Kollimation mit kodierter Apertur für hochauflösende intraoperative Gammabildgebung

• Antragsteller: Dr.-Ing. Tobias Meißner
• Fachliche Zuordnung: Medizinische Physik, Biomedizinische Technik ; Künstliche Intelligenz und Maschinelle Lernverfahren ; Nuklearmedizin, Strahlentherapie, Strahlenbiologie
• Förderung: Förderung seit 2025
• Projektkennung: Deutsche Forschungsgemeinschaft (DFG) - Projektnummer 573323274

Die Gamma-Bildgebung ist in der Nuklearmedizin essenziell für die Visualisierung von Stoffwechselprozessen und erfolgt mittels Radiotracern, die Gammastrahlen emittieren. Intraoperative Gammakameras (IGCs) ermöglichen eine Bildgebung während chirurgischer Eingriffe. Entscheidend für IGCs sind eine gute räumliche Auflösung und eine hohe Sensitivität, da sie in einer photonenarmen Umgebung eingesetzt werden. Dieses Projekt zielt darauf ab, den Kompromiss zwischen Sensitivität und Auflösung herkömmlicher Kollimatoren zu überwinden, indem eine kodierte Apertur (Coded Aperture Imaging - CAI) genutzt wird. Diese besteht aus einer Maske mit vielen in einem Muster angeordneten Öffnungen und vereint die hohe Empfindlichkeit einer großen mit der guten räumlichen Auflösung einer kleinen Apertur. CAI erzeugt jedoch überlappende Projektionen, was eine Bildrekonstruktion notwendig macht. Allerdings treten nichtlineare Effekte (NLEs) auf, wenn ausgedehnte Quellen aufgenommen werden. NLEs führen zu starken Artefakten, die die Bildqualität drastisch verringern, üblicherweise ausgedrückt durch das Kontrast-zu-Rausch-Verhältnis (CNR). Aktuelle Rekonstruktionsmethoden vernachlässigen NLEs oder wenden vereinfachte Kompensationstechniken an. Während das Potenzial von Machine Learning (ML) Ansätzen, die NLEs implizit berücksichtigen, nachgewiesen wurde, fehlt eine systematische Untersuchung. Mein Ziel ist es daher, robuste Rekonstruktionsmethoden zu entwickeln und evaluieren, die NLE-induzierte Artefakte effektiv überwinden und die hochauflösende Visualisierung ausgedehnter Quellen ermöglichen. Das Projekt wird von folgender Hypothese geleitet: Wenn eine kodierte Apertur für die Abbildung ausgedehnter Quellen verwendet wird, verbessert die Einbeziehung von NLEs im Rekonstruktionsschritt den CNR erheblich. Zur Untersuchung der Hypothese, wird eine kodierte Apertur entworfen und mit einem HEXITEC-Detektor kombiniert, der mir über die Gastuniversität zur Verfügung steht (WP 1). Anschließend werden drei neue Rekonstruktionsmethoden entwickelt (WP 2), indem eine Systemmatrix erstellt wird, die die Bildtransformation auf Pixel-zu-Pixel-Ebene beschreibt. NLEs werden explizit über mathematische Modelle aus meiner bereits entwickelten Simulation einbezogen. Mit dieser Matrix werden zwei verschiedene ML-Ansätze trainiert. Die Methoden werden mit hochrealistischen Simulationen evaluiert (WP 3), um die Beziehung zwischen CNR, Quellgröße und der Anzahl der detektierten Photonen zu analysieren. Abschließend erfolgt eine Validierung durch reale Messungen an klinischen Phantomen. Die Bestätigung der Hypothese würde zeigen, dass die Aufnahme ausgedehnter Quellen keine grundlegende Einschränkung von CAI darstellt, sondern allgemeine Quellenverteilungen erfasst werden können. Dies wäre ein Fortschritt für IGCs, bei denen kürzere Aufnahmezeiten und eine bessere Auflösung beispielsweise ein präziseres Tumor-Staging ermöglichen könnten.

• DFG-Verfahren: WBP Stipendium
• Internationaler Bezug: Großbritannien
• Gastgeberin: Dr. Sarah Bugby