Partial-volume correction for high-resolution positron emission tomography using cortical surface information

Images from high resolution brain positron emission tomography (PET) scanners (CTI/Siemens HRRT) can measure differences in neuroreceptor concentrations in the gray matter that are related to cytoarchitectonic differences. However, the loss of resolution due to the PET imaging process results in partial-volume effects (PVE) that obscure the true radiotracer distribution. Although several partial-volume correction algorithms exist, these frequently require severely limiting assumptions. We developed a new iterative deconvolution algorithm for the partial-volume correction of PET images that aims to overcome the limitations of previous methods. The proposed method does so using two innovative techniques. One is the incorporation anatomic information from a cortical gray matter surface representation, extracted from magnetic resonance imaging (MRI). The second is the use of anatomically constrained smoothing to attenuate noise in the image. This method was validated using simulated and clinical data. The results show that our method consistently recovers accurate radiotracer concentrations on simulated data sets and produces similar, though slightly overestimated, results on the real clinical data when compared to the gold-standard partial-volume correction method.Les scanners de tomographie par émission de positron (TEP) a haute résolution peuvent mesurer des différences dans les concentrations de neurorécepteurs dans la matiere grise résultant de différences en cytoarchitecture. Par contre, a cause de la perte de résolution du au processus d'imagerie TEP des effets de volume partiel (EVP) rend obscure la distribution véritable des concentrations de radiotraceurs. Bien que plusieurs méthodes existent pour corriger les EVP, elles dépendent sur des suppositions restrictif. Nous avons développer un nouvel algorithme de déconvolution itérative pour la correction des EVP dans les images TEP qui a comme objectif de surmonter les limites imposée par les suppositions des algorithme couramment en utilisation. La méthode proposé dépend sur deux technique originel. Premièrement, notre algorithme utilise de l'information anatomique acquise par imagerie par résonance magnétique (IRM) pour représenter la matière grise a base de surface. La seconde technique effectue l'atténuation de bruit dans l'image par l'utilisation de lissage contraint par les frontières anatomiques du cerveau. Cette méthode a été valider sur des donnés simuler et réel. Les résultats sur les donnés simuler montre que la méthode proposé produit une correction précise de la distributions radioactives, tandis que les résultats sur les donnes réel son proche de ceux obtenu par la méthode « gold-standard » de correction de EVP