脳PET超高解像度化の鍵：DOIとPSFモデリングの協調

10月 8, 2026 · 論文解説

🎧 この記事を音声で聴く（AI生成Podcast）

解説対象論文: Impact of depth-of-interaction and spatially-variant point-spread-function model on the performance of ultra-high resolution brain PET
Physics in Medicine and Biology｜被引用数: 0（2026年10月8日時点）

脳の微細な構造や機能の理解は、神経科学研究や神経疾患の診断において極めて重要です。この理解を深める上で、陽電子放出断層撮影（PET）は強力な分子イメージングツールとしてその役割を拡大しています。特に、超高解像度脳PETは、より詳細な情報を提供することで、神経変性疾患の早期診断や神経精神疾患の綿密な研究に貢献しています。今回は、最新の超高解像度脳PETスキャナー「NeuroEXPLORER（NX）」の性能を最大限に引き出すための技術について、DOI（Depth-of-Interaction）とPSF（Point Spread Function）モデリングという2つの重要な要素に焦点を当てた研究をご紹介します。

研究サマリー（FINER & PICO）

Feasible実施可能性	シミュレーションと物理ファントム、非ヒト霊長類を用いた広範な評価が行われた。
Ethical倫理面	非ヒト霊長類データを使用し、研究倫理ガイドラインに準拠して実施された。
Interesting面白さ	超高解像度脳PETにおけるDOIとPSFモデリングの相互作用を解明した。
Novel新規性	空間変動PSFモデルがDOI情報の不足を補償できることを実証し、最適化の指針を示した。
Relevant切実さ	脳PET画像の解像度向上は神経疾患診断や神経科学研究に直結する。
Measurable測定可能性	PVR、NRMSE、Ψ-FWHM、コントラスト、COVといった多様な定量指標で性能を評価した。
Modifiable派生・改善	オープンソースのYRT-PETでVarPSFを実装し、他のPETシステムへの適用可能性を示した。
Structured文章構造	体系的なDOI構成（8DOI, 2DOI, noDOI）とPSFモデリング戦略で比較評価した。
PICO / PECO対象・介入・比較・結果	P: NeuroEXPLORER PETスキャナー, I: 空間変動PSFモデルの適用, C: 空間不変PSFモデルやPSFモデルなし, O: 高分解能脳PET画像の性能向上。

はじめに：脳PETの進化と高解像度化の重要性

どうも、Beyond the Pixelです。脳PETは、アルツハイマー病やパーキンソン病、てんかんといった神経疾患の診断やモニタリング、さらには脳血流、代謝、受容体占拠率の定量的評価を通じて脳の薬理学や生理学の研究に不可欠なツールとなっています。脳の微細な構造や機能的サブ領域への理解が深まるにつれて、高空間分解能と高感度を両立できる専用システムの開発が、脳PETの進化の焦点となってきました。その中でも、HRRT（High Resolution Research Tomograph）は、少なくとも2.5 mmの空間分解能を実現し、神経科学や臨床研究における高解像度PETイメージングを推進してきました。近年では、さらに画像分解能、感度、定量性能を高める新しい脳PETシステムが複数開発されています。これらの進歩により、神経変性疾患の早期診断や神経精神医学、神経腫瘍学における定量PETの役割が強化されています。著者らが開発した次世代の超高性能脳PETスキャナー「NeuroEXPLORER（NX）」は、49.5 cmの長いアキシャル視野（FOV）と、単一端検出器読み出しに基づく8層のDOIエンコーディングによる高分解能検出器（半径方向1.64 mm、軸方向2.73 mmの空間分解能）を特徴とし、全FOVにわたる高感度と高空間分解能を可能にしています。NXは、HRRTと比較して、特に小さな脳構造において、画像詳細の大幅な改善を示しました。

DOI（Depth-of-Interaction）技術とは？

PETの視野全体で均一な空間分解能を維持するために、DOI（Depth-of-Interaction：相互作用深さ）技術が一般的に使用されます。DOIは、シンチレーション結晶内でガンマ光子がどこで相互作用したかという深さを推定する検出器技術であり、これによりパララックス誤差を低減し、撮像視野全体で高解像度と空間的に均一な解像度を維持します。これは、小さな構造や微妙な領域差が画像分解能に厳しい要求を課す専用脳PETにとって特に重要です。高分解能PET向けに、多層型、両端読み出し型、単一端検出器型など、いくつかのDOI検出器アーキテクチャが開発されてきました。NXスキャナーでは、単一端SiPMアレイに結合されたU字型のアキシャル光共有結晶アーキテクチャを採用し、20mmの結晶深さにわたって8つのDOIビンを提供しています。

PSF（Point Spread Function）モデリングによる解像度改善

正確な定量的PETイメージングには、画像分解能を決定する物理的要因を明示的にモデル化することが必要です。脳PETにおいて、空間分解能は本質的に、結晶サイズ、結晶断面積、DOIの不確実性、陽電子の飛程、光子の非共線性など、検出器と相互作用の物理的要因によって制限されます。PSF（Point Spread Function：点広がり関数）モデリングは、このような物理的要因に起因する画像のぼやけを画像再構成中に補償します。PSFは、理想的な点光源をシステムがどのように歪めるかを記述するものです。重要なことに、PETの空間分解能は視野（FOV）全体で均一ではありません。斜め方向からの光子入射といった影響により、PSFは空間的に変動し、一般的にFOVの端に向かって広がります。このため、位置に依存するシステム応答を正確に捉え、FOV全体の解像度均一性と定量精度を向上させるには、空間的に変動するPSFモデリングが不可欠です。本研究では、オープンソースのYale Reconstruction Toolkit for PET (YRT-PET) にNXスキャナー用の空間変動PSF（VarPSF）モデルを実装し、DOI解像度と解像度モデリングの相互作用を調査しました。著者らは、シミュレーションおよび物理的な点線源からPSFパラメータを推定しました。点線源と背景を含むシミュレーションを用いた方法でPSFパラメータを測定し、空間的に変動するPSFモデルを3つの主要なDOI構成（8層DOI、2層DOI、DOIなし）で開発しました。再構成された点線源は3Dガウスモデルでフィッティングされ、得られたFWHM値がPSFパラメータとして抽出され、ルックアップテーブル（LUT）に保存されました。再構成中には、最近傍補間法を用いてLUTから局所的なPSFパラメータが選択されます。PSFの推定には、バックグラウンドを含まない場合と、ウォームバックグラウンド（点線源の90%の活動濃度）を含む場合の比較が行われました。その結果、バックグラウンドを含んだ推定の方が、イテレーションを重ねるにつれてより緩やかに収束し、安定した値を示すことがわかりました。これに対し、バックグラウンドを含まない推定では、PSF FWHMが急速に減少し、過小評価される傾向が見られました。

**Figure 1.** Figure 1: PSF estimation with MLEM iterations from a pure point source at center of FOV and same point source with warm background for 8-layer DOI NX system. Iterations 1–5 were zoomed in to show differences in convergence speed. DOI, depth of interaction; FOV, field of view; MLEM, maximum-likelihood expectation-maximization; NX, NeuroEXPLORER; PSF, point spread func- tion.解説: 本図は、FOV中心にある純粋な点線源とウォームバックグラウンドを持つ点線源から、MLEM反復を用いたPSFの推定を比較しています。イテレーション1～5を拡大し、収束速度の違いを示しています。バックグラウンドを含む点線源からのPSF推定は、イテレーションを重ねるにつれて緩やかに収束し、安定した値に近づくことを示しています。

この知見は、実システムでのPSF推定において、初期のイテレーションで停止する戦略を促しました。

DOIとPSFモデリングの組み合わせ効果

本研究では、NXシステムにおけるDOIと空間変動PSFモデリングの影響を評価するため、シミュレーションデータ、物理ファントムデータ、および生体（非ヒト霊長類：NHP）スキャンデータを用いました。再構成は、時間情報（TOF）、減弱補正、正規化補正を含むOSEM（Ordered Subset Expectation Maximization）法で行われました。PSFモデリング戦略として、実装された空間変動PSFモデル（VarPSF）と、FOV中心で測定された空間不変PSFモデル（SinglePSF）、そしてPSFモデリングなし（noPSF）の3つを比較しました。シミュレーションによるミニデレンゾファントム研究では、FOV中心に配置された場合でも、VarPSFはSinglePSFおよびnoPSFよりも高いピーク・トゥ・バレー比（PVR）を達成しました。特に、DOI情報が少ないnoDOIや2DOIの設定において、VarPSFの利点が顕著に現れ、空間変動PSFモデリングがDOI情報の不足を部分的に補償できることが示されました。また、150 mmのXオフセットを持つデレンゾファントムでは、FOVの端における空間分解能の不均一性のため、VarPSFがSinglePSFやnoPSFよりも大幅に高いPVR値を示しました。このオフセット条件下では、SinglePSFの利点はFOV中心の場合と比較して明らかに減少しました。

**Figure 3.** Figure 3: PVR results for simulated Derenzo phantom using different PSF models: (a) at center of FOV and (b) at a 150-mm offset in the X direction. Columns show the 8DOI, 2DOI, and noDOI configurations of the NX system, respectively. A supplementary comparison including the additional 4DOI configuration at the same X offset is provided in Supplementary Fig. S2. DOI, depth of interaction; FOV, field of view; NX, NeuroEXPLORER; PSF, point spread function; PVR, peak-to- valley ratio.解説: 本図は、シミュレートされたデレンゾファントムを用いた異なるPSFモデルにおけるPVR（ピーク・トゥ・バレー比）の結果を示しています。(a)FOV中心での結果と、(b)X方向へ150 mmオフセットさせた位置での結果を比較しており、8DOI、2DOI、noDOIの各構成でのVarPSF、SinglePSF、noPSFの性能が示されています。

さらに、DOI構成ごとのPSF FWHM（半値幅）の空間的変化を測定した結果、DOI解像度が向上するほど、PSF FWHM値は全体的に小さくなり、FOV全体での半径方向の均一性も著しく向上しました。noDOIシステムでは、オフセットが0 mmから200 mmに増加するにつれて、半径方向FWHMが1.5 mmから6.8 mmに増加しましたが、8DOIシステムでは1.3 mmから2.1 mmへの増加に留まりました。

**Figure 2.** Figure 2: Spatial variation of PSF FWHM measured from the simulated NX system in the radial and axial directions for different DOI configurations. (a) 8-layer DOI NX system, (b) 2-layer DOI NX system, (c) 1-layer, no-DOI NX system. For radial FWHM, the offset denotes the X-direction distance from the FOV center, and the FWHM was measured along the same X direction. For axial FWHM, the offset denotes the axial (Z) distance from the FOV center (with zero radial offset). DOI, depth of interaction; FOV, field of view; FWHM, full width at half maximum; NX, NeuroEX- PLORER; PSF, point spread function.解説: 本図は、異なるDOI構成のNXシステムにおいてシミュレートされたPSF FWHM（半値幅）の空間変動を、半径方向と軸方向に示しています。(a)8層DOI、(b)2層DOI、(c)DOIなしの各システムにおける、オフセット距離に応じたPSF FWHMの変化を比較しています。

PSFパラメータの過小評価（SinglePSF-）または過大評価（SinglePSF+）が再構成性能に与える影響も調査されました。シミュレートされたデレンゾファントムの150 mm Zオフセット条件下での解析では、VarPSFがSinglePSFおよびnoPSFを上回る結果を示しました。さらに、PSFの不一致（過小評価または過大評価）は、適切にマッチしたVarPSFモデリングと比較して性能を低下させ、定量的精度を損なうことが明らかになりました。

**Figure 4.** Figure 4: NRMSE (a) and PVR (b) results for simulated Derenzo phantom with a 150 mm offset in the Z direction using different PSF models in the noDOI NX system. SinglePSF- and SinglePSF+ indicate PSF underestimation and overestimation, respectively. DOI, depth of interaction; NRMSE, normalized root mean square error; NX, NeuroEXPLORER; PSF, point spread function; PVR, peak- to-valley ratio.解説: 本図は、noDOI NXシステムにおけるZ方向へ150 mmオフセットしたシミュレートされたデレンゾファントムに対する異なるPSFモデルでのNRMSE（正規化二乗平均平方根誤差）(a)とPVR（ピーク・トゥ・バレー比）(b)の結果を示しています。SinglePSF-はPSFの過小評価、SinglePSF+はPSFの過大評価をそれぞれ示しており、適切にモデル化されたVarPSFとの比較が可能です。

この結果は、PSF測定の精度が極めて重要であり、過小評価も過大評価も画像品質に悪影響を与えることを示唆しています。物理的なデレンゾファントム研究においても、シミュレーション結果と一貫して、VarPSFは後期イテレーションで最高のPVRを提供しました。DOI解像度が向上するほど、同じPSF構成でのPVRは高くなり、8DOI、2DOI、noDOIの順でした。特に、150 mmのYオフセットを持つ物理ファントムでは、VarPSFはすべてのDOI構成でSinglePSFおよびnoPSFを上回り、最終PVRで最高値を達成しました。VarPSFと2DOIの組み合わせは、8DOIとSinglePSFの組み合わせに匹敵するPVRを達成し、VarPSFモデルが実システムにおいてDOI情報の低減を部分的に補償できる可能性が示唆されました。

**Figure 5.** Figure 5: PVR results for the physical Derenzo phantom using different PSF models: (a) at the center of the FOV and (b) at a 150-mm offset in the Y direction. Columns show the 8DOI, 2DOI, and noDOI configurations of the NX system, respectively. Within each row, the plots share the same Y-axis scale, except for the noDOI plot in (b), which uses a separate, narrower range to show differences among PSF configurations more clearly. DOI, depth of interaction; FOV, field of view; NX, NeuroEXPLORER; PSF, point spread function; PVR, peak-to-valley ratio.解説: 本図は、物理デレンゾファントムを用いた異なるPSFモデルでのPVR（ピーク・トゥ・バレー比）の結果を示しています。(a)FOV中心での結果と、(b)Y方向へ150 mmオフセットさせた位置での結果を比較しており、8DOI、2DOI、noDOIの各構成におけるVarPSF、SinglePSF、noPSFの性能が示されています。

脳ファントムと生体データでの検証

シミュレートされた高分解能脳ファントムを用いた研究では、VarPSFがDOI構成のすべてにおいて、再構成プロセス全体および収束時においてSinglePSFとnoPSFを一貫して上回る結果を示しました。DOI情報が不正確になるほど、VarPSFの相対的な利点が大きくなることが確認されました。VarPSFは、2DOI構成ではSinglePSFと比較して推定された横方向のぼやけを約0.3 mm、noPSFと比較して0.5 mm低減し、noDOI構成ではそれぞれ0.6 mmと0.8 mm低減しました。

**Figure 6.** Figure 6: Estimated transverse resolution differences (Ψ) for different PSF models across DOI con- figurations. (a) 8-layer DOI NX system, (b) 2-layer DOI NX system, (c) 1-layer, no-DOI NX system. The X symbols indicate the iteration where mean-to-SD ratio reaches its maximum for each method. DOI, depth of interaction; NX, NeuroEXPLORER; PSF, point spread function; SD, standard devi- ation.解説: 本図は、異なるDOI構成における異なるPSFモデルに対する推定された横方向の分解能差（Ψ-FWHM）のイテレーション数による変化を示しています。(a)8層DOI NXシステム、(b)2層DOI NXシステム、(c)DOIなしのNXシステムの結果をそれぞれ示しており、各方法で平均対標準偏差比が最大に達するイテレーションがX記号でマークされています。

選択されたイテレーションでの視覚的比較とラインプロファイルでは、noDOI構成においてVarPSFがSinglePSFやnoPSFよりも優れた皮質境界の描写を提供し、2DOI構成ではVarPSFが他の方法よりも高いコントラストを達成していることが示されました。

**Figure 7.** Figure 7: Visual and profile comparisons for the simulated brain phantom across different PSF and DOI configurations of the NX system. Each reconstruction is shown at the iteration that maximizes its mean-to-SD ratio. (a) Ground-truth activity distribution. (b) Reconstructed images and corresponding line profiles for 8DOI, 2DOI, and noDOI (rows), with VarPSF, SinglePSF, and noPSF shown in blue, red, and yellow, respectively. Arrows indicate the profile sampling paths from A to B, corresponding to the left-to-right direction in the profile plots. Black dotted lines show the corresponding ground-truth profiles. DOI, depth of interaction; NX, NeuroEXPLORER; PSF, point spread function; SD, standard deviation.解説: 本図は、NXシステムの異なるPSFおよびDOI構成におけるシミュレートされた脳ファントムの視覚的比較とプロファイル比較を示しています。各再構成は、平均対標準偏差比が最大となるイテレーションで表示されています。(a)はグラウンドトゥルース活動分布、(b)は8DOI、2DOI、noDOI（行）におけるVarPSF、SinglePSF、noPSFの再構成画像と対応するラインプロファイルです。

生体データ（非ヒト霊長類）の研究では、VarPSFはすべてのDOIシステムで、より高いコントラストを達成しました。コントラストの増加は、DOI解像度が低いほど大きくなりました。実装されたVarPSF法が、実データにおけるDOI解像度の限界に対して堅牢な補償を提供することを示しています。また、VarPSFはnoPSFよりも低いCOV（変動係数）を達成し、SinglePSFと同程度のWM（白質）ノイズレベルを維持しました。

**Figure 8.** Figure 8: Contrast-versus-noise curves for different PSF models and DOI configurations in the NX system across iteration 1 to 12. Contrast was defined as the activity ratio between NAc and WM, while noise was quantified using the COV within WM. The X symbols denote the iteration at which the noise level is around 25% for each method. COV, coefficient of variation; DOI, depth of interaction; NAc, nucleus accumbens; NX, NeuroEXPLORER; PSF, point spread function; WM, white matter.解説: 本図は、NXシステムにおける異なるPSFモデルとDOI構成での、イテレーション1から12までのコントラスト対ノイズ曲線を示しています。コントラストはNAc（側座核）とWM（白質）の活動比として定義され、ノイズはWM内のCOV（変動係数）を用いて定量化されています。X記号は、各方法でノイズレベルが約25%になるイテレーションを示しています。

等しいノイズレベルで視覚的な比較を行った結果、VarPSFは2DOIおよびnoDOI構成において、SinglePSFおよびnoPSFを一貫して上回り、空間分解能の向上、灰白質コントラストの強化、画像の鮮明度の増加をもたらしました。これらの改善により、高い11C-UCB-J結合を示す皮質下領域（例：被殻、尾状核、側座核、下丘）のより正確な描写と、皮質帯（前帯状皮質、下前頭皮質など）の定義が向上しました。

**Figure 9.** Figure 9: Visual comparison of reconstruction across different PSF and DOI NX systems at a matched noise level, in NHP NX data (11C-UCB-J PET 30-45 min summed image). Four axial slices are shown for each DOI setting (8DOI, 2DOI, and noDOI) and PSF configuration (VarPSF, SinglePSF, and noPSF). Arrows highlight brain structures of interest: anterior cingulate cortex (ACC), caudate (CAU), inferior colliculi (IC) in the brainstem, inferior frontal cortex (IFC), nucleus accumbens (NAc), putamen (PUT). DOI, depth of interaction; NHP, non-human primate; NX, NeuroEXPLORER; PET, positron emission tomography; PSF, point spread function.解説: 本図は、NHP NXデータ（11C-UCB-J PET 30-45分積算画像）における、マッチしたノイズレベルでの異なるPSFおよびDOI NXシステム間の再構成の視覚的比較を示しています。各DOI設定（8DOI、2DOI、noDOI）とPSF構成（VarPSF、SinglePSF、noPSF）について4つの軸方向スライスが示されており、前帯状皮質（ACC）、尾状核（CAU）、脳幹の下丘（IC）、下前頭皮質（IFC）、側座核（NAc）、被殻（PUT）などの脳構造が強調されています。

しかし、臨床的に関連性の高い8DOI構成では、VarPSFとSinglePSFの視覚的な差は限定的であり、正確なDOIエンコーディングがすでに解像度とコントラストの損失の多くを回復していることを示唆しています。

研究の限界と今後の展望

本研究の結果は、高分解能専用脳PETにおけるDOIの重要性、特にFOV全体で均一な解像度を維持する上でのその役割を改めて確認しました。また、実装されたVarPSFモデルは、SinglePSFおよびnoPSFと比較して再構成性能を一貫して向上させ、DOI解像度が制限されている場合に最大の利点が得られることが示されました。これは、空間変動解像度モデリングの利点がDOI解像度の低下とともに増加し、検出器レベルのDOIエンコーディングの限界を部分的に補償できることを示しています。しかし、VarPSFはnoDOI構成で画像品質を大幅に向上させましたが、8DOIで達成された画像品質を完全に回復させるには至りませんでした。これは、空間変動PSFモデリングがDOI情報の劣化を部分的に補償できるものの、検出器レベルのDOIエンコーディングを完全に置き換えることはできないことを示しています。また、画像領域でのPSFモデリングは、LOR（Line-of-Response）に依存する解像度劣化を完全に捉えることができないため、解像度劣化のすべての要素を完全にモデル化することは期待できません。本研究のもう一つの強みは、オープンソースのPET再構成プラットフォームであるYRT-PET内に空間変動PSFモデルを実装したことです。点線源から得られたPSF測定値を用いてモデルがパラメータ化されているため、原理的には他のPETシステムにも拡張可能です。本研究の限界としては、実装された空間変動PSFが、FOV全体をカバーするために対称的な3Dガウスフィッティングと最近傍補間法を用いてモデル化された点が挙げられます。このアプローチは、システム固有の空間変動解像度モデリングの利点を示すには十分でしたが、真の局所的なシステム応答を完全に捉えきれていない可能性があり、特にPSFの形状がより複雑な領域では、モデリングバイアスを導入する可能性があります。今後、ガウス混合モデルなどのより柔軟なPSF表現や、異なる補間方法、点線源測定の空間分布と間隔を調査し、システム応答の空間的変化をより正確に捉えるPSF LUTを構築することが課題となるでしょう。さらに、検出器内の相互作用光子散乱（ICS）イベントを空間変動PSFモデルに組み込むことも、システム感度を維持しつつ解像度モデリングを改善する重要な方向性です。

用語集

PET (Positron Emission Tomography): 陽電子放出断層撮影。体内の代謝や血流などの生理機能を画像化する核医学検査。
DOI (Depth-of-Interaction): 相互作用深さ。検出器内でガンマ線が相互作用した深さ。パララックス誤差を低減し、解像度を均一に保つ技術。
PSF (Point Spread Function): 点広がり関数。理想的な点光源がシステムによってどのようにぼやけるかを示す関数。
VarPSF (Spatially-Variant Point Spread Function): 空間変動点広がり関数。FOV内の位置によってPSFが変化することをモデル化したもの。
SinglePSF (Spatially-Invariant Point Spread Function): 空間不変点広がり関数。FOV中心で測定されたPSFをFOV全体に適用する単純なモデル。
NeuroEXPLORER (NX): 著者らが開発した次世代の超高性能脳PETスキャナー。
YRT-PET (Yale Reconstruction Toolkit for PET): オープンソースのPET画像再構成ツールキット。
PVR (Peak-to-Valley Ratio): ピーク・トゥ・バレー比。画像中の高信号領域と低信号領域の比率で、解像度やコントラストの評価に用いられる。
NRMSE (Normalized Root Mean Square Error): 規格化二乗平均平方根誤差。推定値と真値の差の大きさを示す指標。
FWHM (Full Width at Half Maximum): 半値幅。ピークの高さの半分における幅で、分解能の指標として用いられる。
OSEM (Ordered Subset Expectation Maximization): オーダードサブセット期待値最大化法。PET画像再構成に用いられる反復再構成アルゴリズムの一種。
FOV (Field-of-View): 視野。PETスキャナーが一度に撮影できる範囲。
NHP (Non-Human Primate): 非ヒト霊長類。研究に用いられるサルなどの動物。
COV (Coefficient of Variation): 変動係数。標準偏差を平均値で割ったもので、ノイズレベルの指標。
LUT (Lookup Table): ルックアップテーブル。計算結果やパラメータなどを事前に格納し、高速に参照するための表。
ICS (Inter-Crystal Scatter): 結晶間散乱。検出器の結晶間でガンマ線が散乱すること。