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

1. Problema

A reconstrução de imagens em Tomografia por Emissão de Pósitrons (PET) enfrenta desafios significativos relacionados à modelagem física precisa do sistema.

• Limitações dos Métodos Atuais: Métodos analíticos clássicos (como Retroprojeção Filtrada - FBP) frequentemente ignoram modelos físicos detalhados, resultando em imagens distorcidas. Métodos iterativos (como MLEM e OSEM) dependem de uma matriz de sistema precisa para mapear o espaço da imagem para o espaço das projeções.
• Desafios da Matriz de Sistema:
  • Medições com Fonte Pontual: São extremamente precisas, mas impraticáveis devido ao tempo de aquisição necessário (anos para gerar a matriz completa).
  • Simulações de Monte Carlo (MC): Oferecem alta precisão, mas são computacionalmente lentas e geram ruído estatístico, exigindo pré-cálculo e armazenamento massivo (a matriz pode ter mais de $10^{12}$ elementos em 3D).
  • Abordagens Analíticas Simples: Muitas vezes modelam apenas a geometria básica, negligenciando efeitos físicos importantes como a resposta cristal-a-cristal real, espalhamento e efeitos de quantização.
• Objetivo: Desenvolver um modelo matemático preciso, rápido e de baixa complexidade computacional para compensar as limitações físicas do scanner PET, permitindo reconstruções de alta qualidade sem a necessidade de armazenar uma matriz de sistema gigante.

2. Metodologia

Os autores propõem uma abordagem baseada na geração de uma "Imagem Branca" (White Image) derivada de um modelo analítico exato da resposta cristal-a-cristal.

• Modelo de Resposta Cristal-a-Cristal (PDF):

  • Os autores derivam uma função de densidade de probabilidade (PDF) não normalizada que descreve a probabilidade de uma aniquilação ocorrer em um ponto $T(x,y)$ dado que foi detectada por um par específico de cristais.
  • O suporte da PDF é retangular, dividido em regiões triangulares e retangulares baseadas na geometria dos cristais (distância $2R_0$ e comprimento $2L_0$).
  • É fornecida uma solução de forma fechada (closed-form) para a rotação completa ($2\pi$) dessa resposta, integrando a PDF enquanto o anel de cristais gira ao redor da origem. A expressão exata é complexa, mas serve como referência.

• Aproximações Eficientes:

  • Devido à complexidade da solução exata, são propostas aproximações altamente precisas:
    1. Aproximação Triangular: Utiliza uma função de peso triangular para aproximar a resposta entre os cristais. Esta foi identificada como a melhor aproximação, com erro quadrático médio (RMSE) insignificante comparado à integração numérica exata.
    2. Aproximação Retangular (Janela Constante): Uma simplificação adicional para casos onde a precisão extrema não é crítica.
  • A aproximação triangular permite expressar a resposta rotacionada em uma forma analítica simples e computacionalmente eficiente.

• Geração da Imagem Branca (White Image - WI):

  • A Imagem Branca representa a probabilidade de detectar uma fonte pontual uniformemente distribuída em toda a área de medição, considerando a rotação de todos os pares de cristais possíveis.
  • É calculada como uma soma ponderada das respostas aproximadas de todos os pares de cristais, onde o peso $w_{ij}$ é proporcional ao quadrado do comprimento efetivo do cristal ($L_{ij}^2$).
  • O modelo é validado comparando-o com simulações de Monte Carlo e medições reais de calibração, mostrando indistinguíveis diferenças.

• Algoritmo de Reconstrução Modificado (MLEM):

  • O algoritmo Maximum Likelihood Expectation Maximization (MLEM) é modificado para não depender da matriz de sistema completa.
  • Em vez disso, utiliza projeções e retroprojeções guiadas por raios (ray-driven).
  • A compensação do sistema é realizada em cada iteração através de uma divisão elemento a elemento pela Imagem Branca calculada analiticamente.
  • A fórmula iterativa modificada é:
    $$I^{(n+1)} = I^{(n)} \odot R^* \left( S \oslash R(I^{(n)}) \right) \oslash I_{WI}$$
    Onde $R$ é a transformada de Radon (projeção), $R^*$ é a adjunta (retroprojeção), $S$ são os dados do sinograma e $I_{WI}$ é a Imagem Branca.

3. Principais Contribuições

1. Modelo Matemático Exato e Aproximado: Derivação de uma expressão analítica completa para a resposta cristal-a-cristal e sua rotação, seguida de aproximações (triangular) que mantêm a precisão com complexidade reduzida.
2. Modelo de Imagem Branca Analítico: Criação de um modelo de compensação que substitui a necessidade de uma matriz de sistema pré-calculada e armazenada, sendo gerada "on-the-fly" (em tempo de execução).
3. Integração no MLEM: Adaptação do algoritmo MLEM para utilizar projeções de raios e a Imagem Branca, eliminando a necessidade de armazenar matrizes esparsas massivas (reduzindo a demanda de memória para o tamanho da imagem reconstruída).
4. Validação Experimental: Uso de dados sintéticos e reais (scanner Raytest ClearPET para pequenos animais e fantoma NEMA NU 4-2008) para validar o método.

4. Resultados

• Precisão: As aproximações (especialmente a triangular) demonstraram um RMSE extremamente baixo em comparação com a integração numérica exata e simulações de Monte Carlo.
• Qualidade de Imagem:
  • Reconstruções sem compensação (MLEM padrão ou FBP) apresentaram artefatos significativos, incluindo um artefato central forte e anéis concêntricos devido a efeitos de quantização e à geometria incompleta do scanner (8 setores em vez de 20).
  • O método proposto eliminou esses artefatos, produzindo imagens com alta fidelidade geométrica e recuperação precisa da distribuição do radiofármaco.
• Desempenho Computacional:
  • O algoritmo é extremamente rápido. A reconstrução de uma imagem de $256 \times 256$ pixels com dados de ~50.000 coincidências levou aproximadamente 1,3 segundos em um processador Intel i9-11900K.
  • Uma reconstrução completa de alta qualidade (considerando todas as interseções axiais) foi realizada em pouco mais de um minuto.
• Robustez: O método superou consistentemente os métodos competitivos não compensados e demonstrou ser eficaz mesmo com scanners com campo de visão incompleto.

5. Significado e Impacto

Este trabalho oferece uma solução elegante para um problema fundamental na tomografia PET: a compensação de sistema sem o custo computacional e de memória proibitivo das matrizes de sistema completas.

• Eficiência: Ao substituir a matriz de sistema por uma expressão analítica fechada (Imagem Branca), o método torna viável a implementação de algoritmos iterativos de alta precisão em hardware com recursos limitados.
• Generalização: A abordagem baseada em projeções de raios e compensação analítica é promissora para a extensão de reconstruções 2D para 3D e para scanners com geometrias complexas ou incompletas.
• Aplicabilidade Prática: A capacidade de gerar imagens de alta qualidade rapidamente, utilizando apenas parâmetros geométricos básicos do scanner, facilita a aplicação clínica e de pesquisa, especialmente em sistemas de pequeno animal onde a precisão é crítica.

Em resumo, os autores demonstraram que um modelo físico analítico preciso, combinado com uma aproximação inteligente, pode superar métodos de "caixa preta" baseados em aprendizado de máquina ou simulações pesadas, oferecendo transparência, velocidade e alta qualidade na reconstrução de imagens PET.