) images. However, SR in PET is still a challenging problem. This dissertation deals with a sinogram-based SR algorithm for two kinds of PET scanners: whole-body scanner and small animal scanner.
In the whole-body PET scanner with a large system diameter, measured sinograms can be assumed to have a space invariant blur kernel. Based on this assumption, we propose a novel and efficient sinogram-based SR algorithm. In the algorithm, a blur kernel is estimated through a Monte Carlo simulation. A HR sinogram is then determined from the sub-pixel shifted sinograms obtained through a discrete wobble motion. In this one dimensional SR process, we adopt a maximum a posteriori expectation maximization (MAP-EM) method based on the estimated blur kernel. We finally reconstruct a HR image from the HR sinogram through the conventional reconstruction algorithm. Experiments were performed by using a resolution phantom and a line source in a commercial whole-body PET scanner, ECAT HR+. The results show that the proposed algorithm provides noticeable improvement on the spatial resolution. The full width at half-maximum value is reduced from 4.4 mm to 2.2 mm.
In a small animal PET scanner with a small system diameter, however, a space invariant blur kernel is not appropriate for providing a HR sinogram, because the spatial resolution of a sinogram varies along the radial direction due to parallax error. Hence, we propose an efficient sinogram-based SR algorithm that is suitable even for this spatially variant case. We first estimate the space variant blur matrices through a Monte Carlo simulation by shifting a point source. We then obtain multiple LR sinograms from a wobble motion. Using the space variant blur matrices and LR sinograms, a HR sinogram is obtained through a MAP-EM based SR process. Using a Derenzo phantom and a line source, we demonstrate in a real PET scanner, microPET R4, that the proposed SR algorithm noticeably improves the spatial resolution while alleviating its space variance. The obtained full width at half-maximum value reaches 1.2 mm at the system center and 1.63 mm with considerable parallax error reduction at a radial position of 4 cm.
PET 영상은 타 의료영상과 달리 살아있는 조직의 대사 데이터를 정량적 또는 정성적으로 제공할 수 있는 장점이 있지만, 낮은 공간해상도를 갖는 단점이 있다. PET영상의 공간 해상도는 워블, dichotomic 움직임과 같은 검출기의 움직임을 통해 부분적으로 증가시킬 수 있다. 최근에는 PET 영상의 공간 해상도를 더욱 높이기 위해 초고해상도가 시도되고 있으나, 아직 실제 시스템에 적용하기 위해서는 해결해야 할 일이 남아있다. 이 학위논문에서는 실제 전신용 검출기와 소동물용 검출기에 적합한 사이노그램기반 초고해상도 알고리즘을 소개한다.
큰 지름을 갖는 전신용 PET 검출기에서 측정된 사이노그램들은 공간불변블러 (space invariant blur)을 갖는다고 가정할 수 있다. 이러한 가정을 기초로 블러커널은 몬테카를로 시뮬레이션을 통해 추정한다. 그리고 워블을 통해 sub-pixel 이동된 사이노그램을 측정한다. 추정된 블러커널을 기반으로 MAP-EM기법을 적용하여, 고해상도 사이노그램을 생성한다. 마지막으로 일반적인 재구성 알고리즘을 이용하여 고해상도 사이노그램으로부터 고해상도 영상을 생성한다. 전신용 PET 검출기인 ECAT HR+에서 해상도 평가용 팬텀 이용한 실험을 통해 제안한 알고리즘이 해상도 향상을 보임을 확인하였다. 선형 선원을 이용한 실험을 통해 FWHM이 4.4 mm에서 2.2 mm로 감소함을 보였다.
작은 지름을 갖는 소동물용 PET 검출기에서는 parallax error로 인해 공간 해상도가 변하기 때문에 공간불변 블러커널은 적합하지 않다. 그래서 공간변화 블러에 적합한 사이노그램기반 초고해상도 알고리즘을 제안한다. 몬테카를로 시뮬레이션에서 작은 점선원을 이동하면서 공간변화 블러행렬을 추정한다. 그리고 워블을 통해 여러 장의 저해상도 사이노그램을 획득한다. 이들을 이용하여 MAP-EM기반 초고해상도 처리를 통하여 고해상도 사이노그램을 획득한다. Derenzo 팬텀과 선형 선원을 이용하여 실제 PET 검출기인 microPET R4에서 제안한 초고해상도 알고리즘이 공간해상도를 높임과 동시에 해상도의 변화도 감소하였음을 확인하였다. 정량적으로 시스템의 중심에서는 FWHM이 1.2 mm로 감소하였고, 4 cm 떨어진 곳에서는 위치 오차의 감소와 함께 FWHM이 1.63 mm로 감소하였다.
