Optimizing Functional PET Image Reconstruction

Abstract

Funktionelle Positronen Emissions Tomografie (fPET) ist ein medizinisches Bildgebungsverfahren zur Untersuchung aufgabeninduzierter Änderungen molekularer Prozesse. Über die Rekonstruktion einer Bildsequenz, auch dynamische Rekonstruktion genannt, können Prozesse im Gehirnuntersucht werden. Es wird erwartet, dass zeitliche Auflösungen von einem Bild pro Sekunde und darunter das Verständnis dieser Prozesse verbessern werden. Kürzere Aufnahmedauern pro Bildverringern jedoch die Signalstärke. Daher sollten zur Abbildung schneller molekularer Prozesse hochsensitive Systeme verwendet werden. Long axial field of view (LAFOV) Scanner bestehen aus einer großen Anzahl an Detektorringen und sind daher imstande Signale zu messen, welche das System ansonsten undetektiert verlassen würden.Da der, zur Rekonstruktion der Bilder aus den Emissionsdaten, nötige Rechenaufwand stark von der Anzahl der Detektoren abhängt, erhöht sich dieser durch die Verwendung von LAFOV Systemen signifikant. Zusätzlich besteht bei dynamischer Rekonstruktion die Notwendigkeit,eine Vielzahl von Einzelbildern zu rekonstruieren. Daher, und insbesondere für hohe zeitliche Auflösungen, bedarf fPET an LAFOV Systemen äußerst performanter Hard- und Software, um die Bilder in akzeptablen Zeiträumen errechnen zu können. In der klinischen Praxis werden meist von Scannerherstellern zur Verfügung gestellte Programme verwendet. Zusätzlich gibt es frei verfügbare Lösungen, welche von Wissenschaftlern entwickelt und öffentlich zugänglich gemacht wurden. Durch das Fehlen von Vergleichen in der Literatur gestaltet sich eine Auswahl im Kontext der dynamischen Rekonstruktion für fPET schwierig. Um diese Unsicherheiten zu verringern wurde im Zuge dieser Arbeit eine detaillierte Recherche der verfügbaren Optionen durchgeführt. Mit einem Siemens Biograph mMR Scanner aufgenommene Daten wurden mithilfe der zwei vielversprechendsten Programme, NiftyPET und SIRF, rekonstruiert. Die Programme wurden in Hinblick auf Laufzeit und Hardwareauslastung evaluiert und mit der Siemens Lösung,e7-tools, verglichen. Zusätzlich wurden die e7-tools auf verschiedenen Hardwarekonfigurationen getestet.Die Ergebnisse zeigen, dass die e7-tools die beste getestete Lösung darstellen. Sie konnten die Rekonstruktion der Bildsequenz um teils mehr als das zehnfache schneller ausführen als andere Programme. Besonders bei Ausführung der Berechnungen mithilfe einer GPU waren die e7-toolsim Vorteil. Die Verwendung dieser Bedarf jedoch leistungsfähiger Hardware. Außerdem werden GPU-optimierte Berechnungen nicht für alle Scannersysteme unterstützt. Besonders im Fall von LAFOV Systemen wie dem Siemens Biograph Vision Quadra wäre eine Weiterentwicklung der e7-tools hin zur GPU also wünschenswert. Die Gründe für die bessere Leistung wurden untersucht und erläutert. Sie liegen hauptsächlich in fPET-spezifischen Punkten in der Sinogrammerstellung und in Streuungssimulationen, welche zugunsten höherer Genauigkeit auf gewisse Optimierungen verzichten. Zusätzlich sind die e7-tools eindeutig hocheffizient und konkurrenzfähige Softwarewürde einer aus allen Perspektiven optimierten Implementierung bedürfen.Um die Herausforderungen rund um die Verwendung von LAFOV Systemen gepaart mit dynamischer Rekonstruktion besser zu verstehen, wurde die Abhängigkeit des Rechenaufwands von der Anzahl der Detektorringe untersucht. Dies hat gezeigt, dass die Anzahl der nötigen Berechnungen mit der vierten Potenz der Anzahl der Ringe steigt. Hierdurch wird klar, worin die signifikante Steigerung der Komplexität des Problems begründet liegt. Eine substanzielle Reduktion des Aufwands wäre jedoch durch eine Einschränkung des Bildes auf das Gehirn möglich.Allgemein lässt sich daher schlussfolgern, dass Verbesserungen durch eine Kombination aus GPU-Prozessierung und anwendungsspezifischer Rekonstruktion immer noch möglich sind.

Functional Positron Emission Tomography (fPET) is a medical imaging method allowing for the assessment of task specific changes of molecular processes. Via frame by frame reconstruction,also referred to as dynamic reconstruction, molecular processes inside the human brain or other organs can be observed. It is expected that temporal resolutions of one second and below will improve our understanding of these molecular processes. However, reducing the frame lengths also reduces the signal per frame. Therefore, scanners with a higher sensitivity must be used for an accurate detection of fast molecular processes. Long axial field of view (LAFOV) scanners have many detector rings and can therefore capture emissions which would remain undetected in other systems. Using a system of this type is one, compared to others, readily available possibility to increase the acquisition sensitivity.The computational complexity of the reconstruction mainly depends on the number of detectors. Furthermore, in the case of dynamic PET, the reconstruction algorithm is executed once per frame. Therefore, the processing of data from LAFOV systems requires very performant hard- and software. In clinical practice, software from scanner manufacturers is used. Addition-ally, other openly available implementations do exist for research. However, the literature does not provide thorough comparisons. To alleviate the uncertainties in selecting a toolbox, this the-sis conducted a detailed review of available solutions in the context of fPET. A reconstruction pipeline, using data acquired by a Siemens Biograph mMR, was implemented with two open toolboxes, NiftyPET and SIRF. They were evaluated in terms of processing time and hardware utilization. Furthermore, their performance was compared to the Siemens solution, e7-tools.It was found that the e7-tools are the best option amongst the tested candidates, being more than ten times faster compared to the openly available solutions. Generally, they are highly optimized. It will therefore remain challenging to compete with their performance. Especially,when calculations are executed on the GPU, processing is significantly faster. However, this is only the case when appropriate hardware is used. Furthermore, GPU processing is unfortunately not supported for all scanner models. Especially for LAFOV systems such as the Siemens VisionQuadra, improving the e7-tools to also support GPU accelerated reconstruction for this scanner type would therefore be highly favourable. Additionally, it was found that certain design decisions in histograming and scatter simulation can lead to increased processing times which are further amplified in the case of fPET.To obtain a better understanding of the challenges of dynamic reconstruction on LAFOV systems, the general dependency of processing requirements on the number of detector rings was evaluated. It was found that the number of computations grows with the fourth power of the number of rings in the scanner. This illustrates the challenge which comes with a transition to larger scanner systems. The effect could be mitigated using a restricted field of view (FOV). Therefore, substantial potential for performance improvements are still possible for fPET reconstruction by a combination of GPU processing with a limitation of the FOV.