Az embereknek körülbelül 20%-a szenved valamilyen daganatos megbetegedésben a World Health Organization szerint. Globálisan körülbelül minden hatodik ember halálát rák okozza.

A SPECT (Single Photon Emission Computed Tomography) rendszerek technológiája alapvető orvosi képfeldolgozási módszer a daganatos megbetegedések diagnosztizálására. Azonban egy mérés igencsak sok időt vehet igénybe. A kép felvétele szakaszosan történik, vagyis meghatározott szögekből készülnek projekciók. Az egyik módszer a mérési idő csökkentésére, a nagyobb lépésközzel történő felvétel.

A modern mélytanulásra épülő eljárások az elmúlt években egyre népszerűbbek lettek. A dolgozatomban azt vizsgálom, hogy miként alkalmazhatóak ezen módszerek egy gyakorlati esetben orvosi képeken, azok minőségének javítására. Egy olyan neurális hálózaton alapuló megoldáson dolgoztam, amely nagyobb lépésközű felvételeknek a minőségét és ezzel a Mediso Kft. által kidolgozott MLEM rekonstrukció eredményeit is javítja. A rekonstrukciós algoritmusok olyan számítógépes módszerek, amelyek a SPECT által készült projekciós képekből három dimenziós radiofarmakon-térképet készítenek, amelyek diagnosztizálásra alkalmasak.

Egy olyan neurális háló kifejlesztése volt az elsődleges célom, amely az eredeti, SPECT által alkotott kép rekonstrukcióját statisztikailag helyes matematikai módszerrel javítja. Az általam létrehozott hálózattal nagy mértékben tudtam növelni a csökkentett szögállású felvételekből létrehozott rekonstrukciók minőségét. Ennek a hálózatnak eredményeképpen a képalkotás időtartama csökkenthető, a pácienseket kevesebb radioaktív sugárzásnak kellene kitenni, és a költségek is redukálhatóak lennének.