Bättre tolkning av PET-bilder tack vare ny metod

Ett tvärsnitt av människan – ungefär så ser en PET-bild ut. Metoden används idag rutinmässigt inom klinisk diagnostik, medicinsk forskning och i läkemedelsutveckling.

PET-studier på människa utförs vanligtvis som statiska undersökningar, till exempel helkroppsundersökningar, eller som dynamiska undersökningar, till exempel på hjärna. Under dynamiska studier tar man bilder från samma del av kroppen men från olika tidpunkter.

Informationen i dessa bilder innefattar bland annat olika typer av spårsubstanser, information om tidsförloppet och den tredimensionella avbildningen. Dessa faktorer används för att hitta kännetecken som kan användas för att skilja friska individer från sjuka.

Men i bilderna finns också en hög grad av brus. Bruset är en av flera faktorer som försvårar analysen av PET-bilder. Vanligtvis används Principal Component Analysis (PCA) för brusreducering och analys av PET-bilder. Men denna metod fungerar inte alltid.

– Eftersom PCA är en helt datorstyrd teknik, så kan denna metod inte skilja varians på grund av brus från varians på grund av signal. Detta kan leda till att PCA förstärker bruset istället för signalen, säger Pasha Razifar.

I sin avhandling presenterar han en ny metod för att studera brusengenskaper i PET-bilder. Genom att använda PCA på ett nytt sätt har han lyckats generera bilder med förbättrad kvalité, kontrast, noggrannhet, visualisering, förmåga att skilja mellan sjuka och friska regioner och med förbättrad signal till brusförhållandet.

– Dessa nya sätt att generera bilder kan leda till förbättrad klinisk tolkning och diagnostik för nya spårsubstanser i olika PET-studier eller för befintliga spårsubstanser i nya applikationer, säger Pasha Razifar.

Kontaktinformation
Pasha Razifar kan nås på 018- 66 68 66 alt 018-471 70 04 eller mobiltelefon 073-56 10 950.