デュアルエンドリードアウト検出器を用いた高解像度小動物PETスキャナのためのGPUアクセラレーションによる完全3次元OSEM画像再構成

A GPU-accelerated fully 3D OSEM image reconstruction for a high-resolution small animal PET scanner using dual-ended readout detectors.

• Tianyi Zeng
• Juan Gao
• Dongfang Gao
• Zhonghua Kuang
• Ziru Sang
• Xiaohui Wang
• Lingzhi Hu
• Qun Chen
• Xu Chu
• Dong Liang
• Xin Liu
• Yongfeng Yang
• Hairong Zheng
• Zhanli Hu

抄録

本研究では、長い軸方向視野（FOV）を持つ小動物PETスキャナのために、点広がり関数（PSF）モデリングを用いたGPUアクセラレーションによる完全3次元順序サブセット期待値最大化（OSEM）画像再構成を開発した。小動物用PETスキャナでは、高い相互作用深度（DOI）分解能を持つデュアルエンドリードアウト検出器を用いて、均一で高い空間分解能と高感度を同時に実現した。まず、最初にシノグラムの寸法を決定し、次に、測定された応答線（ＬＯＲ）からシノグラム要素のＬＯＲまでの距離に反比例する重みを使用して、イベントをいくつかの隣接するシノグラム要素に割り当てるという新しいシノグラム生成方法を開発した。システムの幾何学的対称性、LOR駆動レイトレーシングの事前計算、テクスチャメモリをGPUベースの再構成を高速化するために適用した。FOV内の18位置で測定した点源画像を用いてPSFパラメータを取得する空間不変PSFモデルと、中央FOVで測定した1枚の画像のみを用いてPSFパラメータを取得する空間不変PSFモデルを開発した。画像再構成法の性能は、シミュレーションされたファントムデータと、スキャナ上で取得されたファントムおよびインビボマウスデータを用いて評価した。その結果、提案した画像再構成法はOSEM再構成法と比較して、より高い空間分解能、より高いコントラスト回復係数、より低いノイズを提供し、CPUベースの再構成法と比較して1000倍以上の高速化が可能であることを示した。また、空間不変PSFモデルと比較して、空間的に変化するPSFモデルでは空間分解能の向上は見られなかったため、画像再構成に実装しやすい後者の方が、非常に高いDOI分解能を持つ検出器を用いた小動物PETスキャナーでの使用が可能であると考えられます。提案した再構成法を用いて、高解像度、高コントラスト、高ノイズ比の18F-FDGマウス全身画像を得ることができた。

In this work a GPU-accelerated fully 3D ordered-subset expectation maximization (OSEM) image reconstruction with point spread function (PSF) modeling was developed for a small animal PET scanner with long axial field of view (FOV). Dual-ended readout detectors that provided high depth of interaction (DOI) resolution were used for the small animal PET scanner to simultaneously achieve uniform high spatial resolution and high sensitivity. First we developed a novel sinogram generation method that the dimension of the sinogram was determined first and then an event was assigned to a few neighboring sinogram elements by using weights that are inversely proportional to the distance from the measured line of response (LOR) to the LOR of the sinogram elements. System geometric symmetry, precomputation of LOR-driven ray-tracing and texture memory were applied to accelerate the GPU based reconstruction. We developed a spatially variant PSF model where the PSF parameters were obtained by using point source images measured at 18 positions in the FOV and a spatial invariant PSF model where the PSF parameters were obtained by using only one image measured at center FOV. The performance of the image reconstruction method was evaluated by using simulated phantom data, and phantom and in-vivo mouse data acquired on the scanner. The results showed that the proposed reconstruction method provided better spatial resolution，higher contrast recovery coefficient and lower noise as compared to the OSEM reconstruction and was more than 1000 times faster than the CPU-based reconstruction. The spatially variant PSF model did not result in any spatial resolution improvement as compared to the spatial invariant PSF model, so the latter that is much easier to be implemented in image reconstruction can be used in small animal PET scanner using detectors with very high DOI resolution. Whole body 18F-FDG mouse image with high resolution and high contrast to noise ratio was obtained by using the proposed reconstruction method.

© 2020 Institute of Physics and Engineering in Medicine.