Deutsch

Die Positronen-Emissions-Tomographie (PET) ist ein bildgebendes Verfahren, dass in vivo Einblicke in die physiologischen Vorgänge von Organismen ermöglicht. Das Verfahren kommt dabei sowohl im klinischen Bereich, als auch in der Grundlagenforschung zur Anwendung. Mit der fortschreitenden Entwicklung und Verbreitung der Tomographentechnik werden dabei neue Anforderungen an die Bildrekonstruktion gestellt. Speziell die Grundlagenforschung nutzt dabei immer kleinere Detektorsyteme, um eine höhere Auflösung zu erreichen. Ferner werden spezielle Datenformate verwendet, die eine Vielzahl an zusätzlichen Informationen bei der Messung speichern. Ziel dieser Arbeit war die Untersuchung inwieweit sich durch Implementationen neuer Ansätze in die Bildrekonstruktionsverfahren, der gestiegene Anspruch an eine höhere Sensitivität und räumliche Auflösung verwirklichen läßt. In dieser Arbeit wird ein Bildrekonstruktionsverfahren vorgestellt und implementiert, das durch eine genaue Modellierung der Detektorgeometrie des Tomographen eine Verbesserung in Bezug auf die räumliche Auflösung liefert. Das Rekonstruktionsverfahren basiert auf dem bereits existierenden Ordered-subset-Algorithmus für List-mode-Daten. Der Vorteil des List-mode-Ansatzes besteht darin, dass alle akquirierten Messdaten in die Rekonstruktion mit einbezogen werden können. Durch die Kombination einer List-mode-Rekonstruktion mit einer genauen Modellierung der Detektorgeometrie konnte eine wesentliche Steigerung der Bildqualität gegenüber der üblichen Rekonstruktion von Projektionen erzielt werden, wie an Beispielen von Messdaten des hochauflösenden ClearPETTM Neuro gezeigt wird.