In small animal positron emission t

In small animal positron emission tomography (PET) studies, given the spatial resolution of preclinical PET scanners, quantification in small regions can be challenging. Moreover, in scans where animals are placed away from the center of the field of view (CFOV), e.g. in simultaneous scans of multiple animals, quantification accuracy can be compromised due to the loss of spatial resolution towards the edge of the FOV. Here, we implemented a spatially variant resolution model to improve quantification in small regions and to allow simultaneous scanning of multiple animals without compromising quantification accuracy. The scanner's point spread function (PSF) was characterized across the FOV and modelled using a spatially variant and asymmetric Gaussian function. The spatially variant PSF (SVPSF) was then used for resolution modelling in the iterative reconstruction. To assess the image quality, a line source phantom in a cold and warm background, as well as mouse brain [18F]FDG scans, were performed. The SVPSF and the vendor's maximum a posteriori (MAP3D) reconstructions produced uniform spatial resolution across the scanner FOV, but MAP3D resulted in lower spatial resolution. The line sources recovery coefficient using SVPSF was similar at the CFOV and at the edge of the FOV. In contrast, the other tested reconstructions produced lower recovery coefficient at the edge of the FOV. In mouse brain reconstructions, less spill-over from hot regions to cold regions, as well as more symmetric regional brain uptake was observed using SVPSF. The contrast in brain images was the highest using SVPSF, in mice scanned at the CFOV and off-center. Incorporation of a spatially variant resolution model for small animal brain PET improves quantification accuracy in small regions and produces consistent image spatial resolution across the FOV. Therefore, simultaneous scanning of multiple animals can benefit by using spatially variant resolution modelling.

ผลลัพธ์ (ไทย) 1:

ในการศึกษาเอกซเรย์ปล่อยโพซิตรอน (PET) สัตว์เล็ก เมื่อพิจารณาจากความละเอียดเชิงพื้นที่ของเครื่องสแกน PET พรีคลินิก การหาปริมาณในพื้นที่ขนาดเล็กอาจเป็นเรื่องท้าทาย นอกจากนี้ ในการสแกนโดยวางสัตว์ให้ห่างจากจุดศูนย์กลางการมองเห็น (CFOV) เช่น ในการสแกนสัตว์หลายตัวพร้อมกัน ความแม่นยำในการหาปริมาณอาจลดลงเนื่องจากสูญเสียความละเอียดเชิงพื้นที่ไปทางขอบของ FOV ที่นี่ เราได้ใช้แบบจำลองความละเอียดที่แปรผันเชิงพื้นที่เพื่อปรับปรุงการหาปริมาณในภูมิภาคเล็กๆ และเพื่อให้สามารถสแกนสัตว์หลายตัวพร้อมกันได้โดยไม่กระทบต่อความแม่นยำของปริมาณ ฟังก์ชันการกระจายจุดของเครื่องสแกน (PSF) มีลักษณะเฉพาะทั่วทั้ง FOV และสร้างแบบจำลองโดยใช้ฟังก์ชันเกาส์เซียนแบบแปรผันเชิงพื้นที่และแบบไม่สมมาตร จากนั้นจึงใช้ตัวแปร PSF (SVPSF) เชิงพื้นที่สำหรับการสร้างแบบจำลองความละเอียดในการสร้างซ้ำ เพื่อประเมินคุณภาพของภาพ ได้มีการดำเนินการสแกนแหล่งกำเนิดเส้นในพื้นหลังที่เย็นและอบอุ่น ตลอดจนการสแกนสมองของเมาส์ [18F]FDG SVPSF และการสร้างค่าสูงสุดด้านหลัง (MAP3D) ของผู้ขายสร้างความละเอียดเชิงพื้นที่ที่สม่ำเสมอทั่วทั้งเครื่องสแกน FOV แต่ MAP3D ส่งผลให้ความละเอียดเชิงพื้นที่ลดลง ค่าสัมประสิทธิ์การกู้คืนแหล่งที่มาของเส้นโดยใช้ SVPSF มีความใกล้เคียงกันที่ CFOV และที่ขอบของ FOV ในทางตรงกันข้าม การสร้างใหม่ที่ได้รับการทดสอบอื่นๆ จะสร้างค่าสัมประสิทธิ์การฟื้นตัวที่ต่ำกว่าที่ขอบของ FOV ในการสร้างสมองของเมาส์ใหม่ มีการสังเกตการแพร่กระจายจากบริเวณร้อนไปยังบริเวณเย็นน้อยลง รวมถึงการดูดซึมของสมองในระดับภูมิภาคที่สมมาตรมากขึ้นโดยใช้ SVPSF ความแตกต่างในภาพสมองสูงที่สุดโดยใช้ SVPSF ในหนูที่สแกนที่ CFOV และนอกศูนย์กลาง การรวมแบบจำลองความละเอียดเชิงพื้นที่สำหรับ PET สมองสัตว์ขนาดเล็กช่วยเพิ่มความแม่นยำของปริมาณในพื้นที่ขนาดเล็ก และสร้างความละเอียดเชิงพื้นที่ของภาพที่สอดคล้องกันทั่วทั้ง FOV ดังนั้น การสแกนสัตว์หลายตัวพร้อมกันจะได้รับประโยชน์จากการใช้การสร้างแบบจำลองความละเอียดที่แตกต่างกันเชิงพื้นที่

ผลลัพธ์ (ไทย) 2:

ในการศึกษา Positronic Emission Tomography (PET) ในสัตว์ขนาดเล็กปริมาณในพื้นที่ขนาดเล็กอาจเป็นความท้าทายเมื่อพิจารณาถึงความละเอียดเชิงพื้นที่ของเครื่องสแกน PET ก่อนคลินิก นอกจากนี้ ในการสแกนสัตว์ให้ห่างจากจุดศูนย์กลางของฟิลด์ (CFOV) เช่น การสแกนพร้อมกันของสัตว์หลายตัว ความแม่นยำเชิงปริมาณอาจเสียหายเนื่องจากการสูญเสียความละเอียดเชิงพื้นที่ที่หันหน้าไปทางขอบของฟิลด์ ที่นี่เราใช้แบบจำลองความละเอียดตัวแปรเชิงพื้นที่เพื่อปรับปรุงปริมาณในพื้นที่ขนาดเล็กและอนุญาตให้สแกนสัตว์หลายตัวพร้อมกันโดยไม่กระทบต่อความถูกต้องเชิงปริมาณ ฟังก์ชันการกระจายจุด (PSF) ของเครื่องสแกนมีลักษณะบน FOV และสร้างแบบจำลองโดยใช้การเปลี่ยนแปลงเชิงพื้นที่และฟังก์ชั่นเกาส์ที่ไม่สมมาตร จากนั้นใช้แบบจำลองความละเอียดโดยใช้ Space Change PSF (SVPSF) ในการสร้างซ้ำ เพื่อประเมินคุณภาพของภาพ Linesome Mold บนพื้นหลังที่อบอุ่นและเย็นเช่นเดียวกับสมองของเมาส์ [18F] FDG สแกน

ผลลัพธ์ (ไทย) 3:

ในสัตว์ขนาดเล็กPETการหาปริมาณในพื้นที่ขนาดเล็กอาจเป็นเรื่องที่ท้าทายเนื่องจากความละเอียดเชิงพื้นที่ของเครื่องสแกนPETก่อนคลินิก นอกจากนี้ในการสแกนสัตว์ที่อยู่ห่างจากศูนย์กลางของสนาม( CFOV )เช่นในการสแกนพร้อมกันของสัตว์หลายตัวความถูกต้องเชิงปริมาณอาจได้รับความเสียหายเนื่องจากการสูญเสียความละเอียดเชิงพื้นที่ไปยังขอบของFOV ที่นี่เราใช้แบบจําลองความละเอียดเชิงพื้นที่เพื่อปรับปรุงปริมาณของพื้นที่ขนาดเล็กและช่วยให้สามารถสแกนสัตว์หลายตัวได้พร้อมๆกันโดยไม่กระทบต่อความถูกต้องเชิงปริมาณ ฟังก์ชันการแพร่กระจายจุด( PSF )ของเครื่องสแกนเนอร์มีลักษณะเป็นFOVทั้งหมดและใช้การเปลี่ยนแปลงเชิงพื้นที่และฟังก์ชันGaussianแบบไม่สมมาตร จากนั้นการเปลี่ยนแปลงเชิงพื้นที่PSF ( SVPSF )จะถูกนํามาใช้ในการสร้างแบบจําลองความละเอียด เพื่อประเมินคุณภาพของภาพได้ทําแบบจําลองแหล่งกําเนิดสายในพื้นหลังที่ร้อนและเย็นและการสแกนสมองของเมาส์[ 18 f ] FDG การสร้างความน่าจะเป็นสูงสุดของSVPSFและซัพพลายเออร์( MAP3D )สร้างความละเอียดเชิงพื้นที่ที่สม่ําเสมอบนเครื่องสแกนเนอร์FOVแต่MAP3Dนําไปสู่ความละเอียดเชิงพื้นที่ที่ต่ํากว่า ค่าสัมประสิทธิ์การกู้คืนแหล่งกําเนิดเส้นโดยใช้SVPSFมีความคล้ายคลึงกับขอบCFOVและFOV ในทางตรงกันข้ามการทดสอบอื่นๆสร้างค่าสัมประสิทธิ์การกู้คืนที่ต่ํากว่าที่ขอบFOV ในการฟื้นฟูสมองของหนูพบว่ามีการรั่วไหลน้อยลงจากพื้นที่ร้อนไปยังพื้นที่หนาวเย็นโดยใช้SVPSFและการดูดซึมสมองในระดับภูมิภาคมากขึ้น ในCFOVและหนูที่เบี่ยงเบนจากการสแกนศูนย์ภาพสมองที่มีความคมชัดสูงสุดโดยใช้SVPSF การรวมกันของรูปแบบความละเอียดเชิงพื้นที่สําหรับสัตว์ขนาดเล็กPETช่วยเพิ่มความถูกต้องเชิงปริมาณในพื้นที่ขนาดเล็กและสร้างความละเอียดเชิงพื้นที่ของภาพที่สอดคล้องกันตลอดทั้งFOV ดังนั้นการสแกนสัตว์หลายตัวพร้อมกันอาจได้รับประโยชน์จากการใช้การสร้างแบบจําลองความละเอียดเชิงพื้นที่