一个深度神经网络用于定位和多重PET探测器中的晶体间散射识别:一个模拟研究
Francisco E Enríquez-Mier-Y-Terán1,2, Luping Zhou3, Steven R Meikle2,4,5
1School of Biomedical Engineering, Faculty of Engineering, The University of Sydney, Sydney, NSW 2006, Australia.
Physics in medicine and biology
|July 26, 2024
概括
深度神经网络 (DNN) 通过克服传统算法和晶体间散射 (ICS) 的局限性,改善了正子发射断层扫描 (PET) 在光共享探测器中的事件定位. 与Anger逻辑相比,DNN显著提高了准确性,为更精确的PET成像铺平了道路.
科学领域:
- 医学成像物理 医学成像物理
- 核仪器仪表 核仪器仪表 核仪器仪表
- 计算成像技术的成像
背景情况:
- 高分辨率正子发射断层扫描 (PET) 需要精确的光子定位来准确的图像重建.
- 光共享PET探测器中的传统定位算法与边缘效应和晶体间散射 (ICS) 斗争.
- 细分的和高度多重化的PET探测器对事件定位提出了独特的挑战.
研究的目的:
- 探索深度神经网络 (DNN) 技术的可行性,以增强光共享PET探测器中的事件定位.
- 研究晶体间散射 (ICS) 对定位精度的影响.
- 为了将基于DNN的定位与传统Anger逻辑进行比较.
主要方法:
- 使用Geant4 Tomographic Emission (GATE) 应用模拟PET探测器事件,以研究晶体间散射 (ICS).
- 使用模拟光电 (P) 和康普顿+光电 (CP) 事件开发和训练了用于晶体定位的DNN.
- 在DNN中集成了一个能量引导定位算法,利用ICS属性.
- 使用模拟的511 keV点源,与Anger逻辑进行DNN性能比较.
主要成果:
- DNN 实现了 90% 的 P 事件和 82% 的 CP 事件的晶体分类准确度.
- 基于DNN的定位在P事件中超过了Anger逻辑至少34%,在CP事件中超过了14%.
- 晶体阵列中向后和向前马射线散射的比率接近1限制了CP事件的进一步改善.
结论:
- 基于DNN的事件定位显示出显著的潜力,可以提高光共享,多重复合PET探测器的精度.
- 在2D巧合事件定位方面,DNN比Anger逻辑提供了实质性的增强.
- 进一步的进步可能需要额外的信息,如事件时间,以克服物理限制.
