Wraz z rozwojem nowych rozwiązań w dziedzinie Pozytronowej Tomografii Emisyjnej pojawia się potrzeba tworzenia i badania metod pozwalających na rekonstrukcję trójwymiarowego obrazu organów ciała pacjenta z sygnałów zebranych przy pomocy detektorów w tomografie. Niniejsza praca magisterska zawiera opis jednej z możliwych metod rekonstrukcji miejsca uderzenia kwantów gamma w pojedynczym polimerowym scyntylatorze, opartej na wyznaczaniu podobieństwa pomiędzy sygnałami pochodzącymi z tomografu a sygnałami znajdującymi się we wcześniej utworzonej bazie danych.Podobieństwo pomiędzy dwoma sygnałami jest obliczane przy użyciu jednej z dwóch reprezentacji syngałów: jako zbiorów czasów odpowiadających zbiorowi progów napięcia, wspólnego dla obydwu porównywanych sygnałów (chi-kwadrat), lub jako zbiorów punktów wyznaczających dwie krzywe będące reprezentacją sygnałów (odległość Frecheta). W dalszej części pracy zostały opisane podstawy teoretyczne, ogólna koncepcja oraz poszczególne kroki proponowanego algorytmu. Przedstawiona została realizacja omawianej metody w formie programu komputerowego napisanego w języku Python (wersja 2.7), który jest wysokopoziomowym językiem ogólnego zastosowania, pozwalającym na wykorzystywanie licznych paradygmatów programowania, w szczególności: programowania obiektowego, funkcjonalnego, proceduralnego oraz imperatywnego.Do niniejszej pracy dołączony jest kod źródłowy opisanego programu (Załącznik A).

With the ongoing development of novel Positron Emission Tomography solutions, there exist a demand for researching methods of processing data allowing for the reconstruction of 3D human body images from signals gathered by the device’s detectors. This thesis describes a method of reconstructing the position of gamma quanta hit along a single polymer scintillator based on the calculation of similarity of signals incoming from a PET device with respect to signals in a previously created database.The similarity of two signals is computed using either a set of times corresponding to a set of voltage thresholds common for the two compared signals (Chi-square method) or two sets of points designating two curves representing the signals (Frechet distance method). The theoretical basis of the concept and its general idea as well as individual steps of the proposed algorithm are explained in detail in the next chapters of this thesis.The realization of the method in form of a computer program was implemented in Python (version 2.7), a high-level, general purpose programming language which allows for employing multiple programing paradigms including object-oriented, functional, procedural or imperative programming.This thesis is supplemented with Appendix containing the source code of the computer program.