As a part of medical diagnosis that falls in the region of nuclear medicine, positron emission tomography (PET) scanning has been in the limelight since it was able to feature the physiological and biochemical functions in the body as an aid to the diagnosis of disease. As the possibility of using PET is suggested in diagnosing incurable diseases such as early diagnosis of Alzheimer's disease and temporal lobe epilepsy. Brain-dedicated positron emission tomography (B-PET) has been developed for the purpose of utilizing basic and clinical research on these neurological fields. In small PET such as B-PET and micro PET, the deterioration of spatial resolution due to parallax error is noticeable compared to whole-body PET. This dissertation presents a depth of interaction (DOI) analysis method to eliminate parallax errors encountered in small PET. The proposed analysis method determined the DOI by light spread and machine learning algorithm, and the results of the study showed that the DOI information could be discrete properly with a probability of more than 80 %. In addition, we also identified the possibility of elimination of parallax error by continuously determining the DOI information through supplementation of the studies conducted. This study is expected to contribute to improving PET image quality and basic research in the nervous system.
양전자방출단층촬영(PET)은 핵 의학 영역의 진단방법으로, 질병 진단에 도움이 되는 신체 내 생리적, 생화학적 반응을 정량화 할 수 있는 첨단 의료기기이다. 최근 PET를 활용한 알츠하이머형 치매의 조기진단과 측두엽 간질 등 기존에 병변을 찾지못한 난치성 질병 진단에 PET의 활용 가능성이 제시됨에 따라 신경계분야에 활발한 연구가 수행되고있다. 뇌 전용 양전자방출단층촬영 장치(B-PET)는 이러한 신경계분야의 기초연구 및 임상연구 등의 활용목적으로 제작되었다. B-PET, micro PET 등의 소형 PET에서는 전신 PET에 비해 시차오류(Parallax error)에 의한 공간 분해능의 악화가 두드러진다. 본 학위논문은 소형 PET에서 대두되는 시차 오류를 제거하기 위한 반응 깊이 분석법을 제시한다. 제안 된 분석법은 빛의 확산과 기계학습 알고리즘으로 반응 깊이를 판별하며, 연구의 결과 80 %의 이상의 확률로 반응 깊이를 이산적으로 구분할 수 있었다. 또한 수행된 연구의 보완을 통해 반응 깊이를 연속적으로 판별하여 시차 오류 제거의 가능성을 확인하였다. 본 연구는 PET 영상 질의 향상과 신경계분야의 기초연구에 기여할 것이라 기대한다.
