CN113057667B - Pet探测器信号采样方法、装置、电子装置和存储介质 - Google Patents
Pet探测器信号采样方法、装置、电子装置和存储介质 Download PDFInfo
- Publication number
- CN113057667B CN113057667B CN202110325247.0A CN202110325247A CN113057667B CN 113057667 B CN113057667 B CN 113057667B CN 202110325247 A CN202110325247 A CN 202110325247A CN 113057667 B CN113057667 B CN 113057667B
- Authority
- CN
- China
- Prior art keywords
- signal
- waveform signal
- training
- photon
- sampling
- 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
- 238000005070 sampling Methods 0.000 title claims abstract description 66
- 238000000034 method Methods 0.000 title claims abstract description 47
- 238000003860 storage Methods 0.000 title claims abstract description 13
- 238000013136 deep learning model Methods 0.000 claims abstract description 29
- 238000012549 training Methods 0.000 claims description 60
- 230000008021 deposition Effects 0.000 claims description 29
- 238000004590 computer program Methods 0.000 claims description 14
- 230000000630 rising effect Effects 0.000 claims description 13
- 230000003287 optical effect Effects 0.000 claims description 11
- 238000012545 processing Methods 0.000 claims description 8
- 238000004422 calculation algorithm Methods 0.000 claims description 4
- 238000012636 positron electron tomography Methods 0.000 description 48
- 239000013078 crystal Substances 0.000 description 10
- 230000005540 biological transmission Effects 0.000 description 7
- 238000006243 chemical reaction Methods 0.000 description 7
- 230000008569 process Effects 0.000 description 7
- 238000010586 diagram Methods 0.000 description 6
- 230000000694 effects Effects 0.000 description 6
- 230000006870 function Effects 0.000 description 6
- 238000001514 detection method Methods 0.000 description 5
- 230000005251 gamma ray Effects 0.000 description 5
- 230000008901 benefit Effects 0.000 description 4
- 230000005484 gravity Effects 0.000 description 4
- 238000013507 mapping Methods 0.000 description 4
- 238000012937 correction Methods 0.000 description 3
- 238000003384 imaging method Methods 0.000 description 3
- 238000012879 PET imaging Methods 0.000 description 2
- 238000004364 calculation method Methods 0.000 description 2
- 230000008859 change Effects 0.000 description 2
- 238000004891 communication Methods 0.000 description 2
- 238000013135 deep learning Methods 0.000 description 2
- 230000000977 initiatory effect Effects 0.000 description 2
- 238000004519 manufacturing process Methods 0.000 description 2
- 238000002600 positron emission tomography Methods 0.000 description 2
- 238000011084 recovery Methods 0.000 description 2
- 238000011160 research Methods 0.000 description 2
- 108010001267 Protein Subunits Proteins 0.000 description 1
- XUIMIQQOPSSXEZ-UHFFFAOYSA-N Silicon Chemical compound [Si] XUIMIQQOPSSXEZ-UHFFFAOYSA-N 0.000 description 1
- 230000009471 action Effects 0.000 description 1
- 230000003321 amplification Effects 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 238000003491 array Methods 0.000 description 1
- 238000002591 computed tomography Methods 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000002059 diagnostic imaging Methods 0.000 description 1
- 238000009826 distribution Methods 0.000 description 1
- 239000003814 drug Substances 0.000 description 1
- 229940079593 drug Drugs 0.000 description 1
- 238000001914 filtration Methods 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 230000002503 metabolic effect Effects 0.000 description 1
- 238000010295 mobile communication Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000009206 nuclear medicine Methods 0.000 description 1
- 238000003199 nucleic acid amplification method Methods 0.000 description 1
- 210000000056 organ Anatomy 0.000 description 1
- 239000002245 particle Substances 0.000 description 1
- 238000012831 peritoneal equilibrium test Methods 0.000 description 1
- 238000012877 positron emission topography Methods 0.000 description 1
- 230000005855 radiation Effects 0.000 description 1
- 239000000700 radioactive tracer Substances 0.000 description 1
- 229910052710 silicon Inorganic materials 0.000 description 1
- 239000010703 silicon Substances 0.000 description 1
- 230000002123 temporal effect Effects 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T11/00—2D [Two Dimensional] image generation
- G06T11/003—Reconstruction from projections, e.g. tomography
- G06T11/006—Inverse problem, transformation from projection-space into object-space, e.g. transform methods, back-projection, algebraic methods
-
- 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
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01T—MEASUREMENT OF NUCLEAR OR X-RADIATION
- G01T1/00—Measuring X-radiation, gamma radiation, corpuscular radiation, or cosmic radiation
- G01T1/16—Measuring radiation intensity
- G01T1/17—Circuit arrangements not adapted to a particular type of detector
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01T—MEASUREMENT OF NUCLEAR OR X-RADIATION
- G01T1/00—Measuring X-radiation, gamma radiation, corpuscular radiation, or cosmic radiation
- G01T1/16—Measuring radiation intensity
- G01T1/20—Measuring radiation intensity with scintillation detectors
- G01T1/2018—Scintillation-photodiode combinations
- G01T1/20184—Detector read-out circuitry, e.g. for clearing of traps, compensating for traps or compensating for direct hits
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01T—MEASUREMENT OF NUCLEAR OR X-RADIATION
- G01T1/00—Measuring X-radiation, gamma radiation, corpuscular radiation, or cosmic radiation
- G01T1/29—Measurement performed on radiation beams, e.g. position or section of the beam; Measurement of spatial distribution of radiation
- G01T1/2914—Measurement of spatial distribution of radiation
- G01T1/2985—In depth localisation, e.g. using positron emitters; Tomographic imaging (longitudinal and transverse section imaging; apparatus for radiation diagnosis sequentially in different planes, steroscopic radiation diagnosis)
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/04—Architecture, e.g. interconnection topology
- G06N3/0464—Convolutional networks [CNN, ConvNet]
-
- 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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2210/00—Indexing scheme for image generation or computer graphics
- G06T2210/41—Medical
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2211/00—Image generation
- G06T2211/40—Computed tomography
- G06T2211/441—AI-based methods, deep learning or artificial neural networks
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2211/00—Image generation
- G06T2211/40—Computed tomography
- G06T2211/444—Low dose acquisition or reduction of radiation dose
Landscapes
- Engineering & Computer Science (AREA)
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Molecular Biology (AREA)
- Medical Informatics (AREA)
- High Energy & Nuclear Physics (AREA)
- Theoretical Computer Science (AREA)
- Biomedical Technology (AREA)
- Biophysics (AREA)
- General Health & Medical Sciences (AREA)
- Veterinary Medicine (AREA)
- Public Health (AREA)
- Surgery (AREA)
- Animal Behavior & Ethology (AREA)
- Heart & Thoracic Surgery (AREA)
- Radiology & Medical Imaging (AREA)
- Pathology (AREA)
- Optics & Photonics (AREA)
- Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
- Mathematical Physics (AREA)
- Spectroscopy & Molecular Physics (AREA)
- Mathematical Analysis (AREA)
- Pure & Applied Mathematics (AREA)
- Algebra (AREA)
- Mathematical Optimization (AREA)
- Evolutionary Computation (AREA)
- Data Mining & Analysis (AREA)
- Computational Linguistics (AREA)
- Artificial Intelligence (AREA)
- Software Systems (AREA)
- Computing Systems (AREA)
- General Engineering & Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Nuclear Medicine (AREA)
- Measurement Of Radiation (AREA)
- Image Analysis (AREA)
Abstract
本申请涉及一种PET探测器信号采样方法、装置、电子装置和存储介质，其中，该PET探测器信号采样方法包括：获取PET探测器的目标电信号；基于第一时间周期对所述目标电信号进行采样，得到第一波形信号；将所述第一波形信号输入经训练的深度学习模型，得到第二波形信号；基于所述第二波形信号获取所述目标电信号对应的光子信息。上述PET探测器信号采样方法、装置、电子装置和存储介质，通过深度学习模型将低频波形信号转换为高频波形信号，在获取光子信息时能量分辨率高，且成本较低。
Description
技术领域
本申请涉及医学成像技术领域，特别是涉及一种PET探测器信号采样方法、装置、电子装置和存储介质。
背景技术
在PET***中，PET探测器接收伽玛射线，伽玛射线在探测器晶体内激发光信号，探测器内的光电转换器件(SIPM)将光信号转化为电信号，对电信号进行采样处理，根据采样后的波形信号计算光子沉积能量。
传统的PET探测器对正负电子湮灭事件产生的伽玛射线激发的光信号所转化的电信号进行采样时大多采用相对低频的采样频率，通过对低频波形信号的积分来完成光子信息的计算。采用低频采样更多是出于功耗节约的考虑，但利用低频波形信号进行光子信息计算会导致探测器的能量分辨率低。
针对相关技术中存在的对PET探测器的电信号进行低频采集造成的能量分辨率较低的问题，目前还没有提出有效的解决方案。
发明内容
在本实施例中提供了一种PET探测器信号采样方法、装置、电子装置和存储介质，以解决相关技术中对PET探测器的电信号进行低频采集造成的能量分辨率较低的问题。
第一个方面，在本实施例中提供了一种PET探测器信号采样方法，包括：
获取PET探测器的目标电信号；
基于第一时间周期对所述目标电信号进行采样，得到第一波形信号；
将所述第一波形信号输入经训练的深度学习模型，得到第二波形信号；
基于所述第二波形信号获取所述目标电信号对应的光子信息。
在其中的一些实施例中，所述获取PET探测器的目标电信号包括：
获取伽玛射线激发的目标光信号；
将所述目标光信号转化为目标电信号。
在其中的一些实施例中，所述将所述第一波形信号输入经训练的深度学习模型之前还包括：
获取第一训练波形信号以及对应的第二训练波形信号，所述第一训练波形信号的采样周期为第一时间周期，所述第二训练波形信号的采样周期为第二时间周期，所述第二时间周期小于所述第一时间周期；
基于所述第一训练波形信号以及第二训练波形信号建立训练集；
基于所述训练集训练初始深度学习模型，得到经训练的深度学习模型。
在其中的一些实施例中，所述光子信息包括光子沉积位置信息、光子沉积能量信息以及光子到达探测器时间信息中的至少一个。
在其中的一些实施例中，所述基于所述第二波形信号获取所述目标电信号对应的光子信息包括：
对所述第二波形信号进行积分处理，得到光子沉积能量信息。
在其中的一些实施例中，所述基于所述第二波形信号获取所述目标电信号对应的光子信息还包括：
基于Anger算法对所述第二波形信号进行处理，得到光子沉积位置信息。
在其中的一些实施例中，所述基于所述第二波形信号获取所述目标电信号对应的光子信息还包括：
获取所述第二波形信号的上升沿阶段超过预设阈值的过阈时间；
基于所述过阈时间得到光子到达探测器时间信息。
第二个方面，在本实施例中提供了一种PET探测器信号采样装置，包括：
第一获取模块，用于获取PET探测器的目标电信号；
采样模块，用于基于第一时间周期对所述目标电信号进行采样，得到第一波形信号；
输入模块，用于将所述第一波形信号输入经训练的深度学习模型，得到第二波形信号；
第二获取模块，用于基于所述第二波形信号获取所述目标电信号对应的光子信息。
第三个方面，在本实施例中提供了一种电子装置，包括存储器、处理器以及存储在所述存储器上并可在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现上述第一个方面所述的PET探测器信号采样方法。
第四个方面，在本实施例中提供了一种存储介质，其上存储有计算机程序，该程序被处理器执行时实现上述第一个方面所述的PET探测器信号采样方法。
与相关技术相比，在本实施例中提供的PET探测器信号采样方法、装置、电子装置和存储介质，通过获取PET探测器的目标电信号；基于第一时间周期对所述目标电信号进行采样，得到第一波形信号；将所述第一波形信号输入经训练的深度学习模型，得到第二波形信号；基于所述第二波形信号获取所述目标电信号对应的光子信息的方式，通过深度学习模型将低频波形信号转换为高频波形信号，在获取光子信息时能量分辨率高，且成本较低。
本申请的一个或多个实施例的细节在以下附图和描述中提出，以使本申请的其他特征、目的和优点更加简明易懂。
附图说明
此处所说明的附图用来提供对本申请的进一步理解，构成本申请的一部分，本申请的示意性实施例及其说明用于解释本申请，并不构成对本申请的不当限定。在附图中：
图1为本发明一实施例的PET探测器信号采样方法的终端的硬件结构框图；
图2为本发明一实施例的PET探测器信号采样方法的流程示意图；
图3为本发明一实施例的PET探测器信号采样装置的结构框图。
具体实施方式
为更清楚地理解本申请的目的、技术方案和优点，下面结合附图和实施例，对本申请进行了描述和说明。
除另作定义外，本申请所涉及的技术术语或者科学术语应具有本申请所属技术领域具备一般技能的人所理解的一般含义。在本申请中的“一”、“一个”、“一种”、“该”、“这些”等类似的词并不表示数量上的限制，它们可以是单数或者复数。在本申请中所涉及的术语“包括”、“包含”、“具有”及其任何变体，其目的是涵盖不排他的包含；例如，包含一系列步骤或模块(单元)的过程、方法和***、产品或设备并未限定于列出的步骤或模块(单元)，而可包括未列出的步骤或模块(单元)，或者可包括这些过程、方法、产品或设备固有的其他步骤或模块(单元)。在本申请中所涉及的“连接”、“相连”、“耦接”等类似的词语并不限定于物理的或机械连接，而可以包括电气连接，无论是直接连接还是间接连接。在本申请中所涉及的“多个”是指两个或两个以上。“和/或”描述关联对象的关联关系，表示可以存在三种关系，例如，“A和/或B”可以表示：单独存在A，同时存在A和B，单独存在B这三种情况。通常情况下，字符“/”表示前后关联的对象是一种“或”的关系。在本申请中所涉及的术语“第一”、“第二”、“第三”等，只是对相似对象进行区分，并不代表针对对象的特定排序。
在本实施例中提供的方法实施例可以在终端、计算机或者类似的运算装置中执行。比如在终端上运行，图1是本实施例的PET探测器信号采样方法的终端的硬件结构框图。如图1所示，终端可以包括一个或多个(图1中仅示出一个)处理器102和用于存储数据的存储器104，其中，处理器102可以包括但不限于微处理器MCU或可编程逻辑器件FPGA等的处理装置。上述终端还可以包括用于通信功能的传输设备106以及输入输出设备108。本领域普通技术人员可以理解，图1所示的结构仅为示意，其并不对上述终端的结构造成限制。例如，终端还可包括比图1中所示更多或者更少的组件，或者具有与图1所示出的不同配置。
存储器104可用于存储计算机程序，例如，应用软件的软件程序以及模块，如在本实施例中的PET探测器信号采样方法对应的计算机程序，处理器102通过运行存储在存储器104内的计算机程序，从而执行各种功能应用以及数据处理，即实现上述的方法。存储器104可包括高速随机存储器，还可包括非易失性存储器，如一个或者多个磁性存储装置、闪存、或者其他非易失性固态存储器。在一些实例中，存储器104可进一步包括相对于处理器102远程设置的存储器，这些远程存储器可以通过网络连接至终端。上述网络的实例包括但不限于互联网、企业内部网、局域网、移动通信网及其组合。
传输设备106用于经由一个网络接收或者发送数据。上述的网络包括终端的通信供应商提供的无线网络。在一个实例中，传输设备106包括一个网络适配器(NetworkInterface Controller，简称为NIC)，其可通过基站与其他网络设备相连从而可与互联网进行通讯。在一个实例中，传输设备106可以为射频(Radio Frequency，简称为RF)模块，其用于通过无线方式与互联网进行通讯。
正电子发射计算机断层成像(Positron Emission Tomography，PET)***是先进的大型医用科研和临床诊断***。PET***的探测器包括多个探测环，每个探测环包括多个探测器模块(Block)，每个探测器模块包括多个晶体。患者或其他受试者被置于PET检测器中，其使用多个检测器元件来检测发射的光子。检测器元件可以布置为围绕患者的环形阵列，并且可以包括例如具有相关联的光电倍增管的闪烁体晶体。PET***的工作原理为：将放射性核素注射到受检者体内，放射性核素发生衰变产生的正电子与受检者体内的负电子发生湮灭反应，放射出一对传播方向相反的γ光子，在探测器探测到该γ光子对后，可以根据γ光子对的时间差估算出湮灭点发生的位置，从而重建出放射性核素在受检者体内的分布图像。
探测器是PET成像设备中的关键装置，其主要功能为获得PET事件中各γ光子能量沉积时的位置、时间、能量信息。在设计与实现PET成像***的过程中，为了提高***成像性能，希望所使用的正电子发射断层成像探测器可以提供能量沉积深度(Depth ofInteraction，DOI)信息、具有高的探测效率、好的时间分辨率以及好的空间分辨率。
目前业界通用的PET探测器波形数字信号大多采用相对低频的采样频率，通过对低频波形信号的积分来完成光子沉积能量的计算，采用该低频采样更多是出于对***电子学功耗节约的考虑，但损失了能量分辨率。与之相对应的，在实验室研究阶段，部分原型机采用高频数字信号采集，对光子能量分辨率进行补偿，但***功耗巨大，不具备实际的***级别大规模实现的可能性。
请参阅图2，图2为本发明一实施例的PET探测器信号采样方法的流程示意图。
在本实施例中，PET探测器信号采样方法包括：
S201，获取PET探测器的目标电信号。
一般PET***主要由探测器***，电子学***，数据校正***和重建***组成。其中电子学***是整个PET硬件部分最重要的组成部分，作为硬件主体直接决定PET的基本性能参数。PET信号的处理过程大致如下，探测器***中的晶体主要收集放射性示踪剂产生的伽马光子的信息，将其转换成大量的可见光，再由光电转换器件将可见光转化成大量的电子形成电流信号，输入到前端电子学模块进行波形的放大成形，噪声滤波和甄别逻辑判选等处理，再输出到后端电子学进行数字化处理，最终得到入射光子的位置，时间和能量物理信息等，再由能量时间校正***进行刻度和修正得出事例信息，传送至后端进行数据处理和图像重建等。
示例性地，目标电信号即为目标光子产生的可见光对应的电信号。
步骤S202，基于第一时间周期对目标电信号进行采样，得到第一波形信号。
在本实施例中，基于第一时间周期，采样目标电信号预设范围内的波形，得到第一波形信号，以用于后续的计算与校正。示例性地，第一时间周期可以根据实际情况由用户进行设置，此处不作具体限定。更具体地，基于第一时间周期对目标电信号的上升沿进行采样，得到第一波形信号。电信号的上升沿随时间的变化幅度较大，对目标电信号的上升沿进行采样，可以更好的保留目标电信号的携带信息。
步骤S203，将第一波形信号输入经训练的深度学习模型，得到第二波形信号。
可以理解的，初始深度学习模型经过训练后，可以基于输入的第一波形信号，经过分析与处理，得到部分信号参数与第一波形信号不同，但特性与第一波形信号相同的第二波形信号，例如，第一波形信号与第二波形信号的波形频率不同，但所携带信息的属性相同。在其他实施例中，第一波形信号与第二波形信号可能存在其他信号参数的不同，但特性保持一致。
步骤S204，基于第二波形信号获取目标电信号对应的光子信息。
示例性地，第二波形信号的部分信号参数与第一波形信号不同，但整体性质与第二波形信号相同，因此可以基于第二波形信号获取对应的光子信息，得到的光子信息与基于第一波形信号获取的光子信息基本对应，但信息量上存在差别。
上述PET探测器信号采样方法，通过获取PET探测器的目标电信号；基于第一时间周期对目标电信号进行采样，得到第一波形信号；将第一波形信号输入经训练的深度学习模型，得到第二波形信号；基于第二波形信号获取目标电信号对应的光子信息的方式，通过深度学习模型将低频波形信号转换为高频波形信号，在获取光子信息时能量分辨率高，且成本较低。
在另一个实施例中，获取PET探测器的目标电信号包括如下步骤：
步骤1，获取伽玛射线激发的目标光信号；
步骤2，将目标光信号转化为目标电信号。
示例性地，当有伽玛射线产生时，伽玛光粒子击中探测器的晶体，被晶体吸收后产生光信号，晶体中耦合的光电转换器件采集到目标光信号，并将目标光信号转换为目标电信号。
在另一个实施例中，将第一波形信号输入经训练的深度学习模型之前还包括如下步骤：
步骤1，获取第一训练波形信号以及对应的第二训练波形信号，第一训练波形信号的采样周期为第一时间周期，第二训练波形信号的采样周期为第二时间周期，第二时间周期小于第一时间周期；
步骤2，基于第一训练波形信号以及第二训练波形信号建立训练集；
步骤3，基于训练集训练初始深度学习模型，得到经训练的深度学习模型。
示例性地，第一训练波形信号与第二训练波形信号在同一目标电信号上采样得到，仅部分信号参数不同，整体性质一致，具体的，第一训练波形信号与第二训练波形信号的采样周期不同，第二训练波形信号的采样周期小于第一训练波形信号的采样周期，则第二训练波形信号的频率大于第一训练波形信号的频率。可以理解的，第一训练波形信号与第二训练波形信号的对应关系与第一波形信号与第二波形信号的对应关系一致。在本实施例中，初始深度学习模型经过由第一训练波形信号以及第二训练波形信号组成的训练集训练完成后，只需输入采样得到的第一波形信号，即可输出波形频率大于第一波形信号的第二波形信号。
在另一个实施例中，可以基于第一时间周期对目标电信号的上升沿进行采样，得到第一训练波形信号，基于第二时间周期对目标电信号的上升沿进行采样，得到第二训练波形信号。电信号的上升沿随时间的变化幅度较大，对目标电信号的上升沿进行采样，可以更好的保留目标电信号的携带信息。初始深度学习模型经过由第一训练波形信号以及第二训练波形信号组成的训练集训练完成后，只需输入采样得到的第一波形信号，即可输出波形频率大于第一波形信号的第二波形信号。
在另一个实施例中，光子信息包括光子沉积位置信息、光子沉积能量信息以及光子到达探测器时间信息中的至少一个。
可以理解的，光子沉积位置信息即光子被探测器晶体吸收沉积时的位置，其中光子可能仅在一个位置发生能量沉积，也可能在多个位置发生能量沉积；光子沉积能量信息即光子发生能量沉积时在对应沉积位置沉积了多少能量；光子到达探测器时间即正电子湮灭放射产生的光子飞行到达探测器的时间。在其他实施例中，光子信息还可以包括其他相关参数，此处不做具体限定。
在另一个实施例中，基于第二波形信号获取目标电信号对应的光子信息包括如下步骤：
对第二波形信号进行积分处理，得到光子沉积能量信息。
示例性地，光子沉积能量信息即光子发生能量沉积时在每个沉积位置沉积了多少能量。
在另一个实施例中，基于第二波形信号获取目标电信号对应的光子信息还包括如下步骤：
基于Anger算法对第二波形信号进行处理，得到光子沉积位置信息。
闪烁探测器阵列常被用于位置分辨，例如用于探测光子的沉积位置。在核医学成像领域，比如伽马相机、正电子发射成像探测器等，依靠探测注入人体内的放射性标记药物所发出的特征伽马射线，来得到相关组织或器官的代谢影像。如果探测器对伽马射线入射探测器的位置判断有偏差，则重建的图像质量也会下降。因此，需要提高探测器的能量分辨率，以尽可能获取准确的重建数据，完成图像重建。
当伽马射线与闪烁体阵列中的某一条闪烁体发生作用时，与这条闪烁体耦合的光电转换器件就会有信号输出。通常情况下，重心法被用来确定伽马射线的入射位置。
在实际情况中，伽马射线与闪烁体的作用方式主要有三种：光电效应、康普顿散射、以及电子对效应。除了电子对效应必须要求伽马射线能量较高以外，光电效应与康普顿散射是两种最主要的作用方式。当伽马射线在闪烁体中发生光电效应时，能量全部沉积在初始作用的闪烁体中，则通过重心法能够准确的找出初始作用位置。然而当伽马射线在闪烁体中发生康普顿散射时，能量经常会沉积在2条或2条以上的闪烁体中。在这种情况下，利用重心法得出的伽马射线入射坐标很有可能不是伽马射线入射时发生作用的第一条闪烁体的坐标，这样对伽马射线的入射位置判断就会产生偏差，一般需要进行康普顿散射序列恢复后，再进行位置判断。
传统的Anger逻辑没有特别的进行康普顿散射序列恢复，其电路效果等价于将沉积能量的重心位置，即晶***置作为光子第一次沉积能量位置。例如，当多个晶体因收集到康普顿散射沉积能量而产生闪烁光时，覆盖在整个block上的多个光电倍增器件，即光电倍增管PMT或硅光电倍增管SiPM会产生不同强度的信号，Anger逻辑电路输出的该伽马(gamma)光子的能量即为多个光电倍增器件的信号总和，输出的位置信号则为多个光电倍增器件坐标以信号幅度为权重的平均位置坐标。
在另一个实施例中，基于第二波形信号获取目标电信号对应的光子信息还包括如下步骤：
步骤1，获取第二波形信号的上升沿阶段超过预设阈值的过阈时间；
步骤2，基于过阈时间得到光子到达探测器时间信息。
示例性地，若第二波形信号的上升沿阶段超过预设阈值了，说明光子已到达探测器，因此，可以通过上升沿阶段超过预设阈值的过阈时间来判断光子到达探测器的时间。
在另一个实施例中，还可以通过计算机深度学习，对高低频采样信号进行逐一的映射关系学习，拟合出不同波形情况下从低频向高频信号的函数转换关系或映射表，则在实际数据采集过程中，仅需采样低频的波形信号，并通过之前所得的函数转换关系或映射表对信号进行低频向高频的转换，即可得出具备较高可信度的高频波形信号。可以理解的，在其他实施例中，可以采用其他方式表征高低频信号之间的对应关系，不仅限于函数或映射表。
需要说明的是，在上述流程中或者附图的流程图中示出的步骤可以在诸如一组计算机可执行指令的计算机***中执行，并且，虽然在流程图中示出了逻辑顺序，但是在某些情况下，可以以不同于此处的顺序执行所示出或描述的步骤。
在本实施例中还提供了一种PET探测器信号采样装置，该装置用于实现上述实施例及优选实施方式，已经进行过说明的不再赘述。以下所使用的术语“模块”、“单元”、“子单元”等可以实现预定功能的软件和/或硬件的组合。尽管在以下实施例中所描述的装置较佳地以软件来实现，但是硬件，或者软件和硬件的组合的实现也是可能并被构想的。
图3是本实施例的PET探测器信号采样装置的结构框图，如图3所示，该装置包括：
第一获取模块10，用于获取PET探测器的目标电信号。
第一获取模块10，还用于：
获取伽玛射线激发的目标光信号；
将目标光信号转化为目标电信号。
采样模块20，用于基于第一时间周期对目标电信号进行采样，得到第一波形信号。
输入模块30，用于将第一波形信号输入经训练的深度学习模型，得到第二波形信号。
第二获取模块40，用于基于第二波形信号获取目标电信号对应的光子信息。
第二获取模块40，还用于对第二波形信号进行积分处理，得到光子沉积能量信息。
第二获取模块40，还用于基于Anger算法对第二波形信号进行处理，得到光子沉积位置信息。
第二获取模块40，还用于：
获取第二波形信号的上升沿阶段超过预设阈值的过阈时间；
基于过阈时间得到光子到达探测器时间信息。
PET探测器信号采样装置，还包括：训练模块。
训练模块，用于：
获取第一训练波形信号以及对应的第二训练波形信号，第一训练波形信号的采样周期为第一时间周期，第二训练波形信号的采样周期为第二时间周期，第二时间周期小于第一时间周期；
基于第一训练波形信号以及第二训练波形信号建立训练集；
基于训练集训练初始深度学习模型，得到经训练的深度学习模型。
需要说明的是，上述各个模块可以是功能模块也可以是程序模块，既可以通过软件来实现，也可以通过硬件来实现。对于通过硬件来实现的模块而言，上述各个模块可以位于同一处理器中；或者上述各个模块还可以按照任意组合的形式分别位于不同的处理器中。
在本实施例中还提供了一种电子装置，包括存储器和处理器，该存储器中存储有计算机程序，该处理器被设置为运行计算机程序以执行上述任一项方法实施例中的步骤。
可选地，上述电子装置还可以包括传输设备以及输入输出设备，其中，该传输设备和上述处理器连接，该输入输出设备和上述处理器连接。
可选地，在本实施例中，上述处理器可以被设置为通过计算机程序执行以下步骤：
获取PET探测器的目标电信号；
基于第一时间周期对目标电信号进行采样，得到第一波形信号；
将第一波形信号输入经训练的深度学习模型，得到第二波形信号；
基于第二波形信号获取目标电信号对应的光子信息。
需要说明的是，在本实施例中的具体示例可以参考上述实施例及可选实施方式中所描述的示例，在本实施例中不再赘述。
此外，结合上述实施例中提供的PET探测器信号采样方法，在本实施例中还可以提供一种存储介质来实现。该存储介质上存储有计算机程序；该计算机程序被处理器执行时实现上述实施例中的任意一种PET探测器信号采样方法。
上述PET探测器信号采样方法、装置、电子装置和存储介质，利用计算机深度学习对PET探测器读取的高低频波形信号进行学习，从低频信号中只能还原出高频信号存储的光子沉积能量中的过程信息；在实际***中仅需进行低频信号的采样，从而同时满足了***低功耗和采集信息高精度的需求；使得***在保持功耗实现可能性的基础上更大程度地提高探测信息精度，即对光子沉积能量和时间计算的精度，提升了探测器性能。
应该明白的是，这里描述的具体实施例只是用来解释这个应用，而不是用来对它进行限定。根据本申请提供的实施例，本领域普通技术人员在不进行创造性劳动的情况下得到的所有其它实施例，均属本申请保护范围。
显然，附图只是本申请的一些例子或实施例，对本领域的普通技术人员来说，也可以根据这些附图将本申请适用于其他类似情况，但无需付出创造性劳动。另外，可以理解的是，尽管在此开发过程中所做的工作可能是复杂和漫长的，但是，对于本领域的普通技术人员来说，根据本申请披露的技术内容进行的某些设计、制造或生产等更改仅是常规的技术手段，不应被视为本申请公开的内容不足。
“实施例”一词在本申请中指的是结合实施例描述的具体特征、结构或特性可以包括在本申请的至少一个实施例中。该短语出现在说明书中的各个位置并不一定意味着相同的实施例，也不意味着与其它实施例相互排斥而具有独立性或可供选择。本领域的普通技术人员能够清楚或隐含地理解的是，本申请中描述的实施例在没有冲突的情况下，可以与其它实施例结合。
以上所述实施例仅表达了本申请的几种实施方式，其描述较为具体和详细，但并不能因此而理解为对专利保护范围的限制。应当指出的是，对于本领域的普通技术人员来说，在不脱离本申请构思的前提下，还可以做出若干变形和改进，这些都属于本申请的保护范围。因此，本申请的保护范围应以所附权利要求为准。
Claims (9)
1.一种PET探测器信号采样方法，其特征在于，包括：
获取PET探测器的目标电信号；
基于第一时间周期对所述目标电信号进行采样，得到第一波形信号；
将所述第一波形信号输入经训练的深度学习模型，得到第二波形信号；
基于所述第二波形信号获取所述目标电信号对应的光子信息；
所述将所述第一波形信号输入经训练的深度学习模型之前还包括：获取第一训练波形信号以及对应的第二训练波形信号，所述第一训练波形信号的采样周期为第一时间周期，所述第二训练波形信号的采样周期为第二时间周期，所述第二时间周期小于所述第一时间周期；基于所述第一训练波形信号以及第二训练波形信号建立训练集；基于所述训练集训练初始深度学习模型，得到经训练的深度学习模型。
2.根据权利要求1所述的PET探测器信号采样方法，其特征在于，所述获取PET探测器的目标电信号包括：
获取伽玛射线激发的目标光信号；
将所述目标光信号转化为目标电信号。
3.根据权利要求1所述的PET探测器信号采样方法，其特征在于，所述光子信息包括光子沉积位置信息、光子沉积能量信息以及光子到达探测器时间信息中的至少一个。
4.根据权利要求1所述的PET探测器信号采样方法，其特征在于，所述基于所述第二波形信号获取所述目标电信号对应的光子信息包括：
对所述第二波形信号进行积分处理，得到光子沉积能量信息。
5.根据权利要求1所述的PET探测器信号采样方法，其特征在于，所述基于所述第二波形信号获取所述目标电信号对应的光子信息还包括：
基于Anger算法对所述第二波形信号进行处理，得到光子沉积位置信息。
6.根据权利要求1所述的PET探测器信号采样方法，其特征在于，所述基于所述第二波形信号获取所述目标电信号对应的光子信息还包括：
获取所述第二波形信号的上升沿阶段超过预设阈值的过阈时间；
基于所述过阈时间得到光子到达探测器时间信息。
7.一种PET探测器信号采样装置，其特征在于，包括：
第一获取模块，用于获取PET探测器的目标电信号；
采样模块，用于基于第一时间周期对所述目标电信号进行采样，得到第一波形信号；
输入模块，用于将所述第一波形信号输入经训练的深度学习模型，得到第二波形信号；
第二获取模块，用于基于所述第二波形信号获取所述目标电信号对应的光子信息；
训练模块，用于获取第一训练波形信号以及对应的第二训练波形信号，所述第一训练波形信号的采样周期为第一时间周期，所述第二训练波形信号的采样周期为第二时间周期，所述第二时间周期小于所述第一时间周期；基于所述第一训练波形信号以及第二训练波形信号建立训练集；基于所述训练集训练初始深度学习模型，得到经训练的深度学习模型。
8.一种电子装置，包括存储器和处理器，其特征在于，所述存储器中存储有计算机程序，所述处理器被设置为运行所述计算机程序以执行权利要求1至6中任一项所述的PET探测器信号采样方法。
9.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现权利要求1至6中任一项所述的PET探测器信号采样方法的步骤。
Priority Applications (5)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110325247.0A CN113057667B (zh) | 2021-03-26 | 2021-03-26 | Pet探测器信号采样方法、装置、电子装置和存储介质 |
| JP2023559082A JP2024514465A (ja) | 2021-03-26 | 2022-03-28 | 分子イメージングにおける信号処理のためのシステムおよび方法 |
| EP22774362.2A EP4297654A1 (en) | 2021-03-26 | 2022-03-28 | Systems and methods for signal processing in molecular imaging |
| PCT/CN2022/083356 WO2022199709A1 (en) | 2021-03-26 | 2022-03-28 | Systems and methods for signal processing in molecular imaging |
| US18/474,490 US20240013454A1 (en) | 2021-03-26 | 2023-09-26 | Systems and methods for signal processing in molecular imaging |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110325247.0A CN113057667B (zh) | 2021-03-26 | 2021-03-26 | Pet探测器信号采样方法、装置、电子装置和存储介质 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN113057667A CN113057667A (zh) | 2021-07-02 |
| CN113057667B true CN113057667B (zh) | 2023-08-15 |
Family
ID=76564065
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202110325247.0A Active CN113057667B (zh) | 2021-03-26 | 2021-03-26 | Pet探测器信号采样方法、装置、电子装置和存储介质 |
Country Status (5)
| Country | Link |
|---|---|
| US (1) | US20240013454A1 (zh) |
| EP (1) | EP4297654A1 (zh) |
| JP (1) | JP2024514465A (zh) |
| CN (1) | CN113057667B (zh) |
| WO (1) | WO2022199709A1 (zh) |
Families Citing this family (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN113057667B (zh) * | 2021-03-26 | 2023-08-15 | 上海联影医疗科技股份有限公司 | Pet探测器信号采样方法、装置、电子装置和存储介质 |
| CN114252672A (zh) * | 2021-11-12 | 2022-03-29 | 普源精电科技股份有限公司 | 信号处理方法、芯片、信号显示装置和存储介质 |
Citations (15)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JPH09101369A (ja) * | 1995-10-05 | 1997-04-15 | Hamamatsu Photonics Kk | ポジトロンｃｔ装置およびその画像再構成方法 |
| JPH09184826A (ja) * | 1995-10-30 | 1997-07-15 | Hitachi Medical Corp | 超音波信号処理装置 |
| JPH10118040A (ja) * | 1996-10-25 | 1998-05-12 | Fukuda M Ii Kogyo Kk | 心電計波形記録方法及び心電計 |
| CN202177701U (zh) * | 2011-04-19 | 2012-03-28 | 苏州瑞派宁科技有限公司 | 一种提取闪烁脉冲信息的装置 |
| CN104166974A (zh) * | 2013-08-01 | 2014-11-26 | 上海联影医疗科技有限公司 | Ct定位片图像增强方法及装置 |
| CN104932000A (zh) * | 2015-05-21 | 2015-09-23 | 沈阳东软医疗***有限公司 | 一种PET设备中γ光子位置信息获取的方法及装置 |
| JP2016015678A (ja) * | 2014-07-03 | 2016-01-28 | 三菱電機株式会社 | 光子検出装置 |
| JP2016080398A (ja) * | 2014-10-10 | 2016-05-16 | 株式会社日本ジー・アイ・ティー | 生体情報検出レーダ装置 |
| CN106264588A (zh) * | 2016-07-29 | 2017-01-04 | 上海联影医疗科技有限公司 | 正电子发射断层成像***探测效率检测、校正方法及装置 |
| CN107705261A (zh) * | 2017-10-09 | 2018-02-16 | 沈阳东软医疗***有限公司 | 一种图像重建方法和装置 |
| CN110236528A (zh) * | 2019-07-05 | 2019-09-17 | 北京理工大学 | 一种获取呼吸信息的方法及装置 |
| CN110477910A (zh) * | 2019-08-14 | 2019-11-22 | 深圳先进技术研究院 | 癫痫发作预测装置、终端设备以及计算机可读存储介质 |
| CN110632641A (zh) * | 2019-09-26 | 2019-12-31 | 南昌华亮光电有限责任公司 | 一种双读出pet探测器正电子成像方法与*** |
| CN111325686A (zh) * | 2020-02-11 | 2020-06-23 | 之江实验室 | 一种基于深度学习的低剂量pet三维重建方法 |
| CN111568414A (zh) * | 2020-05-22 | 2020-08-25 | 中国人民解放军东部战区总医院 | 基于功能影像学的癫痫活动检测方法及*** |
Family Cites Families (14)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| FR2956216B1 (fr) * | 2010-02-08 | 2012-04-20 | Commissariat Energie Atomique | Dispositif de detection de rayonnements photoniques, et procedes de dimensionnement et de fonctionnement d'un tel dispositif |
| US8779367B2 (en) * | 2012-02-20 | 2014-07-15 | General Electric Company | System and method for correcting timing errors in a medical imaging system |
| US11125866B2 (en) * | 2015-06-04 | 2021-09-21 | Chikayoshi Sumi | Measurement and imaging instruments and beamforming method |
| CN107990974B (zh) * | 2017-05-16 | 2021-11-09 | 萨姆株式会社 | 辐射超声波可视化方法及执行辐射超声波可视化方法的电子装置 |
| US10602942B2 (en) * | 2017-08-25 | 2020-03-31 | Cambridge Heartwear Limited | Method of detecting abnormalities in ECG signals |
| US10574362B2 (en) * | 2018-04-23 | 2020-02-25 | Infinera Corporation | Method and apparatus for transmitter IQ skew and insertion loss detection for coherent optical systems |
| CN109621228B (zh) * | 2018-12-12 | 2022-06-28 | 上海联影医疗科技股份有限公司 | 放射剂量的计算设备、装置和存储介质 |
| CN110215203B (zh) * | 2019-05-28 | 2021-10-22 | 上海联影医疗科技股份有限公司 | 心电信号获取方法、装置、计算机设备和存储介质 |
| CN110226943B (zh) * | 2019-07-05 | 2023-08-15 | 上海联影医疗科技股份有限公司 | 光子到达探测器的参数计算方法、装置和计算机设备 |
| CN110946562B (zh) * | 2019-11-25 | 2022-12-23 | 南京摩尼电子科技有限公司 | 基于Micro:bit微处理器的生理电信号测量分析方法及*** |
| US20210177300A1 (en) * | 2019-12-17 | 2021-06-17 | Koninklijke Philips N.V. | Monitoring abnormal respiratory events |
| CN112565977B (zh) * | 2020-11-27 | 2023-03-07 | 大象声科（深圳）科技有限公司 | 高频信号重建模型的训练方法和高频信号重建方法及装置 |
| CN113057667B (zh) * | 2021-03-26 | 2023-08-15 | 上海联影医疗科技股份有限公司 | Pet探测器信号采样方法、装置、电子装置和存储介质 |
| CN113627547B (zh) * | 2021-08-16 | 2024-01-26 | 河北工业大学 | 训练方法、电弧检测方法、装置、电子设备及存储介质 |
-
2021
- 2021-03-26 CN CN202110325247.0A patent/CN113057667B/zh active Active
-
2022
- 2022-03-28 WO PCT/CN2022/083356 patent/WO2022199709A1/en active Application Filing
- 2022-03-28 JP JP2023559082A patent/JP2024514465A/ja active Pending
- 2022-03-28 EP EP22774362.2A patent/EP4297654A1/en active Pending
-
2023
- 2023-09-26 US US18/474,490 patent/US20240013454A1/en active Pending
Patent Citations (15)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JPH09101369A (ja) * | 1995-10-05 | 1997-04-15 | Hamamatsu Photonics Kk | ポジトロンｃｔ装置およびその画像再構成方法 |
| JPH09184826A (ja) * | 1995-10-30 | 1997-07-15 | Hitachi Medical Corp | 超音波信号処理装置 |
| JPH10118040A (ja) * | 1996-10-25 | 1998-05-12 | Fukuda M Ii Kogyo Kk | 心電計波形記録方法及び心電計 |
| CN202177701U (zh) * | 2011-04-19 | 2012-03-28 | 苏州瑞派宁科技有限公司 | 一种提取闪烁脉冲信息的装置 |
| CN104166974A (zh) * | 2013-08-01 | 2014-11-26 | 上海联影医疗科技有限公司 | Ct定位片图像增强方法及装置 |
| JP2016015678A (ja) * | 2014-07-03 | 2016-01-28 | 三菱電機株式会社 | 光子検出装置 |
| JP2016080398A (ja) * | 2014-10-10 | 2016-05-16 | 株式会社日本ジー・アイ・ティー | 生体情報検出レーダ装置 |
| CN104932000A (zh) * | 2015-05-21 | 2015-09-23 | 沈阳东软医疗***有限公司 | 一种PET设备中γ光子位置信息获取的方法及装置 |
| CN106264588A (zh) * | 2016-07-29 | 2017-01-04 | 上海联影医疗科技有限公司 | 正电子发射断层成像***探测效率检测、校正方法及装置 |
| CN107705261A (zh) * | 2017-10-09 | 2018-02-16 | 沈阳东软医疗***有限公司 | 一种图像重建方法和装置 |
| CN110236528A (zh) * | 2019-07-05 | 2019-09-17 | 北京理工大学 | 一种获取呼吸信息的方法及装置 |
| CN110477910A (zh) * | 2019-08-14 | 2019-11-22 | 深圳先进技术研究院 | 癫痫发作预测装置、终端设备以及计算机可读存储介质 |
| CN110632641A (zh) * | 2019-09-26 | 2019-12-31 | 南昌华亮光电有限责任公司 | 一种双读出pet探测器正电子成像方法与*** |
| CN111325686A (zh) * | 2020-02-11 | 2020-06-23 | 之江实验室 | 一种基于深度学习的低剂量pet三维重建方法 |
| CN111568414A (zh) * | 2020-05-22 | 2020-08-25 | 中国人民解放军东部战区总医院 | 基于功能影像学的癫痫活动检测方法及*** |
Non-Patent Citations (1)
| Title |
|---|
| 基于并行采样的PET快电子脉冲数字化研究;王;胡子祥;宗慎言;项士海;王军博;刘军强;孙航;吴长龙;边钺岩;;北京生物医学工程(02);第186-214页 * |
Also Published As
| Publication number | Publication date |
|---|---|
| WO2022199709A1 (en) | 2022-09-29 |
| JP2024514465A (ja) | 2024-04-02 |
| US20240013454A1 (en) | 2024-01-11 |
| CN113057667A (zh) | 2021-07-02 |
| EP4297654A1 (en) | 2024-01-03 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN107137102B (zh) | 一种pet成像***及多模态医学图像处理*** | |
| JP5667446B2 (ja) | ポジトロン放出断層撮影法のパルス開始時間推定方法および一致ペア識別方法、ポジトロン放出断層撮影法スキャナ | |
| CN113057667B (zh) | Pet探测器信号采样方法、装置、电子装置和存储介质 | |
| CN102266232B (zh) | 医用图像诊断装置及图像重构方法 | |
| US9226716B2 (en) | Nuclear medicine imaging apparatus and radiation therapy apparatus | |
| US20120138804A1 (en) | Line of response estimation for high-resolution pet detector | |
| WO2014180734A2 (en) | Apparatus and method for the evaluation of gamma radiation events | |
| CN107610198B (zh) | Pet图像衰减校正方法及装置 | |
| JP7317586B2 (ja) | 医用画像処理装置、方法及びプログラム | |
| CN108474862A (zh) | 具有lu谱减除的能量校准 | |
| CN111568452A (zh) | Pet***状态检测方法、装置、计算机设备和存储介质 | |
| CN111685785B (zh) | Pet晶***置查找表的校正方法、装置以及计算机设备 | |
| CN106388845A (zh) | 一种正电子发射切伦科夫-伽玛双辐射的成像方法与装置 | |
| CN110275196B (zh) | 使用多个像素确定相互作用特征的方法、装置和产品 | |
| JP2013234995A (ja) | 偶発同時計数推定方法及び偶発同時計数推定装置 | |
| US20220373699A1 (en) | Method for the position and energy determination in scintillation detectors | |
| CN112883027A (zh) | Pet探测器能量修正方法、***及计算机可读存储介质 | |
| CN113712584B (zh) | Pet扫描方法、装置、电子装置和存储介质 | |
| EP1631844A1 (en) | Generating detector efficiency estimates for a oet scanner | |
| CN110623681A (zh) | 光子散射成像 | |
| JP2012013681A (ja) | 核医学イメージング装置、方法及びプログラム | |
| CN104598356A (zh) | 一种事件排序方法及装置 | |
| CN111714147A (zh) | 能量刻度曲线获取方法、装置、计算机设备和存储介质 | |
| Stringhini et al. | Development of a high resolution module for PET scanners | |
| CN110680368B (zh) | 有效单事件的检测方法及装置、信号读出方法及*** |
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 |