在使用人工神经网络的多重像素闪器中精确定位马射线相互作用
P M M Correia1, B Cruzeiro1, J Dias2,3
1Institute for Nanostructures, Nanomodelling and Nanofabrication (i3N), University of Aveiro, Campus Universitário de Santiago, 3810-193, Aveiro, Portugal.
Biomedical physics & engineering express
|May 23, 2024
概括
人工神经网络 (NN) 与传统的Anger逻辑相比,在正电子发射断层扫描 (PET) 探测器中提供了改进的马射线定位. 多种类别和二进制分类NN都实现了超过85%的准确性,证明了它们对未来PET系统的可行性.
科学领域:
- 医学物理 医学物理
- 仪器化 仪器化 仪器化
- 核医学就是核医学.
背景情况:
- 检测器定位传统上依赖于Anger逻辑洪水直方图.
- 机器学习,使用信号波形特征,在推进PET仪器仪表方面显示出前途.
- 人工神经网络 (NN) 正在探索增强的马射线相互作用定位.
研究的目的:
- 评估人工神经网络 (NN) 对马射线相互作用定位的有效性.
- 在像素化PET探测器中比较NNN与传统Anger逻辑的性能.
主要方法:
- 一个实验设置使用了16个基基 (LYSO) 水晶像素与光倍增器 (SiPMs) 相结合.
- 记录了来自Sodium-22源的511 keV马射线辐射的16万个事件的数据.
- 训练和测试了两个NN模型:一个单一的多类神经网络 (mcNN) 和16个二进制分类神经网络 (bNN).
主要成果:
- 无论mcNN和bNN模型都显示了评估数据集的平均定位准确度超过85%.
- 与bNN模型相比,mcNN模型的训练时间更快.
- 电子聚合被用来减轻邻近晶体的错误分类事件.
结论:
- 人工神经网络 (mcNN和bNN) 可以在玛射线定位方面超过传统的Anger逻辑.
- 这些NN模型显示了未来多重检测系统中定位程序的可行性.
- 通过先进的配置,如光共享,可以实现进一步的改进.
