Implémentation sur cartes graphiques de la modélisation de la matrice système pour la propagation des photons dans le patient à l'aide de l'information par transmission et de noyaux de convolutions. – Sympatick-G

La Tomographie d’Emission MonoPhotonique (TEMP) est une modalité d’imagerie médicale basée sur l’administration à un patient de molécules radio-labellisées. Les molécules injectées doivent avoir la spécificité de cibler une fonction ou un organe que le médecin souhaite étudier. Le radio-isotope utilisé en TEMP est un émetteur de photons détectés par une gamma-caméra. En mode tomographique, la gamma-caméra tourne autour du patient et acquiert un ensemble de projections. A partir des projections acquises, on estime la distribution 3D du radio-isotope injecté. Les effets physiques comme l’effet Photoélectrique et la diffusion Compton sont responsables de la dégradation des images reconstruites car ils sont à l’origine d’une fausse estimation de la concentration du produit radioactif et/ou de sa localisation. Si ces effets physiques ne sont pas corrigés, une dégradation importante du rapport signal-sur-bruit, de la restauration de contraste et de la résolution spatiale est observée dans les images reconstruites ce qui pourrait fausser le diagnostique établi par le médecin. Une méthode pour corriger ces effets physiques consiste à les modéliser et à intégrer le modèle dans un algorithme de reconstruction itérative. Plusieurs méthodes analytiques ont été utilisées pour modéliser ces effets (Photoélectrique, Compton). Bien que les méthodes analytiques soient rapides, leur mise en œuvre peut être complexe quand il s’agit de les implémenter pour des milieux hétérogènes (composition du corps humain) et les géométries originales de détecteurs. Ceci est le cas du corps humain composé de différents tissues et organes géométriquement indescriptibles. Les simulations Monte Carlo (MC) sont bien connues pour leur capacité à modéliser les interactions entre les particules et la matière. Leur utilisation a bien été validée en imagerie médicale nucléaire et leur capacité de modéliser le parcours du photon depuis son point d’émission jusqu’à sa détection en prenant en compte les effets physiques ayant lieu a bien été démontrée. Ainsi, l’utilisation des simulations MC permet la modélisation des effets physiques subies par les photons durant un examen TEMP et donc la correction implicite lors de la reconstruction. Cependant, les simulations MC sont très couteuses en temps de calcul et leur utilisation est à ce jour inappropriée pour des applications cliniques où souvent le taux d’examens d’imagerie journalier est assez élevé surtout si des reconstructions d’images personnalisées sont demandées.
Durant ce projet, nous proposons une méthode d’accélération de la modélisation des effets physiques subis par des photons à l’intérieur d’un patient et ce dans un délai acceptable en routine clinique (<1 heure). Ultérieurement, les calculs sur cartes graphiques ont permis d’accélérer les simulations Monte Carlo de 2, voir 3 ordres de grandeur. Cependant, l’exploitation des performances des cartes graphiques dans le cas de simulations MC est confrontée aux appels répétés aux méthodes d’acception-réjection. Le fait ques les mêmes tissues biologiques se retrouvent chez tous les patient et que les photons se propagent de la même façon dans des voxels de même dimensions et composés de même tissues nous ont orienté proposer l’utiliser de noyaux de convolution successives d’émission et de transmission respectivement depuis et à travers un voxel d’un tissu donné et de dimensions données. Cette méthode permettra de se débarrasser d’appels récurrents aux méthodes d’acception-réjection. Les noyaux d’émission et de transmission seront calculés par l’outil de simulation MC Geant4. La carte de densité d’un patient est donnée par un examen de scanner X. La navigation des photons sera implémentée sur cartes graphiques en utilisant des convolutions successives de noyaux d’émission et de transmission pré-calculés. La méthode de navigation proposée sera validée sur des données précliniques et des données cliniques.