About DoKS      NL  |  EN Search:
  Starts with (bv. psycholog*)    Exact wordgroup (bv. "Visual Basic")
 
Home
Administration
Authors
Departments
Help
Years
 


1.062 theses on-line.
Most popular theses:
1
2
3
4
5
6
7
8
9
10
   
 More... 



Open Archives Initiative
Home

Monolithic imaging detectors for high resolution PET

2012
GOESSENS, Caroline
Master in de industriële wetenschappen: Nucleaire Technologie

Trefwoorden:

Abstract :
Abstract (English)

Titel: Monolithic Imaging Detectors for High Resolution PET

Auteur: Caroline Goessens
Interne promotor: ing. Luc Lievens (XIOS)
Externe promotor: dr. Pedro Rato Mendes (CIEMAT)

This thesis is part of a large project at CIEMAT (Madrid, Spain) where a positron emission tomography (PET) system is being developed for the study of the human brain. This system, called BrainPET, will consist of an insert comprising 4 rings with 52 detectors blocks each, to be fit inside the bore of a commercially available magnetic resonance imaging (MRI) scanner. The combination of PET/MRI will allow a more accurate diagnosis and a lower radiological impact on the patient. The scanner uses monolithic detector blocks in combination with avalanche photodiodes (APDs). Neural networks (NN) are used to determine the point of entrance of the gamma rays in each block. Two prototypes have been developed to evaluate the performance of the system. The first prototype of 2009 consists of two detector boxes in coincidence with one detector in each box. The second prototype of 2011 is an improvement and utilizes four detectors in each box. Images of a point source, a homogeneous cylinder and a mini-Derenzo phantom were obtained with both prototypes. In this work the different images were reconstructed using the filtered backprojection (FBP) and ordered subsets expectation maximization (OSEM) reconstruction algorithms, where OSEM demonstrated to give the best spatial resolutions and image quality. Also, the implementation of filters and priors inside OSEM was used to perform a smoothening action on the images. Normalization corrections of the images based on geometry and a normalization file were performed to correct for detector sensitivities. The geometrical normalization didn't show a significant difference with respect to the original reconstructions, however the normalization file reconstructions showed not to be suitable since the normalization image was obtained with low statistics and contained many artefacts. Finally, an evaluation of the advantage of using monolithic detectors was made by comparing them with segmented detectors. This was done by modifying the sinogram that writes the data in order to rebin the data as if the detectors are pixelated. The same images were analyzed for both cases, and results showed that monolithic detectors yielded better detail and image quality than the more usual pixelated detector blocks.

Abstract (Nederlands)

Titel: Monolithic Imaging Detectors for High Resolution PET

Auteur: Caroline Goessens
Interne promotor: ing. Luc Lievens (XIOS)
Externe promotor: dr. Pedro Rato Mendes (CIEMAT)

Deze thesis maakt deel uit van een groot project dat loopt op CIEMAT (Madrid,Spanje) waar een PET (Positron Emission Tomography) systeem wordt ontwikkeld voor het bestuderen van de hersenen van de mens. Dit systeem, de zo geheten BrainPET, zal uitgevoerd worden als een inzetstuk bestaande uit 4 ringen met 52 detectorblokken elk. Op deze manier past het inzetstuk in een MRI (Magnetic Resonance Imaging) scanner die al commercieel beschikbaar is. De combinatie van PET/MRI leidt tot een betere diagnose en een lagere radiologische impact op de patiënt. De scanner maakt gebruik van monolithische detectorblokken in combinatie met APDs (Avalanche Photodiode). Neurale Netwerken (NN) worden gebruikt om de invalsweg van de gamma-stralen in elk detectorblok te bepalen. Twee prototypes zijn al ontwikkeld om de prestatie van het systeem te evalueren. Het eerste prototype van 2009 bestaat uit twee detectordozen in coïncidentie met één detector in elke doos. Het tweede prototype is een verbetering van het eerste en gebruikt vier detectors in elke doos. Met beide prototypes zijn beelden gemaakt van een puntbron, een homogene cilinder en een mini-Derenzo fantoom. In dit werk zijn de verschillende beelden gereconstrueerd met het FBP (Filtered Backprojection) en het OSEM (Ordered Subsets Expectation Maximization) algoritme. Hierbij gaf het OSEM algoritme de beste ruimtelijke resolutie en de beste beeldkwaliteit. De toepassing van filters en priors in het OSEM algoritme is gebruikt om ruis uit de beelden te halen. Normalisatie correcties, gebaseerd op de geometrie en een normalisatie beeld, worden gebruikt om te corrigeren voor de gevoeligheden van de detectors. De geometrische normalisatie toonde geen significante verschillen met de originele beelden. Het normalisatie beeld daarentegen was niet bruikbaar omdat het verkregen was met lage telstatistiek en het bevat veel artefacten. Ten laatste is een evaluatie van de voordelen van de monolithische detectorblokken gemaakt door deze te vergelijken met gesegmenteerde detectors. Deze evaluatie is gemaakt door het sinogram dat de data schrijft te wijzigen zodat de data worden herschikt alsof de detectors gesegmenteerd zijn. Dezelfde beelden zijn geanalyseerd in beide gevallen en de resultaten tonen aan dat de monolithische detectoren meer details en beeldkwaliteit opleveren dan de meer gebruikte gesegmenteerde detectorblokken.

Full text:
File Size Type Checksum
200800614_12.pdf 3 MB Adobe PDF MD5

Appendices:
File Size Type Checksum
200800614_12.B3.doc 67 KB Microsoft Word MD5
200800614_12.B1.doc 196 KB Microsoft Word MD5
200800614_12.B4.doc 275 KB Microsoft Word MD5
200800614_12.B2.doc 47 KB Microsoft Word MD5

Dit eindwerk werd 1753 keer bekeken en 10 keer gedownload.
Translate to English (Google translate)
 

Details

show ETD - Dublin Core

If you want to cite this thesis in your own thesis, paper, or report, use this format (APA):

GOESSENS, C. (2012). Monolithic imaging detectors for high resolution PET. Unpublished thesis, Xios, TIW.
Retrieved from http://doksxios.pxl.be/doks/do/record/Get?dispatch=view&recordId=Sxhl8ae680b43c26317b013cb3fcf385021f.




©2004-2005 - XIOS Hogeschool Limburg - webmaster - Contact