Development of an iterative Monte Carlo pipeline for realistic brain PET simulation in Alzheimer's Disease

Abstract

[eng] Alzheimer’s Disease (AD) is the most prevalent neurodegenerative disorder and the leading cause of dementia worldwide, where Positron Emission Tomography (PET) imaging plays a critical role in evaluating its underlying pathology in vivo. This project presents the design and development of an automated pipeline based on Monte Carlo simulations to generate realistic brain PET neuroimaging data. The primary objective is to streamline the creation of a comprehensive, simulated database oriented towards methodological exploration in AD. The proposed framework integrates a Monte Carlo simulation platform to model and compare three distinct radiotracers across an exploratory dataset of real PET images: [¹⁸F]-FDG for glucose metabolism, [¹⁸F]-Florbetapir for amyloid plaques and Tau ligands. The methodology evaluates the global similarity between synthetic and real images while preserving the structure of critical brain regions. The results, evaluated using the Pearson Correlation Coefficient (r) and the Structural Similarity Index Measure (SSIM), demonstrate high structural consistency across all tracers, achieving maximum values of r = 0.9671 and SSIM = 0.8916 for [¹⁸F]-FDG, r = 0.9743 and SSIM = 0.9062 for Amyloid, and r = 0.9660 and SSIM = 0.9228 for Tau. In conclusion, a fully automated PET simulation pipeline was successfully developed. This framework serves as a practical baseline for generating synthetic data to support future imaging research in neurodegenerative diseases.

[cat] La malaltia d'Alzheimer (MA) és el trastorn neurodegeneratiu més prevalent i la causa principal de demència a tot el món, en què la tomografia per emissió de positrons (PET) té un paper fonamental per avaluar-ne la patologia subjacent in vivo. Aquest projecte presenta el disseny i desenvolupament d'un flux de treball (pipeline) automatitzat basat en simulacions de Monte Carlo per generar imatges PET cerebrals realistes. L'objectiu principal és optimitzar la creació d'una base de dades simulada orientada a l'exploració metodològica en la MA. L'entorn de treball proposat integra una plataforma de simulació de Monte Carlo per modelar i comparar tres radiotraçadors diferents a partir d'un conjunt d'imatges PET reals: [¹⁸F]-FDG per al metabolisme de la glucosa, [¹⁸F]-Florbetapir per a les plaques d'amiloide i lligands de Tau. La metodologia avalua la similitud global entre les imatges sintètiques i les reals, alhora que preserva l'estructura de les regions cerebrals crítiques. Els resultats, avaluats mitjançant el coeficient de correlació de Pearson (r) i l'índex de similitud estructural (SSIM), demostren una alta consistència estructural en tots els traçadors, i s'assoleixen valors màxims de r = 0,9671 i SSIM = 0,8916 per al [¹⁸F]-FDG, r = 0,9743 i SSIM = 0,9062 per a l'amiloide, i r = 0,9660 i SSIM = 0,9228 per al Tau. En conclusió, s'ha desenvolupat amb èxit un pipeline de simulació PET totalment automatitzat. Aquest entorn de treball serveix com a base pràctica per generar dades sintètiques que donin suport a la recerca futura en imatge de malalties neurodegeneratives.