Bewegungskorrektur basierend auf 3D-Dekonvolution und Segmentierung basierend auf Texturalen Eigenschaften zur Optimierung der Tumorsegmentierung in der Positronen Emissions Tomographie

  • Bewegung und daraus resultierende Bewegungsartefakte während einer PET-Aufnahme beeinträchtigen die quantitative (kleine Läsionen könnten übersehen werden) und qualitative (das Volumen der Läsion überschätzt, im Gegensatz dazu die Intensität bzw. der Uptake unterschätzt) Beurteilbarkeit. Unser entwickelter Bewegungskorrekturalgorithmus greift auf routinemässig aufgenommene Bilder zurück und liefert deutlich verbesserte und genauere Darstellungen der Traceranreicherung. Bei 3D Modellierung und Dekonvolution in 3D konnten Veränderungen im Tumorvolumen bis zu 33,3% erzielt werden und in den Phantomstudien sogar bis zu 49% Volumen- Verbesserung. Ein weiterer Entwicklungsschritt in den letzten Jahren war die Etablierung textural basierter Analysen von PET-Bildern. Wir nutzen diese Heterogenität innerhalb des Tumors in derBewegung und daraus resultierende Bewegungsartefakte während einer PET-Aufnahme beeinträchtigen die quantitative (kleine Läsionen könnten übersehen werden) und qualitative (das Volumen der Läsion überschätzt, im Gegensatz dazu die Intensität bzw. der Uptake unterschätzt) Beurteilbarkeit. Unser entwickelter Bewegungskorrekturalgorithmus greift auf routinemässig aufgenommene Bilder zurück und liefert deutlich verbesserte und genauere Darstellungen der Traceranreicherung. Bei 3D Modellierung und Dekonvolution in 3D konnten Veränderungen im Tumorvolumen bis zu 33,3% erzielt werden und in den Phantomstudien sogar bis zu 49% Volumen- Verbesserung. Ein weiterer Entwicklungsschritt in den letzten Jahren war die Etablierung textural basierter Analysen von PET-Bildern. Wir nutzen diese Heterogenität innerhalb des Tumors in der PET-Bildgebung für die Entwicklung von Algorithmen zur Tumorsegmentierung. Unsere entwickelten Segmentierungsalgorithmen lieferten gute Ergebnisse. Die Segmentierung basierend auf der Entropie lieferten in der Phantomstudie die besten Resultate, der KU-basiert und LE-basiert sowie der Grenzwertbasierte Algorithmus konnten alle (bis auf 1 Ausnahme) Patienten-Läsionen gut segmentieren. Alle segmentierten Volumina korrelierten sehr gut mit den pathologischen Volumina. Zusammenfassend wurden in dieser Arbeit somit zwei wichtige Limitierungen für die PET-Bildgebung, die Bewegungsunschärfe und die Segmentierung von Läsionen für die FDG-PET/CT bei Patienten mit Lungenkarzinomen bearbeitet und entsprechende Korrekturalgorithmen entwickelt, die erfolgreich anhand von Phantom- und Patientendatensätzen validiert werden konnten. Im nächsten Schritt müssen diese Algorithmen Einzug in grössere, ggf. prospektive klinische Studien finden.show moreshow less
  • Positron Emission Tomography (PET) is becoming more and more important in clinical routine applications. One of the major limitations is the sensitivity to patient motion especially in the thorax to periodic respiratory movement. Another open point of discussion is the method how to define the tumor volume, especially when the precise knowledge of the tumor borders is important as in radiation treatment planning. Therefore, in this work these two topics to improve quantification in PET imaging have been addressed. First a new motion correction algorithm was implemented using image deblurring including movement information of a 4D Computed Tomography (CT). This method, which has the advantage of not increasing the PET acquisition time as other motion correction techniques, was applied to phantom and patient data and showedPositron Emission Tomography (PET) is becoming more and more important in clinical routine applications. One of the major limitations is the sensitivity to patient motion especially in the thorax to periodic respiratory movement. Another open point of discussion is the method how to define the tumor volume, especially when the precise knowledge of the tumor borders is important as in radiation treatment planning. Therefore, in this work these two topics to improve quantification in PET imaging have been addressed. First a new motion correction algorithm was implemented using image deblurring including movement information of a 4D Computed Tomography (CT). This method, which has the advantage of not increasing the PET acquisition time as other motion correction techniques, was applied to phantom and patient data and showed promising result in improvement of lesion quantification. In phantom studies an improvement of up to 49% in lesion volume and in patient studies of up to 33.3% could be demonstrated. In the second part of this work, a new segmentation method based on textural parameters was implemented and validated as well in phantom and patient data. In the latter a validation with histopathological data was performed showing a very good performance of the new algorithms, especially in larger lesions. Best result could be shown in phantom data and patient data for the segmentation algorithm based in the local entropy. In summary, two algorithms were implemented and validated which can improve quantification of PET imaging furthermoreshow moreshow less

Download full text files

Export metadata

Additional Services

Search Google Scholar
Metadaten
Author:Lena Bundschuh
URN:urn:nbn:de:hbz:kob7-26204
DOI:https://doi.org/10.82549/opus4-2620
Place of publication:Koblenz
Referee:Vesna Prokic, Klemens Zink
Document Type:Doctoral Thesis
Language:German
Date of Publication (online):2026/01/13
Date of first Publication:2026/01/13
Publishing Institution:Universität Koblenz, Universitätsbibliothek
Granting Institution:Universität Koblenz, Fachbereich 3
Date of final exam:2025/07/14
Release Date:2026/01/13
Page Number:65 Seiten
Institutes:Fachbereich 3 / Institut für Integrierte Naturwissenschaften / Institut für Integrierte Naturwissenschaften, Abt. Chemie
Licence (German):CC BY
Einverstanden ✔
Diese Webseite verwendet technisch erforderliche Session-Cookies. Durch die weitere Nutzung der Webseite stimmen Sie diesem zu. Unsere Datenschutzerklärung finden Sie hier.