24 OCT 2023 - 09:25 CET

Nuestra compañera Nerea Encina Baranda ha sido galardonada con el premio a la mejor tesis doctoral del programa PhDay que organiza la Escuela de Doctorado de la UCM. Desde el Grupo de Física Nuclear de la UCM queremos transmitirle nuestra enhorabuena y dedicar la presente noticia a repasar su trabajo relativo a la técnica “Tomografía por emisión de positrones (PET)”.

La Tomografía por Emisión de Positrones (PET) es una técnica de imagen médica que permite obtener imágenes tridimensionales de la función de órganos y tejidos en el cuerpo humano. En este procedimiento, se administra al paciente un trazador radiactivo marcado con un radionucleido emisor de positrones, que se distribuye en el cuerpo, concentrándose en órganos o células específicas al seguir rutas metabólicas de diversas moléculas, como la glucosa.

Cuando el radionucleido emite positrones tras una desintegración beta positiva (β+), estos interactúan con electrones atómicos circundantes, lo que resulta en la aniquilación de un electrón y un positrón. En este proceso, se emiten dos rayos gamma con una energía igual a la masa en reposo de las partículas, en direcciones opuestas (511 keV). Estos rayos gamma son detectados por equipos especializados, lo que permite determinar el lugar de la aniquilación y, en consecuencia, generar una imagen que representa la actividad y la distribución del trazador en el organismo. A diferencia de otras técnicas de imagen anatómica, como la Tomografía Computarizada (CT) o la Resonancia Magnética (MRI), el PET brinda información sobre el metabolismo de un organismo vivo.

El rango de los positrones (PR) es una fuente significativa de degradación de la resolución en las imágenes PET. A pesar de esto, la mayoría de los programas de reconstrucción de imágenes PET no incorporan una corrección precisa del rango de positrones (PRC, por sus siglas en inglés, Positron Range Correction) específica para radionucleidos con un rango de positrones amplio, como el 68Ga. Esta falta de corrección afecta la precisión de los estudios.

En esta tesis se presenta Deep-PRC, una herramienta rápida y precisa de corrección del rango de positrones basada en una Red Neuronal Convolucional (CNN) con una arquitectura de U-NET. Esta herramienta se aplica después del procesamiento de las imágenes PET reconstruidas con el objetivo de mejorar la resolución en estudios PET que involucran radionucleidos con un amplio rango de positrones, como el 68Ga. La implementación de Deep-PRC tiene como finalidad proporcionar correcciones más precisas y mejorar la calidad de los estudios de imagen en PET.

La tesis de nuestra compañera Nerea ha sido dirigida por Joaquín López Herraiz y Alejandro López Montes. Ha sido premiada por la UCM recibiendo el primer puesto. ¡Enhorabuena Nerea!