هدف نهایی تصویربرداری اسپکت، تعیین صحیح مقدار و نحوه توزیع اکتیویته در بدن بیمار می باشد. هر قدر معادله بازسازی کاملتر نوشته شود، پاسخ مناسبتری بدست می آید. در روش های رایج بازسازی از عواملی چون نویز، تضعیف، پراکندگی و محوشدگی ناشی از کولیماتور و آشکارساز چشمپوشی می شود. در نتیجه پاسخ بدست آمده از لحاظ کمی خطای فراوان دارد. هدف از این تحقیق مدلسازی عوامل مخرب و بکارگیری آنها در معادله بازسازی است بگونه ای که بتوان تصویری با صحت کمی مناسب را بازسازی نمود. در این تحقیق از الگوریتم osem برای حل معادله بازسازی استفاده گردید. از آنجا که هدف کمی سازی بود، مطالعه در دو بخش فانتومی و شبیه سازی انجام شد که در آنها مقدار و نحوه توزیع اکتیویته کاملا مشخص باشد. برای تعیین خطای ناشی از چشمپوشی از هر یک از عوامل مخرب، فانتوم های متنوعی مورد استفاده قرار گرفتند. کد مونت کارلو simind برای شبیه سازی و دوربین گامای symbia برای تصویربرداری فانتومی و کلینیکی بکار گرفته شدند. برای اصلاح تضعیف و تابع پاسخ کولیماتور دتکتور از مدلسازی در حین بازسازی استفاده شد. برای اصلاح پراکندگی از تلفیق مونت کارلو و مدلسازی برای تولید سریع نماهای پراکنده استفاده شد. در نهایت تمامی این عوامل بطور همزمان برای تعیین اکتیویته در فانتوم فیزیکی بکار گرفته شدند. نتایج نشان داد که تضعیف باعث ایجاد آرتیفکت های ظاهری فراوان و خطای کمی قابل توجه، تا 80% بسته به سایز بدن، می گردد. با اصلاح تضعیف این خطای کمی و تمامی آرتیفکتهای مربوطه از میان رفتند. تابع پاسخ کولیماتور نیز منجر به اثر حجم جزئی و افت رزولوشن و نهایتا خطای کمی بخصوص در مناطق کوچک می گردد. با اصلاح سه بعدی این اثر شاهد بهبود رزولوشن در دو راستای محوری و عرضی بودیم. افزایش کنتراست تا 20% در تصاویر مغز و قلب واقعی حاصل شد. ضخامت دیواره قلب به 78% کاهش یافت که مبین افزایش رزولوشن می باشد. بازیافت اکتیویته در تومورهای کوچک کبدی نیز افزایش قابل توجه داشت. خطای مدلسازی در روش پیشنهادی نماهای پراکنده در مقایسه با روش دو پنجره 50% کمتر بود. با اصلاح همزمان همه عوامل مخرب خطای کمی سازی در فانتوم فیزیکی به کمتر از 9% رسید در حالیکه این خطا حدود 80% قبل از اصلاح بود. با توجه به این نتایج روش ارائه شده می تواند بعنوان روشی مناسب برای رسیدن به هدف نهایی اسپکت که همان کمی سازی می باشد بکار گرفته شد.