Accurate 2D Reconstruction for PET Scanners based on the Analytical White Image Model

1. Problématique

L'imagerie par Tomographie par Émission de Positons (PET) repose sur la reconstruction d'images à partir de données de coïncidences détectées par des cristaux scintillateurs. Les défis majeurs incluent :

• Modélisation physique imprécise : Les méthodes analytiques classiques (comme la rétroprojection filtrée) ignorent souvent les modèles physiques détaillés, conduisant à des images déformées.
• Complexité des méthodes itératives : Les algorithmes itératifs avancés (comme MLEM - Maximum Likelihood Expectation Maximization) nécessitent une matrice système précise pour modéliser la réponse du scanner. Cependant, le calcul et le stockage de cette matrice (surtout en 3D) sont extrêmement coûteux en temps et en mémoire (pouvant contenir plus de $10^{12}$ éléments).
• Limites des simulations : Les simulations Monte Carlo (MC) sont précises mais lentes et génèrent du bruit statistique. Les approches analytiques simplifiées négligent souvent des effets physiques majeurs.
• Artéfacts de reconstruction : Sans compensation adéquate de la géométrie du système (notamment la probabilité variable de détection selon la position), les reconstructions présentent des artéfacts centraux et des anneaux.

L'objectif est de développer une méthode de reconstruction 2D rapide, précise et ne nécessitant pas le stockage d'une matrice système massive, tout en corrigeant les inhomogénéités de détection.

2. Méthodologie

Les auteurs proposent une approche basée sur un modèle analytique de la réponse cristal-à-cristal pour générer une "Image Blanche" (White Image).

A. Modélisation de la réponse cristal-à-cristal

• Définition : La réponse est définie comme la fonction de densité de probabilité (PDF) d'un point d'annihilation étant donné qu'une paire de cristaux spécifiques a détecté l'événement.
• Géométrie : Les cristaux sont modélisés comme des segments de longueur $2L_0$ situés à une distance $R_0$ du centre de rotation. La PDF non normalisée est dérivée géométriquement en considérant la longueur des cristaux interceptée par un rayon émanant du point source.
• Solution Exacte : Une expression mathématique fermée (closed-form) est dérivée pour la PDF en coordonnées polaires, en tenant compte de la symétrie et de la rotation complète ($2\pi$) des cristaux. Cette solution exacte est complexe et peu pratique pour une utilisation directe.

B. Approximations et Solution Fermée

Pour rendre le modèle utilisable, les auteurs proposent des approximations très précises :

1. Approximation par ligne de Dirac : Modéliser la réponse comme une ligne reliant les centres des cristaux.
2. Approximation triangulaire (La meilleure) : La réponse est pondérée par une fonction triangulaire. L'intégration de cette fonction sur une rotation complète donne une expression analytique simple et précise.
3. Approximation rectangulaire : Une simplification supplémentaire utilisant une fenêtre rectangulaire.

Les auteurs prouvent mathématiquement et numériquement que l'approximation triangulaire est extrêmement proche de la solution exacte (erreur quadratique moyenne négligeable), surtout lorsque le rapport $L_0/R_0$ est faible.

C. Génération de l'Image Blanche (White Image)

L'Image Blanche ($I_{WI}$) représente la probabilité de détecter une source ponctuelle uniformément distribuée sur toute la zone de mesure, en intégrant les réponses de toutes les paires de cristaux possibles sur toute la rotation.

• Formule : $I_{WI}(r)$ est calculée comme une somme pondérée des réponses approximées de chaque paire de cristaux.
• Pondération : Le poids $w_{ij}$ de chaque paire dépend de la longueur effective des cristaux ($L_{ij}^2$) et de la distance entre eux.
• Avantage : Ce modèle peut être calculé "à la volée" (on-the-fly) sans pré-calculer ni stocker de grandes matrices.

D. Intégration dans l'algorithme MLEM

L'algorithme MLEM standard est modifié pour intégrer ce modèle :

• Remplacement de la matrice système : Au lieu d'utiliser une matrice système $A$ (coûteuse), l'algorithme utilise des opérateurs de projection et de rétroprojection pilotés par les rayons (Ray-driven).
• Correction par Image Blanche : Le terme de normalisation de MLEM (qui est normalement $A^T \cdot \mathbf{1}$) est remplacé par l'Image Blanche $I_{WI}$.
• Formule itérative modifiée :
  $$I^{(n+1)} = I^{(n)} \odot R^* \left( S \oslash R(I^{(n)}) \right) \oslash I_{WI}$$
  Où $R$ est la transformée de Radon (projection), $R^*$ sa transposée (rétroprojection), $S$ les données sinogrammes, et $\oslash$ la division élément par élément.
• Dithering : Une petite perturbation (dithering) est ajoutée aux lignes de réponse pour réduire les effets de quantisation.

3. Contributions Clés

1. Modèle mathématique exact et approché : Dérivation d'une solution analytique fermée pour la réponse cristal-à-cristal et validation d'une approximation triangulaire ultra-précise.
2. Modèle d'Image Blanche analytique : Création d'un modèle de compensation complet qui décrit la probabilité de détection sur tout le champ de vue, validé par des simulations Monte Carlo et des mesures réelles.
3. Algorithme de reconstruction sans matrice système : Intégration du modèle d'Image Blanche dans un MLEM modifié, éliminant le besoin de stocker une matrice système géante, réduisant ainsi drastiquement les besoins en mémoire.
4. Validation expérimentale : Utilisation d'un scanner réel (Raytest ClearPET pour petits animaux) et d'un fantôme NEMA NU 4-2008 pour valider la méthode sur des données synthétiques et réelles.

4. Résultats

• Précision du modèle : Les simulations montrent que l'approximation triangulaire de la réponse cristal-à-cristal est quasi indiscernable de la solution exacte et des résultats Monte Carlo. L'Image Blanche générée analytiquement correspond parfaitement aux mesures de calibration réelles.
• Qualité d'image :
  • Les reconstructions sans compensation (MLEM standard ou FBP) présentent des artéfacts centraux importants et des anneaux dus à la géométrie du scanner et aux effets de quantisation.
  • La méthode proposée élimine ces artéfacts, produisant des images nettes et fidèles à la géométrie du fantôme.
  • La méthode surpasse nettement les méthodes non compensées et les méthodes de rétroprojection filtrée.
• Performance :
  • La reconstruction est très rapide : environ 1,3 seconde pour une image $256 \times 256$ (avec ~50 000 coïncidences) sur un processeur Intel i9-11900K.
  • Une reconstruction complète haute qualité (48 intersections axiales) prend environ une minute.
  • La mémoire requise est comparable à la taille de l'image reconstruite, contrairement aux méthodes basées sur la matrice système.

5. Signification et Perspectives

Cette recherche démontre qu'il est possible d'obtenir une reconstruction PET de haute qualité en 2D sans recourir à des matrices système massives ou à des simulations Monte Carlo lentes.

• Impact pratique : La méthode est directement applicable aux scanners PET existants (comme le ClearPET) pour améliorer la qualité d'image et la quantification, en particulier pour les petits animaux.
• Évolutivité : Bien que l'article se concentre sur le 2D, la méthodologie basée sur les projections pilotées par les rayons et l'Image Blanche ouvre la voie à une extension vers des schémas de reconstruction 3D complets (utilisant un sous-espace de compensation 4D).
• Limites actuelles : Le modèle actuel ne prend pas encore en compte les événements de diffusion (scatter) et les événements aléatoires, ce qui constitue un axe de travail futur.

En résumé, cet article propose une solution élégante et efficace qui combine rigueur mathématique et implémentation pratique pour surmonter les limitations physiques et computationnelles de la reconstruction PET.