基于机器学习的PET检测器定时校准在变化的数据稀疏性下的整体评估
Stephan Naunheim1, Florian Mueller1, Vanessa Nadig1
1Department of Physics of Molecular Imaging Systems (PMI), Institute for Experimental Molecular Imaging, RWTH Aachen University, Aachen, Germany.
Physics in medicine and biology
|July 16, 2024
概括
机器学习显著加速PET扫描仪计时校准,将时间从几天缩短到几分钟,同时提高计时分辨率. 这种方法现在可用于系统内应用,并使用模拟读取技术工作.
科学领域:
- 医疗成像医学成像
- 机器学习在物理学中的应用
- 核仪器仪表 核仪器仪表 核仪器仪表
背景情况:
- 现代PET扫描仪利用飞行时间 (TOF) 信息来增强图像信号与噪声比 (SNR).
- 准确的定时校准对于TOF PET至关重要,但传统方法在纠正高阶偏差方面存在局限性.
- 机器学习 (ML) 显示了改善定时分辨率的希望,但需要大量的校准时间,阻碍了临床使用.
研究的目的:
- 调查数据稀疏性对基于ML的PET扫描仪定时校准的影响.
- 为了加快ML计时校准的系统内应用和临床可行性.
- 为了证明ML校准对模拟读取技术的适用性.
主要方法:
- 通过实验获得的校准数据被修改为统计和空间稀疏性,以模拟缩短的测量时间.
- 80个决策树模型在稀疏数据上训练了一致的超参数,并在丰富数据上进行了测试.
- 一个整体的评估框架使用数据科学,基于物理和基于PET的标准来评估模型.
主要成果:
- 基于ML的计时校准时间从几天减少到几分钟,而不会影响质量.
- 与分析方法相比,计时分辨率从 (304±5) ps显著提高到 (216±1) ps.
- ML校准方法在具有模拟读出技术的探测器上被证明是有效的.
结论:
- 这项研究显著加速了基于ML的PET计时校准,使其适合系统内应用.
- 通过成功校准模拟读取检测器,ML方法证明了多功能性.
- 拟议的整体评估标准可以指导未来在PET成像中进行ML校准研究.
