JP2023030440A - 断層画像作成装置、断層画像作成方法およびｔｏｆ－ｐｅｔ装置 - Google Patents

Abstract

【課題】ＰＥＴ検出器により収集された複数のγ線対同時計数事象の情報に基づいてＤＮＮを用いて被験体の断層画像を作成する装置であって、容易にＤＮＮを学習させることができる断層画像作成装置を提供する。【解決手段】断層画像作成装置１０は、時間差算出部１２、信号波形処理部１３、誤差推測部１４、γ線対発生位置算出部１５、画像作成部１６等を備える。時間差算出部１２は、多数のγ線対同時計数事象それぞれについて、信号波形取得部１１から出力された第１信号および第２信号それぞれの値が閾値に達するタイミングの時間差ｔledを求める。信号波形処理部１３は、第１信号の波形または第２信号の波形を時間軸方向に互いに近づく方向に時間差ｔledだけ相対的にシフトする。誤差推測部１４は、シフト後の第１信号および第２信号それぞれの波形に基づいて、ＤＮＮにより、時間差ｔledに含まれる誤差ｔerrを推測する。【選択図】図１

Description

本発明は、断層画像作成装置、断層画像作成方法およびＴＯＦ-ＰＥＴ装置に関するものである。

ＰＥＴ（Positron Emission Tomography）装置は、測定空間を取り囲んで設けられた多数の放射線検出器を含むＰＥＴ検出器と、このＰＥＴ検出器により被験体について収集された多数のγ線対同時計数事象の情報に基づいて被験体の断層画像を作成する断層画像作成装置と、を備える。ＰＥＴ検出器の測定空間に、陽電子放出核種で標識された薬剤を投与された被験体が置かれる。その被験体の体内において陽電子放出核種から陽電子が放出されると、その陽電子と電子との対消滅によりエネルギ５１１ＫｅＶの２個のγ線光子が発生する。これら２個のγ線光子（γ線対）は、互いに反対方向に飛行して、ＰＥＴ検出器の何れか２個の放射線検出器により同時計数される。そして、断層画像作成装置により、収集された多数のγ線対同時計数事象の情報に基づいて所要の画像再構成処理を行うことで、γ線対発生位置の分布を表す画像（すなわち、被験体の断層画像）を作成することができる。

ＰＥＴ装置のうちでもＴＯＦ-ＰＥＴ（Time-of-Flight PET）装置では、γ線対同時計数事象毎に、γ線対を同時計数した２個の放射線検出器それぞれの検出タイミングの間の時間差に基づいて、これら２個の放射線検出器を互いに結ぶ同時計数線上におけるγ線対発生位置を検出することができる。そして、多数のγ線対同時計数事象についてγ線対発生位置を検出することで、γ線対発生位置の分布を表す画像（すなわち、被験体の断層画像）を作成することができる。以下では、このような技術を「比較例１」という。ＴＯＦ-ＰＥＴ装置において、空間分解能が高い断層画像を作成する為に、γ線対を同時計数した２個の放射線検出器それぞれの検出タイミングの間の時間差を高い時間分解能で求めることが望まれる。

非特許文献１に記載された技術（以下「比較例２」という。）では、ＴＯＦ-ＰＥＴ装置において、γ線対を同時計数した２個の放射線検出器から出力される第１信号および第２信号それぞれの波形を、深層ニューラルネットワーク（Deep Neural Network、ＤＮＮ）の一種である畳み込みニューラルネットワーク（Convolutional Neural Network、ＣＮＮ）に入力させて、このＣＮＮにより、γ線対を同時計数した２個の放射線検出器それぞれの検出タイミングの間の時間差を推測する。比較例１と比べて、比較例２では、γ線対を同時計数した２個の放射線検出器それぞれの検出タイミングの間の時間差を高い時間分解能で求めることができるとされている。

E. Berg and S. Cherry,"Using convolutional neural networks to estimate time-of-flight from PETdetector waveforms," Phys. Med. Biol. 63 02LT01, 2018.

比較例１と比べて、比較例２では、γ線対を同時計数した２個の放射線検出器それぞれの検出タイミングの間の時間差を高い時間分解能で求めることができることから、空間分解能が高い断層画像を作成することができると期待される。しかし、本発明者らは、比較例２では、ＣＮＮを学習させるために必要なデータの量が膨大であることからＣＮＮの学習が容易でないという問題点があり、また、作成される断層画像が歪んだものとなるという問題点があることを見出した。

本発明は、上記問題点を解消する為になされたものであり、ＰＥＴ検出器により収集された複数のγ線対同時計数事象の情報に基づいてＤＮＮを用いて被験体の断層画像を作成する装置および方法であって、容易にＤＮＮを学習させることができ、歪みが小さい断層画像を作成することができる断層画像作成装置および断層画像作成方法を提供することを目的とする。また、このような断層画像作成装置およびＰＥＴ検出器を備えるＴＯＦ-ＰＥＴ装置を提供することを目的とする。

本発明の断層画像作成装置は、複数の放射線検出器を含むＰＥＴ検出器の測定空間に置かれた被験体について収集された複数のγ線対同時計数事象の情報に基づいて被験体の断層画像を作成する装置であって、(1) 複数のγ線対同時計数事象それぞれについて、複数の放射線検出器のうちγ線対を同時計数した２個の放射線検出器から出力された第１信号および第２信号それぞれの値が閾値に達するタイミングの時間差ｔ_ledを求める時間差算出部と、(2) 第１信号の波形または第２信号の波形を時間軸方向に互いに近づく方向に時間差ｔ_ledだけ相対的にシフトする信号波形処理部と、(3) 信号波形処理部によるシフト後の第１信号および第２信号それぞれの波形に基づいて、深層ニューラルネットワークにより時間差ｔ_ledの誤差ｔ_errを推測する誤差推測部と、(4) 時間差ｔ_ledおよび誤差ｔ_errに基づいて、２個の放射線検出器を互いに結ぶ同時計数線上におけるγ線対発生位置を求めるγ線対発生位置算出部と、(5) 複数のγ線対同時計数事象それぞれについてγ線対発生位置算出部により求められたγ線対発生位置に基づいて、被験体の断層画像を作成する画像作成部と、を備える。

本発明の断層画像作成装置は、深層ニューラルネットワークを学習させる学習部を更に備えるのが好適である。この学習部は、測定空間に置かれた陽電子放出核種について収集された複数のγ線対同時計数事象の情報に基づいて、複数のγ線対同時計数事象それぞれについて、信号波形処理部によるシフト後の第１信号および第２信号それぞれの波形を深層ニューラルネットワークへの入力データとし、時間差算出部により求められた時間差ｔ_ledと陽電子放出核種の位置に基づく真の時間差との差を教師データとして、深層ニューラルネットワークを学習させる。

本発明のＴＯＦ-ＰＥＴ装置は、複数の放射線検出器を含むＰＥＴ検出器と、ＰＥＴ検出器の測定空間に置かれた被験体について収集された複数のγ線対同時計数事象の情報に基づいて被験体の断層画像を作成する上記の本発明の断層画像作成装置と、を備える。

本発明の断層画像作成方法は、複数の放射線検出器を含むＰＥＴ検出器の測定空間に置かれた被験体について収集された複数のγ線対同時計数事象の情報に基づいて被験体の断層画像を作成する方法であって、(1) 複数のγ線対同時計数事象それぞれについて、複数の放射線検出器のうちγ線対を同時計数した２個の放射線検出器から出力された第１信号および第２信号それぞれの値が閾値に達するタイミングの時間差ｔ_ledを求める時間差算出ステップと、(2) 第１信号の波形または第２信号の波形を時間軸方向に互いに近づく方向に時間差ｔ_ledだけ相対的にシフトする信号波形処理ステップと、(3) 信号波形処理ステップによるシフト後の第１信号および第２信号それぞれの波形に基づいて、深層ニューラルネットワークにより時間差ｔ_ledの誤差ｔ_errを推測する誤差推測ステップと、(4) 時間差ｔ_ledおよび誤差ｔ_errに基づいて、２個の放射線検出器を互いに結ぶ同時計数線上におけるγ線対発生位置を求めるγ線対発生位置算出ステップと、(5) 複数のγ線対同時計数事象それぞれについてγ線対発生位置算出ステップにより求められたγ線対発生位置に基づいて、被験体の断層画像を作成する画像作成ステップと、を備える。

本発明の断層画像作成方法は、深層ニューラルネットワークを学習させる学習ステップを更に備えるのが好適である。この学習ステップは、測定空間に置かれた陽電子放出核種について収集された複数のγ線対同時計数事象の情報に基づいて、複数のγ線対同時計数事象それぞれについて、信号波形処理ステップによるシフト後の第１信号および第２信号それぞれの波形を深層ニューラルネットワークへの入力データとし、時間差算出ステップにより求められた時間差ｔ_ledと陽電子放出核種の位置に基づく真の時間差との差を教師データとして、深層ニューラルネットワークを学習させる。

本発明によれば、ＰＥＴ検出器により収集された複数のγ線対同時計数事象の情報に基づいてＤＮＮを用いて被験体の断層画像を作成するとともに、容易にＤＮＮを学習させることができ、歪みが小さい断層画像を作成することができる。

図１は、ＴＯＦ-ＰＥＴ装置１の構成を示す図である。 図２は、ＴＯＦ-ＰＥＴ装置１の時間差算出部１２の処理内容を説明する図である。 図３は、ＴＯＦ-ＰＥＴ装置１の信号波形処理部１３の処理結果を示す図である。 図４は、比較例と対比して実施例の効果を確認するために行った実験で用いた実験系の構成を示す図である。 図５は、比較例１で求められたγ線対発生位置の分布を示すグラフである。 図６は、比較例２Ａで求められたγ線対発生位置の分布を示すグラフである。 図７は、比較例２Ｂで求められたγ線対発生位置の分布を示すグラフである。 図８は、実施例で求められたγ線対発生位置の分布を示すグラフである。 図９は、比較例１，比較例２Ａ，比較例２Ｂおよび実施例それぞれで求められたγ線対発生位置の分布のピーク位置を纏めた表である。 図１０は、比較例１，比較例２Ａ，比較例２Ｂおよび実施例それぞれで求められたγ線対発生位置の分布の半値全幅を纏めた表である。 図１１は、ＰＥＴ検出器２０の複数の放射線検出器の間で性能バラツキがない場合に比較例２において学習用データを収集するためにＰＥＴ検出器２０の測定空間に陽電子放出核種３を配置すべき位置を示す図である。 図１２は、ＰＥＴ検出器２０の複数の放射線検出器の間で性能バラツキがある場合に比較例２において学習用データを収集するためにＰＥＴ検出器２０の測定空間に陽電子放出核種３を配置すべき位置を示す図である。 図１３は、ＰＥＴ検出器２０の複数の放射線検出器の間で性能バラツキがない場合に本実施形態において学習用データを収集するためにＰＥＴ検出器２０の測定空間に陽電子放出核種３を配置すべき位置を示す図である。 図１４は、ＰＥＴ検出器２０の複数の放射線検出器の間で性能バラツキがある場合に本実施形態において学習用データを収集するためにＰＥＴ検出器２０の測定空間に陽電子放出核種３を配置すべき位置を示す図である。

以下、添付図面を参照して、本発明を実施するための形態を詳細に説明する。なお、図面の説明において同一の要素には同一の符号を付し、重複する説明を省略する。本発明は、これらの例示に限定されるものではなく、特許請求の範囲によって示され、特許請求の範囲と均等の意味および範囲内でのすべての変更が含まれることが意図される。

図１は、ＴＯＦ-ＰＥＴ装置１の構成を示す図である。ＴＯＦ-ＰＥＴ装置１は、断層画像作成装置１０およびＰＥＴ検出器２０を備える。

ＰＥＴ検出器２０は、被験体２が置かれる測定空間を取り囲んでリング状に設けられた多数の放射線検出器を含む。ＰＥＴ検出器２０の測定空間に、陽電子放出核種で標識された薬剤を投与された被験体２が置かれる。その被験体２の体内において陽電子放出核種から陽電子が放出されると、その陽電子と電子との対消滅によりエネルギ５１１ＫｅＶの２個のγ線光子が発生する。これら２個のγ線光子（γ線対）は、互いに反対方向に飛行して、ＰＥＴ検出器２０の複数の放射線検出器のうちの何れか２個の放射線検出器２１，２２により同時計数される。ＰＥＴ検出器２０の複数の放射線検出器それぞれは、γ線検出事象に応じてパルス信号を出力する。なお、図１では、被験体２の体内の或る位置（γ線対発生位置）で発生した或るγ線対の飛行経路が矢印で示され、複数の放射線検出器のうちγ線対を検出した２個が放射線検出器２１，２２として示されている。

断層画像作成装置１０は、ＰＥＴ検出器２０の測定空間に置かれた被験体２について収集された多数のγ線対同時計数事象の情報に基づいて被験体２の断層画像を作成する。断層画像作成装置１０は、信号波形取得部１１、時間差算出部１２、信号波形処理部１３、誤差推測部１４、γ線対発生位置算出部１５、画像作成部１６および学習部１７を備える。

信号波形取得部１１は、ＰＥＴ検出器２０の複数の放射線検出器それぞれと信号線により接続されており、複数の放射線検出器それぞれからγ線検出事象に応じて出力されるパルス信号を入力する。なお、図１では、ＰＥＴ検出器２０の複数の放射線検出器のうち或るγ線対を検出した２個の放射線検出器２１，２２と信号波形取得部１１との間の信号線が示されており、他の放射線検出器と信号波形取得部１１との間の信号線は図示簡略化のため示されていない。

信号波形取得部１１は、ＰＥＴ検出器２０の複数の放射線検出器それぞれからγ線検出事象に応じて出力されるパルス信号に基づいて、複数の放射線検出器のうちの何れか２個の放射線検出器によるγ線対同時計数事象を検知して、それら２個の放射線検出器を識別する。そして、信号波形取得部１１は、多数のγ線対同時計数事象それぞれについて、γ線対を同時計数した２個の放射線検出器それぞれから出力されたパルス信号（第１信号、第２信号）の波形を時間差算出部１２へ出力する。

時間差算出部１２は、多数のγ線対同時計数事象それぞれについて、信号波形取得部１１から出力された第１信号および第２信号それぞれの波形を入力する。そして、時間差算出部１２は、パルス信号である第１信号および第２信号それぞれの値が閾値に達するタイミングの時間差ｔ_ledを求める。

図２は、時間差算出部１２の処理内容を説明する図である。時間差算出部１２は、第１信号の値が閾値に達するタイミングｔ_１を求めるとともに、第２信号の値が閾値に達するタイミングｔ_２を求めて、これらタイミングｔ_１，ｔ_２の時間差ｔ_ledを求める。なお、この処理は、ＬＥＤ（Lead Edge Discriminator）と呼ばれており、比較例１でも行われる処理である。

信号波形処理部１３は、第１信号の波形または第２信号の波形を時間軸方向に互いに近づく方向に時間差ｔ_ledだけ相対的にシフトする。信号波形処理部１３は、第１信号の波形および第２信号の波形のうちの何れか一方を他方へ近づけるように時間軸方向にシフトしてもよいし、第１信号の波形および第２信号の波形の双方を互いに近づけるように時間軸方向にシフトしてもよい。なお、時間差ｔ_ledが０である場合には、第１信号の波形および第２信号の波形の何れも時間軸方向にシフトする必要はない。

図３は、信号波形処理部１３の処理結果を示す図である。信号波形処理部１３によるシフト後の第１信号および第２信号それぞれの値が閾値に達するタイミングは互いに等しくなる筈である。しかし、実際には、時間差算出部１２により求められた時間差ｔ_ledが誤差を含んでいる場合があるので、両タイミングは互いに等しくならない場合がある。なお、時間差算出部１２により求められた時間差ｔ_ledに含まれる誤差はγ線対発生位置によらないと考えられる。

誤差推測部１４は、信号波形処理部１３によるシフト後の第１信号および第２信号それぞれの波形（図３）に基づいて、時間差算出部１２により求められた時間差ｔ_ledに含まれる誤差ｔ_errを推測する。この誤差ｔ_errの推測に際して、ＤＮＮが用いられ、好適には、ＤＮＮの一種であるＣＮＮが用いられる。

γ線対発生位置算出部１５は、時間差算出部１２により求められた時間差ｔ_ledおよび誤差推測部１４により推測された誤差ｔ_errに基づいて、より正確な時間差ｔ_est（＝ｔ_led－ｔ_err）を求める。そして、γ線対発生位置算出部１５は、この時間差ｔ_estに基づいて、γ線対を同時計数した２個の放射線検出器を互いに結ぶ同時計数線上におけるγ線対発生位置を求める。

画像作成部１６は、多数のγ線対同時計数事象それぞれについてγ線対発生位置算出部１５により求められたγ線対発生位置に基づいて、被験体２の断層画像を作成する。

学習部１７は、ＰＥＴ検出器２０の測定空間に被験体２に替えて置かれた陽電子放出核種について収集された多数のγ線対同時計数事象の情報に基づいて、誤差推測部１４におけるＤＮＮを学習させる。学習部１７は、複数のγ線対同時計数事象それぞれについて、信号波形処理部１３によるシフト後の第１信号および第２信号それぞれの波形（図３）をＤＮＮへの入力データとし、時間差算出部１２により求められた時間差ｔ_ledと陽電子放出核種の位置に基づく真の時間差との差を教師データとして、ＤＮＮを学習させる。

このような断層画像作成装置１０を用いた断層画像作成方法は、信号波形取得部１１による信号波形取得ステップ、時間差算出部１２による時間差算出ステップ、信号波形処理部１３による信号波形処理ステップ、誤差推測部１４による誤差推測ステップ、γ線対発生位置算出部１５によるγ線対発生位置算出ステップ、画像作成部１６による画像作成ステップ、および、学習部１７による学習ステップを備える。

すなわち、信号波形取得ステップにおいて、ＰＥＴ検出器２０の複数の放射線検出器それぞれからγ線検出事象に応じて出力されるパルス信号を入力する。時間差算出ステップにおいて、複数のγ線対同時計数事象それぞれについて、複数の放射線検出器のうちγ線対を同時計数した２個の放射線検出器から出力された第１信号および第２信号それぞれの値が閾値に達するタイミングの時間差ｔ_ledを求める。信号波形処理ステップにおいて、第１信号の波形または第２信号の波形を時間軸方向に互いに近づく方向に時間差ｔ_ledだけ相対的にシフトする。

誤差推測ステップにおいて、信号波形処理ステップによるシフト後の第１信号および第２信号それぞれの波形に基づいて、ＤＮＮにより時間差ｔ_ledの誤差ｔ_errを推測する。γ線対発生位置算出ステップにおいて、時間差ｔ_ledおよび誤差ｔ_errに基づいて、２個の放射線検出器を互いに結ぶ同時計数線上におけるγ線対発生位置を求める。画像作成ステップにおいて、ＰＥＴ検出器２０の複数のγ線対同時計数事象それぞれについてγ線対発生位置算出ステップにより求められたγ線対発生位置に基づいて、被験体２の断層画像を作成する。

学習ステップにおいて、ＰＥＴ検出器２０の測定空間に置かれた陽電子放出核種について収集された複数のγ線対同時計数事象の情報に基づいて、ＤＮＮを学習させる。なお、ＤＮＮが学習済みであれば、学習ステップおよび学習部１７は必要ではない。ただし、ＤＮＮが学習済みであっても、更に高精度の推測を可能にする為に更に学習を行う場合には、学習ステップおよび学習部１７があってもよい。

次に、比較例と対比して本実施形態の効果を確認するために行った実験の結果について説明する。図４は、実験系の構成を示す図である。この実験では、２個の放射線検出器２１，２２を互いに結ぶ線（同時計数線に相当）上の５ｍｍピッチで離間した７つの位置Ｐ１～Ｐ７それぞれに順次に陽電子放出核種（²²Ｎａ）を置いた。

放射線検出器２１，２２それぞれは、ＭＰＰＣ（Multi-Pixel Photon Counter）の受光面上にＬＹＳＯ（Cerium Doped Lutetium Yttrium Orthosilicate）シンチレータを設けたものであった。ＭＰＰＣ（登録商標）は、ガイガー・モードで動作するアバランシェ・フォトダイオードにクエンチング抵抗が接続されたものを１つの画素として、複数の画素が２次元配列されたものであり、高速・高感度の光検出をすることができる。ＭＰＰＣの受光面のサイズは３ｍｍ×３ｍｍであった。ＬＹＳＯシンチレータのサイズは３ｍｍ×３ｍｍ×１０ｍｍ厚であった。

比較例１では、各γ線対同時計数事象について、時間差算出部１２により求められた時間差ｔ_ledに基づいてγ線対発生位置を求めた。

比較例２Ａおよび比較例２Ｂは、何れも、上述した非特許文献１に記載された技術（比較例２）に相当するものであるが、ＣＮＮを学習させる為に用いたデータベースの点で相違する。比較例２Ａ，２Ｂでは、各γ線対同時計数事象について、信号波形取得部１１により取得された第１信号および第２信号それぞれの波形（図２）に基づいてＣＮＮにより両信号の間の時間差を推測して、この推測した時間差に基づいてγ線対発生位置を求めた。

比較例２Ａでは、ＣＮＮを学習させる際に、７つの位置Ｐ１～Ｐ７それぞれに陽電子放出核種を置いたときに信号波形取得部１１により取得された第１信号および第２信号それぞれの波形（図２）をＣＮＮへの入力データとし、陽電子放出核種が置かれた位置に基づく真の時間差を教師データとした。

比較例２Ｂでは、ＣＮＮを学習させる際に、位置Ｐ５を除く６つの位置Ｐ１～Ｐ４，Ｐ６，Ｐ７それぞれに陽電子放出核種を置いたときに信号波形取得部１１により取得された第１信号および第２信号それぞれの波形（図２）をＣＮＮへの入力データとし、陽電子放出核種が置かれた位置に基づく真の時間差を教師データとした。

実施例では、上述した本実施形態の断層画像作成装置１０または断層画像作成方法によりγ線対発生位置を求めた。実施例では、ＣＮＮを学習させる際に、７つの位置Ｐ１～Ｐ７のうち位置Ｐ４のみに陽電子放出核種を置いたときに信号波形処理部１３によりシフトした後の第１信号および第２信号それぞれの波形（図３）をＣＮＮへの入力データとし、時間差算出部１２により求められた時間差ｔ_ledと陽電子放出核種の位置Ｐ４に基づく真の時間差との差を教師データとした。

図５は、比較例１で求められたγ線対発生位置の分布を示すグラフである。図６は、比較例２Ａで求められたγ線対発生位置の分布を示すグラフである。図７は、比較例２Ｂで求められたγ線対発生位置の分布を示すグラフである。図８は、実施例で求められたγ線対発生位置の分布を示すグラフである。図５～図８は、７つの位置Ｐ１～Ｐ７それぞれに陽電子放出核種を置いた場合に求められたγ線対発生位置の分布の形状を示している。

これらの図から、求められたγ線対発生位置の分布の形状について次のことが言える。比較例１（図５）および実施例（図８）では、求められたγ線対発生位置の分布は、ピーク位置を中心にして略左右対称である。これに対して、比較例２Ａ（図６）では、中央の位置Ｐ４に陽電子放出核種を置いた場合に求められたγ線対発生位置の分布は、ピーク位置を中心にして略左右対称であるが、中央の位置Ｐ４以外の位置に陽電子放出核種を置いた場合に求められたγ線対発生位置の分布は、ピーク位置を中心にして左右対称ではなく、中央の位置Ｐ４から遠い側にピーク位置が偏っている。

比較例２Ｂ（図７）では、比較例２Ａの上記傾向に加えて次のことが言える。位置Ｐ５に陽電子放出核種を置いたときのデータをＣＮＮの学習に用いなかった比較例２Ｂでは、位置Ｐ５に陽電子放出核種を置いた場合に求められたγ線対発生位置の分布において２つのピークが現れている。また、比較例２Ｂでは、中央の位置Ｐ４に陽電子放出核種を置いた場合に求められたγ線対発生位置の分布は、ピーク位置を中心にして左右対称ではなく、位置Ｐ３の側にピーク位置が偏っている。

図９は、比較例１，比較例２Ａ，比較例２Ｂおよび実施例それぞれで求められたγ線対発生位置の分布のピーク位置を纏めた表である。図１０は、比較例１，比較例２Ａ，比較例２Ｂおよび実施例それぞれで求められたγ線対発生位置の分布の半値全幅を纏めた表である。図９及び図１０は、図５～図８に示されたγ線対発生位置の分布の形状から求められたものであり、７つの位置Ｐ１～Ｐ７それぞれに陽電子放出核種を置いた場合に求められたγ線対発生位置の分布のピーク位置または半値全幅を時間（単位：ｐｓ）で示している。

７つの位置Ｐ１～Ｐ７が５ｍｍピッチで離間していることから、理想的には、求められるγ線対発生位置の分布のピーク位置は３３ｐｓピッチで離間することになる。図９に示されるとおり、実施例および比較例１では、求められたγ線対発生位置の分布のピーク位置は、おおよそ理想どおりに３３ｐｓピッチで離間している。これに対して、比較例２Ａおよび比較例２Ｂでは、求められたγ線対発生位置の分布のピーク位置のピッチは理想と異なっており、特に、中央の位置Ｐ４から遠いほど、求められたγ線対発生位置の分布のピーク位置のピッチが狭くなっている。

求められたγ線対発生位置の分布の半値全幅は、図１０に示されるとおり、比較例２Ａおよび比較例２Ｂが最も狭く、実施例が次に狭い。すなわち、γ線対発生位置の検出の時間分解能は、比較例２Ａおよび比較例２Ｂが最も高く、実施例が次に高い。中央の位置Ｐ４に陽電子放出核種を置いた場合に求められたγ線対発生位置の分布の半値全幅は、比較例１では１７５.５ｐｓであるのに対して、実施例では１５９.２ｐｓであり、比較例１より実施例の方が時間分解能は高い。

図５～図１０に示された実験結果から次のことが言える。本実施形態では、比較例１と同様に、一定ピッチの各位置に置かれた陽電子放出核種に対し求められるγ線対発生位置の分布のピーク位置のピッチも略一定であることから、歪みが小さい断層画像を作成することができる。本実施形態では、比較例１と比べて、γ線対発生位置の検出の時間分解能が高く、空間分解能が高い断層画像を取得することができる。

比較例２（２Ａ，２Ｂ）では、γ線対発生位置を高い時間分解能で求めることができるものの、一定ピッチの各位置に置かれた陽電子放出核種に対し求められるγ線対発生位置の分布のピーク位置のピッチは一定ではないことから、作成される断層画像は歪んだものとなる。比較例２では、被験体が占める空間より広い範囲（場合によっては、多数の放射線検出器により取り囲まれた測定空間より広い範囲）に亘って多数の位置に密に陽電子放出核種を置いて取得した学習用データを用いてＣＮＮを学習させることで、歪みが小さい断層画像を作成することができると考えられるが、そのような大量の学習用データを用意することは困難であり、ＣＮＮを学習させることも困難である。

図１１および図１２は、比較例２において学習用データを収集するためにＰＥＴ検出器２０の測定空間に陽電子放出核種３を配置すべき位置を示す図である。図１１は、ＰＥＴ検出器２０の複数の放射線検出器の間で性能バラツキがない場合を示す。この場合には、径方向に延びる直線上の多数の位置に密に陽電子放出核種３を置いて学習用データを収集する必要がある。図１２は、ＰＥＴ検出器２０の複数の放射線検出器の間で性能バラツキがある場合を示す。この場合には、グリッド状の多数の位置に密に陽電子放出核種３を置いて学習用データを収集する必要がある。比較例２では、何れの場合には、装置の視野が制限されることになる。

これに対して、本実施形態では、比較例２（２Ａ，２Ｂ）と比べて少ない数の位置に陽電子放出核種を置いて取得した学習用データを用いてＤＮＮを学習させるだけでよいので、容易にＤＮＮを学習させることができる。

図１３および図１４は、本実施形態において学習用データを収集するためにＰＥＴ検出器２０の測定空間に陽電子放出核種３を配置すべき位置を示す図である。図１３は、ＰＥＴ検出器２０の複数の放射線検出器の間で性能バラツキがない場合を示す。この場合は、測定空間の任意の１つの位置に陽電子放出核種３を置いて学習用データを収集すればよい。図１４は、ＰＥＴ検出器２０の複数の放射線検出器の間で性能バラツキがある場合を示す。この場合は、例えば、測定空間において中心軸の周りに陽電子放出核種３を回転させながら全ての放射線検出器ペアについて学習用データを収集すればよい。本実施形態では、比較例２のように装置の視野が制限されることはない。

１…ＴＯＦ-ＰＥＴ装置、２…被験体、３…陽電子放出核種、１０…断層画像作成装置、１１…信号波形取得部、１２…時間差算出部、１３…信号波形処理部、１４…誤差推測部、１５…γ線対発生位置算出部、１６…画像作成部、１７…学習部、２０…ＰＥＴ検出器、２１，２２…放射線検出器。

Claims (5)

1. 複数の放射線検出器を含むＰＥＴ検出器の測定空間に置かれた被験体について収集された複数のγ線対同時計数事象の情報に基づいて前記被験体の断層画像を作成する装置であって、
   前記複数のγ線対同時計数事象それぞれについて、前記複数の放射線検出器のうちγ線対を同時計数した２個の放射線検出器から出力された第１信号および第２信号それぞれの値が閾値に達するタイミングの時間差ｔ_ledを求める時間差算出部と、
   前記第１信号の波形または前記第２信号の波形を時間軸方向に互いに近づく方向に前記時間差ｔ_ledだけ相対的にシフトする信号波形処理部と、
   前記信号波形処理部によるシフト後の前記第１信号および前記第２信号それぞれの波形に基づいて、深層ニューラルネットワークにより前記時間差ｔ_ledの誤差ｔ_errを推測する誤差推測部と、
   前記時間差ｔ_ledおよび前記誤差ｔ_errに基づいて、前記２個の放射線検出器を互いに結ぶ同時計数線上におけるγ線対発生位置を求めるγ線対発生位置算出部と、
   前記複数のγ線対同時計数事象それぞれについて前記γ線対発生位置算出部により求められたγ線対発生位置に基づいて、前記被験体の断層画像を作成する画像作成部と、
   を備える断層画像作成装置。
2. 前記測定空間に置かれた陽電子放出核種について収集された複数のγ線対同時計数事象の情報に基づいて、前記複数のγ線対同時計数事象それぞれについて、前記信号波形処理部によるシフト後の前記第１信号および前記第２信号それぞれの波形を前記深層ニューラルネットワークへの入力データとし、前記時間差算出部により求められた前記時間差ｔ_ledと前記陽電子放出核種の位置に基づく真の時間差との差を教師データとして、前記深層ニューラルネットワークを学習させる学習部を更に備える、
   請求項１に記載の断層画像作成装置。
3. 複数の放射線検出器を含むＰＥＴ検出器と、
   前記ＰＥＴ検出器の測定空間に置かれた被験体について収集された複数のγ線対同時計数事象の情報に基づいて前記被験体の断層画像を作成する請求項１または２に記載の断層画像作成装置と、
   を備えるＴＯＦ-ＰＥＴ装置。
4. 複数の放射線検出器を含むＰＥＴ検出器の測定空間に置かれた被験体について収集された複数のγ線対同時計数事象の情報に基づいて前記被験体の断層画像を作成する方法であって、
   前記複数のγ線対同時計数事象それぞれについて、前記複数の放射線検出器のうちγ線対を同時計数した２個の放射線検出器から出力された第１信号および第２信号それぞれの値が閾値に達するタイミングの時間差ｔ_ledを求める時間差算出ステップと、
   前記第１信号の波形または前記第２信号の波形を時間軸方向に互いに近づく方向に前記時間差ｔ_ledだけ相対的にシフトする信号波形処理ステップと、
   前記信号波形処理ステップによるシフト後の前記第１信号および前記第２信号それぞれの波形に基づいて、深層ニューラルネットワークにより前記時間差ｔ_ledの誤差ｔ_errを推測する誤差推測ステップと、
   前記時間差ｔ_ledおよび前記誤差ｔ_errに基づいて、前記２個の放射線検出器を互いに結ぶ同時計数線上におけるγ線対発生位置を求めるγ線対発生位置算出ステップと、
   前記複数のγ線対同時計数事象それぞれについて前記γ線対発生位置算出ステップにより求められたγ線対発生位置に基づいて、前記被験体の断層画像を作成する画像作成ステップと、
   を備える断層画像作成方法。
5. 前記測定空間に置かれた陽電子放出核種について収集された複数のγ線対同時計数事象の情報に基づいて、前記複数のγ線対同時計数事象それぞれについて、前記信号波形処理ステップによるシフト後の前記第１信号および前記第２信号それぞれの波形を前記深層ニューラルネットワークへの入力データとし、前記時間差算出ステップにより求められた前記時間差ｔ_ledと前記陽電子放出核種の位置に基づく真の時間差との差を教師データとして、前記深層ニューラルネットワークを学習させる学習ステップを更に備える、
   請求項４に記載の断層画像作成方法。

Images