Forskare vid Umeå universitet har utvecklat en metod för att producera bilder med positronemissionstomografi, PET, trots färre och mindre exakta data.
Metoden gör det möjligt för att diagnosticera cancerpatienter snabbare, billigare och säkrare.
Positronemissionstomografi, förkortat PET, är en medicinsk avbildningsteknik som kan visualisera hur olika substanser rör sig i kroppen genom att följa sönderfallet av radioaktivt märkta molekyler.
Dess främsta kliniska tillämpningsområde är inom onkologi där PET är en viktig del i upptäckt, stadieindelning och behandlingsbedömning av cancer.
Klara Leffler, doktorand vid Institutionen för matematik och matematisk statistik, visar i sin avhandling hur det är möjligt att förbättra och effektivisera datainsamlingen vid PET-undersökningar. Genom att minska behovet av stora mängder mätdata kan undersökningarna genomföras snabbare och med mindre radioaktiv dos, vilket ökar patientens säkerhet och komfort.
Utmaningen är att leverera skarpa bilder även med ofullständiga eller ”grumliga” data. Klara Leffler har använt sig av vad som i enkla termer kan beskrivas som ”matematisk finjustering” för att selektivt hantera och förbättra data (gles signalbehandling). Resultatet är en metod som kan förbättra eller helt återskapa delar av mätdatat.
– Det är som att lösa ett pussel med saknade bitar, säger Klara Leffler.
Två huvudutmaningar har stått i fokus under forskningsarbetet. Den ena är hur man hanterar grumliga data som uppstår vid lägre radioaktiv dos eller kortare skanningstider. Den andra är att kunna komplettera ofullständig information från PET-skannrar som har luckor i sina mätmönster (glesa detektorkonfigurationer).
Resultaten visar hur det går att förbättra och återställa värdefulla data med hjälp av matematiska beräkningsmetoder och djupinlärning.
Förutom säkrare och effektivare undersökningar kan resultaten även bidra till att minska kostnaderna för och underlätta tillgången till avancerad bildbehandling. Denna forskning är inte bara relevant för PET-bildbehandling utan kan även inspirera nya metoder inom andra områden av medicinsk diagnostik.
– Det här arbetet har varit en upptäcktsresa, inte bara vetenskapligt utan även i hur olika discipliner kan samarbeta för att överbrygga gapet mellan teori och praktisk tillämpning. Att se hur matematiska modeller kan anpassas till medicinska behov har varit både utmanande och upplysande, säger Klara Leffler.