CN107874773B - 光子检测方法、装置、设备和***及存储介质 - Google Patents
光子检测方法、装置、设备和***及存储介质 Download PDFInfo
- Publication number
- CN107874773B CN107874773B CN201710975365.XA CN201710975365A CN107874773B CN 107874773 B CN107874773 B CN 107874773B CN 201710975365 A CN201710975365 A CN 201710975365A CN 107874773 B CN107874773 B CN 107874773B
- Authority
- CN
- China
- Prior art keywords
- energy
- sensor
- reaction
- sensor array
- photon
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
- 238000001514 detection method Methods 0.000 title claims abstract description 74
- 238000006243 chemical reaction Methods 0.000 claims abstract description 150
- 238000000034 method Methods 0.000 claims abstract description 20
- 239000013078 crystal Substances 0.000 claims description 71
- 238000010801 machine learning Methods 0.000 claims description 60
- 230000005855 radiation Effects 0.000 claims description 17
- 238000004590 computer program Methods 0.000 claims description 15
- 238000012549 training Methods 0.000 claims description 15
- 238000012545 processing Methods 0.000 claims description 14
- 238000004088 simulation Methods 0.000 claims description 13
- 238000004458 analytical method Methods 0.000 claims description 10
- 230000009467 reduction Effects 0.000 abstract description 9
- 230000000875 corresponding effect Effects 0.000 description 20
- 238000010586 diagram Methods 0.000 description 16
- 230000003287 optical effect Effects 0.000 description 14
- 238000002600 positron emission tomography Methods 0.000 description 7
- 206010036618 Premenstrual syndrome Diseases 0.000 description 4
- 230000006870 function Effects 0.000 description 4
- 238000013527 convolutional neural network Methods 0.000 description 3
- 238000013461 design Methods 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 3
- BPQQTUXANYXVAA-UHFFFAOYSA-N Orthosilicate Chemical compound [O-][Si]([O-])([O-])[O-] BPQQTUXANYXVAA-UHFFFAOYSA-N 0.000 description 2
- ANDNPYOOQLLLIU-UHFFFAOYSA-N [Y].[Lu] Chemical compound [Y].[Lu] ANDNPYOOQLLLIU-UHFFFAOYSA-N 0.000 description 2
- 230000008878 coupling Effects 0.000 description 2
- 238000010168 coupling process Methods 0.000 description 2
- 238000005859 coupling reaction Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 230000005281 excited state Effects 0.000 description 2
- 238000003384 imaging method Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000006467 substitution reaction Methods 0.000 description 2
- XUIMIQQOPSSXEZ-UHFFFAOYSA-N Silicon Chemical compound [Si] XUIMIQQOPSSXEZ-UHFFFAOYSA-N 0.000 description 1
- 238000003491 array Methods 0.000 description 1
- 238000013528 artificial neural network Methods 0.000 description 1
- 229910052797 bismuth Inorganic materials 0.000 description 1
- JCXGWMGPZLAOME-UHFFFAOYSA-N bismuth atom Chemical compound [Bi] JCXGWMGPZLAOME-UHFFFAOYSA-N 0.000 description 1
- 238000003759 clinical diagnosis Methods 0.000 description 1
- 230000002596 correlated effect Effects 0.000 description 1
- 238000003066 decision tree Methods 0.000 description 1
- 239000011521 glass Substances 0.000 description 1
- 239000003292 glue Substances 0.000 description 1
- XKUYOJZZLGFZTC-UHFFFAOYSA-K lanthanum(iii) bromide Chemical compound Br[La](Br)Br XKUYOJZZLGFZTC-UHFFFAOYSA-K 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 238000009206 nuclear medicine Methods 0.000 description 1
- 230000008569 process Effects 0.000 description 1
- 239000000700 radioactive tracer Substances 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 230000035945 sensitivity Effects 0.000 description 1
- 229910052710 silicon Inorganic materials 0.000 description 1
- 239000010703 silicon Substances 0.000 description 1
- 238000003530 single readout Methods 0.000 description 1
- 238000012706 support-vector machine Methods 0.000 description 1
- 230000007704 transition Effects 0.000 description 1
Images
Classifications
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B6/00—Apparatus or devices for radiation diagnosis; Apparatus or devices for radiation diagnosis combined with radiation therapy equipment
- A61B6/02—Arrangements for diagnosis sequentially in different planes; Stereoscopic radiation diagnosis
- A61B6/03—Computed tomography [CT]
- A61B6/037—Emission tomography
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B6/00—Apparatus or devices for radiation diagnosis; Apparatus or devices for radiation diagnosis combined with radiation therapy equipment
- A61B6/42—Arrangements for detecting radiation specially adapted for radiation diagnosis
- A61B6/4208—Arrangements for detecting radiation specially adapted for radiation diagnosis characterised by using a particular type of detector
- A61B6/4241—Arrangements for detecting radiation specially adapted for radiation diagnosis characterised by using a particular type of detector using energy resolving detectors, e.g. photon counting
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B6/00—Apparatus or devices for radiation diagnosis; Apparatus or devices for radiation diagnosis combined with radiation therapy equipment
- A61B6/52—Devices using data or image processing specially adapted for radiation diagnosis
- A61B6/5205—Devices using data or image processing specially adapted for radiation diagnosis involving processing of raw data to produce diagnostic data
Landscapes
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Engineering & Computer Science (AREA)
- Medical Informatics (AREA)
- Radiology & Medical Imaging (AREA)
- Molecular Biology (AREA)
- Biophysics (AREA)
- Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
- Optics & Photonics (AREA)
- Pathology (AREA)
- Physics & Mathematics (AREA)
- Biomedical Technology (AREA)
- Heart & Thoracic Surgery (AREA)
- High Energy & Nuclear Physics (AREA)
- Surgery (AREA)
- Animal Behavior & Ethology (AREA)
- General Health & Medical Sciences (AREA)
- Public Health (AREA)
- Veterinary Medicine (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Measurement Of Radiation (AREA)
- Nuclear Medicine (AREA)
Abstract
本发明提供一种光子检测方法、装置、设备和***及存储介质。方法包括：接收与传感器阵列相连的第一数目的共享读出电路分别输出的第一数目的能量信号以及第二数目的单独读出电路分别输出的第二数目的能量信号，其中，传感器阵列平均划分为至少两个传感器区域，第一数目等于每个传感器区域中的传感器的数目，并且第一数目的共享读出电路一一对应地连接每个传感器区域中的所有传感器，每个单独读出电路连接传感器阵列中的单个传感器；基于第一数目的能量信号和第二数目的能量信号的能量分布规律确定高能光子的反应投影位置。该方法基于闪烁光子的传播特性及分布特性设置的共享读出电路和单独读出电路读出传感器输出的电信号，以实现通道缩减。
Description
技术领域
本发明涉及正电子发射成像领域，具体地，涉及一种光子检测方法、装置、设备和***及存储介质。
背景技术
近年来，正电子发射成像***由光电倍增管(Photomultiplier Tube，简称PMT)时代逐渐转向硅光电倍增管(Silicon Photomultiplier，简称SiPM)时代。正电子发射成像的全称为正电子发射型计算机断层显像(Positron Emission Computed Tomography，简称PET)，是一种利用放射性核素示踪方法来显示人体或动物体内部结构的技术，是核医学研究和临床诊断的主要手段。
SiPM尺寸较小，检测效率高，从而使得检测器结构紧凑，***灵敏度高。但正是因为SiPM尺寸小，相同截面积的闪烁晶体耦合的SiPM数量要远远大于PMT的数量。以孔径为76cm的单环全身PET***为例，闪烁晶体的出光面积大约为125cm2，需要耦合196个滨松R9800PMT(光敏感区为25mm)，或者耦合3400个尺寸为6mm的SiPM。若所有SiPM的信号都单独读出，则***通道数将会增加17倍左右。所以，PMT***到SiPM***的技术革新，为PET***中的信号读出电路带来了一定的挑战。
因此，需要提供一种电子通道缩减技术，以至少部分地解决现有技术中存在的上述问题。
发明内容
为了至少部分地解决现有技术中存在的问题，本发明提供一种光子检测方法、装置、设备和***及存储介质。
根据本发明的一个方面，提供一种光子检测方法，包括：接收与传感器阵列相连的第一数目的共享读出电路分别输出的第一数目的能量信号以及第二数目的单独读出电路分别输出的第二数目的能量信号，其中，传感器阵列平均划分为至少两个传感器区域，第一数目等于每个传感器区域中的传感器的数目，并且第一数目的共享读出电路一一对应地连接每个传感器区域中的所有传感器，每个单独读出电路连接传感器阵列中的单个传感器；以及基于第一数目的能量信号和第二数目的能量信号的能量分布规律确定高能光子的反应投影位置，其中，反应投影位置为高能光子在与传感器阵列耦合的闪烁晶体中的反应位置在传感器阵列上的投影。
示例性地，光子检测方法还包括：基于第一数目的能量信号确定高能光子的能量和/或到达时间。
示例性地，基于第一数目的能量信号和第二数目的能量信号的能量分布规律确定高能光子的反应投影位置包括：将第一数目的能量信号和第二数目的能量信号输入机器学习模型进行分析，以获得机器学习模型输出的、关于高能光子的反应投影位置的位置数据。
示例性地，光子检测方法还包括：在样本反应位置处进行光子反应事件模拟，以获得与样本反应位置对应的第一数目的样本能量信号和第二数目的样本能量信号，其中，与样本反应位置对应的样本投影位置是已知的；以及以第一数目的样本能量信号和第二数目的样本能量信号作为机器学习模型的输入，以关于样本投影位置的位置数据作为机器学习模型的目标输出，对机器学习模型进行训练。
示例性地，第一数目不小于高能光子与闪烁晶体发生反应所产生的闪烁光子在传感器阵列中的最大辐射范围所包含的传感器的数目。
示例性地，不同传感器区域中的坐标一致的传感器共享同一共享读出电路。
示例性地，第二数目不小于N-1，其中，N为至少两个传感器区域的数目。
根据本发明的另一方面，提供一种光子检测设备，包括：传感器阵列，与闪烁晶体耦合，用于检测高能光子与闪烁晶体发生反应所产生的闪烁光子，其中，传感器阵列平均划分为至少两个传感器区域；读出电路，与传感器阵列连接，用于接收传感器阵列输出的电信号并输出与高能光子的能量相关的能量信号，其中，读出电路包括第一数目的共享读出电路和第二数目的单独读出电路，第一数目等于每个传感器区域中的传感器的数目，并且第一数目的共享读出电路一一对应地连接每个传感器区域中的所有传感器，每个单独读出电路连接传感器阵列中的单个传感器；处理电路，用于接收第一数目的共享读出电路分别输出的第一数目的能量信号以及第二数目的单独读出电路分别输出的第二数目的能量信号，并基于第一数目的能量信号和第二数目的能量信号的能量分布规律确定高能光子的反应投影位置，其中，反应投影位置为高能光子在闪烁晶体中的反应位置在传感器阵列上的投影。
示例性地，处理电路还用于基于第一数目的能量信号确定高能光子的能量和/或到达时间。
示例性地，第一数目不小于高能光子与闪烁晶体发生反应所产生的闪烁光子在传感器阵列中的最大辐射范围所包含的传感器的数目。
示例性地，不同传感器区域中的坐标一致的传感器共享同一共享读出电路。
示例性地，第二数目不小于N-1，其中，N为至少两个传感器区域的数目。
根据本发明的另一方面，提供一种光子检测装置，包括：接收模块，用于接收与传感器阵列相连的第一数目的共享读出电路分别输出的第一数目的能量信号以及第二数目的单独读出电路分别输出的第二数目的能量信号，其中，传感器阵列平均划分为至少两个传感器区域，第一数目等于每个传感器区域中的传感器的数目，并且第一数目的共享读出电路一一对应地连接每个传感器区域中的所有传感器，每个单独读出电路连接传感器阵列中的单个传感器；以及位置确定模块，用于基于第一数目的能量信号和第二数目的能量信号的能量分布规律确定高能光子的反应投影位置，其中，反应投影位置为高能光子在与传感器阵列耦合的闪烁晶体中的反应位置在传感器阵列上的投影。
示例性地，光子检测装置还包括：能量或时间确定模块，用于基于第一数目的能量信号确定高能光子的能量和/或到达时间。
示例性地，位置确定模块包括：输入子模块，用于将第一数目的能量信号和第二数目的能量信号输入机器学习模型进行分析，以获得机器学习模型输出的、关于高能光子的反应投影位置的位置数据。
示例性地，光子检测装置还包括：模拟模块，用于在样本反应位置处进行光子反应事件模拟，以获得与样本反应位置对应的第一数目的样本能量信号和第二数目的样本能量信号，其中，与样本反应位置对应的样本投影位置是已知的；以及训练模块，用于以第一数目的样本能量信号和第二数目的样本能量信号作为机器学习模型的输入，以关于样本投影位置的位置数据作为机器学习模型的目标输出，对机器学习模型进行训练。
示例性地，第一数目不小于高能光子与闪烁晶体发生反应所产生的闪烁光子在传感器阵列中的最大辐射范围所包含的传感器的数目。
示例性地，不同传感器区域中的坐标一致的传感器共享同一共享读出电路。
示例性地，第二数目不小于N-1，其中，N为至少两个传感器区域的数目。
根据本发明的另一方面，提供一种光子检测***，包括处理器和存储器，其中，存储器中存储有计算机程序指令，计算机程序指令被处理器运行时用于执行以下步骤：接收与传感器阵列相连的第一数目的共享读出电路分别输出的第一数目的能量信号以及第二数目的单独读出电路分别输出的第二数目的能量信号，其中，传感器阵列平均划分为至少两个传感器区域，第一数目等于每个传感器区域中的传感器的数目，并且第一数目的共享读出电路一一对应地连接每个传感器区域中的所有传感器，每个单独读出电路连接传感器阵列中的单个传感器；以及基于第一数目的能量信号和第二数目的能量信号的能量分布规律确定高能光子的反应投影位置，其中，反应投影位置为高能光子在与传感器阵列耦合的闪烁晶体中的反应位置在传感器阵列上的投影。
示例性地，计算机程序指令被处理器运行时还用于执行以下步骤：基于第一数目的能量信号确定高能光子的能量和/或到达时间。
示例性地，计算机程序指令被处理器运行时所用于执行的基于第一数目的能量信号和第二数目的能量信号的能量分布规律确定高能光子的反应投影位置的步骤包括：将第一数目的能量信号和第二数目的能量信号输入机器学习模型进行分析，以获得机器学习模型输出的、关于高能光子的反应投影位置的位置数据。
示例性地，计算机程序指令被处理器运行时还用于执行以下步骤：在样本反应位置处进行光子反应事件模拟，以获得与样本反应位置对应的第一数目的样本能量信号和第二数目的样本能量信号，其中，与样本反应位置对应的样本投影位置是已知的；以及以第一数目的样本能量信号和第二数目的样本能量信号作为机器学习模型的输入，以关于样本投影位置的位置数据作为机器学习模型的目标输出，对机器学习模型进行训练。
示例性地，第一数目不小于高能光子与闪烁晶体发生反应所产生的闪烁光子在传感器阵列中的最大辐射范围所包含的传感器的数目。
示例性地，不同传感器区域中的坐标一致的传感器共享同一共享读出电路。
示例性地，第二数目不小于N-1，其中，N为至少两个传感器区域的数目。
根据本发明的另一方面，提供一种存储介质，在存储介质上存储了程序指令，程序指令在运行时用于执行以下步骤：接收与传感器阵列相连的第一数目的共享读出电路分别输出的第一数目的能量信号以及第二数目的单独读出电路分别输出的第二数目的能量信号，其中，传感器阵列平均划分为至少两个传感器区域，第一数目等于每个传感器区域中的传感器的数目，并且第一数目的共享读出电路一一对应地连接每个传感器区域中的所有传感器，每个单独读出电路连接传感器阵列中的单个传感器；以及基于第一数目的能量信号和第二数目的能量信号的能量分布规律确定高能光子的反应投影位置，其中，反应投影位置为高能光子在与传感器阵列耦合的闪烁晶体中的反应位置在传感器阵列上的投影。
示例性地，所述程序指令在运行时还用于执行以下步骤：基于第一数目的能量信号确定高能光子的能量和/或到达时间。
示例性地，所述程序指令在运行时所用于执行的基于第一数目的能量信号和第二数目的能量信号的能量分布规律确定高能光子的反应投影位置的步骤包括：将第一数目的能量信号和第二数目的能量信号输入机器学习模型进行分析，以获得机器学习模型输出的、关于高能光子的反应投影位置的位置数据。
示例性地，所述程序指令在运行时还用于执行以下步骤：在样本反应位置处进行光子反应事件模拟，以获得与样本反应位置对应的第一数目的样本能量信号和第二数目的样本能量信号，其中，与样本反应位置对应的样本投影位置是已知的；以及以第一数目的样本能量信号和第二数目的样本能量信号作为机器学习模型的输入，以关于样本投影位置的位置数据作为机器学习模型的目标输出，对机器学习模型进行训练。
示例性地，第一数目不小于高能光子与闪烁晶体发生反应所产生的闪烁光子在传感器阵列中的最大辐射范围所包含的传感器的数目。
示例性地，不同传感器区域中的坐标一致的传感器共享同一共享读出电路。
示例性地，第二数目不小于N-1，其中，N为至少两个传感器区域的数目。
根据本发明实施例的光子检测方法、装置、设备和***及存储介质，利用基于闪烁光子的传播特性及分布特性设置的共享读出电路和单独读出电路读出传感器输出的电信号，使得在不影响检测器的同时能够达到通道缩减的目的，有利于有效地降低PET***的功耗及成本。
在发明内容中引入了一系列简化的概念，这些概念将在具体实施方式部分中进一步详细说明。本发明内容部分并不意味着要试图限定所要求保护的技术方案的关键特征和必要技术特征，更不意味着试图确定所要求保护的技术方案的保护范围。
以下结合附图，详细说明本发明的优点和特征。
附图说明
本发明的下列附图在此作为本发明的一部分用于理解本发明。附图中示出了本发明的实施方式及其描述，用来解释本发明的原理。在附图中，
图1示出根据本发明一个示例的闪烁光子辐射区域的示意图；
图2示出根据本发明一个示例的闪烁光子的全反射示意图；
图3示出根据本发明一个实施例的、利用光学软件模拟的单个光子反应事件产生的闪烁光子在SiPM阵列中的分布图；
图4示出根据本发明一个实施例的光子检测方法的示意性流程图；
图5示出根据本发明一个实施例的传感器区域划分以及单独读出电路排布的示意图；
图6示出根据本发明一个实施例的、图5所示的传感器阵列的电信号的读出顺序示意图；
图7a-7d分别示出根据本发明实施例的、当伽玛光子的反应位置为四个不同位置时共享读出电路输出的能量信号的示意图；
图8a示出根据本发明另一个实施例的传感器区域划分以及单独读出电路排布的示意图；
图8b示出根据本发明另一个实施例的传感器区域划分以及单独读出电路排布的示意图；
图9示出根据本发明一个实施例的光子检测设备的示意性框图；
图10示出根据本发明一个实施例的光子检测装置的示意性框图；以及
图11示出了根据本发明一个实施例的光子检测***的示意性框图。
具体实施方式
在下文的描述中，提供了大量的细节以便能够彻底地理解本发明。然而，本领域技术人员可以了解，如下描述仅涉及本发明的较佳实施例，本发明可以无需一个或多个这样的细节而得以实施。此外，为了避免与本发明发生混淆，对于本领域公知的一些技术特征未进行描述。
为了解决上述问题，本发明提出一种光子检测方法、装置、设备和***及存储介质。根据本发明实施例，将传感器阵列划分为不同的区域，不同区域之间共享某些共享读出电路，以减少通道数(每个读出电路可以视为一个读出通道，缩减通道数也就是减少所构建的读出电路的数目)。此外，为了辅助识别共享读出电路输出的能量信号来源于哪些传感器，采用单独读出电路单独读出某些传感器的信号作为识别的标记。与将整行或整列传感器输出的电信号用同一读出电路读出的通道缩减技术相比，本发明提供的通道缩减技术考虑了闪烁光子(或称可见光子)在传感器阵列中的传播和分布情况，因此对感光区域的针对性更强，避免由于电子***的限制，导致检测器性能无法完全发挥。下面详细描述本文提供的通道缩减技术的理论依据。
本文以高能光子为伽玛光子为例进行描述。伽玛光子通过在待成像对象体内发生的正电子湮灭效应产生。具体地，在利用正电子发射成像设备扫描待成像对象时，可以向待成像对象体内注射含有放射性同位素的示踪物。当同位素放出的正电子与待成像对象体内的负电子相遇时会发生湮灭，由此产生一对方向相反(相差180度)、能量均为511KeV的伽玛光子。产生的一对方向相反的伽玛光子分别入射到闪烁晶体中的两个相对的位置中。伽玛光子入射到闪烁晶体中与原子的外层电子相互作用，外层电子吸收伽玛光子的能量后变为激发态，激发态的电子发生能级跃迁产生大量的闪烁光子。与闪烁晶体耦合的传感器阵列可以检测这些闪烁光子，并且当其检测到闪烁光子时，可以将闪烁光子的光信号转换为电信号并将转换获得的电信号输出。
图1示出根据本发明一个示例的闪烁光子辐射区域的示意图。如图1所示，在闪烁晶体为离散晶体的情况下，一次光子反应事件产生的闪烁光子从单根小晶体传输到光导中，随后入射到SiPM阵列中的部分区域。需注意，本文所述的光子反应事件是指高能光子与闪烁晶体发生反应的事件。由于光导层厚度较薄(一般小于5mm)，因此闪烁光子在光导中并未完全散开就被SiPM吸收。因此，在一次光子反应事件中，闪烁光子的辐射面积是一定的，光导层的厚度越薄，闪烁光子的辐射面积就越小。
在闪烁晶体为连续晶体的情况下，晶体的六个面均抛光，除了耦合SiPM阵列的面之外的五个面都贴有高反射薄膜。例如，若闪烁晶体为硅酸钇镥闪烁晶体(LYSO)，其折射率为1.82。SiPM的表面为玻璃，其折射率为1.5。因此，闪烁光子从闪烁晶体传播至SiPM为从光密介质到光疏介质，如图2所示，会发生全反射现象。图2示出根据本发明一个示例的闪烁光子的全反射示意图。可以理解，当闪烁光子入射至SiPM时的入射角大于临界角时将会被反射，从而无法射入到SiPM中。也就是说，大部分闪烁光子会被某一区域中的SiPM接收到，仅有极少部分的闪烁光子经过漫反射后被该区域外的SiPM接收到。所以，无论闪烁晶体是连续晶体还是离散晶体，在一次光子反应事件中，SiPM阵列中仅有部分SiPM能接收到光信号。
下面以尺寸为60mm×60mm×20mm的连续晶体耦合10×10的SiPM阵列(每个SiPM大小为6mm)为例详细介绍本发明。可以利用光学软件模拟光子反应事件，追踪所有闪烁光子的轨迹，直至闪烁光子被吸收。图3示出根据本发明一个实施例的、利用光学软件模拟的单个光子反应事件产生的闪烁光子在SiPM阵列中的分布图。在图3中，水平方向上的两个坐标表示SiPM的序号，竖直方向上的坐标表示SiPM接收到的闪烁光子个数。从图3中可以看出，在一次光子反应事件中，只有部分区域的SiPM可以接收到闪烁光子，其中，伽玛光子的反应位置(即伽玛光子在闪烁晶体中发生反应的位置)在SiPM阵列上的投影(即反应投影位置)处的SiPM收集到的闪烁光子的数量最多，检测到的光信号的能量最高，距离该反应投影位置越远的SiPM检测到的光信号的能量越低。可以理解，当伽玛光子的反应位置沿着水平方向移动时，闪烁光子在SiPM阵列中的分布区域也会沿着水平方向移动同样的距离，而闪烁光子的分布形态基本不变。因此，没有必要为所有传感器都分配一个读出电路，而是可以根据闪烁光子在SiPM阵列中的分布形态设置共享读出电路。
通过上述分析，可知这样的通道缩减技术是可能的，即与闪烁光子的辐射范围大小一致的传感器区域共享同样的读出电路，以实现通道数的缩减。
图4示出根据本发明一个实施例的光子检测方法400的示意性流程图。如图4所示，光子检测方法400包括以下步骤。
在步骤S410，接收与传感器阵列相连的第一数目的共享读出电路分别输出的第一数目的能量信号以及第二数目的单独读出电路分别输出的第二数目的能量信号，其中，传感器阵列平均划分为至少两个传感器区域，第一数目等于每个传感器区域中的传感器的数目，并且第一数目的共享读出电路一一对应地连接每个传感器区域中的所有传感器，每个单独读出电路连接传感器阵列中的单个传感器。
在步骤S420，基于第一数目的能量信号和第二数目的能量信号的能量分布规律确定高能光子的反应投影位置，其中，反应投影位置为高能光子在与传感器阵列耦合的闪烁晶体中的反应位置在传感器阵列上的投影。
下面沿用图3所示的示例，即以尺寸为60mm×60mm×20mm的连续晶体耦合10×10的SiPM阵列(每个SiPM大小为6mm)为例，来描述光子检测方法400。以伽玛光子的反应位置为中心，假设闪烁光子在连续晶体或光导中的传播距离不超过传感器阵列中2.5个传感器边长的距离。也就是说，在一次光子反应事件中，接收到光信号的SiPM不超过25个。在这种情况下，可以按照图5所示的方式划分传感器区域并进行通道缩减。
图5示出根据本发明一个实施例的传感器区域划分以及单独读出电路排布的示意图。如图5所示，可以将100个传感器沿中心线分成A、B、C、D四个区域，每个区域包括25个传感器。在每个区域中，从左至右，从上到下对传感器编号，依次为1.1、1.2、1.3…5.5。
对于每个传感器区域，第一数目的共享读出电路一一对应地连接其中的所有传感器，使得不同传感器区域能够共享第一数目的共享读出电路。示例性地，不同传感器区域中的坐标一致的传感器共享同一共享读出电路，这样比较方便后期对检测到闪烁光子的传感器进行识别。当然，也可以使不同传感器区域中的坐标不一致的传感器共享同一共享读出电路，这可以根据需要设定。本文所述的传感器的坐标是传感器在其所在传感器区域中的位置。在按照如图5所示的方式对传感器进行编号的情况下，传感器的坐标可以用传感器的编号代表，所述的坐标相同指编号相同。
在图5所示的示例中，A、B、C、D四个区域的传感器(m，n)共享一个读出电路(m＝1,2,3,4,5；n＝1,2,3,4,5)，共25个读出通道。可以理解，如果仅设置25个共享读出电路，则在某些情况下，例如当伽玛光子的反应位置分别在A、B、C、D四个区域中编号为3.3的传感器上方时，25个共享读出电路输出的能量信号将是相同或大致相同的，无法区分反应位置是在哪个区域中编号为3.3的传感器上方。因此，需要设置一些单独读出电路用来辅助识别，例如图5所示示例中的8个单独读出电路。如图5所示，可以分别将区域A、D中编号为2.2、4.4，区域B、C中编号为2.4、4.2的传感器(即图5中用较小的深色方框圈中的传感器)的电信号单独读出，共8个读出通道。
图6示出根据本发明一个实施例的、图5所示的传感器阵列的电信号的读出顺序示意图。可以按照如图6所示的方式，依次读出33个通道的电信号。如上文所述，传感器的作用是将闪烁光子的光信号进行光电转换，因此传感器输出的是光电转换之后获得的电信号。读出电路用于对来自传感器的电信号进行处理，并输出用于代表传感器接收到的光信号的能量大小的能量信号。可以理解，每个读出电路输出的能量信号所代表的能量大小与输出电信号至该读出电路的传感器所接收到的闪烁光子的数量是正相关的。
发生一次光子反应事件，读出电路可以输出33个通道的能量信号。在一个示例中，可以将33个通道的能量信号作为机器学习模型的输入，机器学习模型可以输出伽玛光子的反应投影位置。机器学习模型可以根据前8个单独读出通道(A2.2、A4.4、B2.4、B4.2、C2.4、C4.2、D2.2和D4.4)以及后25个共享读出通道输出的能量信号的信号特征，对伽玛光子的反应投影位置进行解码。
如上文所述，离伽玛光子的反应投影位置越近，SiPM检测到的光信号的能量越高。假设反应投影位置处的SiPM检测到的光信号的能量为E3，相邻的8个SiPM检测到的光信号的能量为E2，最***的16个SiPM检测到的光信号的能量为E1。当单独读出通道A2.2和A4.4具有信号时，会出现如图7a-7d四种情况。图7a-7d分别示出根据本发明实施例的、当伽玛光子的反应位置为四个不同位置时共享读出电路输出的能量信号的示意图。当发生如图7a所示的情况时，33个通道的信号依次为：E2、E2、0、0、0、0、0、0、E1、E1、E1、E1、E1、E1、E2、E2、E2、E1、E1、E2、E3、E2、E1、E1、E2、E2、E2、E1、E1、E1、E1、E1、E1。前8个单独读出通道中仅第1个和第2个有能量信号，后25个共享读出通道中能量信号的强弱按照一定的规律排列，并且共享读出通道中的能量信号均来自区域A。当发生如7b、7c和7d所示的三种情况时，前8个单独读出通道中仍然仅第1个和第2个有能量信号，后25个共享读出通道中能量的排布各不相同。注意，在图7b所示的情况中，25个共享读出通道中的能量信号有四列(20个)来自区域A，有一列(5个)来自区域B。图7c和图7d类似，能量信号来自不止一个区域。机器学习模型通过利用大量数据训练，对能量排布的差异具有一定的识别能力，可以根据能量的排布，判断伽玛光子的反应投影位置。
上面描述了单独读出电路的一种设置方式，即每个传感器区域设置两个单独读出电路，共设置8个单独读出电路。然而，上述示例并非对本发明的限制，单独读出电路可以具有其他合理的数目以及设置方式。例如，在另一示例中，可以将A、B、C、D四个区域中编号为3.3的传感器的电信号单独读出，也就是在每个区域的中心传感器处分别设置一个单独读出电路，共设置四个单独读出电路，这样总的读出通道将为29个。设置在每个传感器区域中心处的单独读出电路足以区分来自不同传感器区域的电信号。
根据本发明实施例的光子检测方法，利用基于闪烁光子的传播特性及分布特性设置的共享读出电路和单独读出电路读出传感器输出的电信号，使得在不影响检测器性能的同时能够达到通道缩减的目的，有利于有效地降低PET***的功耗及成本。
根据本发明实施例，光子检测方法400还包括：基于第一数目的能量信号确定高能光子的能量和/或到达时间。第一数目的能量信号所对应的能量即为高能光子的能量。示例性地，可以将第一数目的能量信号相加，获得总的能量信号。总的能量信号所代表的能量大小等于高能光子的能量大小。示例性地，可以将第一数目的能量信号中最早出现脉冲电平的时间视为高能光子的到达时间。到达时间指高能光子到达检测器的时间，其可以利用传感器阵列接收到闪烁光子的时间来衡量。上述能量和到达时间的确定方式仅是示例，可以采用其他方式确定高能光子的能量和/或到达时间。可以由下文描述的处理电路获取高能光子的能量信息和时间信息，对能量信息和时间信息进行数据处理和图像重建，以获得待成像对象的扫描图像。
由于读出电路基于闪烁光子的传播特性及分布特性设置，因此基于读出电路输出的能量信号测量获得的高能光子的能量和到达时间对感光区域的针对性强，准确性高。此外，由于通道数的缩减，使得能量和时间的测量效率较高。
根据本发明实施例，步骤S420可以包括：将第一数目的能量信号和第二数目的能量信号输入机器学习模型进行分析，以获得机器学习模型输出的、关于高能光子的反应投影位置的位置数据。
机器学习模型可以是任何合适的智能算法模型，本发明不对其具体类别进行限制。示例性地，机器学习模型可以采用决策树、支持向量机、神经网络、AdaBoost算法模型、贝叶斯分类器等实现。在下文的描述中，将以卷积神经网络为例来描述机器学习模型。
机器学习模型可以是预先训练的，也可以是利用已知模型实现的。机器学习模型可以对反应投影位置进行分类。如上文所述，机器学习模型通过利用大量数据训练，对能量排布的差异具有一定的识别能力，可以根据能量的排布，判断伽玛光子的反应投影位置。因此，采用机器学习算法可以简单、快速、准确地确定伽玛光子的反应投影位置。机器学习模型输出的是位置数据，在一个示例中，输出的是传感器的编号以及传感器所在的传感器区域的编号。例如，沿用图5、图7a-7d中所示的传感器阵列示例，假设伽玛光子的反应位置在区域A中编号为2.3的传感器的正上方，则机器学习模型输出的可以是用于指示区域A以及编号2.3的数据。
根据本发明实施例，光子检测方法400还可以包括：在样本反应位置处进行光子反应事件模拟，以获得与样本反应位置对应的第一数目的样本能量信号和第二数目的样本能量信号，其中，与样本反应位置对应的样本投影位置是已知的；以及以第一数目的样本能量信号和第二数目的样本能量信号作为机器学习模型的输入，以关于样本投影位置的位置数据作为机器学习模型的目标输出，对机器学习模型进行训练。
光子检测方法400还可以包括机器学习模型的训练步骤。训练可以通过收集大量反应投影位置已知的光子反应事件的能量信号来实现。光子反应事件模拟可以采用光学软件实现。利用光学软件搭建PET***的模型，并分别设置不同的样本反应位置进行模拟，以得到在不同样本反应位置下读出电路输出的能量信号。比较可取的是，在样本反应位置变化时，尽可能使得样本投影位置也变化。样本投影位置为样本反应位置在传感器阵列上的投影。在伽玛光子的样本投影位置不同时，读出电路输出的能量信号不同。示例性地，对于每个样本投影位置，可以将该样本投影位置对应的能量信号作为卷积神经网络的输入，将样本投影位置作为卷积神经网络的目标输出，通过反向传播方法进行训练。
机器学习算法是一种自主化学习方法，可以实现非常好的分类效果。在对机器学习模型进行训练之后，可以利用该模型，根据实际测量到的能量信号比较准确地对反应投影位置进行定位。
根据本发明实施例，第一数目不小于高能光子与闪烁晶体发生反应所产生的闪烁光子在传感器阵列中的最大辐射范围所包含的传感器的数目。
如上文所述的示例，假设闪烁光子在传感器阵列中的最大传播范围所包含的传感器的数目为5×5，则共享读出电路应当不少于25个。例如，参见图5-7d所示示例，共享读出电路的数目可以是25。当然，共享读出电路的数目可以更多，例如36，也就是说可以将每个传感器区域设置为6×6大小。共享读出电路连接的传感器所占面积最好能够覆盖闪烁光子在传感器阵列中的最大传播范围，以保证单个光子反应事件产生的闪烁光子的能量基本上全部都能被共享读出电路读出。
示例性地，第二数目不小于N-1，其中，N为至少两个传感器区域的数目。在第一数目等于N-1的情况下，每个传感器区域最多分配有一个单独读出电路。第二数目的单独读出电路用于在无法分辨第一数目的能量信号来自哪个传感器区域的情况下辅助识别传感器区域。
假设传感器阵列平均划分为4个传感器区域(参见图5、7a-7d)，则第二数目最小为3。在单独读出电路为3个的情况下，从4个传感器区域中挑选3个传感器区域，并为这3个传感器区域各分配一个单独读出电路。这样，利用3个单独读出电路读出的能量信号还可以区分能量信号来自哪个传感器区域。可以理解，如果单独读出电路的数目进一步减少，例如仅有两个的话，那可能导致在某些情况下，来自未分配单独读出电路的两个传感器区域的能量信号无法区分开。例如，返回图5，如果在A、B区域分别设置两个单独读出电路，C、D区域没有单独读出电路，也就是共设置2+25＝27个读出通道，则当反应位置在C区域中编号为3.3的传感器正上方时与在D区域中编号为3.3的传感器正上方时，27个通道读出的能量信号的分布规律是相同或大致相同的，将无法区分。
除了图5-7d所示的单独读出通道排布方案外，本发明实施例还提出另外两种方案，如图8a和8b所示。在图8a所示的方案中，单独读出A3.3，A3.5，B3.3，B5.3，C1.3，C3.3，D3.1，D3.3这8个通道的信号，其余的A、B、C、D四个区域中的传感器(m，n)共享一个通道(m＝1,2,3,4,5；n＝1,2,3,4,5)，共33个通道。在图8b所示的方案中，单独读出A3.3，A4.5，B3.3，B5.2，C1.4，C3.3，D2.1，D3.3这8个通道的信号,其余的A、B、C、D四个区域中的传感器(m，n)共享一个通道(m＝1,2,3,4,5；n＝1,2,3,4,5)，共33个通道。
注意，本发明提供的光子检测方法可以适用于离散晶体或连续晶体，且不限制晶体及晶体阵列尺寸、SiPM及SiPM阵列尺寸。注意，本发明不限制闪烁晶体材料，文中仅以LYSO晶体为例。闪烁晶体可以是任何合适的晶体，本发明不对此进行限制。例如，闪烁晶体可以是锗酸铋(BGO)、硅酸钇镥(LYSO)或溴化镧(LaBr3)等。本发明不限制SiPM阵列与闪烁晶体的耦合方式，可以直接耦合，或者通过光学胶水等耦合。
本文所述的传感器可以是任何合适的光电传感器，例如PMT、SiPM或雪崩光电二极管(APD)等。本文虽然主要以SiPM作为示例描述本发明，然而，其并非对本发明的限制，本发明可以应用于其他类似的需要通道缩减技术的检测器。
本文所述的共享读出电路的数目取决于晶体及光导层的厚度以及闪烁光子在晶体或光导中传播的距离。传播距离确定时，共享读出电路的数目也可以随之确定。单独读出电路的选择有很多种方式，本发明并不限制单独读出电路的选择、排布及个数。本发明提出的是一种构思，即根据光子传播特征将读出电路进行有规律的共享及单独设置。根据读出电路输出的能量信号的信号特征计算伽玛光子的反应投影位置。
根据本发明实施例，传感器阵列可以划分为2×1、3×2、2×4、4×4等任意数目组合的传感器区域。传感器阵列包括的传感器区域的数目和排布方式可以根据需要设定，本发明不对此进行限制。例如，如果闪烁晶体为60mm×60mm×20mm的连续晶体，且闪烁光子在传感器中的传播距离为10mm，则可以采用划分为3×3个传感器区域(每个传感器区域的大小为20mm×20mm)的传感器阵列进行光子检测，如果闪烁光子在传感器中的传播距离为15mm，则可以采用划分为2×2个传感器区域(每个传感器区域的大小为30mm×30mm)的传感器阵列进行光子检测。
根据本发明另一方面，提供一种光子检测设备。图9示出根据本发明一个实施例的光子检测设备900的示意性框图。如图9所示，光子检测设备900包括传感器阵列910、读出电路920和处理电路930。在上文关于光子检测方法400的描述中，已经描述了闪烁晶体、传感器阵列、读出电路的电路结构和工作原理。处理电路用于实现光子检测方法400的各个步骤/功能。本领域技术人员可以参考上文关于光子检测方法400的描述理解光子检测设备900的电路结构和工作原理，不再赘述。
传感器阵列910与闪烁晶体耦合，用于检测高能光子与闪烁晶体发生反应所产生的闪烁光子，其中，传感器阵列910平均划分为至少两个传感器区域。
读出电路920与传感器阵列910连接，用于接收传感器阵列910输出的电信号并输出与高能光子的能量相关的能量信号，其中，读出电路920包括第一数目的共享读出电路和第二数目的单独读出电路，第一数目等于每个传感器区域中的传感器的数目，并且第一数目的共享读出电路一一对应地连接每个传感器区域中的所有传感器，每个单独读出电路连接传感器阵列中的单个传感器。
处理电路930用于接收第一数目的共享读出电路分别输出的第一数目的能量信号以及第二数目的单独读出电路分别输出的第二数目的能量信号，并基于第一数目的能量信号和第二数目的能量信号的能量分布规律确定高能光子的反应投影位置，其中，反应投影位置为高能光子在闪烁晶体中的反应位置在传感器阵列910上的投影。处理电路930可以采用任何合适的硬件、软件、和/或固件实现。示例性地，处理电路930可以采用现场可编程门阵列(FPGA)、数字信号处理器(DSP)、复杂可编程逻辑器件(CPLD)、微控制单元(MCU)或中央处理单元(CPU)等实现。
示例性地，处理电路930还用于基于第一数目的能量信号确定高能光子的能量和/或到达时间。
示例性地，第一数目不小于高能光子与闪烁晶体发生反应所产生的闪烁光子在传感器阵列910中的最大辐射范围所包含的传感器的数目。
示例性地，不同传感器区域中的坐标一致的传感器共享同一共享读出电路。
示例性地，第二数目不小于N-1，其中，N为至少两个传感器区域的数目。
根据本发明另一方面，提供一种光子检测装置。图10示出了根据本发明一个实施例的光子检测装置1000的示意性框图。
如图10所示，根据本发明实施例的光子检测装置1000包括接收模块1010和位置确定模块1020。所述各个模块可分别执行上文中结合图1-8b描述的光子检测方法的各个步骤/功能。以下仅对该光子检测装置1000的各部件的主要功能进行描述，而省略以上已经描述过的细节内容。
接收模块1010用于接收与传感器阵列相连的第一数目的共享读出电路分别输出的第一数目的能量信号以及第二数目的单独读出电路分别输出的第二数目的能量信号，其中，传感器阵列平均划分为至少两个传感器区域，第一数目等于每个传感器区域中的传感器的数目，并且第一数目的共享读出电路一一对应地连接每个传感器区域中的所有传感器，每个单独读出电路连接传感器阵列中的单个传感器。
位置确定模块1020用于基于第一数目的能量信号和第二数目的能量信号的能量分布规律确定高能光子的反应投影位置，其中，反应投影位置为高能光子在与传感器阵列耦合的闪烁晶体中的反应位置在传感器阵列上的投影。
示例性地，光子检测装置1000还可以包括：能量或时间确定模块(未示出)，用于基于第一数目的能量信号确定高能光子的能量和/或到达时间。
示例性地，位置确定模块1020可以包括：输入子模块，用于将第一数目的能量信号和第二数目的能量信号输入机器学习模型进行分析，以获得机器学习模型输出的、关于高能光子的反应投影位置的位置数据。
示例性地，光子检测装置1000还可以包括：模拟模块，用于在样本反应位置处进行光子反应事件模拟，以获得与样本反应位置对应的第一数目的样本能量信号和第二数目的样本能量信号，其中，与样本反应位置对应的样本投影位置是已知的；以及训练模块，用于以第一数目的样本能量信号和第二数目的样本能量信号作为机器学习模型的输入，以关于样本投影位置的位置数据作为机器学习模型的目标输出，对机器学习模型进行训练。
示例性地，第一数目不小于高能光子与闪烁晶体发生反应所产生的闪烁光子在传感器阵列中的最大辐射范围所包含的传感器的数目。
示例性地，不同传感器区域中的坐标一致的传感器共享同一共享读出电路。
示例性地，第二数目不小于N-1，其中，N为至少两个传感器区域的数目。
本领域普通技术人员可以意识到，结合本文中所公开的实施例描述的各示例的单元及算法步骤，能够以电子硬件、或者计算机软件和电子硬件的结合来实现。这些功能究竟以硬件还是软件方式来执行，取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能，但是这种实现不应认为超出本发明的范围。
图11示出了根据本发明一个实施例的光子检测***1100的示意性框图。光子检测***1100包括信号采集装置1110、存储装置1120、以及处理器1130。
信号采集装置1110用于采集与高能光子的能量相关的能量信号。信号采集装置1110是可选的，光子检测***1100可以不包括信号采集装置1110。在这种情况下，可以利用其他信号采集装置采集能量信号，并将采集的信号发送给光子检测***1100。
所述存储装置1120存储用于实现根据本发明实施例的光子检测方法中的相应步骤的计算机程序指令。
所述处理器1130用于运行所述存储装置1120中存储的计算机程序指令，以执行根据本发明实施例的光子检测方法的相应步骤，并且用于实现根据本发明实施例的光子检测装置1000中的接收模块1010和位置确定模块1020。
在一个实施例中，计算机程序指令被处理器1130运行时用于执行以下步骤：接收与传感器阵列相连的第一数目的共享读出电路分别输出的第一数目的能量信号以及第二数目的单独读出电路分别输出的第二数目的能量信号，其中，传感器阵列平均划分为至少两个传感器区域，第一数目等于每个传感器区域中的传感器的数目，并且第一数目的共享读出电路一一对应地连接每个传感器区域中的所有传感器，每个单独读出电路连接传感器阵列中的单个传感器；以及基于第一数目的能量信号和第二数目的能量信号的能量分布规律确定高能光子的反应投影位置，其中，反应投影位置为高能光子在与传感器阵列耦合的闪烁晶体中的反应位置在传感器阵列上的投影。
在一个实施例中，计算机程序指令被处理器1130运行时还用于执行以下步骤：基于第一数目的能量信号确定高能光子的能量和/或到达时间。
在一个实施例中，计算机程序指令被处理器1130运行时所用于执行的基于第一数目的能量信号和第二数目的能量信号的能量分布规律确定高能光子的反应投影位置的步骤包括：将第一数目的能量信号和第二数目的能量信号输入机器学习模型进行分析，以获得机器学习模型输出的、关于高能光子的反应投影位置的位置数据。
在一个实施例中，计算机程序指令被处理器1130运行时还用于执行以下步骤：在样本反应位置处进行光子反应事件模拟，以获得与样本反应位置对应的第一数目的样本能量信号和第二数目的样本能量信号，其中，与样本反应位置对应的样本投影位置是已知的；以及以第一数目的样本能量信号和第二数目的样本能量信号作为机器学习模型的输入，以关于样本投影位置的位置数据作为机器学习模型的目标输出，对机器学习模型进行训练。
在一个实施例中，第一数目不小于高能光子与闪烁晶体发生反应所产生的闪烁光子在传感器阵列中的最大辐射范围所包含的传感器的数目。
在一个实施例中，不同传感器区域中的坐标一致的传感器共享同一共享读出电路。
在一个实施例中，第二数目不小于N-1，其中，N为至少两个传感器区域的数目。
此外，根据本发明实施例，还提供了一种存储介质，在所述存储介质上存储了程序指令，在所述程序指令被计算机或处理器运行时用于执行本发明实施例的光子检测方法的相应步骤，并且用于实现根据本发明实施例的光子检测装置中的相应模块。所述存储介质例如可以包括智能电话的存储卡、平板电脑的存储部件、计算机的硬盘、只读存储器(ROM)、可擦除可编程只读存储器(EPROM)、便携式紧致盘只读存储器(CD-ROM)、USB存储器、或者上述存储介质的任意组合。
在一个实施例中，所述程序指令在被计算机或处理器运行时可以使得计算机或处理器实现根据本发明实施例的光子检测装置的各个功能模块，并且/或者可以执行根据本发明实施例的光子检测方法。
在一个实施例中，所述程序指令在运行时用于执行以下步骤：接收与传感器阵列相连的第一数目的共享读出电路分别输出的第一数目的能量信号以及第二数目的单独读出电路分别输出的第二数目的能量信号，其中，传感器阵列平均划分为至少两个传感器区域，第一数目等于每个传感器区域中的传感器的数目，并且第一数目的共享读出电路一一对应地连接每个传感器区域中的所有传感器，每个单独读出电路连接传感器阵列中的单个传感器；以及基于第一数目的能量信号和第二数目的能量信号的能量分布规律确定高能光子的反应投影位置，其中，反应投影位置为高能光子在与传感器阵列耦合的闪烁晶体中的反应位置在传感器阵列上的投影。
在一个实施例中，所述程序指令在运行时还用于执行以下步骤：基于第一数目的能量信号确定高能光子的能量和/或到达时间。
在一个实施例中，所述程序指令在运行时所用于执行的基于第一数目的能量信号和第二数目的能量信号的能量分布规律确定高能光子的反应投影位置的步骤包括：将第一数目的能量信号和第二数目的能量信号输入机器学习模型进行分析，以获得机器学习模型输出的、关于高能光子的反应投影位置的位置数据。
在一个实施例中，所述程序指令在运行时还用于执行以下步骤：在样本反应位置处进行光子反应事件模拟，以获得与样本反应位置对应的第一数目的样本能量信号和第二数目的样本能量信号，其中，与样本反应位置对应的样本投影位置是已知的；以及以第一数目的样本能量信号和第二数目的样本能量信号作为机器学习模型的输入，以关于样本投影位置的位置数据作为机器学习模型的目标输出，对机器学习模型进行训练。
在一个实施例中，第一数目不小于高能光子与闪烁晶体发生反应所产生的闪烁光子在传感器阵列中的最大辐射范围所包含的传感器的数目。
在一个实施例中，不同传感器区域中的坐标一致的传感器共享同一共享读出电路。
在一个实施例中，第二数目不小于N-1，其中，N为至少两个传感器区域的数目。
根据本发明实施例的光子检测***中的各模块可以通过根据本发明实施例的实施光子检测的电子设备的处理器运行在存储器中存储的计算机程序指令来实现，或者可以在根据本发明实施例的计算机程序产品的计算机可读存储介质中存储的计算机指令被计算机运行时实现。
尽管这里已经参考附图描述了示例实施例，应理解上述示例实施例仅仅是示例性的，并且不意图将本发明的范围限制于此。本领域普通技术人员可以在其中进行各种改变和修改，而不偏离本发明的范围和精神。所有这些改变和修改意在被包括在所附权利要求所要求的本发明的范围之内。
本领域普通技术人员可以意识到，结合本文中所公开的实施例描述的各示例的单元及算法步骤，能够以电子硬件、或者计算机软件和电子硬件的结合来实现。这些功能究竟以硬件还是软件方式来执行，取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能，但是这种实现不应认为超出本发明的范围。
在本申请所提供的几个实施例中，应该理解到，所揭露的设备和方法，可以通过其它的方式实现。例如，以上所描述的设备实施例仅仅是示意性的，例如，所述单元的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，例如多个单元或组件可以结合或者可以集成到另一个设备，或一些特征可以忽略，或不执行。
在此处所提供的说明书中，说明了大量具体细节。然而，能够理解，本发明的实施例可以在没有这些具体细节的情况下实践。在一些实例中，并未详细示出公知的方法、结构和技术，以便不模糊对本说明书的理解。
类似地，应当理解，为了精简本发明并帮助理解各个发明方面中的一个或多个，在对本发明的示例性实施例的描述中，本发明的各个特征有时被一起分组到单个实施例、图、或者对其的描述中。然而，并不应将该本发明的方法解释成反映如下意图：即所要求保护的本发明要求比在每个权利要求中所明确记载的特征更多的特征。更确切地说，如相应的权利要求书所反映的那样，其发明点在于可以用少于某个公开的单个实施例的所有特征的特征来解决相应的技术问题。因此，遵循具体实施方式的权利要求书由此明确地并入该具体实施方式，其中每个权利要求本身都作为本发明的单独实施例。
本领域的技术人员可以理解，除了特征之间相互排斥之外，可以采用任何组合对本说明书(包括伴随的权利要求、摘要和附图)中公开的所有特征以及如此公开的任何方法或者设备的所有过程或单元进行组合。除非另外明确陈述，本说明书(包括伴随的权利要求、摘要和附图)中公开的每个特征可以由提供相同、等同或相似目的的替代特征来代替。
此外，本领域的技术人员能够理解，尽管在此所述的一些实施例包括其它实施例中所包括的某些特征而不是其它特征，但是不同实施例的特征的组合意味着处于本发明的范围之内并且形成不同的实施例。例如，在权利要求书中，所要求保护的实施例的任意之一都可以以任意的组合方式来使用。
本发明的各个部件实施例可以以硬件实现，或者以在一个或者多个处理器上运行的软件模块实现，或者以它们的组合实现。本领域的技术人员应当理解，可以在实践中使用微处理器或者数字信号处理器(DSP)来实现根据本发明实施例的光子检测装置中的一些模块的一些或者全部功能。本发明还可以实现为用于执行这里所描述的方法的一部分或者全部的装置程序(例如，计算机程序和计算机程序产品)。这样的实现本发明的程序可以存储在计算机可读介质上，或者可以具有一个或者多个信号的形式。这样的信号可以从因特网网站上下载得到，或者在载体信号上提供，或者以任何其他形式提供。
应该注意的是上述实施例对本发明进行说明而不是对本发明进行限制，并且本领域技术人员在不脱离所附权利要求的范围的情况下可设计出替换实施例。在权利要求中，不应将位于括号之间的任何参考符号构造成对权利要求的限制。单词“包含”不排除存在未列在权利要求中的元件或步骤。位于元件之前的单词“一”或“一个”不排除存在多个这样的元件。本发明可以借助于包括有若干不同元件的硬件以及借助于适当编程的计算机来实现。在列举了若干装置的单元权利要求中，这些装置中的若干个可以是通过同一个硬件项来具体体现。单词第一、第二、以及第三等的使用不表示任何顺序。可将这些单词解释为名称。
以上所述，仅为本发明的具体实施方式或对具体实施方式的说明，本发明的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，可轻易想到变化或替换，都应涵盖在本发明的保护范围之内。本发明的保护范围应以权利要求的保护范围为准。
Claims (15)
1.一种光子检测方法，包括：
接收与传感器阵列相连的第一数目的共享读出电路分别输出的第一数目的能量信号以及第二数目的单独读出电路分别输出的第二数目的能量信号，其中，所述传感器阵列平均划分为至少两个传感器区域，所述第一数目等于每个传感器区域中的传感器的数目，并且所述第一数目的共享读出电路一一对应地连接每个传感器区域中的所有传感器，每个单独读出电路连接所述传感器阵列中的单个传感器；以及
基于所述第一数目的能量信号和所述第二数目的能量信号的能量分布规律确定高能光子的反应投影位置，其中，所述反应投影位置为所述高能光子在与所述传感器阵列耦合的闪烁晶体中的反应位置在所述传感器阵列上的投影。
2.根据权利要求1所述的光子检测方法，其特征在于，所述光子检测方法还包括：
基于所述第一数目的能量信号确定所述高能光子的能量和/或到达时间。
3.根据权利要求1所述的光子检测方法，其特征在于，所述基于所述第一数目的能量信号和所述第二数目的能量信号的能量分布规律确定高能光子的反应投影位置包括：
将所述第一数目的能量信号和所述第二数目的能量信号输入机器学习模型进行分析，以获得所述机器学习模型输出的、关于所述高能光子的反应投影位置的位置数据。
4.根据权利要求3所述的光子检测方法，其特征在于，所述光子检测方法还包括：
在样本反应位置处进行光子反应事件模拟，以获得与所述样本反应位置对应的第一数目的样本能量信号和第二数目的样本能量信号，其中，与所述样本反应位置对应的样本投影位置是已知的；以及
以所述第一数目的样本能量信号和所述第二数目的样本能量信号作为所述机器学习模型的输入，以关于所述样本投影位置的位置数据作为所述机器学习模型的目标输出，对所述机器学习模型进行训练。
5.根据权利要求1所述的光子检测方法，其特征在于，所述第一数目不小于所述高能光子与所述闪烁晶体发生反应所产生的闪烁光子在所述传感器阵列中的最大辐射范围所包含的传感器的数目。
6.根据权利要求1所述的光子检测方法，其特征在于，不同传感器区域中的坐标一致的传感器共享同一共享读出电路，其中，传感器的坐标是该传感器在其所在传感器区域中的位置。
7.根据权利要求1所述的光子检测方法，其特征在于，所述第二数目不小于N-1，其中，N为所述至少两个传感器区域的数目。
8.一种光子检测设备，包括：
传感器阵列，与闪烁晶体耦合，用于检测高能光子与所述闪烁晶体发生反应所产生的闪烁光子，其中，所述传感器阵列平均划分为至少两个传感器区域；
读出电路，与所述传感器阵列连接，用于接收所述传感器阵列输出的电信号并输出与所述高能光子的能量相关的能量信号，其中，所述读出电路包括第一数目的共享读出电路和第二数目的单独读出电路，所述第一数目等于每个传感器区域中的传感器的数目，并且所述第一数目的共享读出电路一一对应地连接每个传感器区域中的所有传感器，每个单独读出电路连接所述传感器阵列中的单个传感器；
处理电路，用于接收所述第一数目的共享读出电路分别输出的第一数目的能量信号以及所述第二数目的单独读出电路分别输出的第二数目的能量信号，并基于所述第一数目的能量信号和所述第二数目的能量信号的能量分布规律确定高能光子的反应投影位置，其中，所述反应投影位置为所述高能光子在所述闪烁晶体中的反应位置在所述传感器阵列上的投影。
9.根据权利要求8所述的光子检测设备，其特征在于，所述处理电路还用于基于所述第一数目的能量信号确定所述高能光子的能量和/或到达时间。
10.根据权利要求8所述的光子检测设备，其特征在于，所述第一数目不小于所述高能光子与所述闪烁晶体发生反应所产生的闪烁光子在所述传感器阵列中的最大辐射范围所包含的传感器的数目。
11.根据权利要求8所述的光子检测设备，其特征在于，不同传感器区域中的坐标一致的传感器共享同一共享读出电路，其中，传感器的坐标是该传感器在其所在传感器区域中的位置。
12.根据权利要求8所述的光子检测设备，其特征在于，所述第二数目不小于N-1，其中，N为所述至少两个传感器区域的数目。
13.一种光子检测装置，包括：
接收模块，用于接收与传感器阵列相连的第一数目的共享读出电路分别输出的第一数目的能量信号以及第二数目的单独读出电路分别输出的第二数目的能量信号，其中，所述传感器阵列平均划分为至少两个传感器区域，所述第一数目等于每个传感器区域中的传感器的数目，并且所述第一数目的共享读出电路一一对应地连接每个传感器区域中的所有传感器，每个单独读出电路连接所述传感器阵列中的单个传感器；以及
位置确定模块，用于基于所述第一数目的能量信号和所述第二数目的能量信号的能量分布规律确定高能光子的反应投影位置，其中，所述反应投影位置为所述高能光子在与所述传感器阵列耦合的闪烁晶体中的反应位置在所述传感器阵列上的投影。
14.一种光子检测***，包括处理器和存储器，其中，所述存储器中存储有计算机程序指令，所述计算机程序指令被所述处理器运行时用于执行以下步骤：
接收与传感器阵列相连的第一数目的共享读出电路分别输出的第一数目的能量信号以及第二数目的单独读出电路分别输出的第二数目的能量信号，其中，所述传感器阵列平均划分为至少两个传感器区域，所述第一数目等于每个传感器区域中的传感器的数目，并且所述第一数目的共享读出电路一一对应地连接每个传感器区域中的所有传感器，每个单独读出电路连接所述传感器阵列中的单个传感器；以及
基于所述第一数目的能量信号和所述第二数目的能量信号的能量分布规律确定高能光子的反应投影位置，其中，所述反应投影位置为所述高能光子在与所述传感器阵列耦合的闪烁晶体中的反应位置在所述传感器阵列上的投影。
15.一种存储介质，在所述存储介质上存储了程序指令，所述程序指令在运行时用于执行以下步骤：
接收与传感器阵列相连的第一数目的共享读出电路分别输出的第一数目的能量信号以及第二数目的单独读出电路分别输出的第二数目的能量信号，其中，所述传感器阵列平均划分为至少两个传感器区域，所述第一数目等于每个传感器区域中的传感器的数目，并且所述第一数目的共享读出电路一一对应地连接每个传感器区域中的所有传感器，每个单独读出电路连接所述传感器阵列中的单个传感器；以及
基于所述第一数目的能量信号和所述第二数目的能量信号的能量分布规律确定高能光子的反应投影位置，其中，所述反应投影位置为所述高能光子在与所述传感器阵列耦合的闪烁晶体中的反应位置在所述传感器阵列上的投影。
Priority Applications (2)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201710975365.XA CN107874773B (zh) | 2017-10-16 | 2017-10-16 | 光子检测方法、装置、设备和***及存储介质 |
| PCT/CN2018/110255 WO2019076268A1 (zh) | 2017-10-16 | 2018-10-15 | 光子检测方法、装置、设备和***及存储介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201710975365.XA CN107874773B (zh) | 2017-10-16 | 2017-10-16 | 光子检测方法、装置、设备和***及存储介质 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN107874773A CN107874773A (zh) | 2018-04-06 |
| CN107874773B true CN107874773B (zh) | 2020-12-08 |
Family
ID=61781838
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201710975365.XA Active CN107874773B (zh) | 2017-10-16 | 2017-10-16 | 光子检测方法、装置、设备和***及存储介质 |
Country Status (2)
| Country | Link |
|---|---|
| CN (1) | CN107874773B (zh) |
| WO (1) | WO2019076268A1 (zh) |
Families Citing this family (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN107874773B (zh) * | 2017-10-16 | 2020-12-08 | 中派科技（深圳）有限责任公司 | 光子检测方法、装置、设备和***及存储介质 |
| CN110426730B (zh) * | 2019-07-19 | 2022-11-01 | 东软医疗***股份有限公司 | 信号读出电路、信号读出方法及装置 |
| CN114186166A (zh) * | 2021-11-12 | 2022-03-15 | 苏州瑞派宁科技有限公司 | 计算反应深度的方法、装置以及计算机可读存储介质 |
Citations (13)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101163988A (zh) * | 2005-04-22 | 2008-04-16 | 皇家飞利浦电子股份有限公司 | 用于tof-pet的数字硅光电倍增管 |
| WO2012056036A2 (en) * | 2010-10-28 | 2012-05-03 | Sensl Technologies Ltd | Imaging device and method |
| CN102944890A (zh) * | 2012-11-06 | 2013-02-27 | 中国科学院高能物理研究所 | 基于ps-pmt的探测器信号读出方法和*** |
| EP2876464A1 (en) * | 2012-07-18 | 2015-05-27 | Kabushiki Kaisha Toshiba, Inc. | Data acquisition device, pair annihilation gamma ray detector, and pair annihilation gamma ray detection method |
| CN105093258A (zh) * | 2015-09-30 | 2015-11-25 | 武汉中派科技有限责任公司 | 光子测量前端电路 |
| CN105182396A (zh) * | 2015-06-29 | 2015-12-23 | 苏州瑞派宁科技有限公司 | 一种探测器信号读出的通道复用方法 |
| CN105816194A (zh) * | 2015-01-07 | 2016-08-03 | 苏州瑞派宁科技有限公司 | 一种探测器信号读出的通道复用方法 |
| CN106443747A (zh) * | 2016-11-15 | 2017-02-22 | 武汉中派科技有限责任公司 | 用于测量高能光子到达时间的方法及装置 |
| CN106461793A (zh) * | 2015-03-17 | 2017-02-22 | 皇家飞利浦有限公司 | 在辐射粒子探测器中的闪烁事件位置确定 |
| CN106556857A (zh) * | 2016-10-19 | 2017-04-05 | 武汉中派科技有限责任公司 | 反应位置定位方法和装置 |
| CN106656390A (zh) * | 2016-11-15 | 2017-05-10 | 武汉中派科技有限责任公司 | 用于测量光子时间信息的装置及方法 |
| CN107076859A (zh) * | 2014-10-17 | 2017-08-18 | 皇家飞利浦有限公司 | 具有光共享和相互作用深度估计的pet探测器闪烁体布置 |
| CN107121692A (zh) * | 2017-06-05 | 2017-09-01 | 中派科技（深圳）有限责任公司 | 检测器和具有该检测器的发射成像设备 |
Family Cites Families (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2014519025A (ja) * | 2011-05-10 | 2014-08-07 | エバーハルト・カールス・ユニバーシタット テュービンゲン ユニバーシタットスクリニクム | ガイガーモード・アバランシェ・フォトダイオードをベースとしたガンマ線検出器 |
| WO2015022354A1 (en) * | 2013-08-14 | 2015-02-19 | Koninklijke Philips N.V. | Pixel identification for small pitch scintillation crystal arrays |
| US10527740B2 (en) * | 2014-04-03 | 2020-01-07 | Siemens Medical Solutions Usa, Inc. | Silicon photomultiplier based TOF-PET detector |
| US9927537B2 (en) * | 2014-12-15 | 2018-03-27 | General Electric Company | Systems and methods for positron emission tomography signal isolation |
| CN107874773B (zh) * | 2017-10-16 | 2020-12-08 | 中派科技（深圳）有限责任公司 | 光子检测方法、装置、设备和***及存储介质 |
-
2017
- 2017-10-16 CN CN201710975365.XA patent/CN107874773B/zh active Active
-
2018
- 2018-10-15 WO PCT/CN2018/110255 patent/WO2019076268A1/zh active Application Filing
Patent Citations (13)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101163988A (zh) * | 2005-04-22 | 2008-04-16 | 皇家飞利浦电子股份有限公司 | 用于tof-pet的数字硅光电倍增管 |
| WO2012056036A2 (en) * | 2010-10-28 | 2012-05-03 | Sensl Technologies Ltd | Imaging device and method |
| EP2876464A1 (en) * | 2012-07-18 | 2015-05-27 | Kabushiki Kaisha Toshiba, Inc. | Data acquisition device, pair annihilation gamma ray detector, and pair annihilation gamma ray detection method |
| CN102944890A (zh) * | 2012-11-06 | 2013-02-27 | 中国科学院高能物理研究所 | 基于ps-pmt的探测器信号读出方法和*** |
| CN107076859A (zh) * | 2014-10-17 | 2017-08-18 | 皇家飞利浦有限公司 | 具有光共享和相互作用深度估计的pet探测器闪烁体布置 |
| CN105816194A (zh) * | 2015-01-07 | 2016-08-03 | 苏州瑞派宁科技有限公司 | 一种探测器信号读出的通道复用方法 |
| CN106461793A (zh) * | 2015-03-17 | 2017-02-22 | 皇家飞利浦有限公司 | 在辐射粒子探测器中的闪烁事件位置确定 |
| CN105182396A (zh) * | 2015-06-29 | 2015-12-23 | 苏州瑞派宁科技有限公司 | 一种探测器信号读出的通道复用方法 |
| CN105093258A (zh) * | 2015-09-30 | 2015-11-25 | 武汉中派科技有限责任公司 | 光子测量前端电路 |
| CN106556857A (zh) * | 2016-10-19 | 2017-04-05 | 武汉中派科技有限责任公司 | 反应位置定位方法和装置 |
| CN106443747A (zh) * | 2016-11-15 | 2017-02-22 | 武汉中派科技有限责任公司 | 用于测量高能光子到达时间的方法及装置 |
| CN106656390A (zh) * | 2016-11-15 | 2017-05-10 | 武汉中派科技有限责任公司 | 用于测量光子时间信息的装置及方法 |
| CN107121692A (zh) * | 2017-06-05 | 2017-09-01 | 中派科技（深圳）有限责任公司 | 检测器和具有该检测器的发射成像设备 |
Also Published As
| Publication number | Publication date |
|---|---|
| WO2019076268A1 (zh) | 2019-04-25 |
| CN107874773A (zh) | 2018-04-06 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US11119227B2 (en) | Virtual pet detector and quasi-pixelated readout scheme for pet | |
| US9709684B2 (en) | Systems and methods for scintillators having micro-crack surfaces | |
| US9134440B2 (en) | Radiation detector, radiation detection module and radiation detection method | |
| US10466371B2 (en) | Apparatus and methods for depth-of-interaction positron tomography detector using dichotomous sensing | |
| US20190170886A1 (en) | Apparatus and method for pet detector | |
| CN107874773B (zh) | 光子检测方法、装置、设备和***及存储介质 | |
| CN107076859B (zh) | 具有光共享和相互作用深度估计的pet探测器闪烁体布置 | |
| US8466418B2 (en) | Gamma ray detector, radiation diagnostic device, tomography device, and method of analyzing tomography device | |
| CN105452902A (zh) | 针对小间距闪烁晶体阵列的像素识别 | |
| EP2138867A1 (en) | Radioactive ray detecting method and device utilizing energy and position information | |
| JP6814021B2 (ja) | 放射線位置検出器及びｐｅｔ装置 | |
| CN101925834A (zh) | 放射线检测器及具备该放射线检测器的断层摄像装置 | |
| CN108888286B (zh) | Pet探测器、pet探测器的设置方法及探测方法 | |
| WO2014020471A2 (en) | High spatial resolution mode solid state positron emission tomography (pet) scanner | |
| JP2011149883A (ja) | 放射線位置検出器の位置演算方法及び装置 | |
| US9864073B1 (en) | Systems and methods for controlling optical coupling between scintillator crystals | |
| JP4367903B2 (ja) | 放射線位置検出器の校正方法及び放射線位置検出器 | |
| CN106461792A (zh) | 在辐射粒子探测器中的闪烁事件定位 | |
| US6512232B2 (en) | Method and apparatus for improving the sensitivity of a gamma camera | |
| CN219126405U (zh) | 晶体阵列探测器和发射成像设备 | |
| EP0829022B1 (en) | An apparatus for scintigraphic analysis, particularly a mammograph, with sub-millimetric spatial resolution | |
| CN115778418A (zh) | 晶体阵列探测器和发射成像设备 | |
| CN115153601A (zh) | 三维位置灵敏型探测器及pet成像*** | |
| Zhang et al. | A novel depth-of-interaction block detector for positron emission tomography using a dichotomous orthogonal symmetry decoding concept | |
| Loyd et al. | Scintillator-based detectors |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |