Reconstruction multiclasse pour l'imagerie TEP 3γ
Abstract
This contribution addresses the problem of image reconstruction of radioactivity distribution for which the available information arises from several classes of data, each associated with a specific combination of detections.
We introduce a theoretical framework to measure the amount of information brought by each class and we develop an iterative algorithm dedicated to multi-class reconstruction based on maximum likelihood.
We apply our approach to the XEMIS2 camera, a preclinical prototype of a Compton telescope dedicated to 3-photon PET imaging for which four distinct classes of partial detections coexist with the full detection class.
Based on Monte Carlo simulations, we present the first elements of our model.
Dans cette contribution, nous abordons le problème de reconstruction d’image de distribution radioactive pour lequel l’information disponible provient de plusieurs classes de données distinctes, chacune associée à une combinaison spécifique de détections. Nous présentons un cadre théorique permettant de mesurer l'apport informationnel de chaque classe et nous développons un algorithme itératif dédié à la reconstruction multiclasse basé sur le maximum de vraisemblance.
Nous proposons d’appliquer notre approche à la caméra XEMIS2, un prototype préclinique de télescope Compton dédié à l’imagerie TEP 3-photons dans lequel quatre classes de détections partielles viennent s’ajouter aux détections complètes. Sur la base de simulations Monte-Carlo, nous présentons les premières composantes du modèle développé pour la reconstruction multiclasse.
Origin | Files produced by the author(s) |
---|---|
Licence |