Opis projektu
Lepsze obrazowanie mózgu przy użyciu dwóch znaczników
Pozytonowa tomografia emisyjna (ang. Positron Emission Tomography, PET) jest techniką obrazowania medycznego, która ujawnia in vivo procesy metaboliczne zachodzące w całym mózgu. Przed obrazowaniem PET do organizmu pacjenta wstrzykiwany jest znacznik. Zarejestrowany obraz PET ogranicza się do prezentacji jednego znacznika, a więc ukazuje tylko jeden proces metaboliczny zachodzący w mózgu. Obrazy PET uzyskane z wykorzystaniem dwóch znaczników dostarczają nieznanych wcześniej informacji w kontekście nowych leków na chorobę Alzheimera i zwiększają nasze zrozumienie mózgu. Zespół finansowanego ze środków UE projektu Dual Tracer PET wykorzysta techniki uczenia maszynowego do opracowania i wdrożenia algorytmu rekonstrukcyjnego na potrzeby obrazowania PET z użyciem dwóch znaczników, umożliwiającego uzyskanie dwóch oddzielnych obrazów PET o wysokiej jakości. Wyniki pomogą w zrozumieniu komunikacji neuronalnej w mózgu.
Cel
Positron Emission Tomography (PET) is a medical imaging technique that displays in vivo brain-wide metabolic processes. Prior to PET image acquisition, a tracer, labelled with a positron emitting isotope, is injected to the patient. This so-called radiotracer distributes over the body and accumulates in e.g. inflammatory tissue.
To date, the acquisiton of a PET image is limited to one tracer, thereby only displaying one metabolic process in the brain. However, the acquisition of two separate PET images acquired with different tracer simultaneously would give novel and unique insights in the communication between e.g. neurotransmitter systems. These insights could be used for the development of new drugs for e.g Alzheimer patients and would increase the understanding of the healthy and diseased brain.
The acquisition of 'dual tracer' PET images can be achieved by combining two radiotracers with different properties: The first 'standard' radiotracer emits two photons that are recorded by the PET system, while the second 'non-standard' tracer emits two photons and an additional gamma ray. By identifying the additional gamma ray, the photon detections of the two tracers can be separated and two PET images can be reconstructed.
'Dual tracer' PET image reconstruction yields challenges due to undesirable effect of photon detection. In this project, a machine learning algorithm will be trained to detect and correct for these effects. Moreover, the image acquired with the 'non-standard' tracer yields low image quality. A Convolutional Neural Network will be trained to denoise this PET image.
In the proposed project, a reconstruction algorithm for dual tracer PET based on machine learning techniques and resulting in two separate PET images with high image quality will be developed and implemented. The proposed project will demonstrate if dual tracer PET imaging has future potential and will help to understand the highly interactive neuronal communication in the brain.
Dziedzina nauki
- medical and health sciencesclinical medicineradiologynuclear medicine
- engineering and technologymedical engineeringdiagnostic imaging
- natural sciencescomputer and information sciencesartificial intelligencemachine learning
- natural sciencesphysical sciencestheoretical physicsparticle physicsphotons
- natural sciencescomputer and information sciencesartificial intelligencecomputational intelligence
Słowa kluczowe
Program(-y)
- HORIZON.1.2 - Marie Skłodowska-Curie Actions (MSCA) Main Programme
Zaproszenie do składania wniosków
Zobacz inne projekty w ramach tego zaproszeniaSystem finansowania
HORIZON-TMA-MSCA-PF-EF - HORIZON TMA MSCA Postdoctoral Fellowships - European FellowshipsKoordynator
52428 Julich
Niemcy