Compressed sensing for reduction of noise and artefacts in direct PET image reconstruction

AimImage reconstruction in positron emission tomography (PET) can be performed using either direct or iterative methods. Direct reconstruction methods need a short reconstruction time. However, for data containing few counts, they often result in poor visual images with high noise and reconstruction artefacts. Iterative reconstruction methods such as ordered subset expectation maximization (OSEM) can lead to overestimation of activity in cold regions distorting quantitative analysis. The present work investigates the possibilities to reduce noise and reconstruction artefacts of direct reconstruction methods using compressed sensing (CS).Materials and methodsRaw data are generated either using Monte Carlo simulations using GATE or are taken from PET measurements with a Siemens Inveon small-animal PET scanner. The fully sampled dataset was reconstructed using filtered backprojection (FBP) and reduced in Fourier space by multiplication with an incoherently undersampled sampling pattern, followed by an additional reconstruction with CS. Different sampling patterns are used and an average of the reconstructions is taken. The images are compared to the results of an OSEM reconstruction and quantified using signal-to-noise ratio (SNR).ResultsThe application of the proposed CS post-processing technique clearly improves the image contrast. Dependent on the undersampling factor, noise and artefacts are reduced resulting in an SNR that is increased up to 3.4-fold. For short acquisition times with low count statistics the SNR of the CS reconstructed image exceeds the SNR of the OSEM reconstruction.ConclusionEspecially for low count data, the proposed CS-based post-processing method applied to FBP reconstructed PET images enhances the image quality significantly.

ZusammenfassungZielDie Bildrekonstruktion in der Positronen-Emissions-Tomographie (PET) kann sowohl durch direkte als auch durch iterative Methoden erfolgen. Direkte Rekonstruktionsmethoden benötigen eine kurze Rekonstruktionszeit, liefern jedoch für Datensätze mit wenigen Ereignissen häufig Bilder von schlechter Qualität mit hohem Rauschanteil und Rekonstruktionsartefakten. Iterative Rekonstruktionsmethoden wie der ”Ordered Subset Expectation Maximization” (OSEM) Algorithmus können hingegen zu einer Überschätzung der Aktivität in kalten Bereichen führen, wodurch die quantitative Auswertung verfälscht wird. Die vorgestellte Arbeit untersucht die Möglichkeit, Rauschen und Rekonstruktionsartefakte direkter Rekonstruktionsmethoden durch Compressed Sensing (CS) zu reduzieren.Material und MethodenRohdaten werden sowohl durch Monte Carlo Simulationen mit GATE generiert als auch durch PET-Messungen mit einem Siemens Inveon Kleintier-PET aufgenommen. Der vollständig abgetastete Datensatz wird mit der gefilterten Rückprojektion (FBP) rekonstruiert, im Fourierraum durch Multiplikation mit einem inkohärent unterabgetasteten Abtastmuster reduziert und im Anschluss durch CS rekonstruiert. Von mehreren, mit unterschiedlichen Abtastmustern rekonstruierten Datensätzen wird ein Mittelwert berechnet. Die Bilder werden mit den Ergebnissen einer OSEM-Rekonstruktion verglichen und über das Signal-Rausch-Verhältnis (SNR) quantifiziert.ErgebnisseDie Anwendung der dargestellten Nachbearbeitungstechnik mit CS führt zu einer deutlichen Verbesserung des Bildkontrastes. Abhängig vom Unterabtastfaktor werden Rauschen und Artefakte reduziert, was sich durch ein bis zu 3.4-fach größeres SNR zeigt. Für kurze Akquisitionszeiten mit schlechter Ereignisstatistik übersteigt das SNR des mit CS rekonstruierten Bildes das der OSEM-Rekonstruktion.SchlussfolgerungEine zusätzliche Rekonstruktion mit CS stellt eine Nachbearbeitungsmethode für die FBP in der PET dar, welche insbesondere für Datensätze mit wenigen Ereignissen zu einer deutlichen Verbesserung der Bildqualität führt.