Medische beeldvorming · Co-founder & CTO
PET-beeldvorming, klein genoeg voor elk labo
Als co-founder van MOLECUBES bouwde ik de β-CUBE, een preklinische PET-scanner die op een labotafel past. Mijn werk liep van de detectoren en GPU-algoritmes tot de beeldreconstructie en de software waarmee de onderzoeker werkt.
De uitdaging
Met PET zien onderzoekers in een levende muis of rat waar een stof naartoe gaat en wat ze doet. Lange tijd waren die scanners groot, duur en ingewikkeld, en stonden ze enkel in gespecialiseerde centra.
MOLECUBES wilde scanners die op een labotafel passen, eenvoudig te bedienen zijn en toch beelden van onderzoekskwaliteit leveren.
- ruimtelijke resolutie
- <850 µm
- piekgevoeligheid
- >12 %
- CUBES wereldwijd bij onderzoeksgroepen en farma
- 100+
- overgenomen door Bruker
- 2022
Architectuur
Wat er gebouwd werd
Event positioning op de GPU
In een monolithisch kristal moet de inslagpositie van elk foton berekend worden uit de lichtverdeling. Die algoritmes draaien op de GPU en maken de submillimeter-resolutie mogelijk.
Beeldreconstructie in C++ en CUDA
Iteratieve OSEM-reconstructie, met het zware ray-tracen versneld op de GPU, zodat een beeld van onderzoekskwaliteit in een werkbare tijd beschikbaar is.
Een full-stack reconstructieserver
Een Django-applicatie die reconstructies in de wachtrij zet, opvolgt en bewaart. Onderzoekers bekijken en wijzigen jobs en parameters via een webinterface en herstarten reconstructies met andere instellingen.
Eén interface voor alle CUBES
Een Qt/QML-HMI van waaruit de onderzoeker scans plant, de acquisitie opvolgt en beelden bekijkt — voor PET, CT en SPECT op dezelfde manier.
Wat ik ervan meeneem
Productontwerp, systeemintegratie, complexe algoritmes en full-stack software in één product — en daarna een team en een businessline leiden. Die combinatie van technische diepgang en bedrijfsblik breng ik vandaag mee in elk moderniseringsproject.