اصلاح تضعیف در تصاویرSPECT

تصویربرداری به روش برش نگاری نشر تک فوتون )SPECT( با دوربین گاما به منظور تعیین توزیع و مقدار اکتیویته در بدن انجام می شود. تضعیف بعنوان مهمترین عامل مخرب تصویر، مانع از کمی سازی دقیق این تصاو یر می گردد. هدف از انجام این تحقیق استفاده از روش شبیه سازی مونت کارلو به منظور یافتن ارتباط دقیق بین توزیع اکتیویته در بدن و تصویر نماها با در نظر گرفتن تضعیف می باشد. در این روش، اصالح تضعیف در حین روند بازسازی تصویر انجام می شود. در این تحقیق به منظور تولید نماهای شبیه سازی شده از کد اختصاصی SIMIND استفاده شد. معادله ماتریسی بین نماها بعنوان معلوم و توزیع اکتیویته بعنوان مجهول مسئله در نظر گرفته شد. از کد مونت کارلو برای یافتن ارتباط دقیق توزیع اکتیویته و نماها با در نظر گرفتن تضعیف استفاده گردید. روش بازسازی تکرار شونده MLEM برای تعیین اکتیویته در حالت با و بدون تضعیف بکار گرفته شد. روش پیشنهادی جهت تصحیح تضعیف در سه حالت با استفاده از فانتوم هندسی ساده با اکتیویته یکنواخت، فانتوم هندسی ساده با اکتیویته غیر یکنواخت و فانتوم NCAT مورد بررسی قرار گرفت. از مقادیر میانگین پیکسل ها و تناسب بین پروفایل ها به عنوان پارامترهای کمی استفاده شد. بررسی کیفی نتایج بر روی فانتوم های ساده نشان میدهد که تصویر بازسازی شده عار ی از هرگونه اثر تضعیف می باشد، در صورتی که اثرات تضعیف در تصویر بازسازی شده بدون تصحیح تضعیف کاملا مشهود است. در بررسی کیفی اسکن پرفیوژن قلب فانتوم NCAT تفاوت بارزی بین روش بازسازی با روش پیشنهادی و بازسازی بدون تصحیح تضعیف مشاهده نشد. همچنین بررسی کمی در مقادیر پیکسل ها، بهبود مقادیر را در هر دو مورد فانتوم های ساده و فانتوم NCAT نشان میدهد. با اعمال نقش تضعیف در تولید پروجکشن های ریاضی، مقا یسه ای دقیق تر بین پروجکشن های ریاضی و واقعی صورت می گیرد و خطای حاصل از این مقایسه جهت بروزرسانی حدس اولیه استفاده م ی گردد. در نتیجه تصاویر بازسازی شده بیشتر با توزیع واقعی اکتیویته در بدن منطبق خواهند بود. از مقایسه نمودارهای مربوط به کنتراست مشاهده می شود که روش پیشنهادی در راستای تصحیح تضعیف بخوبی عمل نموده است و نمودار های مربوط به شمارش بر حسب پیکسل در روش پیشنهادی و روش مرجع از انطباق مناسب ی برخوردارند.

Keywords:

بازسازی تصویر , الگوریتم MLEM , تضعیف ماتریسی انتقال , مونت کارلوی معکوس , .SIMIND