カドミウム亜鉛テルル陽電子放出断層撮影検出器におけるエンタングルメント情報を利用した角度相関を活用したイベント分類のための機械学習支援

科学分野:

• 医用画像処理
• 量子物理学
• 機械学習

背景:

• ガンマ線陽電子イメージングは、真の消滅イベントに似たコンプトンダウン散乱による課題に直面しています。
• 従来の陽電子放出断層撮影（PET）システムは、イベント識別のために消滅光子の量子エンタングルメントを利用していません。
• 量子エンタングルメントからの偏光相関は、イベント識別の改善のための物理学ベースのアプローチを提供します。

研究 の 目的:

• 真の消滅イベントと散乱放射線を識別するための機械学習フレームワークを開発および評価すること。
• 量子エンタングルメントの特徴、特に偏光相関を利用して、陽電子放出断層撮影（PET）システムのパフォーマンスを向上させること。
• 応答線（LOR）再構成の精度を向上させ、ランダムな同時発生を減らすこと。

主な方法:

• 二重パネルカドミウム亜鉛テルル（CZT）システムにおけるイベントを分析するための機械学習フレームワークが開発されました。
• イベントは、相互作用パターン（1P、1C）に基づいて分類され、空間、エネルギー、および角度データを含む特徴行列によって表されました。
• 相対方位角散乱角（[数式：テキスト参照]）などの量子エンタングルメントに敏感な特徴が機械学習モデルに組み込まれました。

主要な成果:

• 特徴の除去分析により、エネルギーと相対的な方位角散乱角（[数式：テキスト参照]）が最も高い識別力（ROC-AUC 0.87-0.95）を提供することが示されました。
• エネルギーだけでも強い性能（ROC-AUC 0.85-0.95）を示し、空間座標を含めるとわずかに低いものの、一貫した結果（ROC-AUC 0.81-0.91）が得られました。
• 機械学習アプローチは、真のLORを維持しながら、プロンプトガンマ線汚染を効果的に抑制しました。

結論:

• エンタングルメントに敏感な角度特徴を機械学習パイプラインに組み込むことは、ガンマ線陽電子イメージングにおけるイベント識別を大幅に改善します。
• この物理学に基づいたアプローチは、陽電子放出断層撮影（PET）画像の品質を向上させるための新しい方法を提供します。
• 開発されたフレームワークは、より正確な医療イメージングのために量子特性を活用する可能性を示しています。