Durch Untersuchung des Zusammenhangs zwischen PET-Projektionsspektren und Objektspektren wurde im Rahmen der Arbeit aufgezeigt, dass inhärente Redundanz im Projektionssignal der 3D-PET existiert. Die Redundanz ist ausschließlich auf den SDMessmodus zurückzuführen und lässt sich somit durch zusätzliche Signalverarbeitungsschritte nicht beseitigen. Zur Umgehung dieser Problematik wurde eine alternative, redundanzfreie Projektionsform eingeführt, mit deren Hilfe das korrekt abgetastete 3D-0bjektspektrum im Sinne des Abtasttheorems ermittelt werden konnte. Ein sinnvolles Äbtastraster für das eigentliche PET-Projektionssignal ließ sich anschließend trotz der enthaltenen Redundanz infolge dieses Resultats zumindest approximativ bestimmen. Bei der Analyse hinsichtlich der Anordnung der Frequenzstützstellen im rekonstruierbaren SDObjektspektrum wurde ferner festgestellt, dass sich die für die 3D-PET erhältlichen Frequenzstützstellen trotz ihrer größeren Anzahl gegenüber dem 2D-Fall ausschließlich auf äquidistant auseinander liegenden transaxialen Ebenen im 3D-Spektralbereich befinden. Hierzu wurde eine effiziente Methode zur Bestimmung der genauen räumlichen Positionen der Frequenzstützstellen auf den verschiedenen transaxialen Ebenen ausgearbeitet und vorgestellt. Ausgehend von den Erkenntnissen über die Anordnung der Frequenzstützstellen im SDObjektspektrum wurden zudem neue analytische Rekonstruktionsansätze entwickelt, bei denen prinzipiell lediglich 2D-lnterpolationen im Spektralbereich durchzuführen sind, um das 3D-0bjektspektrum mit den in Gitterstruktur angeordneten Frequenzstützstellen zu erlangen. Wegen der Analogie zur Rekonstruktionsmethode im 2D-Fall werden die im Rahmen dieser Arbeit entwickelten Rekonstruktionsansätze ebenso als Direkte-Fourier-Methode (DFM) bezeichnet, obwohl sie tatsächlich in der 3D-PET einzusetzen sind. Der bedeutendste Bestandteil der neuen Ansätze sind die im Frequenzbereich auf den transaxialen Ebenen durchzuführenden 2D-lnterpolationen. Diesbezüglich wurden in der Arbeit zwei verschiedene Ansätze verfolgt: die Inverse-Distance-Weighting-Methode und die Gridding-Methode. Das Arbeitsprogramm des Schwerpunkts Softwareentwicklung war fokussiert auf die Weiterentwicklung und Enweiterung des im ersten Förderungsabschnitt entwickelten Prog ramm paketes zur iterativen Rekonstruktion von PET-Daten, die im so genannten dreidimensionalen (3-D) Aufnahmemodus aufgenommen werden. Hierbei en/vies sich der modulare Aufbau der Software als sehr vorteilhaft. Der Hersteller des in dieser Arbeit primär eingesetzten PET-Scanners ECAT Exact HR-tfasst zur Verringerung der bei der Rekonstruktion zu verarbeitenden Projektionsdaten diese unmittelbar nach der Koinzidenzdetektion zusammen. Dem Vorteil geringerer Datenmengen steht der Vertust von Bildauflösung gegenüber. Daher wurde ein neuartige schnelle Rekonstruktionssoftware entwickelt, welche die Zusammenfassung zwecks Rechenzeit- Reduktion nicht mehr erfordert, so dass die iterative volle 3D Rekonstruktion zur Optimierung der Bildqualität auf die einzelnen Koinzidenzlinien (engl.: Lines-of-Response; LOR) zwischen allen Detektorelementen ohne Datenkompression zurückgreifen kann. Der damit verbundene erheblich größere Aufwand konnte durch verschiedene Verbesserungen des Rekonstruktionsalgorithmus kompensiert werden. Eine wesentliche Optimierung der Bildauflösung sowie des Signalrauschverhältnisses wurde dadurch erreicht, dass die Koinzidenzdetektion statt durch einzelne Koinzidenzlinien (LOR) durch Koinzidenzröhren (engl.: Tube-of-Response; TOR) beschrieben wird. Innerhalb der Koinzidenzröhren wird der tatsächliche zwischen zwei Detektorelementen befindliche physikalische Verteilungsraum der Koinzidenzereignisse modelliert. Das Ergebnis dieser Entwicklungen ist eine signifikante Verbesserung sowohl der Bildauflösung als auch des Signalrauschverhältnisses. Ein Ziel des Fortsetzungsantrags war die Übertragung des Rekonstruktionsprogramms auf den im Forschungszentrum Jülich für die Untersuchung von Labortieren selbstentwickelten ClearPET NeuroScanner. Da dieser eine andere Detektorgeometrie als der Human-PETScanner HR-»- besitzt, für den das Rekonstruktionsprogramm ursprünglich entwickelt wurde, hätte die Berechnung der Systemmatnx vollkommen neu entworfen bzw. umständlich angepasst werden müssen. Durch die systemtheoretischen Arbeiten wurde gezeigt, dass die bisher auf Erfahrung, Intuition oder durch physikalischen Simulationen beruhenden Detektorgeometrien hinsichtlich der Abtastung des Detektionsraumes verbessert werden können. Wollte man hier neue Detektorgeometrien untersuchen, müsste für jeden Fall eine arbeitsintensive Anpassung der Systemmatrix erfolgen. Aus diesem Grund und in Hinblick auf den ClearPET NeuroScanner wurde das System der virtuellen Detektorgeometrie entwickelt, bei dem die tatsächliche physikalische Detektorgeometrie, die nicht ringförmig zu sein braucht, auf einen ringförmigen virtuellen Detektor abgebildet wird. Hierdurch müssen bei einer Veränderung der Detektorgeometrie lediglich die Abbildungsparameter vom physikalischen auf den virtuellen Detektor modifiziert werden, so dass die aufwendige Reorganisation der Systemmatrix entfällt. Gleichzeitig mit diesem Konzept des zylindeTförmigen virtuellen Detektors wurde die Bildrekonstruktion in einen rotationssymmetrischen statt bisher kartesischen Bildraum realisiert. Hierdurch konnte die im Rekonstruktionsprogramm bereits vorgesehene Berücksichtigung von Detektorgeometrien erheblich besser ausgenutzt werden. Eine erste Anwendung der neuen Entwicklungen auf die Daten des ClearPET NeuroScanners zeigte eine erhebliche Verbesserung der Bildqualität. Eine weitere Aufgabe bestand in der Erweiterung des Rekonstruktionsprogramms hinsichtlich der Schwächungs- und Streustrahlkorrektur. Ausgangspunkt für die Schwächungskorrektur sind die routinemäßig bei PET-Messungen mit dem PET-Scanner HR+ rekonstruierten Transmissionsvolumina der untersuchten Personen bzw. Phantome. Aus diesen werden durch Vonvärtsprojektion Schwächungskorrekturfaktoren berechnet, mit denen die Koinzidenzlinien des virtuellen Detektors korrigiert werden können. Zur Berechnung der Streustrahlkorrektur wurde ein Verfahren entwickelt, bei dem eine Streuungssimulation dreidimensional durch Einsatz eines "virtuellen Detektors" durchgeführt wird und das so auf flexible Weise unterschiedliche Abtastgenauigkeiten ermöglicht. Da trotz einer groben Abtastung erhebliche Rechenzeiten entstehen, sieht die Streuungsberechung mit Hilfe der Klein-Nishina-Formel die Wiederverwendung von benötigten vorberechneten Linienintegralen vor und nutzt bei der Bestimmung dieser Projektionsintegrale zwischen Streupunkt und Detektorkristall Symmetrien aus, wie dies auch beim eigentlichen Rekonstruktionsprogramm der Fall ist. Zur vollständigen Berechnung müssen nur die Volumendaten der Emissions- und Transmissionsmessung objektspezifisch bereitgestellt werden. Bei der Streustrahlkorrektur wird das simulierte Streubild von den rekonstruierten Daten abgezogen. Dabei ist eine Skalierung des berechneten Streuanteils an die realen Messdaten als auch eine Anpassung an die feine Abtastung der Messdaten notwendig, in welcher die Transmissions- und Emissionsdaten voriiegen. Phantommessungen ergaben eine zufriedenstellende Übereinstimmung zwischen simulierten und gemessenen Streustrahlverteilungen. Die Ergebnisse wurden auf mehreren nationalen und internationalen Tagungen sowie in einer Publikation in der Zeitschrift IEEE Transactions on Medical Imaging vorgestellt Außerdem ging aus dem Projekt eine Patentanmeldung hervor. Insbesondere ist es gelungen, die in beiden Arbeitsgruppen (Jülich und Wuppertal) vertretenen Kompetenzen im Rahmen des Projekts zusammenzuführen und somit eine enge Verzahnung von theoretischen Ergebnissen mit softwaretechnischen Implementierungsstrategien zu erreichen