| 研究概要 |
PETは生体機能を画像化する医療機器であり,癌等の腫瘍の発見,悪性度の診断などに解明に有効である.PETで再構成される画像はある時間内のトレーサの放射能分布画像であり,それが直接的に代謝といった生体機能を表すわけではない.このため、生体機能情報を得るためには直接的に生体機能を表す動態機能画像を推定しなくてはならないが,その推定精度は組織内放射能時間曲線(tissue Time Activity Curve : tTAC)の精度に大きく依存することから,TACを高精度に推定することが必要となる.
従来のPETを用いた従来のTAC推定では,PET動態機能画像再構成において,時間フレーム毎のヒストグラムデータを用いることから,従来のPET計測におけるフレームの収集時間では十分な時間分解能が得られず,また仮に,時間分解能を上げるため時間フレームを密に取ると,陽電子崩壊に伴う統計ノイズ(ポアソンノイズ)が大きくなり放射能分布画像のS/N比は著しく低下するためtTACの精度も低下する.
本研究では、リストモードデータを用いて十分な時間分解能の実現でTAC推定に対するノイズの影響を取り除くことを目的として,リストモードデータを用い経時的な放射能分布画像を再構成せずに直接ピクセル毎のtTACを求める手法を提案した。具体的に,tTACを放射能分布の連続的な発生確率と定義し,基底関数の線形結合によって表せるものと仮定し,その展開係数を最尤法によって推定する.提案手法では,統計的性質の考慮及び基底関数の導入により高精度のtTACを推定することができる.
さらに,糖代謝を仮定した計算機シミュレーションを行い、従来法と比較して高精度なTAC推定を実現することを確認した。
|
