CN101983331A

CN101983331A - 具有单个信号分辨率的辐射成像方法

Info

Publication number: CN101983331A
Application number: CN2009801119814A
Authority: CN
Inventors: P·A·B·斯考拉尔; R·J·伊文斯; C·C·麦克莱恩
Original assignee: Southern Innovation International Pty Ltd
Current assignee: Southern Innovation International Pty Ltd
Priority date: 2008-03-31
Filing date: 2009-03-31
Publication date: 2011-03-02
Also published as: US8471210B2; AU2009230876A1; US20110147594A1; EP2260295A4; AU2009230876B2; JP2011519415A; WO2009121132A1; EP2260295A1

Abstract

一种成像方法和装置，该方法包括收集来自位于提供有放射性示踪物的对象附近的辐射检测器的检测器输出数据；以及通过(i)确定所述数据中存在的信号的信号形式，(ii)进行所述信号的一个或多个参数的参数估计，其中所述一个或多个参数至少包括信号时间位置，以及(iii)至少根据所述信号形式和所述参数估计确定所述信号中的每个信号的能量，来分解检测器输出数据中的单个信号。降低或增加可接受的对象到检测器的距离，改进空间分辨率，降低示踪物剂量或浓度，降低对象辐射暴露和/或降低扫描时间。

Description

具有单个信号分辨率的辐射成像方法

相关申请

本申请基于并要求2008年3月31日提交的美国申请号61/041,144以及2008年12月18日提交的美国申请号61/138,879的申请日的权益，通过引用将它们所提交的内容整体结合于此。

技术领域

本发明总体上涉及成像方法和装置，特别地但决不专门涉及医学成像技术(例如单光子发射计算机断层摄影术(SPECT)、正电子发射断层摄影术(PET)和伽马照相机成像)中的应用。

背景技术

分子成像是针对人体生物功能的功能成像的强大并敏感的技术的前沿。特别地，单光子发射计算机断层摄影术(SPECT)、正电子发射断层摄影术(PET)是用于癌症的检测和分类(staging)的两种最有效技术。

在这些技术中，用辐射发射放射性药物化合物标记的包括例如单糖之类的化合物的示踪物被注入到病人体内。辐射会引起被检测并记录为示踪物的伽马射线行进通过身体并在检查所指定的器官中收集。癌症细胞以比正常细胞更高的速率代谢糖，并且放射性药物以更高的浓度向癌症区域移动。

伽马射线检测器被用来检查从病人体内发出的辐射。当所发射的各向同性正电子减慢速度，与组织中的电子相互作用并被湮没时，产生这种辐射。电子和正电子的湮没产生以相对方向(即基本上分开180

的方向)发射的两个511keV伽马射线。使用相对的检测器来检测符合的(in coincidence)伽马射线光子。

当检测并识别到符合的适当能量的两个伽马射线时，使用计算断层摄影术算法来将这些有效事件中的每个重新集合成图像。为了有效地检测符合事件，然而，相对的511keV伽马射线必须：(1)在窄时间窗口Δt内在相对的检测器中被检测到；以及(2)必须具有适当能量，即511keV±ΔE，其中ΔE通常是10％或者～50keV。如果Δt和/或ΔE增加，则检测到更多个假的符合，但是如果因为Δt或ΔE过分地小而使得计数率太小，则非常拖延的测量时间(或示踪物剂量)变得很有必要。

在PET机器中使用的伽马检测器具有对入射辐射事件的有限响应时间。因为来自病人的辐射发射的随机性，所以多于一个的辐射事件可以在检测器的有限响应时间内到达检测器。这一现象被称为脉冲堆积；当它出现时，不可能精确地确定事件的到达时间也不能精确地确定辐射事件的能量，因为一个事件因下一事件的到达而被损坏。因此，当出现脉冲堆积时，不可能有效地将任何事件分成符合事件，并且必须丢弃这些数据。如果计数率因为脉冲堆积而太低，则非常拖延的测量时间或示踪物剂量也会变得有必要。

此外，因为PET机器的检测器单元的设计，脉冲堆积事件可以导致检测器晶体内检测位置的错误分配。可以基于PMT的四个阳极的输出使用位置灵敏光电倍增管(PMT)和“Anger”逻辑来确定辐射/检测器相互作用的具体位置。当出现堆积事件时，晶体阵列内的辐射事件的权重是不正确的，所以在一个晶体块中出现的相互作用可能被错误地分配给检测器块中的相邻晶体。

发明内容

因此，根据本发明的第一方面，提供一种成像方法，包括：

收集来自位于提供有放射性示踪物的对象附近的辐射检测器的检测器输出数据；以及

通过(i)确定所述数据中存在的信号的信号形式(或脉冲响应)，(ii)进行所述信号的一个或多个参数的参数估计，其中所述一个或多个参数至少包括信号时间位置，以及(iii)至少根据所述信号形式和所述参数估计确定所述信号中的每个信号的能量，来分解检测器输出数据中的单个信号；

从而降低或增加可接受的对象到检测器的距离，改进空间分辨率，降低示踪物剂量或浓度，降低对象辐射暴露和/或降低扫描时间。

例如，在SPECT中，根据配位体(使用Tc99m的)典型示踪物剂量从400MBq到1200MBq不等；TI201剂量通常一直到4MCi(即大约150MBq到160MBq)；(诊断的)I-131剂量处于20MBq到40MBq的量级(即大约1MCi到2MCi)。SPECT和平面成像一般使用相同的剂量。限制剂量和/或图像时间的是对对象的辐射暴露。因此，通常认为图像质量差。6到10分钟的平面成像捕获时间是普遍的；SPECT时间(假设病人是舒服的)从10分钟到30分钟不等。整个身体平面扫描是相似的。用于降低捕获时间(或改进计数总数)的典型方法是通过在伽马射线检测器(或“照相机”)中使用多个“磁头(head)”，但是市场上仅存在少数三磁头伽马照相机；大多数是双磁头的且一些是单磁头的。

因此，根据本发明，应该从任何特定(典型)测量仪器中可提取更大量的可用数据，从而在不增加对象辐射暴露或者不需要附加伽马射线检测器的情况下改进分辨率或图像质量。可替换地，可以在不损失分辨率或图像质量的情况下降低对象辐射暴露。到目前为止，各项测试表明在一些应用中期望在扫描时间或剂量上获得5％到30％的降低，并且在许多应用中在扫描时间或剂量上降低15％到30％的范围不是不可实现的。在某些情况下，应该可以实现扫描时间或剂量降低20％到30％的范围(并且在其他情况下更多)。

分解单个信号可以包括：

获得所述检测器输出数据以作为数字时间序列的形式的数字化检测器输出数据；以及

基于数字时间序列形成数学模型，并且作为至少信号形式、信号的时间位置和信号的幅度的函数；

其中确定所述信号中的每个信号的能量包括基于所述数学模型确定所述信号的幅度，所述幅度指示辐射事件。

该方法可以包括根据例如处于符合模式的另一辐射检测器的输出来选通检测器输出数据。

该方法可以包括医学成像方法，例如断层摄影术。在一个这样的实施例中，该方法包括形成PET断层摄影术。

使用所述单个信号的分解使每个图像或投影的扫描时间降低25％或更多。在某一实施例中，使用所述单个信号的分解使每个图像或投影的扫描时间降低35％或更多。

在PET中，通常使用F18FDG的5mCi到8mCi，或更多。扫描时间是可变的，并且取决于检测器、托台几何形状、Z轴的长度和入射剂量。较好的扫描时间(在对象的任何单个位置处)目前是2到3分钟(或稍稍变少)。典型的PET检测器环Z深度是25cm，其中例如从一个位置到下一位置重叠5cm。因此，整个身体(头骨的基部到盆骨的底部)扫描通常包括6或7个位置。整个发射阶段时间从针对较低剂量的旧式BGO 2-D扫描仪的30到40分钟降到针对较高剂量的新式3-D LSO扫描仪的10分钟。透射阶段是相当的。实际上，设置并计划扫描要比完成获取花费更长的时间；例如，正在进行的辐射获取仅是胸腔的一次屏气，以及针对腹部和盆骨的一次辐射获取。

因此，利用PET，再次期望本发明将允许从任何特定(典型)测量仪器可提取更大量的可用数据，从而在不增加对象辐射暴露或者不需要附加伽马射线检测器的情况下改进分辨率或图像质量，在不损失分辨率或图像质量的情况下降低暴露，或者降低扫描时间或剂量。

在其他实施例中，该方法是X射线透射成像方法或CT成像方法。

在一个实施例中，(如上所述)使用单个信号的分解使每个投影的扫描时间降低至少35％，并且在另一实施例中，降低多于35％。

因此，该方法努力表征仅可能多的数据，但是将认识到可能不能充分地表征某些数据(其因此被称为“损坏数据”)，在下文中将对其进行描述。将理解的是术语“信号”在该上下文中可与“脉冲”相互交换，因为其是指对应于单个检测事件的输出，而不是包括单个信号的和的整个输出信号。还将认识到可以以各种方式测量或表示信号的时间位置(或时序)，例如根据信号的最大值的时间(或时间轴上的位置)或信号的前沿。典型地，这被描述为到达时间(“到达的时间”)或检测时间。

还将理解的是，术语“检测器数据”指已经源自检测器的数据，不管随后是由检测器内部还是检测器外部的相关或其它电子设备进行处理。

该方法可包括根据参数估计构造数据的模型，以及基于检测器输出数据和模型之间的比较来确定参数估计的精确度。

可以通过校准过程来确定信号形式(或脉冲响应)，所述校准过程包括测量对一个或多个单个事件检测的检测器的时域响应，以从该数据得到信号形式或脉冲响应。然后可以通过将该数据用合适的函数(例如多项式、指数或样条函数)进行内插(或者拟合该数据)，来获得该信号形式的函数形式。然后可以从该检测器信号形式构造滤波器(例如逆滤波器)。可以通过以滤波器对来自检测器的输出数据的卷积来进行信号参数的初始估计。特别感兴趣的信号参数包括信号的数目和每个信号的时间位置(或到达的时间)。

然后可以进一步改善感兴趣的特定信号参数。首先，利用峰值检测和阈值的应用来改善对信号的数目和到达时间的估计。其次，对信号的数目和它们的到达时间加上检测器脉冲响应(以及由此得到的信号形式)的了解使得有可能求解信号的能量参数。

通过比较(根据信号参数和对检测器脉冲响应的了解而构造的)检测器数据流的模型(实际上，一种估计)与实际检测器输出，可以确定或“验证”参数估计的精确度。如果该验证过程确定一些参数不够精确，则丢弃这些参数。在使用该方法的光谱分析中，认为足够精确的能量参数可以被表示为直方图。

该方法可以包括根据信号形式(即，用于生成信号的检测器的脉冲响应)进行信号参数的估计。该方法可以包括通过校准过程确定信号形式，所述校准过程包括测量检测器对一个或多个信号检测的响应，以得到信号形式的基于数据的模型。特别地，该方法可以包括通过将数据与函数内插获得模型的函数形式，以生成期望的信号形式。函数可以是多项式、指数或样条函数。

该方法可以包括基于由辐射检测器产生的单个信号的预定形式设计滤波器。例如，滤波器可以是匹配滤波器或逆滤波器形式。

在一个实施例中，该方法包括使用检测器输出的卷积与滤波器，以便进行信号参数的初始估计。该方法可以包括改善信号参数的估计。该方法可以包括用峰值检测过程改善信号数目的估计。该方法可以包括通过应用峰值检测过程来进行或改善信号时间位置的估计。该方法可以包括通过由矩阵反演或由迭代技术来求解线性等式系统，改善信号能量的估计。

在本发明的实施例中，该方法包括使用信号参数结合检测器脉冲响应来创建检测器输出的模型。该方法可以包括，例如，例如通过使用数据和模型之间差的最小平方或一些其它测量将实际的检测器输出数据与检测器输出的模型进行比较，来执行误差检测。

该方法可以包括丢弃被认为是没有被足够精确估计的参数。

在一个实施例中，该方法包括以直方图给出所有足够精确的能量参数。

数据可以包括不同形式的信号。在这种情况下，该方法可以包括在可能的情况下确定每个信号的信号形式。

在一个实施例中，该方法包括逐渐地从数据减去可接受地符合多个信号形式的连续信号形式的那些信号，并且拒绝没有可接受地符合任何多个信号形式的那些信号。

在一个实施例中，该方法的特征在于，对于50kHz的输入计数率的大于90％的数据吞吐量。

在一个实施例中，该方法的特征在于，对于25kHz和250kHz之间的输入计数率的大于90％的数据吞吐量。

在一个实施例中，该方法的特征在于，对于25kHz的输入计数率的大于95％的数据吞吐量。

在一个实施例中，该方法的特征在于，对于25kHz和100kHz之间的输入计数率的大于95％的数据吞吐量。

在一个实施例中，该方法的特征在于，对于250kHz的输入计数率的大于80％的数据吞吐量。

在一个实施例中，该方法的特征在于，对于250kHz和2500kHz之间的输入计数率的大于50％的数据吞吐量。

在一个实施例中，该方法包括使用SPECT照相机并且每个投影或图像的扫描时间不多于15s。

在一个实施例中，该方法包括使用SPECT照相机并且每个投影或图像的扫描时间不多于13s。

根据成像方法可以有利地提供相当的性能。

在第二方面中，本发明提供一种成像装置，包括：

位于提供有放射性示踪物的对象附近的辐射检测器，用于检测由所述示踪物发射的辐射，并且用于响应于辐射而输出检测器数据；以及

处理器，用于以数字化形式接收检测器数据，并且被编程为确定数据中存在的每个信号的信号形式，进行信号的一个或多个参数的参数估计，并且至少根据信号形式和参数估计确定每个信号的能量，其中所述一个或多个参数至少包括信号时间位置；

所述处理器可以被编程为以数字时间序列的形式获得所述检测器输出数据，并且基于数字时间序列形成数学模型，并且作为至少信号形式、所述信号的时间位置和所述信号的幅度的函数，其中确定所述信号的每个信号的能量包括基于所述数学模型确定所述信号的幅度，所述幅度指示辐射事件。

该装置包括多个相当的辐射检测器，其中所述装置可被配置成根据例如处于符合模式中的任何一个或多个其他检测器的检测器数据来选通任何一个或多个检测器的检测器数据。

该装置可以是医学成像装置，例如断层摄影装置。在一个这样的实施例中，该装置包括PET装置。

在一个实施例中，该装置的特征在于，对于50kHz的输入计数率的大于90％的数据吞吐量。

在一个实施例中，该装置的特征在于，对于25kHz和250kHz之间的输入计数率的大于90％的数据吞吐量。

在一个实施例中，该装置的特征在于，对于25kHz的输入计数率的大于95％的数据吞吐量。

在一个实施例中，该装置的特征在于，对于25kHz和100kHz之间的输入计数率的大于95％的数据吞吐量。

在一个实施例中，该装置的特征在于，对于250kHz的输入计数率的大于80％的数据吞吐量。

在一个实施例中，该装置的特征在于，对于250kHz和2500kHz之间的输入计数率的大于50％的数据吞吐量。

根据本发明的第三方面，提供一种成像方法，包括：

通过(i)获得或表示检测器输出数据以作为数字序列(例如数字时间序列或数字化光谱)，(ii)获得或确定数据中存在的信号的信号形式(或等同地脉冲响应)，(iii)通过根据数学变换来变换信号形式，形成变换的信号形式，(iv)通过根据数学变换来变换数字序列，形成变换的序列，所述变换的序列包括变换的信号，(v)估计至少变换的序列和变换的信号形式的函数(并且可选地变换信号的至少一个参数的函数)，从而提供函数输出，(vi)根据模型对函数输出进行建模(例如通过将该函数输出建模成多个正弦曲线)，(vii)基于该模型确定该函数输出的至少一个参数，以及(viii)根据该函数输出的至少一个确定的参数确定信号的参数，来分解检测器输出数据中的单个信号；

信号形式通常可以被看作表征被用于或正用于收集数据的辐射(或其他检测输入端)和检测器之间的相互作用。这可以被确定或者可以根据之前从(例如)数据库获得的测量、校准等等知道。

在一些实施例中，根据数学变换来变换数字序列包括形成数字序列的模型并且根据数学变换来变换所述数字序列的模型。

在某些实施例中，该方法包括确定变换信号的多个参数，例如频率和幅度。

在某些特定实施例中，变换是傅立叶变换，例如快速傅立叶变换或离散傅立叶变换，或小波变换。确实，在某些实施例，可以稍稍不同地将变换分别应用于信号形式和数字序列。例如，在一个实施例中，数学变换是傅立叶变换，但是利用离散傅立叶变换来变换信号形式，并且利用快速傅立叶变换来变换数字序列。

在一个实施例中，变换是傅立叶变换，并且函数可以被表示为：

Y(k)＝X(k)/H(k)

其中X(k)是经过变换的序列，并且H(k)是经过变换的信号形式。

因此，该方面的方法努力确定信号的参数以及因此尽可能多的数据的参数，但是将会认识到可能不能对某些数据(其因此被称为“损坏数据”)这样做，在下文中将对其进行描述。将理解的是术语“信号”在该上下文中可与“脉冲”相互交换，因为其是指对应于单个检测事件的输出，而不是包括单个信号的和的整个输出信号。还将认识到可以以各种方式测量或表示信号的时间位置(或时序)，例如根据信号的最大值的时间(或时间轴上的位置)或信号的前沿。典型地，这被描述为到达时间(“到达的时间”)或检测时间。

可以通过校准过程来确定信号形式(或脉冲响应)，所述校准过程包括测量对一个或多个单个事件检测的检测器的脉冲响应(例如时域响应或频域响应)，以从该数据得到信号形式或脉冲响应。然后可以通过将该数据用合适的函数(例如多项式、指数或样条函数)进行内插(或者拟合该数据)，来获得该信号形式的函数形式。然后可以从该检测器信号形式构造滤波器(例如逆滤波器)。可以通过以滤波器对来自检测器的输出数据的卷积来进行信号参数的初始估计。特别感兴趣的信号参数包括信号的数目、每个信号的时间位置(或到达的时间)和信号的能量。

然后可以进一步改善所感兴趣的特定信号参数。

通过比较(根据信号参数和对检测器脉冲响应的了解而构造的)检测器数据流的模型与实际检测器输出，可以确定或“验证”参数估计的精确度。如果该验证过程确定一些参数不够精确，则丢弃这些参数。在使用该方法的光谱分析中，认为足够精确的能量参数可以被表示为直方图。

检测器输出信号可以包括不同形式的信号。在这种情况下，该方法可以包括在可能的情况下确定每个信号的信号形式。

在第四方面中，本发明提供一种成像装置，包括：

处理器，用于接收作为数字序列的数据，并且被编程为(i)获得或确定数据中存在的信号的信号形式(或等同地脉冲响应)，(ii)通过根据数学变换来变换信号形式，形成变换的信号形式，(iii)通过根据数学变换来变换数字序列，形成变换的序列，所述变换的序列包括变换的信号，(iv)估计至少变换的序列和变换的信号形式的函数，(并且可选地变换信号的至少一个参数的函数)，从而提供函数输出，(v)根据模型对函数输出进行建模(例如通过将该函数输出建模成多个正弦曲线)，(vi)基于该模型确定该函数输出的至少一个参数，以及(vii)根据该函数输出的至少一个确定的参数确定信号的参数；

该装置可以包括适于接收数据、将该数据转换成数字化形式以及将数字化形式的数据转发到处理器的模拟到数字转换器。这将在检测器输出模拟数据的情况下特别有用。

该处理器可以包括现场可编程门阵列(或其阵列)。可替换地，该处理器可以包括数字信号处理器(或其阵列)。在另一种可替换方式中，该处理器包括现场可编程门阵列(或其阵列)和数字信号处理器(或其阵列)。在又一个实施例中，该处理器包括ASIC(专用集成电路)。该装置可以包括模拟前端，其包括模拟到数字转换器。

该装置可以包括与处理器进行数据通信的电子计算设备，用于控制该处理器并且用于显示该处理器的输出。

根据本发明的另一方面，提供一种成像方法，包括：

通过(i)获得或表示检测器输出数据以作为数字序列，(ii)获得或确定数据中存在的信号的信号形式(或等同地脉冲响应)，(iii)通过根据数学变换来变换信号形式，形成变换的信号形式，(iv)通过根据数学变换来变换数字序列，形成变换的序列，所述变换的序列包括变换的信号，(v)估计至少变换的序列和变换的信号形式的函数，(并且可选地变换信号的至少一个参数的函数)，从而提供函数输出，(vi)根据模型对函数输出进行建模(例如通过将该函数输出建模成多个正弦曲线)，(vii)基于该模型确定该函数输出的至少一个参数，以及(viii)根据该函数输出的至少一个确定的参数确定信号的参数，来分解检测器输出数据中的单个信号；

应该注意到，在适合并且被本发明的任何其它方面所期望的情况下，可以采用本发明的每个方面的各种可选特征。

附图说明

为了可以更清楚地确定本发明，现在将参照附图仅通过示例的方式描述优选实施例，附图中：

图1是根据本发明实施例的PET装置的示意图；

图2a是图1的装置的检测器模块的示意图；

图2b是图2a的检测器模块的检测器单元的示意图；

图2c是图2b的检测器单元的部分分解示意图；

图2d是图2b的检测器单元的更详细的示意图图；

图3a、图3b和图3c是图示脉冲堆积的曲线图；

图4是图示由在图1的装置中体现的信号处理方法使用的辐射检测的数学建模的图；

图5是详述由在图1的装置中体现的信号处理方法使用的辐射检测的数学模型的图；

图6是图1的数据捕获模块的功能元件的示意图；

图7a、图7b和图7c是分别在1000μs、100μs和10μs的时间范围上从图2的检测器的输出直接收集的未处理的数字化数据的图示；

图8是由用于根据本发明的实施例来分析光谱数据的图1的装置使用的用于脉冲堆积恢复的信号处理方法的示意性表示；

图9是由用于根据本发明的实施例来分析光谱数据的图1的装置使用的用于脉冲堆积恢复的信号处理方法的示意性流程图；

图10a、图10b和图10c是处于图9的信号处理方法的不同阶段的结果的图示；

图11是用图9的方法处理的处于各种输入计数率的137Cs源的伽马射线光谱的图示；

图12是使用由数字核脉冲发生器产生的模拟数据组准备的、图9的信号处理方法的计算机模拟的结果的图示；

图13是对于在一个计数率范围上伽马射线源的图12的模拟的性能的图示；

图14a、图14b、图14c和图14d描绘将图9的信号处理方法应用于76mm×76mm的NaI(TI)伽马射线检测器的输出的结果；

图15a、图15b、图15c和图15d描绘将图9的信号处理方法应用于采用HPGe检测器收集的数据的结果；

图16a、图16b、图16c和图16d描绘将图9的信号处理方法应用于氙气比例检测器的输出的结果；

图17是用于SPECT的背景技术的伽马射线照相机的示意性横截面图；

图18是图17的伽马射线照相机的示意性正面图；

图19a和19b是假定5μs死时间的作为针对图17的伽马射线照相机而计算的输入计数率的函数的百分比吞吐量的图示，以及所计算的本发明实施例的用于脉冲堆积恢复的信号处理方法的性能的图示；

图20是假定5μs死时间的作为针对图17的伽马射线照相机而计算的输入计数率的函数的吞吐量计数率的图示，以及所计算的本发明实施例的用于脉冲堆积恢复的信号处理方法的性能的图示；

图21是根据本发明的实施例的计算机断层摄影术(CT)X射线机器的示意性横截面图；

图22a是在图21的CT X射线机器中使用的检测器的示意图；

图22b是图22a的检测器的检测器元件的示意图，其描绘9、16和25个像素的阵列大小；

图23是由在图21的CT X射线机器中使用的检测器产生的电信号模型的图示；

图24是从CT X射线机器的检测器中的单个检测器像素而计算的根据本发明的实施例的用于脉冲堆积恢复的信号处理方法的输出计数率性能的图示；以及

图25是在一个输入计数率范围上计算的根据本发明的实施例的用于脉冲堆积恢复的信号处理方法的能量分辨率性能的图示。

具体实施方式

图1是根据本发明的实施例的PET装置10的示意图，示出有要被成像的对象12。该装置10包括：检测器环14，其包括多个检测器模块16(包括示例性检测器模块18a、18b)；用于接收检测器模块16的输出的数据电缆(包括对应于该检测器模块18a、18b的示例性数据电缆20a、20b)。该装置10还包括被配置成从该数据电缆接收数据并且执行下述数据分析的数据捕获和分析模块22。

应该认识到，该数据捕获和分析模块22可以包括被配置成如下述那样收集数据并分析该数据的计算设备或者多个部件(例如用于执行这些功能的数据收集设备和不同数据分析设备)。在后者的情况下，每个这样的数据收集和数据分析设备可以包括计算设备。在这两种情况下，数据捕获和分析模块22包括显示器。在本实施例中，数据捕获和分析模块22包括带有显示器24的计算机。

数据捕获和分析模块22包括信号处理单元，其包括两个部分：(1)模拟到数字转换器，其产生对应于检测器单元的模拟输出的数字输出，以及(2)处理单元，其实施根据本发明的数字信号处理(DSP)例程。

图2a是检测器模块16的示意图，其中在该图中辐射感应面指向下。检测器模块16包括八个检测器单元26的组群，在图2b中示意性地示出其示例。检测器单元26包括耦合到光电倍增管(PMT)组件32的晶体块30；PMT组件32具有四个阳极34，可以在所述阳极34处收集输出信号。

图2c是检测器单元26的部分分解示意图，在其中示出晶体块30和PMT 32。晶体块30具有38×38mm的正面36，以及30mm的深度；晶体块30包括6×6网格的单个BGO晶体38。

图2d是检测器单元26的更详细的分解图，包括晶体块30和PMT组件32。PMT组件32包括两个PMT 40。晶体块30的正面36和侧面覆盖有光密封带42，并且正面36另外被薄塑料密封保护板44遮蔽。

如上文所解释的那样，PET装置10被操作为符合检测器。参照图1，当伽马射线46a被例如检测器模块18a检测到时，如果同时(在某一预先限定的Δt内)另一伽马射线46b被在要成像的对象部分对面的另一检测器模块(在该示例中是检测器模块18b)检测到，则装置10仅将检测作为一件感兴趣的事件而记录。此外，两个伽马射线必须由电子/正电子湮没事件产生，以使得每个都具有511keV±ΔE的能量，其中ΔE通常为10％或者～50keV。如果Δt和ΔE二者都被最小化，则分辨率被优化并且背景被最小化，但是这样做会降低计数率。因此，从检测器模块16的输出端提取同样多的可用数据很重要，并且由此最小化脉冲堆积。下面描述装置10的数据捕获和分析模块22为了降低脉冲堆积的影响而使用的技术。然而，预计可以实现显著降低因脉冲堆积而产生的损坏数据，以使得可以在不显著损失分辨率或增加背景的情况下降低Δt和ΔE中的任一个或这二者(在前面的情况下本发明提供了改进的时间标记)。此外，预计降低因脉冲堆积而产生的损坏时间可以允许降低扫描时间或降低放射性示踪物剂量，因为可以从较少输入数据中提取相同的可用数据。

此外，本发明期望允许检测器环14在直径上更小(因为装置10可以在不显著损失可用数据的情况下适应较高的计数率)或者在直径上更大(因为装置10拒绝因脉冲堆积而引起的较少事件，所以仍收集足够的事件甚至利用更大的源到检测器的距离)。

在本发明技术的不符合应用(例如SPECT)中也期望相当大的益处。

当在检测器环14内发射伽马射线并且该伽马射线被入射到一个检测器模块16上时，它进入检测器单元26并且其能量从伽马射线转移给晶体38内的电子。一发射紫外光子，电子就会损失其能量，从而使晶体内的电子升级到激发态。一发射紫外光子，电子就衰变到较低的能态。前面提到的紫外光子穿过光学窗到PMT40的光电阴极，在那里它们被转换成光电子并且随后在到达PMT 40的阳极34之前被电子倍增器倍增。机载预放大器可以提供其他倍增级。以这种方式，在检测器模块16的检测器输出终端处给出其幅度与入射伽马射线的能量成正比的电信号。还应该认识到，检测器可以另外包括位于PMT组件32的侧面附近并且向PMT组件32的前面延伸足够远以包围一部分BGO晶体38的镍铁高导磁合金磁屏蔽。

这种闪烁检测器具有高效率，也就是说表现出检测到入射伽马射线的概率高。然而，它们还表现相对较长的检测器响应时间。该检测器响应时间是通过检测器检测入射伽马射线并且返回到可以精确检测下一入射伽马射线的状态所需的时间。因此具有长检测器响应时间的辐射检测器易于脉冲堆积。也就是说，作为代替，理论上由完全离散的脉冲(每个对应于单个伽马射线的入射)组成的输出表现其中单个脉冲可以重叠的波形，使得它们难以表征。

图3a、3b和3c图示脉冲堆积的效果，并且示出被描绘为能量E与时间t(二者都以任意的单位)的关系曲线的说明性信号或脉冲。图3a图示所谓的“尾端堆积”，其中根据所使用的脉冲调节类型，一个脉冲51的尾部50可以在所示示例中为后续脉冲52的幅度提供显著的正偏置或负偏置。尽管当与绝大多数脉冲的总时间间隔相比时，两个脉冲之间的时间位移Δt相对较大，但是信号包络或结果得到的波形54在第二脉冲52到达时显著在零之上。

在两个脉冲之间缺少真正的零信号状态损坏脉冲特征，因为第二脉冲的幅度被第一脉冲的尾部错误地扩大。图3b图示脉冲堆积的另一形式，“峰值堆积”。此时两个脉冲56和58在时间上间隔紧密地到达，即与绝大多数脉冲的整个时间间隔相比这两个脉冲之间的时间位移Δt小。结果得到的输出波形60出现差不多单个脉冲，其某一部分的幅度比任一个分量脉冲都大。在伽马射线通过检测器的通量达到极端的情况下，在检测器的响应时间内到达的多个事件导致多个堆积事件很普遍。在图3c中图示出这种情况。多个信号或脉冲(例如在62处示出的那些)以随机时间间隔Δt达到并且求和以产生结果得到的波形64，从其中难以提取出分量信号的参数。

根据该实施例解决脉冲堆积的方法的一个部分是估计信号或脉冲的某些参数；这些参数是在检测器数据流中的所有伽马射线的数目、到达时间和能量。根据该实施例，通过从数学上为数据流中的信号建模来估计这些参数。在该实施例中使用的模型包括如下文所讨论的关于数据和装置的某些假设。

图4是图示辐射检测过程的建模的图。辐射g(t)70入射到由测量过程m(t)表示的检测器72上，从而从检测器y(t)74产生输出数据。添加样本过程76产生数字检测器数据或“时间序列”x[n]78。

有可能将关于辐射检测的物理处理的一些知识添加到上述模型。图5图示在图4中示出的检测过程的更详细的数学模型。检测器的输入g(t)由等式1表征，其中假设输入g(t)是未知数目(N)个随机幅度(α)和到达时间(τ)的德耳塔函数状的脉冲。在80处示出这种输入的说明性示例。

\begin{matrix} g (t) = Σ_{i = 1}^{N} α_{i} δ (t - τ_{i}) & i = 1,2,3, . . ., N . - - - (1) \end{matrix}

假设辐射检测器具有在82处示出的对输入辐射的特定响应，被称为检测器脉冲响应d(t)(或等效地，数据中信号的信号形式)。检测器脉冲响应(即信号形式)的数字化版本被表示为d[n]。

在86处示出来自检测器的输出，并且由等式2表征，其中检测器输出y(t)是具有未知能量(α)和未知到达时间(τ)的预定信号形式d(t)的未知数目个信号的和。也考虑了随机噪声ω(t)84的源。数字检测器数据x[n]88由模拟到数字转换器76产生。

\begin{matrix} y (t) = Σ_{i = 1}^{N} α_{i} d (t - τ_{i}) + ω (t) & i = 1,2,3, . . ., N . - - - (2) \end{matrix}

因此，由下式给出在88处示出的模拟到数字转换器76的输出端处的数字化信号x[n](其由数据的时间序列组成)：

x [n] = Σ_{i = 1}^{N} α_{i} d [n - Δ_{i}] + ω [n], - - - (3)

其中d[n]是信号形式d(t)的离散时间形式，Δi是对第i个信号的样本的延迟，并且ω[n]是噪声的离散时间形式。还可以将数字化信号x[n]写成矩阵形式：

x＝Aα+ω， (4)

其中A是MxN矩阵，其元素(entry)由下式给出：

而且，T是样本中d[n]的长度，M是数字化信号x[n]中样本的总数，α是N个信号能量的矢量，并且ω是长度M的噪声矢量。矩阵A还可以被描绘为下式：

因此，矩阵A的列包含多个信号形式版本。对于每个单独的列，信号形式的起点由信号的时间位置限定。例如，如果数据中的信号到达位置2、40、78和125处，则矩阵A的第一列将在第一行中为“0”，在第二行中为信号形式的第一数据点，在第三行中为信号的第二数据点，等等。第二列第1行一直到第39行都为“0”，之后是信号形式。第三列第1行一直到第77行都为“0”；第四列第1行一直到第124行都为“0”，并且然后是信号形式。因此矩阵A的大小由所识别信号的数目(其变成列的数目)确定，而行数取决于时间序列中样本的数目。

因此该实施例的信号处理方法努力提供对检测器数据的某些未知参数的精确估计，不仅包括检测器输出中分量信号(N)的数目而且还包括每个分量信号的能量(α)和到达时间(τ)。

信号处理方法

图6是图1的数据捕获和分析模块22的功能元件和检测器模块16的示意图，并且提供图6来更详细地解释图1的装置所使用的用于脉冲堆积恢复的信号处理方法。参照图6，检测器模块16经由模拟前端(AFE 94)连接到脉冲处理板92。在该实施例中，AFE 94的目的是通过以125MHz以及12比特的转换精度执行模拟到数字转换来数字化由检测器模块16产生的信号。

图7a、7b和7c分别在1000微秒、100微秒和10微秒的时间范围上图示由这样的数字化产生的波形。在这些图中的各种峰值对应于各自伽马射线的检测。某些峰值以离散信号或脉冲110、112的形式出现，它们可以指示仅存在单个伽马射线。其它峰值归因于两个峰值116或三个或更多峰值114的堆积。

在检测器模块16的输出已被AFE 94数字化之后，实施用于脉冲堆积恢复的信号处理方法。再次参照图6，由AFE 94产生的数字信号被传递到脉冲处理现场可编程门阵列(FPGA)96中。脉冲处理FPGA(96)然后实施该实施例的脉冲处理方法；数字信号处理协处理器98可以可选地用于协助脉冲处理FPGA 96来实施脉冲处理方法。可选地，将由脉冲处理FPGA 96需要的变量和在脉冲处理方法的中间步骤处产生的数据存储在存储器100中。经由数据/控制接口102来控制信号处理，该数据/控制接口102结合控制处理器104可以被用来修改信号处理的实施方式。可以经由数据/控制接口102将来自信号处理方法的输出数据显示在显示器106上。显示器106被提供在计算机中，如果需要，其可以用来执行后处理和系统控制。

图8是用于该实施例的检测器时间序列中的辐射信号的脉冲堆积的信号处理方法的示意图。数字化检测器信号(来自AFE 94)形成该信号处理方法的输入120。脱机系统特征化122被用来确定特定数字化检测器信号所特有的检测器脉冲响应。在信号特征化阶段122中生成的特征化数据被用于脉冲定位阶段124。脉冲定位阶段124实时估计数字化检测器信号内辐射脉冲的数目和时间位置(或到达时间)。在脉冲识别阶段126中，数字化检测器信号、检测器脉冲响应和来自脉冲定位阶段124的输出被用来确定信号或脉冲的能量。验证128包括将脉冲识别阶段126的输出与数字化检测器信号120相比较。如果该比较指示任何脉冲参数已被不精确地估计，则拒绝那些参数，以使得仅输出130有效数据。在验证阶段128中生成的误差信号也被用于系统特征化122中。在其中检测器脉冲响应可以随着时间改变的情况下，例如因为部件的老化、温度变化或增加的辐射通量而改变，系统特征化122联机并且自适应地通过使用误差信号来更新检测器脉冲响应。可以利用任何合适的自适应方法来执行检测器脉冲响应的这种更新，例如如S.Haykin描述的最小均方自适应、归一化最小均方自适应或递归最小二乘自适应[Adaptive Filter Theory，4th Ed，Prentice Hall，2002]。

图9是该实施例的信号处理方法的流程图。在步骤140处，执行校准。这包括数据规格化或调节142、数据选择和拟合144以及最优滤波器构造146。在数据规格化142中，从数据文件加载以低输入辐射通量记录的校准数据信号，检查这些校准数据的完整性并且移除数据基线中的任何偏置。数据选择和拟合144包括仅选择对应于单个辐射事件的检测的数据并且构造基于数据的检测器脉冲响应模型。然后，通过将合适的函数与该数据拟合来获得该模型的函数形式，例如多项式、指数或样条函数。这产生预期的检测器d[n]脉冲响应。最优滤波器构造146使用该检测器脉冲响应来为检测器构造合适的滤波器，例如逆滤波器或匹配的滤波器。

在步骤150处，获取数据，但是该数据可能受到显著脉冲堆积的影响。该数据可以是来自文件或者直接来自检测器元件16的输入152。

在步骤160处，应用信号处理例程以确时序间序列中的信号的幅度和时序参数。首先，数据被调节162以移除数据基线中的任何偏置。接着，利用在步骤146中得到的滤波器来对检测器数据进行卷积164以提供脉冲数目(N)和到达时间参数(τ)的最初估计。然后使用合适的峰值检测过程来进一步改善脉冲数目的估计和时序参数166，并且根据τ、N和检测器脉冲响应d[n]来确定能量参数(α)(例如通过线性编程、矩阵反演或卷积技术)。最后，根据数目(N)、能量(α)、时序(Δi)以及检测器脉冲响应(d[n])来完成对检测器数据流的估计168。

可以使用用于处理这种等式系统的合适方法(例如由G.H.Golub和C.F.Van Loan的[Matrix Computations，2nd Ed，Johns Hopkins University Press，1989]所述的那些之一)通过线性编程或通过求解在等式4中限定的线性等式系统来确定参数矢量(α)。

在步骤(170)处，参照上述内容来执行验证阶段128，在该实施例中，其可以被称为误差检验，因为验证包括确定为对应于每个信号i的样本集合连续计算的误差信号e[n]，其中1＜i＜N(N是数据流中信号的总数)。通过确定172时间序列数据x[n]和基于模型的数据流(来自步骤168的)的方差来计算该误差信号；因此e[n]是x[n]和之间的方差，如等式6所给出的那样。

e [n] = {(x [n] - \hat{x} [n])}^{2} - - - (6)

如果e[n]超过预定阈值，则拒绝这些参数174，因为该条件指示信号参数没有产生令人满意地符合该信号(即足够精确)的相应信号的模型；认为有关信号构成损坏数据并且其被从进一步光谱分析中排除。可以根据数据以及期望该数据建模成的接近程度来改变阈值，因此，一般来说在任何特定应用中，选择阈值验证和限定方法来反应该应用的需求。

该阈值的一个示例是乘以合适的因子(例如0.05)的信号能量α_i。在该示例中，当满足下式时，验证将认为模型可接受地符合构成信号i的数据，

e[n]＜0.05α_i (7)

可以通过以任何其他合适的方式限定误差信号和阈值来执行验证。例如，误差信号可以被设置为误差的绝对值。阈值可以被限定为信号幅度的不同于0.05的倍数。另一阈值包括噪声标准差的数目。

减小阈值(例如通过减小等式7中α_i的系数)能够以较低吞吐量实现改进的能量分辨率，而增加阈值能够以降低的能量分辨率实现改进的吞吐量。

在步骤180处，做出是否存在足够数据的判定。如果不是，处理在步骤150处继续。否则方法进行到步骤190。在步骤190处，创建伽马射线能量光谱。以直方图的形式表示192在步骤166处确定的伽马能量参数(在步骤174处认为它们足够精确)。这是在其上可执行光谱分析的伽马射线能量光谱。

信号处理方法的结果

图10a、10b和10c是针对利用闪烁伽马射线检测器而收集的数字化数据而进行在上文中参照图8和图9所述的数字信号处理方法的各个处理阶段的结果的图示。模拟到数字转换器以125MHz和12比特精度来数字化检测器数据流；使用的伽马射线源是具有661.7keV的一次伽马射线发射的137Cs源。

闪烁检测器使用由检测器/辐射相互作用来生成的光以检测并测量入射辐射。闪烁检测器可以包括有机物闪烁器或无机物闪烁器。有机物闪烁器包括有机晶体闪烁器和液态有机溶液(其中闪烁材料已被溶解以形成液体闪烁器，然后其可以被塑化以形成塑料闪烁器。无机闪烁器包括晶体闪烁器(例如NaI(Tl)，BGO，CsI(Tl)以及许多其他材料)，并且光电开关检测器(在其中两个或更多不同闪烁器被光耦合到公用PMT以开发不同衰变时间的闪烁器，从而确定在哪出现辐射/检测相互作用)。

在该示例中，检测器包括76mm×76mm的NaI(Tl)伽马射线闪烁检测器。图10a是被描绘为能量E(keV)与时间t(μs)的关系曲线的在信号处理方法处理之前的一部分数字化检测器数据200的图示，还一起绘制了根据分量信号的时间位置和能量的信号处理方法的结果(例如在210处)。例如，在原始数字化检测器数据200中的大约75.8μs处所表现的单个峰值220已被分解成分别在75.3和75.7μs处的两个不同信号222、224。

有可能根据所确定的信号的时间位置、能量和形式来生成检测器数据的模型。图10b是被显示为能量E(keV)与时间t(μs)的关系曲线的在图10a中示出的那部分数字化检测器数据流200的结果得到的数据模型230的图示。还示出了包括检测器数据200和数据模型230之间的方差的图示的倒置误差图示240，并且其指示模型230中的误差。在模型230已精确追踪到检测器输出的地方误差信号很小，但是当在检测器数据的模型230和检测器数据200本身之间存在不一致时误差会变大。基于误差信号240，可以关于是接受还是拒绝由信号处理方法估计的信号参数来做出判定。

图10c是由信号处理方法产生的被示出为对数-线性图示的伽马射线能量光谱250。以直方图绘制已被接受的能量参数，其中水平轴表示相应盒(bin)中每个信号的能量E(keV)，并且垂直轴表示确定已在收集时段(在该示例中为1s)中检测到的该能量的计数N的数目。

图11是使用碘化钠NaI(Tl)伽马射线检测器收集的示例性伽马射线能量光谱的图示。在图11中示出的伽马射线能量光谱以一系列计数率表明用于脉冲堆积恢复的信号处理方法的性能。使用耦合到检测器基底(模型号2007)的76mm×76mm堪培拉牌NaI(Tl)伽马射线检测器(模型号802)来收集实验数据；并且没有使用前置放大器。信号处理硬件经由65MHz、14比特模拟到数字转换器连接到检测器基部的倍增器电极输出端。

用准直伽马射线束辐射NaI(Tl)晶体，这确保用基本平行的伽马射线束照射检测器的中心部分；束直径是50mm。

使用0.37GBq和3.7GBq的两个137Cs伽马射线源和三个校准的铝透视滤波器来在检测器面上获得一系列伽马射线通量。在数据收集期间检测器到源的距离保持恒定。

参照图11，分别以529kHz、230kHz、167kHz、124kHz、67kHz和9kHz的计数率来收集光谱260、262、264、266、268和270。如所期望的那样，随着计数率的增加，利用该装置收集并利用该实施例的方法处理的数据的能量分辨率会变坏。发现以峰值能量(即661.7keV)的百分比表示的峰值的半高全宽(FWHM)分别是9.6％、7.3％、7.1％、6.9％、6.7％和6.7％。针对9kHz到230kHz的计数率，在661.7keV处的137Cs伽马射线能量峰值的能量分辨率保持小于7.5％；也就是说，尽管NaI(Tl)检测器的计数率具有多于25倍的增加，但是在661.7keV处的能量分辨率降级小于0.5％。

还在图12和图13中图示了该实施例的信号处理方法的性能。这两幅图都是根据计算机模拟的结果而生成的，其中可以精确地控制输入计数率，因此使得能够考虑非常大范围的输入计数率。图12是信号处理方法的吞吐量(即精确检测的那部分输入计数率)相对于从0.1MHz到2.5MHz的输入计数率的对数-对数图示。用虚线示出理想极限(即吞吐量等于输入的地方)。该图示表明，在非常大的输入计数率范围上，信号处理方法的吞吐量保持大于或等于90％。

图13是与图12相当的线性-对数图示，但是其中相对于从0.005MHz到10MHz的输入计数率绘制了吞吐量百分比。此外，图13包括该实施例的信号处理方法的能量分辨率和峰值位置性能的图示。137Cs峰值的能量分辨率在0MHz到2.5MHz内降级小于10％，并且在该范围内峰值位置示出非常小的变化。

图14a、14b、14c和14d还描绘将该实施例的用于脉冲堆积恢复的信号处理方法应用于76mm×76mm NaI(Tl)伽马射线检测器的输出的结果。大约14μs的数据被用来生成在这些图中绘制的数据。这些图是以任意单位的能量E相对于时间t(μs)的图示。

图14a是AFE 94的输出的图示：使用65MHz和14比特分辨率的模拟到数字转换率来将检测器的时间变化电压输出转换成数字数据。图14b是应用该方法的结果的图示。信号的时间位置(被描绘为垂直线)已被分解，分量信号的能量也被分解(被描绘为交叉号)。如上述那样使用分量信号的时间位置和能量和信号形式来确定伽马射线检测器输出的模型：在图14c中绘制结果得到的模型。

将伽马射线检测器的数字化输出与伽马射线检测器输出的模型相比较以得到在表征伽马射线检测器输出中所造成的误差的估计。在图14d中绘制该误差信号。于是，基于该误差信号，有可能确定用于信号参数估计的排除的阈值，例如可以通过信号峰值位置附近的误差或幅度来确定接受或拒绝信号能量估计的判定。

图15a、15b、15c和15d描绘将该实施例的用于脉冲堆积恢复的信号处理方法应用于利用半导体(或固态)检测器收集的数据的结果。这样的检测器使用入射辐射与半导体晶格中的电子的相互作用，以形成电子空穴对。这些检测器的示例包括高纯度锗(HPGe)检测器、硅二极管检测器、半导体漂移检测器(例如硅漂移检测器)、碲化镉(CdTe)检测器和CZT检测器。

因此，使用图1的装置，尽管其中用以堪培拉工业牌高纯度锗(HPGe)检测器的形式的检测器单元代替检测器模块16，并且具有57Co伽马射线源(其两个主伽马射线具有122.1和136.5keV的能量)而不是对象12。HPGe检测器的输出被馈送通过前置放大器，并且然后进入Ortec牌脉冲整形放大器。收集大约92μs的数据，从所述数据生成图15a、图15b、图15c和图15d中绘制的以任意单位的能量E相对于时间t(μs)的数据。图15a是AFE 94的输出的图示。检测器的时间变化电压输出以具有14比特分辨率的65MHz的模拟到数字转换率转换为数字数据。图15b是应用该方法的结果的图示。已经分解了信号的时间位置(被描绘为垂直线)，分量信号的能量也已被分解(被描绘为交叉号)。分量信号的时间位置和能量用于结合信号形式来确定处理的HPGe检测器输出的模型，在图15c中绘制该模型。

图15d是根据HPGe检测器的数字化处理的输出与该输出的模型的比较而得到的误差信号的图示。该误差信号可以再次用于确定用于信号参数估计的排除的阈值。

图16a、图16b、图16c和图16d描绘将该实施例的用于脉冲堆积恢复的信号处理方法应用于用于检测X射线的气体比例检测器的输出的结果。气体比例检测器是其行为类似于固态检测器的行为的一类检测器。气体比例检测器依赖于腔中辐射与气体的相互作用。在轴向导线与腔壁之间在腔中创建电场。穿过气体的辐射使得气体电离，这产生电子，然后电子由于所述电场被收集在导线上，并且作为检测器数据被输出。

因此，使用图1的装置10的简化形式，其中用以氙气体比例检测器的形式的检测器代替检测器16，并且具有X射线衍射装置中的X射线发生器而不是对象12。大约300μs的数据被用于生成在图16a、图16b、图16c和图16d中绘制的数据，该数据描绘相对于时间t(μs)的任意单位的能量E。与之前示例的数据收集时段相比，由于氙气体比例检测器的相对长的衰变时间(50μs或更长的量级)，使用了显著更长的数据收集时段。为此，也降低了AFE 94的采样率。

图16a是AFE 94的输出的图示；在该示例中，使用15MHz和14比特分辨率的模拟到数字转换率来将检测器的时间变化电压输出转换为数字数据。图16b是应用该方法的结果的图示。已经分解了X射线信号的时间位置(被描绘为垂直线)，分量信号的能量也已被分解(被描绘为交叉号)。如上所述，分量信号的时间位置和能量用于结合信号形式来确定氙气体比例检测器输出的模型：在图16c中绘制结果得到的模型。

将氙气体比例检测器的数字化输出与氙气体比例检测器输出的模型相比较，以得到在表征氙气体比例检测器输出中所造成的误差的估计。在图16d中绘制该误差信号。然后该误差信号可以用来确定用于信号参数估计的排除的阈值，例如，可以通过信号峰值的位置附近的误差或幅度来确定接受或拒绝信号能量的估计的判定。

多个信号形式

对于一些检测器类型，例如大体积固态检测器，给定信号的形式可以是多个可能信号形式之一。这可能是检测器类型所固有的，或者归因于温度或其它测量特定因素。

例如，CsI(TI)检测器是闪烁检测器，其依赖于正在检测中子还是伽马射线，表现两种不同的信号形式。固态辐射检测器可以表现时变的信号形式，即使当仅检测一个形式的辐射时也是如此；例如，大体积高纯度锗(HPGe)检测器可以产生这样的输出信号，该输出信号的形式取决于辐射和检测器之间的相互作用的具体地点。辐射与HPGe检测器的锗晶体的相互作用产生大量电子空穴对；辐射感生的电荷由电子和空穴两者携带。然而，电子和空穴以不同的速度行经HPGe检测器，所以由电子产生的电荷脉冲通常具有与由空穴产生的电荷脉冲不同的形式。因此，由检测器产生的脉冲(由电子和空穴两者携带的电荷的总和)具有依赖于相互作用的位置的形式。

因此，多个信号形式是这些变化的物理机制的结果。各自的信号形式可以被表示为d₁[n]、d₂[n]、…、d_Q[n]，其中Q是可以由特定检测器类型生成的不同信号形式的总数。以与表征具有单个信号形式的数据的信号形式相同的方式表征每个可能的信号形式。然而，对于多个信号形式，校准处理必须延伸合适的时间长度，以确保已经识别和表征所有可能的信号形式；一旦已经识别数据流中每个信号的形式，就可以执行包括时间位置和信号能量的信号参数的估计。为了正确地估计这些信号参数，可以使用(用于具有单个信号形式的数据的)上述方法的多个可能扩展。

1.通过将数据流中的所有信号视为，例如与第一信号(即d₁[n])具有相同形式，可以为数据流中的每个信号估计包括信号时间位置和信号能量的信号参数。在验证阶段拒绝没有可接受地符合信号形式d₁[n]的那些信号的参数；从数据流中减去这样的信号，已经对于所述信号成功地估计参数，并且因此可接受地符合信号形式d₁[n]。对于d₂[n]直到d_Q[n]连续重复该过程，其中在每个阶段为具有在该阶段使用的信号形式的信号估计信号参数。在每个阶段，用在迭代p中重复使用信号形式d_p[n]构造的矩阵A来求解矩阵等式4。在过程的结束，拒绝因为没有可接受地符合多个信号形式中的任何一种而没有通过多个信号形式中的任何一种的验证阶段的那些信号。

2.在第一方法的一种变形中，为每个信号形式依次估计信号参数，但是不在每个阶段减去信号估计。替代地，估计的信号被用于最终信号验证阶段，以确定提供对数据流的最优总体估计的信号形式和信号参数。这考虑到当信号实际上具有还没有用于估计信号参数的形式时，没有正确地估计该信号具有一种形式的可能性。

3.在第一方法的另一种变形中，有可能将每个信号形式d_p[n]建模为两个信号形式(为了方便被称为d₁[n]和d₂[n])的线性组合。因此，第p信号形式d_p[n]被建模为：

d_p[n]＝(a.d₁[n]+b.d₂[n]) (8)

其中a和b是未知常数，如果需要可以直接从该等式确定a和b。为了求解在此情况下的矩阵等式，将矩阵等式扩展为：

其中使用等式5分别根据信号形式d₁[n]和d₂[n]形成子矩阵A₁和A₂。未知信号能量的矢量α已经被重新定义为由矢量γ和β构成，以使得信号i的实际信号形式的能量可以被估计为α_i＝γ_i+β_i。使用与用于求解之前的矩阵等式(等式4)的那些方法相同的方法来求解新的线性等式系统。应该注意，该方法考虑到信号形式可能是来自可以被表示为两个信号形式d₁[n]和d₂[n]的线性组合的可能信号形式的连续体的可能性。

因此，该方法允许表示实际上不限数目的信号形式。

4.在方法3的另一种变形中，将多个信号形式的每个信号形式分解为正好两个信号形式的线性组合的过程可被扩展到一般情况，其中多个信号形式可以分解为任意数目的信号形式的线性组合。矩阵A和信号能量矢量α相应地增大。

示例

在单光子发射计算机断层摄影术(SPECT)中，将放射性示踪物(例如具有140.5keV伽马射线发射和6.01h半衰期的锝99m(Tc99m))注入到病人中；在使得示踪物扩散的合适延迟之后，利用伽马射线照相机来成像示踪物在病人身体内的分布。

伽马照相机围绕病人旋转，并且从不同的角度来得到病人的多个2D视图(投影)。然后，使用计算机来将这些单独的2D投影构造成3D图像。特定照相机和放射性同位素设置将根据照相机和应用而改变。然而，对于骨骼扫描的特定捕获协议可以因为照相机围绕病人旋转360而指定1200MBq的(Tc99m)示踪物的120个不同2D投影，并且每个投影的收集时间是20s。因此针对该扫描所需的总时间是40分钟，或者利用具有两个磁头的伽马射线照相机，为大约20分钟。将会容易地认识到，在扫描期间不使病人移动非常重要，因为这样的移动将造成最终3D图像的明显降级。

图17是背景技术的这种伽马射线照相机280的示意性横截面图。图18是照相机280的示意性正面图。照相机280包括闪烁材料的单个大晶体282(在该示例中为碘化钠(NaI))以及光电倍增管286的8×8阵列284。光电倍增管286在光学上位于晶体282之后，以检测由闪烁晶体282因为伽马射线与闪烁晶体282的相互作用而发射的闪烁；光电倍增管286将闪烁光转换成电信号。

闪烁晶体282是10mm量级的厚度，以确保所感兴趣的输入伽马射线的重要部分(在该示例中，140.5keV伽马射线)被照相机280吸收并检测。通过使检测到的光子与它们的原始点相关联来获得关于病人内的示踪物分布的空间信息；这通过为照相机280提供铅准直器而变得容易。因此，光电倍增管286输出能量信号和x、y坐标对。

SPECT系统中的死时间的重要来源是在前端电子设备中对检测事件的处理；针对基于NaI晶体系统的典型死时间是4到8μs的量级，其由从闪烁事件收集光所需的整体时间量指示。因此，整体时间越短，死时间就越低。基于这些特性(并且假设死时间为5μs)，不被脉冲堆积妨碍的输入辐射事件的百分比(即照相机280的吞吐量)被建模；在图19a和19b中分别在290a和290b处(被绘制成圆圈)示出结果得到的图示。根据图19a和19b，显然照相机280上碰撞的所有事件的大约40％将被丢失，这是因为以50kHz输入计数率的脉冲堆积(在292处示出)。

图20描绘使用相同检测器参数计算的吞吐量计数率(kHz)与输入计数率(kHz)的关系曲线；输入计数率快速达到(大约90kHz)，在该计数率处，输入事件率的任何进一步增加都不会增加检测事件的数目(参见点300)。NaI照相机280具有被假设成固定的5μs的死时间，以便输入计数率的增加使得堆积的概率变得甚至更高；这是因为当输入计数率增加时，被脉冲堆积损坏的数据必须被丢弃并且不能在SPECT照相机中使用。

图9的用于脉冲堆积恢复的信号处理方法实施例的性能已被计算，并且在图19a和19b中分别在294a和294b处被绘制为星形。在与(具有传统电子设备的)NaI检测器单独具有40％的死时间(即～50kHz)相同的输入计数率处，该实施例的脉冲堆积恢复具有大于98％的吞吐量。

这比照相机280单独的性能更好(98 60)/60＝63.3％，所以以该计数率并且对于相同检测统计进行的每个投影的单个收集时间(即停留时间)等于先前时间的60/98＝61.2％是有可能的。对于上述骨骼扫描，这总计61.2％×20s＝12.2s。保守计算，因此可以期望对于每个投影收集时间节省25％(也就是说，每个投影15s)，并且在某些应用中可能高达35％(也就是说，每个投影13s)。可以期望对总扫描时间的相应降低(尽管因为在收集之间围绕病人旋转照相机所需的时间而使时间节省稍稍变少)。

此外，设想该实施例的方法将允许以比到目前为止可能的计数率明显更高的计数率(通过增加示踪物活性或者降低病人到照相机距离)来收集这样的扫描。参考图20，在302处以星形绘制的该实施例的方法的效率在高达500kHz的输入计数率处仍约为93％。因此，应该有可能使计数率加倍，从先前所讨论的50kHz到100kHz，仍实现大于95％的吞吐量(从50kHz处吞吐量的适度下降)。因此，应该允许对每个投影的收集时间近似进一步减半为12.2x0.5(98/95)＝～6.3s。忽略旋转时间，这意味着在上述场景中，对于单磁头SPECT照相机总扫描时间为6.3x120≈12.6min，或者对于具有两个磁头的SPECT照相机总扫描时间为6.3min。

示例

X射线计算机断层摄影术是一种是用计算机来将多个2D图像(投影)一起缝合成3D图像的医学成像技术。图21是根据本发明的实施例的CT机器304的示意图。CT机器304包括：以X射线发生器306的形式的X射线源，以产生X射线的扇形束308；以及位于机器远离源306的相对侧上的X射线检测器310，用于检测来自X射线发生器306的已与对象312相互作用(被示出为躺着的病人)的X射线。在使用中，通过使用用于产生X射线308的X射线发生器306和用于检测X射线的X射线检测器310来生成投影。围绕对象旋转X射线发生器306和检测器310二者，同时保持它们的相对位置。

图22a是CT机器304的检测器310的示例性检测器314的示意图。为了同时捕获多个片段(或投影)可能在一个CT机器中使用多个检测器。图22b描绘检测器314的检测器元件316a、316b、316c；在该实施例中，检测器元件316a、316b、316c在1mm的正方形和10mm的正方形之间并且包括多个像素。根据应用，CT机器304可以具有每个都包括9像素阵列316a、16像素阵列316b或25像素阵列316c的检测器元件。可以由各种各样的材料来制成在CT X射线机器中使用的检测器元件；它们可以是基于闪烁的X射线检测器(例如碘化铯(CsI)等等的闪烁器)，用半导体辐射检测器材料(例如碲锌镉(CZT)、高纯度锗(HPGe)、硅漂移检测器(SDD))或另一种半导体检测器材料来构造在CT X射线机器中使用的检测器元件。

图23描绘了来自检测器元件316a、316b、316c的单个像素的典型电输出。核衰变脉冲320具有大约75ns的上升时间以及750ns量级的脉冲持续时间。该脉冲上的噪声级处于峰值幅度的±2％量级，并且能量处于从10keV到大约130keV的范围内。在现代X射线CT机器中期望的X射线通量可以高达对于检测器的每mm²一亿个X射线事件。如果检测器元件具有25个像素(参考图22的元件316c)，则通过任何给定像素的事件率将是4MHz量级；如果检测器元件具有16个像素(参考图22的元件316b)，则通过任何给定像素的事件率将是6.25MHz量级；如果检测器元件具有9个像素(参考图22的元件316a)，则通过任何给定像素的事件率将是11MHz量级。

图24是使用在图23中描绘的脉冲特性而计算的吞吐量计数率(MHz)与输入计数率(MHz)的关系曲线的图示。通过(基于参考图9所述的)该实施例的用于脉冲堆积恢复的信号处理方法的验证阶段的所有事件被绘制为圆圈；用交叉号324绘制被检测但是未能通过验证阶段(即被认为是没有被足够精确地估计)的那些事件。可以看出，在12MHz的输入计数率处，该实施例的堆积恢复算法能够精确地恢复所有事件的大约65％(参见点326)。在较低的输入计数率处，例如在其中输入计数率是4MHz的点328处，被精确地恢复事件的百分比是输入计数率的大约80％。

图25描绘脉冲堆积恢复算法以一系列输入计数率0.1MHz、1MHz、3MHz、6MHz、9MHz和12MHz产生的能量光谱。在能量光谱中可以清楚地看到两个能量峰值，在能量信道18处的高能量峰值330和在能量信道6处的低能量峰值340。尽管输入计数率的范围宽(从0.1MHz到12MHz)，但是该实施例的用于脉冲堆积恢复的信号处理方法能够精确地检测输入辐射。

本发明的范围内的修改可以容易地由本领域的技术人员实现。因此，要理解的是本发明不限于以上通过示例的方式描述的特定实施例。

在所附权利要求和本发明之前的描述中，除了上下文由于表述语言或需要的暗示而另外要求的地方外，词语“包括(comprise)”或其变体(诸如“包括(comprises)”或“包括(comprising)”)以包含的含义使用，即，指定陈述的特征的存在，但是不排除本发明的各种实施例中的进一步的特征的存在或添加。

此外，在此对于现有技术的任何引用不意在暗示这样的现有技术形成或已形成公知常识的一部分。

Claims

1.一种成像方法，包括：

通过(i)确定所述数据中存在的信号的信号形式，(ii)进行所述信号的一个或多个参数的参数估计，其中所述一个或多个参数至少包括信号时间位置，以及(iii)至少根据所述信号形式和所述参数估计确定所述信号中的每个信号的能量，来分解检测器输出数据中的单个信号；

2.如权利要求1所述的方法，其中所述单个信号的分解包括：

3.如权利要求1所述的方法，包括使扫描时间或示踪物剂量降低5％到30％。

4.如权利要求1所述的方法，包括根据另一辐射检测器的输出来选通检测器输出数据。

5.如权利要求1所述的方法，包括根据处于符合模式的另一辐射检测器的输出来选通检测器输出数据。

6.如权利要求1所述的方法，包括医学成像方法。

7.如权利要求1所述的方法，包括断层摄影术。

8.如权利要求1所述的方法，包括PET断层摄影术。

9.如权利要求1所述的方法，其中使用所述单个信号的分解使每个图像或投影的扫描时间降低25％或更多。

10.如权利要求1所述的方法，其中使用所述单个信号的分解使每个图像或投影的扫描时间降低35％或更多。

11.如权利要求1所述的方法，其特征在于，所述辐射检测器上100kHz或更大的感兴趣的伽马射线的入射通量。

12.如权利要求1所述的方法，其特征在于，对于50kHz的输入计数率的大于90％的数据吞吐量。

13.如权利要求1所述的方法，其特征在于，对于25kHz和250kHz之间的输入计数率的大于90％的数据吞吐量。

14.如权利要求1所述的方法，其特征在于，对于25kHz的输入计数率的大于95％的数据吞吐量。

15.如权利要求1所述的方法，其特征在于，对于25kHz和100kHz之间的输入计数率的大于95％的数据吞吐量。

16.如权利要求1所述的方法，其特征在于，对于250kHz的输入计数率的大于80％的数据吞吐量。

17.如权利要求1所述的方法，其特征在于，对于250kHz和2500kHz之间的输入计数率的大于50％的数据吞吐量。

18.如权利要求1所述的方法，包括使用SPECT照相机和不多于15s的每个投影或图像的扫描时间。

19.如权利要求1所述的方法，包括使用SPECT照相机和不多于13s的每个投影或图像的扫描时间。

20.一种成像装置，包括：

处理器，用于以数字化形式接收检测器数据，并且被编程为确定数据中存在的信号中的每个信号的信号形式，进行信号的一个或多个参数的参数估计，并且至少根据信号形式和参数估计确定信号中每个信号的能量，其中所述一个或多个参数至少包括信号时间位置；

21.如权利要求20所述的装置，其中所述处理器被编程为以数字时间序列的形式获得所述检测器输出数据，并且基于数字时间序列形成数学模型，并且作为至少信号形式、所述信号的时间位置和所述信号的幅度的函数；

22.如权利要求20所述的装置，包括多个相当的辐射检测器，其中所述装置被配置成根据任何一个或多个其他检测器的检测器数据来选通任何一个或多个检测器的检测器数据。

23.如权利要求20所述的装置，包括多个相当的辐射检测器，其中所述装置被配置成根据处于符合模式的任何一个或多个其他检测器的检测器数据来选通任何一个或多个检测器的检测器数据。

24.如权利要求20所述的装置，包括医学成像装置。

25.如权利要求20所述的装置，包括断层摄影装置。

26.如权利要求20所述的装置，包括PET装置。

27.如权利要求20所述的装置，其中使用所述处理器使每个图像或投影的扫描时间降低25％或更多。

28.如权利要求20所述的装置，其中使用所述处理器使每个图像或投影的扫描时间降低35％或更多。

29.一种成像方法，包括：

通过(i)获得或表示检测器输出数据以作为数字序列，(ii)获得或确定数据中存在的信号的信号形式，(iii)通过根据数学变换来变换信号形式，形成变换的信号形式，(iv)通过根据数学变换来变换数字序列，形成变换的序列，所述变换的序列包括变换的信号，(v)估计至少变换的序列和变换的信号形式的函数，从而提供函数输出，(vi)根据模型对函数输出进行建模，(vii)基于该模型确定该函数输出的至少一个参数，以及(viii)根据该函数输出的所述至少一个确定的参数确定信号的参数，来分解检测器输出数据中的单个信号；

30.一种成像装置，包括：

处理器，用于接收作为数字序列的数据，并且被编程为(i)获得或确定数据中存在的信号的信号形式，(ii)通过根据数学变换来变换信号形式，形成变换的信号形式，(iii)通过根据数学变换来变换数字序列，形成变换的序列，所述变换的序列包括变换的信号，(iv)估计至少变换的序列和变换的信号形式的函数，从而提供函数输出，(v)根据模型对函数输出进行建模，(vi)基于该模型确定该函数输出的至少一个参数，以及(vii)根据该函数输出的所述至少一个确定的参数来确定信号的参数；

31.一种成像方法，包括：