Browsing by Author "Rodriguez Colmeiro, Ramiro Germán"
Now showing 1 - 1 of 1
- Results Per Page
- Sort Options
Item Hacia imágenes de tomografía por emisión de positrones de dosis reducida por medio de muestreo disperso y aprendizaje automático.(2021-05-18) Rodriguez Colmeiro, Ramiro Germán; Minsky, Daniel; Grosges, ThomasEn esta tesis se explora la reducción de la dosis de radiación en estudios de Tomografía por Emisión de Positrones (PET). Debido a su costo y riesgo de radiación inherente, normalmente, el estudio PET es solamente utilizado en pacientes con cáncer diagnosticado o sospechado. Sin embargo gran parte de la dosis de radiación absorbida por el paciente puede ser reducida si los métodos de adquisición y reconstrucción de imágenes son optimizados. Esta tesis analiza tres aspectos del estudio PET que pueden reducir la dosis absorbida por el paciente: la adquisición de datos, la reconstrucción de imágenes y la generación de mapas de atenuación. La primera parte de la tesis es dedicada a la tecnología del escáner PET. Dos técnicas son desarrolladas para un prototipo de escáner de bajo costo y baja dosis, el escáner AR-PET. Primero se crea una estrategia de selección y posicionamiento de fotomultiplicadores, incrementando la resolución energética en un 5%. El segundo trabajo se concentra en la localización de eventos gamma en cristales de centelleo sólidos. Dicho método, basado en redes neuronales y una única adquisición de campo inundado, resulta en un incremento del 23% del área sensible de los detectores del AR-PET y posibilita la detección de profundidad de interacción. En la segunda parte se estudian los métodos de reconstrucción de imagen PET sobre mallas. Los métodos de mallas permiten reducir la cantidad de puntos de muestreo requeridos para describir una imagen o volumen, lo cual se traduce en una reducción de la dimensionalidad del problema de reconstrucción. Un algoritmo de reconstrucción basado en mallas es propuesto, el cual usa una serie de mallas 2D que describen la distribución 3D del radiotrazador. Se demuestra que con dicha reconstrucción el numero de puntos de muestreo se puede reducir en un orden de magnitud, sin perder exactitud y posibilitando la optimización de las mallas de manera paralela. Finalmente se explora la generación de imágenes de atenuación usando redes neuronales profundas. Se entrena una red neuronal para aprender el mapeo desde una imagen PET 18F − FDG, sin corrección de atenuación, a una imagen de Tomografía Computada sintética. El mapa de atenuación generado es probado sobre 133 muestras, obteniendo un error medio absoluto de 103 ± 18 HU. La corrección de atenuación es medida por medio de sinogramas de atenuación, alcanzando un error medio absoluto del 1% con un desvío estándar de 8%. Estos valores son logrados con datos de múltiples fuentes y modalidades. Con estos enfoques, esta tesis pone una base para un sistema PET de bajo costo y baja dosis que puede reducir la dosis de radiación sobre el paciente hasta un 40%, reemplazando la necesidad de una tomografía computada por un mapa de atenuación artificial.