CN110446946A - 散射估计方法、散射估计程序以及搭载有该散射估计程序的正电子ct装置 - Google Patents

散射估计方法、散射估计程序以及搭载有该散射估计程序的正电子ct装置 Download PDF

Info

Publication number
CN110446946A
CN110446946A CN201780088220.6A CN201780088220A CN110446946A CN 110446946 A CN110446946 A CN 110446946A CN 201780088220 A CN201780088220 A CN 201780088220A CN 110446946 A CN110446946 A CN 110446946A
Authority
CN
China
Prior art keywords
data
tof
projection
energy window
scattering
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Withdrawn
Application number
CN201780088220.6A
Other languages
English (en)
Inventor
小林哲哉
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Hachitsu Corp
Original Assignee
Hachitsu Corp
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Hachitsu Corp filed Critical Hachitsu Corp
Publication of CN110446946A publication Critical patent/CN110446946A/zh
Withdrawn legal-status Critical Current

Links

Classifications

    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01T—MEASUREMENT OF NUCLEAR OR X-RADIATION
    • G01T1/00—Measuring X-radiation, gamma radiation, corpuscular radiation, or cosmic radiation
    • G01T1/16—Measuring radiation intensity
    • G01T1/161—Applications in the field of nuclear medicine, e.g. in vivo counting
    • G01T1/164—Scintigraphy
    • G01T1/1641—Static instruments for imaging the distribution of radioactivity in one or two dimensions using one or several scintillating elements; Radio-isotope cameras
    • G01T1/1647—Processing of scintigraphic data
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01T—MEASUREMENT OF NUCLEAR OR X-RADIATION
    • G01T1/00—Measuring X-radiation, gamma radiation, corpuscular radiation, or cosmic radiation
    • G01T1/29—Measurement performed on radiation beams, e.g. position or section of the beam; Measurement of spatial distribution of radiation
    • G01T1/2914—Measurement of spatial distribution of radiation
    • G01T1/2985—In depth localisation, e.g. using positron emitters; Tomographic imaging (longitudinal and transverse section imaging; apparatus for radiation diagnosis sequentially in different planes, steroscopic radiation diagnosis)
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T11/00—2D [Two Dimensional] image generation
    • G06T11/003—Reconstruction from projections, e.g. tomography
    • G06T11/005—Specific pre-processing for tomographic reconstruction, e.g. calibration, source positioning, rebinning, scatter correction, retrospective gating

Landscapes

  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Health & Medical Sciences (AREA)
  • Spectroscopy & Molecular Physics (AREA)
  • High Energy & Nuclear Physics (AREA)
  • Molecular Biology (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Biomedical Technology (AREA)
  • General Health & Medical Sciences (AREA)
  • Medical Informatics (AREA)
  • Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
  • Optics & Photonics (AREA)
  • Nuclear Medicine (AREA)

Abstract

在本发明的散射估计方法中，进行步骤S1(制作第一TOF投影数据)、步骤S4(non‑TOF散射估计算法)，并且进行步骤S2(制作第二TOF投影数据)、步骤S3(计算TOF方向的分配比率)，并进行步骤S5(计算TOF散射投影数据)。根据在散射线用的能量窗(低能量窗)中测量出的第二TOF投影数据求出分配比率，分配的对象是重构数据用的能量窗(普通的能量窗)中的non‑TOF散射投影数据，因此分配后的TOF散射投影数据作为重构数据用的能量窗(普通的能量窗)中的TOF散射投影数据而被近似地求出，从而能够准确地进行散射估计。

Description

散射估计方法、散射估计程序以及搭载有该散射估计程序的 正电子CT装置
技术领域
本发明涉及散射估计方法、散射估计程序以及搭载有该散射估计程序的正电子CT装置中的、用于测量到达检测器的两条湮灭放射线的检测时间差的TOF(Time Of Flight：飞行时间)测量型PET(Positron Emission Tomography：正电子发射断层摄影)的数据校正技术。
背景技术
正电子CT装置、即PET(Positron Emission Tomography)装置构成为：仅在利用多个检测器同时检测到通过正电子(Positron)的湮灭而产生的两条γ射线时(也就是仅在进行了符合计数时)，将这两条γ射线视为有效的信号来进行测量，基于测量数据来重构被检体的断层图像。具体地说，向被检体投放含有正电子放出核素的放射性药剂，利用包括多个检测器元件(例如闪烁体)组的检测器来检测从被投放了放射性药剂的被检体放出的511keV的湮灭γ射线对。而且，在利用两个检测器在固定时间内检测到γ射线的情况下设为“同时”检测到，将同时检测到的γ射线作为一对湮灭γ射线对来进行计数，还确定将检测到对湮灭发生位置的两个检测器相连接的直线(LOR：Line Of Response：响应线)。存储像这样检测到的符合计数信息并进行重构处理，从而获得正电子放出核素图像(即断层图像)。
在正电子CT(PET)中，为了对被检体内的放射性浓度进行定量测量，需要进行各种数据校正处理。代表性的校正处理有灵敏度校正、削弱校正、散射校正、随机校正、衰减校正以及空载时间校正。本发明涉及一种测量湮灭放射线的检测时间差(也称为“飞行时间差”)(TOF：Time Of Flight)信息的PET(以下记载为“TOF-PET”)的散射校正。为了进行散射校正，需要进行用于估计散射线的分布的散射估计。
散射估计是指对PET的测量数据中混入的散射线的分布进行估计。散射校正是指从测量数据中减除所估计出的散射线的分布来转换为排除了散射线的影响(偏差(bias))的数据，或者将所估计出的散射线的分布编入图像重构的计算式来获取排除了散射线的影响的重构图像。
在此，PET的测量数据的数据形式是正弦图、直方图、列表模式中的任一种。正弦图数据是对投影角度方向的每个要素和半径方向的每个要素分配的信号值排列数据。直方图数据是对每对进行了符合计数的检测器分配的信号值排列数据。列表模式数据是对检测到γ射线的事件(也称为“event”)和每对进行了符合计数的检测器分配的时间序列的信号值排列数据。
在数据形式是正弦图或直方图的情况下，不测量TOF信息的PET(以下记载为“non-TOF-PET”)的测量数据是四维排列数据。与此相对地，TOF-PET的测量数据是添加了TOF信息的时间分区的五维排列数据。在数据形式是正弦图或直方图的情况下的散射估计是指对该五维排列数据的各要素中包含的散射线的绝对量进行估计。
在将环绕被检体的周围的检测器环沿被检体的体轴方向层叠配置的情况下，在数据形式是正弦图时，TOF-PET的测量数据为P[t][r0][r1][θ][s]的五维排列数据，non-TOF-PET的测量数据为P[r0][r1][θ][s]的四维排列数据。在此，t是TOF信息的时间分区的要素，r0和r1是各个检测器环的序号，θ是投影角度方向的要素，s是半径方向的要素。此外，希望注意的是，在检测器环是一个的情况下省略[r0][r1]要素。
作为针对TOF-PET的测量数据的散射估计方法，提出了各种方法(例如，参照专利文献1～5、非专利文献1～3)。
例如，在专利文献1：美国专利第7，129，496号公报中，对不存在TOF信息的测量误差的情况下的虚拟的散射线的分布进行估计，以所估计出的散射线的分布的TOF信息的时间分区对表示TOF信息的测量误差的函数(时刻响应函数)进行卷积，由此估计实际的散射线的分布(参照专利文献1的第5栏第60行的散射估计计算式)。这是非专利文献1中记载的方法。
另外，在专利文献2：美国专利第7，397，035号公报中，将用于估计non-TOF-PET的散射线的分布的单次散射模拟(SSS：Single Scatter Simulation)算法(参照专利文献2的式(1))扩展成能够估计TOF-PET的散射线的分布。具体地说，在使用专利文献2的式(2)来计算将散射点S与检测点A(B)相连接的直线上(参照专利文献2的FIG.3)的放射性分布λ(·)的线积分值时，考虑了每个TOF offset bin的检测效率函数εTOF，n(·)(参照专利文献2的式(3))。该方法之后在非专利文献2中被公开。此外，在此，段(bin)是进行离散化(分区)的意思。在图像的情况下，像素与段对应。TOF段是指TOF信息的时间分区，例如在TOF段是100[ps]的情况下，按每100[ps]的段在时间上分区为100[ps]、200[ps]、300[ps]、…。
另外，在专利文献4：美国专利第8，265，365号公报中，并非如专利文献2：美国专利第7，397，035号公报那样基于数式直接计算TOF-PET的散射线的分布，而是根据non-TOF投影数据来事先计算不包含偏差的重构图像。然后，将该图像的TOF正向投影数据(专利文献4的Claim 1中的“TOF trues distribution”)从混有散射线的瞬时符合计数数据(专利文献4的Claim 1中的“TOF prompt coincidence events”)中减除，由此间接地估计散射线的分布。
另外，在专利文献5：国际公开第WO2013/175352号中，并非如专利文献2：美国专利第7，397，035号公报、专利文献4：美国专利第8，265，365号公报那样基于解析计算来估计散射线的分布，而是基于蒙特卡洛模拟来估计散射线的分布。
另外，在非专利文献3中，制作含有散射成分的TOF投影数据，计算以TOF信息的时间分区(也称为“TOF方向”)对该TOF投影数据进行积分(即，相加)所得到的non-TOF投影数据中的信号值与各个TOF投影数据中的信号值的比率，来作为对TOF信息的每个时间分区(TOF方向)分配数据的分配比率。
另一方面，在非专利文献3中，通过non-TOF-SSS算法、能量窗法、卷积法等公知技术来求出non-TOF散射线的分布(non-TOF散射投影数据)，并根据上述的分配比率来将non-TOF散射投影数据分配为多个，由此计算被分配的各个数据来作为TOF散射投影数据(TOF散射线的分布)，该TOF散射投影数据是TOF信息的每个时间分区(TOF方向)的散射投影数据。
详细地说明非专利文献3的方法。以TOF信息的时间分区(TOF方向)对数据形式是正弦图的未知的TOF散射投影数据(五维排列数据)进行积分(压缩)所得到的投影数据(分布)为non-TOF散射投影数据(四维排列数据)。
因而，在四维排列数据的各要素(相当于各检测器对)中，如果知道示出散射线量在TOF信息的时间分区(TOF方向)上如何变化的轮廓(profile)(以下也称为“TOF方向轮廓”)，则易于按照该轮廓使non-TOF散射投影数据在TOF方向上扩展(以与TOF段的个数相同的个数进行分配)。其结果，能够估计在TOF方向上扩展后的各个数据来作为TOF散射投影数据。也就是说，在non-TOF散射投影数据(non-TOF散射线的分布)已知的情况下，实施TOF散射投影数据的估计等同于“决定TOF方向轮廓”。
参照非专利文献3中的图6的概念图来具体地说明。如图6的上部所示，将含有散射成分的TOF投影数据中的信号值排列数据设为P。当将TOF段的个数设为9个并使它们沿TOF方向排列时，将TOF投影数据中的各个信号值排列数据P设为{0、1、3、8、4、2、1、1、0}。当以TOF信息的时间分区(TOF方向)对TOF投影数据P进行积分(即相加)时，non-TOF投影数据中的信号值为“20”(参照图6的上部的“合计：20”)。
如图6的中部所示，当将图6的上段示出的TOF投影数据中的各个信号值排列数据P{0、1、3、8、4、2、1、1、0}分别设为分子并将non-TOF投影数据中的信号值“20”设为分母时，TOF方向轮廓为{0/20、1/20、3/20、8/20、4/20、2/20、1/20、1/20、0/20}。能够将该TOF方向轮廓视为对TOF信息的每个时间分区(TOF方向)分配数据的分配比率。
另一方面，如上所述，能够通过non-TOF-SSS算法、能量窗法、卷积法等公知技术来求出non-TOF散射投影数据。如图6的中部所示，将non-TOF散射投影数据中的信号值设为SNT。因而，如果根据相当于TOF方向轮廓的分配比率来将non-TOF散射投影数据中的信号值SNT分配为与TOF段的个数相同的个数(在图6中为9)，则能够将被分配的各个数据作为TOF散射投影数据来进行求解，该TOF散射投影数据是每个TOF信息的时间分区(TOF方向)的散射投影数据。最简单的分配方法是将non-TOF散射投影数据中的信号值SNT与分配比率相乘，求出所得到的各个数据来作为TOF散射投影数据(参照非专利文献3的式(3))。
在图6的下部示出将non-TOF散射投影数据中的信号值SNT与分配比率相乘得到的TOF散射投影数据中的信号值排列数据。如图6的下部所示，将TOF散射投影数据中的信号值排列数据设为STOF。TOF散射投影数据中的信号值排列数据STOF为{0/20、SNT/20、3SNT/20、8SNT/20、4SNT/20、2SNT/20、SNT/20、SNT/20、0/20}。像这样，在non-TOF散射投影数据已知的情况下，能够计算以TOF信息的时间分区(TOF方向)对TOF投影数据进行积分所得到的non-TOF投影数据中的信号值与各个TOF投影数据中的信号值的比率，来作为相当于TOF方向轮廓的分配比率。进而，如果根据分配比率来将non-TOF散射投影数据分配为多个，则能够简单地进行散射估计。
现有技术文献
专利文献
专利文献1：美国专利第7，129，496号公报
专利文献2：美国专利第7，397，035号公报
专利文献3：美国专利第8，809，791号公报
专利文献4：美国专利第8，265，365号公报
专利文献5：国际公开第WO2013/175352号
非专利文献
非专利文献1：M.Iatrou et al.，“Comparison of two 3D implementations ofTOF scatter estimation in 3D PET”，Nuclear Science Symposium ConferenceRecord，2007.NSS’07.IEEE(Volume：5)，3474-3477.
非专利文献2：C.Watson，“Extension of Single Scatter Simulation toScatter Correction of Time-of-Flight PET”，IEEE Transactions on NuclearScience(Volume：54，Issue：5)，pp.1679-1686，2007.
非专利文献3：X.Jin et al.，“List-mode reconstruction for the BiographmCT with physics modeling and event-by-event motion correction”，Phys.Med.Biol.58(2013)5567-5591.
发明内容
发明要解决的问题
然而，在非专利文献3的散射估计方法中，存在无法准确地求出散射线的TOF方向轮廓这样的问题。
首先，制作利用在测量在图像重构中使用的数据为目的的普通的能量窗(例如400keV-600keV)中实际测量出的瞬时符合计数(prompt coincidence)的TOF投影数据yp(五维排列数据)。制作在上述的能量窗中实际测量(或计算)出的偶然符合计数(randomcoincidence)的TOF投影数据yr。当从yp减去yr时，获得仅包含真实的符合计数(truecoincidence)和散射符合计数(scatter coincidence)的TOF投影数据yt+s。计算作为五维排列数据的yt+s的TOF方向的计数值轮廓，并将其设为TOF方向轮廓。
在该方法中，根据在普通的能量窗(例如400keV-600keV)中包含的真实的符合计数与散射符合计数之和的TOF投影数据yt+s来估计TOF方向轮廓，因此严格来说并未求出作为关心区域的散射线的TOF方向轮廓。
本发明是鉴于这种情况而完成的，其目的在于提供一种能够准确地进行散射估计的散射估计方法、散射估计程序以及搭载有该散射估计程序的正电子CT装置。
用于解决问题的方案
发明人为了解决上述的问题而专心研究之后作出如下的估计。
即，如上所述，根据包含真实的符合计数和散射符合计数的TOF投影数据yt+s而估计出TOF方向轮廓，因此无法准确地求出散射线的TOF方向轮廓。另一方面，在具有比普通的能量窗的中心能量低的中心能量的能量窗(例如450keV以下)中实际测量出的投影数据多少包含真实的符合计数，但如果与在非专利文献3中在普通的能量窗中实际测量出的投影数据进行比较，则散射符合计数的比例变多了与投影数据中包含的真实的符合计数的比例变少的量相应的量。
因而，450keV以下的能量窗被视为散射线用的能量窗，如果根据在该散射线用的能量窗(以下也称为“低能量窗”)中测量出的数据来估计散射线的TOF方向轮廓并进一步求出分配比率，则推断为能够准确地进行散射估计。
基于这样的估计的本发明采用如下结构。
即，本发明所涉及的散射估计方法是对正电子CT的测定数据进行散射估计的方法，所述散射估计方法包括以下工序：第一TOF投影数据制作工序，对Time Of Flight信息的每个时间分区分配在重构数据用的能量窗中测量出的检测信号数据，由此制作作为每个所述时间分区的投影数据的第一TOF投影数据，所述Time Of Flight信息是到达检测器的两条湮灭放射线的检测时间差，所述重构数据用的能量窗是为了获取利用正电子CT获得的重构数据而设定的；第二TOF投影数据制作工序，对每个所述时间分区分配在散射线用的能量窗中测量出的检测信号数据，由此制作作为每个所述时间分区的投影数据的第二TOF投影数据，所述散射线用的能量窗具有比所述重构数据用的能量窗的中心能量低的中心能量；分配比率计算工序，计算以所述时间分区对所述第二TOF投影数据进行积分所得到的non-TOF投影数据中的信号值与各个所述第二TOF投影数据中的信号值的比率，来作为对每个所述时间分区分配数据的分配比率；non-TOF散射投影数据制作工序，通过针对以所述时间分区对所述第一TOF投影数据进行积分所得到的non-TOF投影数据进行散射估计处理，来制作所述重构数据用的能量窗中包含的non-TOF散射投影数据；以及TOF散射投影数据计算工序，通过将所述non-TOF散射投影数据中的信号值与所述分配比率相乘来计算由相乘得到的信号值构成的投影数据，来作为TOF散射投影数据，该TOF散射投影数据为所述重构数据用的能量窗中包含的每个所述时间分区的散射投影数据。
根据本发明所涉及的散射估计方法，重构数据用的能量窗是普通的能量窗，在第一TOF投影数据制作工序中，对到达检测器的两条湮灭放射线的检测时间差、即Time OfFlight信息(TOF信息)的每个时间分区分配在重构数据用的能量窗(普通的能量窗)中测量出的检测信号数据，由此制作作为每个时间分区的投影数据的第一TOF投影数据。
另一方面，具有比普通的能量窗的中心能量低的中心能量的散射线用的能量窗是低能量窗，在第二TOF投影数据制作工序中，对TOF信息的每个时间分区分配在散射线用的能量窗(低能量窗)中测量出的检测信号数据，由此制作作为每个时间分区的投影数据的第二TOF投影数据。如上所述，在低能量窗中实际测量出的第二TOF投影数据中包含的散射符合计数的比例多，但多少包含真实的符合计数，且与普通的能量窗中的TOF散射投影数据不一致。因而，第二TOF投影数据不是最终求出的普通的能量窗中的TOF散射投影数据。
因此，通过进行如下所述的工序来求出普通的能量窗中的TOF散射投影数据。在分配比率计算工序中，计算以时间分区对第二TOF投影数据进行积分所得到的non-TOF投影数据中的信号值与各个第二TOF投影数据中的信号值的比率，来作为对每个时间分区分配数据的分配比率。
另一方面，在non-TOF散射投影数据制作工序中，通过针对以时间分区对第一TOF投影数据进行积分所得到的non-TOF投影数据进行散射估计处理，来制作普通的能量窗中包含的non-TOF散射投影数据。然后，在TOF散射投影数据计算工序中，通过将non-TOF散射投影数据中的信号值与分配比率相乘来计算由相乘得到的信号值构成的投影数据，来作为TOF散射投影数据，该TOF散射投影数据为普通的能量窗中包含的每个时间分区的散射投影数据。
如上所述，如果根据以低能量窗测量出的数据(第二TOF投影数据)来求出分配比率，则能够准确地进行散射估计。并且，分配的对象是普通的能量窗中的non-TOF散射投影数据，因此分配后的TOF散射投影数据作为普通的能量窗中的TOF散射投影数据而被近似地求出，从而能够更加准确地进行散射估计。
此外，从符合计数电路直接收集到的第一TOF投影数据和第二TOF投影数据中包含有偶然符合计数。因此，为了去除偶然符合计数，在第一TOF投影数据制作工序中，优选制作通过从瞬时符合计数的TOF投影数据减去偶然符合计数的TOF投影数据所得到的TOF投影数据，来作为第一TOF投影数据。同样地，为了去除偶然符合计数，在第二TOF投影数据制作工序中，优选制作通过从瞬时符合计数的TOF投影数据减去偶然符合计数的TOF投影数据所得到的TOF投影数据，来作为第二TOF投影数据。更优选的是，在上述的第一TOF投影数据制作工序和第二TOF投影数据制作工序这两个工序中分别从瞬时符合计数的TOF投影数据减去偶然符合计数的TOF投影数据。
另外，关于上述的non-TOF散射投影数据制作工序中的散射估计处理，例如存在如下述那样的方法的散射估计处理。
non-TOF散射投影数据制作工序的散射估计处理的一例是使用重构数据用的能量窗(普通的能量窗)和散射线用的能量窗(低能量窗)来估计散射线分布的能量窗法的散射估计处理。另外，non-TOF散射投影数据制作工序中的散射估计处理的其它例是以放射性分布图像和吸收系数图像为输入数据来估计散射线分布的单次散射模拟法的散射估计处理。
另外，本发明所涉及的散射估计程序是使计算机执行本发明所涉及的散射估计方法的程序。
根据本发明所涉及的散射估计程序，通过使计算机执行本发明所涉及的散射估计方法，来根据以散射线用的能量窗(低能量窗)测量出的第二TOF投影数据求出分配比率，由于分配的对象是重构数据用的能量窗(普通的能量窗)中的non-TOF散射投影数据，因此分配后的TOF散射投影数据作为重构数据用的能量窗(普通的能量窗)中的TOF散射投影数据而被近似地求出，从而能够准确地进行散射估计。
另外，关于本发明所涉及的正电子CT装置，在搭载有本发明所涉及的散射估计程序的正电子CT装置中具备执行该散射估计程序的运算单元。
根据本发明所涉及的正电子CT装置，通过具备执行本发明所涉及的散射估计程序的运算单元，来根据在散射线用的能量窗(低能量窗)中测量出的第二TOF投影数据求出分配比率，由于分配的对象是重构数据用的能量窗(普通的能量窗)中的non-TOF散射投影数据，因此分配后的TOF散射投影数据作为重构数据用的能量窗(普通的能量窗)中的TOF散射投影数据被近似地求出，从而能够准确地进行散射估计。
发明的效果
根据本发明所涉及的散射估计方法、散射估计程序以及搭载有该散射估计程序的正电子CT装置，根据在散射线用的能量窗(低能量窗)中测量出的第二TOF投影数据求出分配比率，由于分配的对象是重构数据用的能量窗(普通的能量窗)中的non-TOF散射投影数据，因此分配后的TOF散射投影数据作为重构数据用的能量窗(普通的能量窗)中的TOF散射投影数据被近似地求出，从而能够准确地进行散射估计。
附图说明
图1是各实施例所涉及的PET装置的概要立体图和框图。
图2是γ射线检测器的概要立体图。
图3是示出实施例1所涉及的散射估计方法的处理过程以及数据的流动的流程图。
图4是示出实施例2所涉及的散射估计方法的处理过程以及数据的流动的流程图。
图5是在实施例2所涉及的散射估计方法中的non-TOF散射估计算法的单次散射模拟法中的散射估计处理的流程图。
图6是非专利文献3的概念图。
具体实施方式
实施例1
下面，参照附图来说明本发明的实施例1。图1是各实施例所涉及的PET装置的概要立体图和框图，图2是γ射线检测器的概要立体图。另外，在图1和图2中，各实施例均为相同的结构。
如图1所示，PET装置1具备环绕被检体的周围的检测器环2，该检测器环2沿被检体的体轴方向层叠配置。在检测器环2内埋设有多个γ射线检测器3。PET装置1相当于本发明的正电子CT装置。另外，γ射线检测器3相当于本发明的检测器。
除此以外，PET装置1还具备符合计数电路4和运算电路5。在图1中仅图示出两条从γ射线检测器3向符合计数电路4连接的连接线，但实际上，符合计数电路4连接有与γ射线检测器3的光电倍增管(PMT：Photo Multiplier Tube)33(参照图2)的总通道数相当的数量的连接线。运算电路5执行由散射估计程序6进行的后述的图3所示的散射估计方法的处理。运算电路5相当于本发明的运算单元。
γ射线检测器3的闪烁块31(参照图2)将从被投放了放射性药剂的被检体(省略图示)发出的γ射线转换为光，γ射线检测器3的光电倍增管(PMT)33(参照图2)使转换得到的该光进行倍增并转换成电信号。将该电信号送入符合计数电路4，来生成计数值的检测信号数据。
具体地说，当向被检体(省略图示)投放放射性药剂时，由于正电子放出型的RI的正电子湮灭而产生两条γ射线。符合计数电路4核对闪烁块31(参照图2)的位置和γ射线的入射时刻，仅在γ射线同时入射到位于被检体的两侧的两个闪烁块31时，将被送入的电信号判定为恰当的数据。在γ射线仅入射到其中一个闪烁块31时，符合计数电路4丢弃该电信号。也就是说，符合计数电路4基于上述的电信号而检测出在两个γ射线检测器3中同时观测(即符合计数)到γ射线。
将由被符合计数电路4判定为符合计数的恰当的数据构成的检测信号数据(计数值)送入运算电路5。运算电路5进行后述的步骤S1～步骤S5(参照图3)，根据由PET装置1得到的被检体(省略图示)的检测信号数据(计数值)进行散射估计。后文叙述运算电路5的具体功能。
此外，在以ROM(Read-only Memory：只读存储器)等为代表的存储介质(省略图示)中存储有散射估计程序6，从存储介质读出该散射估计程序6并将该散射估计程序6送入运算电路5，运算电路5执行散射估计程序6，由此进行图3的流程图所示的散射估计方法的处理。运算电路5由GPU(Graphics Processing Unit：图形处理单元)、中央运算处理装置(CPU)或能够与程序数据相应地变更内部所使用的硬件电路(例如逻辑电路)的可编程设备(例如FPGA(Field Programmable Gate Array：现场可编程门阵列))等构成。
如图2所示，γ射线检测器3具备闪烁块31、以光学方式耦合于该闪烁块31的光导件32以及以光学方式耦合于该光导件32的光电倍增管(以下简称为“PMT”)33。构成闪烁块31的各闪烁体元件随着γ射线的入射而发光，由此将γ射线转换为光。闪烁体元件通过该转换来检测γ射线。在闪烁体元件中发出的光在闪烁块31中充分扩散，并经由光导件32被输入到PMT33。PMT33使由闪烁块31转换得到的光进行倍增并转换为电信号。该电信号作为像素值被送入符合计数电路4(参照图1)。
另外，如图2所示，γ射线检测器3是包括三维地配置的闪烁体元件且在深度方向上包括多个层的DOI检测器。在图2中图示了4层的DOI检测器，但只要是多层就不对层数进行特别地限定。
在此，DOI检测器是将各个闪烁体元件沿放射线的深度方向进行层叠而构成的，通过重心运算来求出发生了相互作用的深度(DOI：Depth of Interaction)方向和横向(平行于入射面的方向)的坐标信息。通过使用DOI检测器，能够使深度方向的空间分辨率进一步提高。因此，DOI检测器的层数是沿深度方向层叠的闪烁体元件的层数。
接着，参照图3来说明运算电路5的具体功能。图3是示出实施例1所涉及的散射估计方法的处理过程以及数据的流动的流程图。
首先，通过图1所示的PET装置1进行被检体的摄影，通过符合计数电路4(参照图1)获取列表模式数据。列表模式数据中记录有检测到的光子的能量信息。
(步骤S1)制作第一TOF投影数据
分别设定普通的能量窗(例如400keV-600keV)、即重构数据用的能量窗、TOF投影数据的沿TOF方向的测量范围、以及段宽。按照该设定，根据列表模式数据来制作不包含偶然符合计数的第一TOF投影数据。具体地说，测量在利用延迟电路(省略图示)使要进行符合计数的检测器对中的一个检测器延迟的状态下进行符合计数所得到的数据，来作为偶然符合计数的TOF投影数据，通过从瞬时符合计数的TOF投影数据减去偶然符合计数的TOF投影数据，来制作去除了偶然符合计数的第一TOF投影数据。
该第一TOF投影数据是在普通的能量窗中设定的数据。在数据形式是正弦图时，将第一TOF投影数据中的信号值排列数据设为P_std[t][r0][r1][θ][s]。如在“背景技术”一栏中也叙述过的那样，t是TOF信息的时间分区的要素，r0和r1是各个检测器环的序号，θ是投影角度方向的要素，s是半径方向的要素。步骤S1相当于本发明中的第一TOF投影数据制作工序。
(步骤S2)制作第二TOF投影数据
另一方面，分别设定低能量窗(例如450keV以下)、即散射线用的能量窗、TOF投影数据的沿TOF方向的测量范围、以及段宽。按照该设定，根据列表模式数据来制作不包含偶然符合计数的第二TOF投影数据。去除偶然符合计数的具体方法与步骤S1相同，因此省略其说明。
该第二TOF投影数据是在低能量窗中设定的数据。在数据形式是正弦图时，将第二TOF投影数据中的信号值排列数据设为P_low[t][r0][r1][θ][s]。步骤S2相当于本发明中的第二TOF投影数据制作工序。
(步骤S3)计算TOF方向的分配比率
以TOF信息的时间分区对在步骤S2中制作出的第二TOF投影数据中的信号值排列数据P_low[t][r0][r1][θ][s]进行积分，来获取non-TOF投影数据中的信号值排列数据ΣP_low[t’][r0][r1][θ][s](其中，Σ是要素t’的沿TOF方向的测量范围内的P_low[t’][r0][r1][θ][s]的总和)。计算该non-TOF投影数据中的信号值排列数据ΣP_low[t’][r0][r1][θ][s]与各个第二TOF投影数据中的信号值排列数据P_low[t][r0][r1][θ][s]的比率、即P_low[t][r0][r1][θ][s]/Σ’P_low[t’][r0][r1][θ][s]，作为对TOF信息的每个时间分区分配数据的分配比率(TOF方向的分配比率)。步骤S3相当于本发明中的分配比率计算工序。
(步骤S4)non-TOF散射估计算法
针对以TOF信息的时间分区对在步骤S1中制作出的第一TOF投影数据进行积分所得到的non-TOF投影数据进行散射估计处理(称为“non-TOF散射估计算法”)。关于non-TOF散射估计算法，在本实施例1中采用能量窗法中的散射估计处理为例来进行说明。
能量窗法是使用重构数据用的能量窗(普通的能量窗)和散射线用的能量窗(低能量窗)来估计散射线分布的公知的方法，但在本实施例1中概要地说明能量窗法。
在能量窗法中，在普通的能量窗中制作投影数据(正弦图)P_std，并且在低能量窗中制作投影数据(正弦图)P_low。通过从P_std减除P_low的常数倍，来求出真实的符合计数正弦图T。也就是说，通过T＝P_std-k×P_low的式子来求出真实的符合计数正弦图T。在此，k是事先求出的系数。
因而，以TOF信息的时间分区对在步骤S2中制作出的第二TOF投影数据中的信号值排列数据P_low[t][r0][r1][θ][s]进行积分，将积分得到的non-TOF投影数据中的信号值排列数据ΣP_low[t’][r0][r1][θ][s]乘以常数倍所得到的值(k×ΣP_low[t’][r0][r1][θ][s])为估计散射正弦图中的信号值排列数据。在此，估计散射正弦图相当于普通的能量窗中包含的non-TOF散射投影数据，当将该non-TOF散射投影数据中的信号值排列数据设为SNT[r0][r1][θ][s]时，用SNT[r0][r1][θ][s]＝k×ΣP_low[t’][r0][r1][θ][s]来表示。
此外，事先进行使用了射线源的摄影，或者进行将摄影对象设为伪影(例如与被检体相同尺寸的伪影)的摄影，调整k使得根据所得到的普通的能量窗中的投影数据P_std和低能量窗中的投影数据P_low求出的真实的符合计数正弦图T不包含散射线，并将调整后的k用作事先求出的系数。关于能量窗法的具体方法，参照参考文献(参考文献：S Grootoonket al.，“Correction for scatter in 3D brain PET using a dual energy windowmethod”，Phys.Med.Biol.41(1996)2757-2774.)。步骤S4相当于本发明中的non-TOF散射投影数据制作工序。
(步骤S5)计算TOF散射投影数据
将在步骤S4中制作出的普通的能量窗中包含的non-TOF散射投影数据(估计散射正弦图)中的信号值排列数据(SNT[r0][r1][θ][s]＝k×ΣP_low[t’][r0][r1][θ][s])与在步骤S3中求出的分配比率P_low[t][r0][r1][θ][s]/Σ’P_low[t’][r0][r1][θ][s]相乘。该乘法运算式如下述式(1)所示。
[数式1]
在此，STOF[t][r0][r1][θ][s]是TOF散射投影数据中的信号值排列数据。通过如上述式(1)那样进行乘法运算，来最终求出普通的能量窗中包含的TOF散射投影数据。此外，在步骤S4中的能量窗法中将ΣP_low[t’][r0][r1][θ][s]乘以k倍，因此即使在步骤S5中乘以P_low[t][r0][r1][θ][s]/Σ’P_low[t’][r0][r1][θ][s]，通过乘法运算最终求出的TOF散射投影数据中的信号值排列数据也不会恢复为原来的P_low[t’][r0][r1][θ][s]。步骤S5相当于本发明中的TOF散射投影数据计算工序。
在步骤S5中求出的TOF散射投影数据为用于进行散射校正的散射线的分布。如在“背景技术”一栏中也叙述过的那样，从测量数据减除估计出的散射线的分布来转换为排除了散射线的影响(偏置)的数据，或者将估计出的散射线的分布编入图像重构的计算式来获取排除了散射线的影响的重构图像，由此进行散射校正。
此外，对步骤S1、S4与步骤S2、S3之间的顺序不作特别地限定。既可以在步骤S2、S3之后进行步骤S1、S4，也可以使步骤S1、S4与步骤S2、S3并行地进行。但是，在本实施例1的情况下，在步骤S4中，使用在步骤S2中制作出的散射线用的能量窗(低能量窗)中的第二TOF投影数据，因此在步骤S2之后进行步骤S4。
根据本实施例1所涉及的散射估计方法，重构数据用的能量窗是普通的能量窗，在步骤S1(制作第一TOF投影数据)中，对到达检测器的两条湮灭放射线的检测时间差、即TimeOf Flight信息(TOF信息)的每个时间分区分配在重构数据用的能量窗(普通的能量窗)中测量出的检测信号数据，由此制作作为每个时间分区的投影数据的第一TOF投影数据(信号值排列数据P_std[t][r0][r1][θ][s])。
另一方面，具有比普通的能量窗的中心能量低的中心能量的散射线用的能量窗是低能量窗，在步骤S2(制作第二TOF投影数据)中，对TOF信息的每个时间分区分配在散射线用的能量窗(低能量窗)中测量出的检测信号数据，由此制作作为每个时间分区的投影数据的第二TOF投影数据(信号值排列数据P_low[t][r0][r1][θ][s])。如在“用于解决问题的方案”一栏中也叙述过的那样，在低能量窗中实际测量出的第二TOF投影数据中包含的散射符合计数的比例多，但是多少包含真实的符合计数，且与普通的能量窗中的TOF散射投影数据不一致。因而，第二TOF投影数据不是最终求出的普通的能量窗中的TOF散射投影数据。
因此，通过进行图3的步骤S3～S5来求出普通的能量窗中的TOF散射投影数据。在步骤S3(计算TOF方向的分配比率)中，计算以时间分区对第二TOF投影数据进行积分所得到的non-TOF投影数据中的信号值与各个第二TOF投影数据中的信号值的比率(P_low[t][r0][r1][θ][s]/Σ’P_low[t’][r0][r1][θ][s])，来作为对每个时间分区分配数据的分配比率。
另一方面，在步骤S4(non-TOF散射估计算法)中，通过针对以时间分区对第一TOF投影数据进行积分所得到的non-TOF投影数据进行散射估计处理(在本实施例1中为能量窗法的散射估计处理)，来制作普通的能量窗中包含的non-TOF散射投影数据(信号值排列数据SNT[r0][r1][θ][s]＝k×ΣP_low[t’][r0][r1][θ][s])。然后，在步骤S5(计算TOF散射投影数据)中，通过将non-TOF散射投影数据中的信号值与分配比率相乘来计算由相乘得到的信号值构成的投影数据，来作为TOF散射投影数据(信号值排列数据STOF[t][r0][r1][θ][s])，该TOF散射投影数据为普通的能量窗中包含的每个时间分区的散射投影数据。
如在“用于解决问题的方案”一栏中也叙述过的那样，如果根据在低能量窗中测量出的数据(第二TOF投影数据)来求出分配比率，则能够准确地进行散射估计。并且，由于分配的对象是普通的能量窗中的non-TOF散射投影数据，因此分配后的TOF散射投影数据作为普通的能量窗中的TOF散射投影数据而被近似地求出，从而能够更加准确地进行散射估计。
此外，在从符合计数电路4直接收集到的第一TOF投影数据和第二TOF投影数据中包含有偶然符合计数。因此，为了去除偶然符合计数，在步骤S1(制作第一TOF投影数据)中，制作通过从瞬时符合计数的TOF投影数据减去偶然符合计数的TOF投影数据所得到的TOF投影数据，来作为第一TOF投影数据。同样地，为了去除偶然符合计数，在步骤S2(制作第二TOF投影数据)中，制作通过从瞬时符合计数的TOF投影数据减去偶然符合计数的TOF投影数据所得到的TOF投影数据，来作为第二TOF投影数据。因而，在本实施例1中，在步骤S1(制作第一TOF投影数据)和步骤S2(制作第二TOF投影数据)这两个步骤中分别从瞬时符合计数的TOF投影数据减去偶然符合计数的TOF投影数据。
另外，在本实施例1中，步骤S4(non-TOF散射估计算法)的散射估计处理是使用重构数据用的能量窗(普通的能量窗)和散射线用的能量窗(低能量窗)来估计散射线分布的能量窗法中的散射估计处理。
根据本实施例1所涉及的散射估计程序6(参照图1)，通过使计算机(在各实施例中为构成图1所示的运算电路5的GPU、CPU或可编程设备)执行本实施例1所涉及的散射估计方法，来根据在散射线用的能量窗(低能量窗)中测量出的第二TOF投影数据求出分配比率，由于分配的对象是重构数据用的能量窗(普通的能量窗)中的non-TOF散射投影数据，因此分配后的TOF散射投影数据作为重构数据用的能量窗(普通的能量窗)中的TOF散射投影数据而被近似地求出，从而能够准确地进行散射估计。
根据本实施例1所涉及的PET装置1(参照图1)，通过具备执行本实施例1所涉及的散射估计程序6的运算单元(在各实施例中为构成图1所示的运算电路5的GPU、CPU或可编程设备)，来根据在散射线用的能量窗(低能量窗)中测量出的第二TOF投影数据求出分配比率，由于分配的对象是重构数据用的能量窗(普通的能量窗)中的non-TOF散射投影数据，因此分配后的TOF散射投影数据作为重构数据用的能量窗(普通的能量窗)中的TOF散射投影数据而被近似地求出，从而能够准确地进行散射估计。
实施例2
接着，参照附图来说明本发明的实施例2。图4是示出实施例2所涉及的散射估计方法的处理过程以及数据的流动的流程图，图5是实施例2所涉及的在散射估计方法的non-TOF散射估计算法中的单次散射模拟法的散射估计处理的流程图。
在上述的实施例1中，作为non-TOF散射估计算法，进行了能量窗法中的散射估计处理。与此相对地，在本实施例2中，作为non-TOF散射估计算法，进行单次散射模拟(SSS：Single Scatter Simulation)法中的散射估计处理。
(步骤S11)制作第一TOF投影数据
图4的步骤S11与上述的实施例1的步骤S1相同，因此省略其说明。步骤S11相当于本发明中的第一TOF投影数据制作工序。
(步骤S12)制作第二TOF投影数据
图4的步骤S12与上述的实施例1的步骤S2相同，因此省略其说明。步骤S12相当于本发明中的第二TOF投影数据制作工序。
(步骤S13)计算TOF方向的分配比率
图4的步骤S13与上述的实施例1的步骤S3相同，因此省略其说明。步骤S13相当于本发明中的分配比率计算工序。
(步骤S14)non-TOF散射估计算法
针对以TOF信息的时间分区对在步骤S11中制作出的第一TOF投影数据进行积分所得到的non-TOF投影数据进行散射估计处理(non-TOF散射估计算法)。如上所述，关于non-TOF散射估计算法，在本实施例2中采用单次散射模拟法中的散射估计处理为例来进行说明。
单次散射模拟法是以放射性分布图像和吸收系数图像为输入数据来估计散射线分布的公知的方法，但在本实施例2中概要地说明单次散射模拟法。
在单次散射模拟(SSS)法中，以放射性分布图像和吸收系数图像为输入数据，基于康普顿散射的理论式(克莱因-仁科公式)来估计散射线分布。在此，前提是上述的放射性分布图像已完成散射校正，但是需要散射校正完成的图像这一情况与希望利用SSS法求出散射分布的情况相矛盾。因此，在实际利用SSS法求出散射分布的情况下，重复进行图5的步骤T2～T3。
对重复次数不作特别地限定。如果达到预先设定的重复次数，则既可以结束图4的步骤S14(non-TOF散射估计算法)，也可以通过由手术操作者实时地以手动操作的方式进行重复的结束，来手动地结束图4的步骤S14(non-TOF散射估计算法)。
(步骤T1)无散射校正的重构
针对以TOF信息的时间分区对在图4的步骤S11中制作出的第一TOF投影数据进行积分所得到的non-TOF投影数据进行重构。步骤T1中的处理是无散射校正的重构。
(步骤T2)利用SSS法的散射估计
在单次散射模拟(SSS)法中，以在步骤T1中重构出的放射性分布图像和吸收系数图像为输入数据来估计散射线分布。关于单次散射模拟(SSS)法的具体方法，希望参照上述的专利文献2：美国专利第7，397，035号公报、非专利文献3(X.Jin et al.，“List-modereconstruction for the Biograph mCT with physics modeling and event-by-eventmotion correction”，Phys.Med.Biol.58(2013)5567-5591)。
(步骤T3)有散射校正的重构
对在步骤T2中估计出的散射线分布(散射正弦图)进行重构。步骤T3中的处理是有散射校正的重构。
重复进行图5的步骤T2～T3，通过结束重复来结束图4的步骤S14(non-TOF散射估计算法)。返回到图4的流程图来说明以下内容。与上述的实施例1同样地，通过单次散射模拟(SSS)法得到的估计散射正弦图相当于普通的能量窗中包含的non-TOF散射投影数据，将该non-TOF散射投影数据中的信号值排列数据设为SNT[r0][r1][θ][s]。
此外，在上述的实施例1的能量窗法中使用了第二TOF投影数据(在低能量窗中设定的数据)，但是如根据图4的流程图所明确的那样，在本实施例2的单次散射模拟(SSS)法中不使用第二TOF投影数据(在低能量窗中设定的数据)。在本实施例2的单次散射模拟(SSS)法中，能够仅利用第一TOF投影数据(在普通的能量窗中设定的数据)来估计普通的能量窗中包含的non-TOF散射投影数据(估计散射正弦图)。步骤S14相当于本发明中的non-TOF散射投影数据制作工序。
(步骤S15)计算TOF散射投影数据
图4的步骤S15与上述的实施例1的步骤S5相同，因此省略其说明。步骤S15相当于本发明的TOF散射投影数据计算工序。
与上述的实施例1同样地，对步骤S11、S14与步骤S12、S13之间的顺序不作特别地限定。既可以在步骤S12、S13之后进行步骤S11、S14，也可以使步骤S11、S14与步骤S12、S13并行地进行。此外，在本实施例2的情况下，在步骤S14中不使用在步骤S12中制作出的散射线用的能量窗(低能量窗)中的第二TOF投影数据，仅使用在步骤S11中制作出的同一重构数据用的能量窗(普通的能量窗)中的第一TOF投影数据，因此也可以在步骤S11、S14之后进行步骤S12、S13。
根据本实施例2所涉及的散射估计方法，与上述的实施例1同样地，根据在散射线用的能量窗(低能量窗)中测量出的第二TOF投影数据来求出分配比率，由于分配的对象是重构数据用的能量窗(普通的能量窗)中的non-TOF散射投影数据，因此分配后的TOF散射投影数据作为重构数据用的能量窗(普通的能量窗)中的TOF散射投影数据而被近似地求出，从而能够准确地进行散射估计。
另外，在本实施例2中，步骤S14(non-TOF散射估计算法)的散射估计处理是以放射性分布图像和吸收系数图像为输入数据来估计散射线分布的能量窗法中的散射估计处理。在上述的实施例1中使用了在散射线用的能量窗(低能量窗)中测量出的第二TOF投影数据，但是在本实施例2中，能够仅利用在同一重构数据用的能量窗(普通的能量窗)中测量出的第一TOF投影数据来估计普通的能量窗中包含的non-TOF散射投影数据(估计散射正弦图)。因而，与上述的实施例1相比，也发挥能够更加准确地进行散射估计这一效果。
本实施例2所涉及的散射估计程序6(参照图1)、本实施例2所涉及的PET装置1(参照图1)的作用和效果与上述的实施例1相同，因此省略其说明。
本发明并不限于上述的实施方式，能够如以下那样变形并实施。
(1)在上述的各实施例中，对摄影对象不作特别地限定。可以应用于拍摄被检体的全身的装置、拍摄被检体的头部的装置、拍摄被检体的乳房的装置。
(2)在上述的各实施例中，是DOI检测器，但也可以应用于不辨别深度方向的检测器。
(3)在上述的各实施例中，是将检测器环沿被检体的体轴方向层叠配置的结构，但也可以是只有一个检测器环的结构。
(4)在上述的各实施例中，是数据形式为正弦图的情况，但并不限定于正弦图。如果是投影数据，则例如数据形式也可以是直方图。
(5)在上述的实施例1中使用能量窗法来制作non-TOF散射投影数据，在上述的实施例2中使用单次散射模拟法来制作non-TOF散射投影数据，但针对non-TOF投影数据的散射估计处理并不限定于这些方法。例如也可以使用卷积法来制作non-TOF散射投影数据。
产业上的可利用性
如上所述，本发明适合于用于TOF测量型PET装置的散射估计。
附图标记说明
1：PET装置；3：γ射线检测器；5：运算电路；6：散射估计程序；P_std[t][r0][r1][θ][s]：第一TOF投影数据；P_low[t][r0][r1][θ][s]：第二TOF投影数据；SNT[r0][r1][θ][s]：non-TOF散射投影数据；STOF[t][r0][r1][θ][s]：TOF散射投影数据。

Claims (7)

1.一种散射估计方法，对正电子CT的测定数据进行散射估计，所述散射估计方法包括以下工序：
第一TOF投影数据制作工序，对飞行时间信息的每个时间分区分配在重构数据用的能量窗中测量出的检测信号数据，由此制作作为每个所述时间分区的投影数据的第一TOF投影数据，所述飞行时间信息是到达检测器的两条湮灭放射线的检测时间差，所述重构数据用的能量窗是为了获取利用正电子CT获得的重构数据而设定的；
第二TOF投影数据制作工序，对每个所述时间分区分配在散射线用的能量窗中测量出的检测信号数据，由此制作作为每个所述时间分区的投影数据的第二TOF投影数据，所述散射线用的能量窗具有比所述重构数据用的能量窗的中心能量低的中心能量；
分配比率计算工序，计算以所述时间分区对所述第二TOF投影数据进行积分所得到的non-TOF投影数据中的信号值与各个所述第二TOF投影数据中的信号值的比率，来作为对每个所述时间分区分配数据的分配比率；
non-TOF散射投影数据制作工序，通过针对以所述时间分区对所述第一TOF投影数据进行积分所得到的non-TOF投影数据进行散射估计处理，来制作所述重构数据用的能量窗中包含的non-TOF散射投影数据；以及
TOF散射投影数据计算工序，通过将所述non-TOF散射投影数据中的信号值与所述分配比率相乘来计算由相乘得到的信号值构成的投影数据，来作为TOF散射投影数据，所述TOF散射投影数据为所述重构数据用的能量窗中包含的每个所述时间分区的散射投影数据。
2.根据权利要求1所述的散射估计方法，其特征在于，
在所述第一TOF投影数据制作工序中，制作通过从瞬时符合计数的TOF投影数据中减去偶然符合计数的TOF投影数据所得到的TOF投影数据，来作为所述第一TOF投影数据。
3.根据权利要求1或2所述的散射估计方法，其特征在于，
在所述第二TOF投影数据制作工序中，制作通过从瞬时符合计数的TOF投影数据中减去偶然符合计数的TOF投影数据所得到的TOF投影数据，来作为所述第二TOF投影数据。
4.根据权利要求1至3中的任一项所述的散射估计方法，其特征在于，
所述non-TOF散射投影数据制作工序中的所述散射估计处理是使用所述重构数据用的能量窗和所述散射线用的能量窗来估计散射线分布的能量窗法中的所述散射估计处理。
5.根据权利要求1至3中的任一项所述的散射估计方法，其特征在于，
所述non-TOF散射投影数据制作工序中的所述散射估计处理是以放射性分布图像和吸收系数图像为输入数据来估计散射线分布的单次散射模拟法中的所述散射估计处理。
6.一种散射估计程序，
用于使计算机执行根据权利要求1至5中的任一项所述的散射估计方法。
7.一种正电子CT装置，搭载有根据权利要求6所述的散射估计程序，
所述正电子CT装置具备执行该散射估计程序的运算单元。
CN201780088220.6A 2017-03-09 2017-03-09 散射估计方法、散射估计程序以及搭载有该散射估计程序的正电子ct装置 Withdrawn CN110446946A (zh)

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
PCT/JP2017/009531 WO2018163362A1 (ja) 2017-03-09 2017-03-09 散乱推定方法、散乱推定プログラム並びにそれを搭載したポジトロンｃｔ装置

Publications (1)

Publication Number Publication Date
CN110446946A true CN110446946A (zh) 2019-11-12

Family

ID=63449068

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201780088220.6A Withdrawn CN110446946A (zh) 2017-03-09 2017-03-09 散射估计方法、散射估计程序以及搭载有该散射估计程序的正电子ct装置

Country Status (5)

Country Link
US (1) US11513243B2 (zh)
EP (1) EP3594722A1 (zh)
JP (1) JP6711450B2 (zh)
CN (1) CN110446946A (zh)
WO (1) WO2018163362A1 (zh)

Families Citing this family (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP6761610B2 (ja) * 2017-05-29 2020-09-30 株式会社島津製作所 吸収係数画像推定方法、吸収係数画像推定プログラム並びにそれを搭載したポジトロンｃｔ装置
JP6932250B2 (ja) * 2017-09-14 2021-09-08 コーニンクレッカ フィリップス エヌ ヴェＫｏｎｉｎｋｌｉｊｋｅ Ｐｈｉｌｉｐｓ Ｎ．Ｖ． 陽電子放出断層撮影における狭いエネルギー窓カウントから再構成された放出画像推定を使用した散乱補正
JP7001176B2 (ja) * 2018-09-21 2022-01-19 株式会社島津製作所 データ処理方法、プログラム、データ処理装置および陽電子放出断層撮像装置
US11241211B2 (en) * 2020-03-12 2022-02-08 Canon Medical Systems Corporation Method and apparatus for singles spectrum estimation and for dead-time correction in positron emission tomography (PET)
EP4318048A1 (en) * 2021-03-22 2024-02-07 National Institutes for Quantum Science and Technology Image processing device, image processing system, and image processing method

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20070085013A1 (en) * 2005-10-14 2007-04-19 Watson Charles C Scatter correction for time-of-flight positron emission tomography data
US20090072155A1 (en) * 2007-09-17 2009-03-19 Siemens Medical Solutions Usa, Inc. Time-of-flight (tof) positron emission tomography (pet) reconstruction from time-truncated projection data
US20130304386A1 (en) * 2012-05-09 2013-11-14 Toshiba Medical Systems Corporation Random estimation in positron emission tomography with tangential time-of-flight mask
CN103908280A (zh) * 2013-01-08 2014-07-09 上海联影医疗科技有限公司 Pet散射校正的方法
CN104335247A (zh) * 2012-05-21 2015-02-04 皇家飞利浦有限公司 在pet重建中的快速散射估计

Family Cites Families (24)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US7129496B2 (en) 2005-01-21 2006-10-31 General Electric Company Method and system for scattered coincidence estimation in a time-of-flight positron emission tomography system
JP3794644B2 (ja) * 2005-05-23 2006-07-05 株式会社日立製作所 γ線の同時計数方法、及び核医学診断装置
US7869860B2 (en) * 2005-11-14 2011-01-11 University Of Washington Method for enhancing the accuracy of PET/CT images
WO2008011436A2 (en) * 2006-07-21 2008-01-24 Koninklijke Philips Electronics N. V. Method and system for improved tof pet reconstruction
US8767908B2 (en) * 2008-10-21 2014-07-01 University Of Southern California Exact and approximate rebinning of time-of-flight PET positron emission tomography data
EP2433261B1 (en) 2009-05-20 2014-03-05 Koninklijke Philips N.V. Continuous time-of-flight scatter simulation method
CN102483852B (zh) * 2009-06-08 2016-08-03 皇家飞利浦电子股份有限公司 利用基于飞行时间信息逐个事件生成的图像内容的飞行时间正电子发射断层摄影重建
US8265365B2 (en) 2010-09-20 2012-09-11 Siemens Medical Solutions Usa, Inc. Time of flight scatter distribution estimation in positron emission tomography
US8913810B2 (en) * 2011-07-26 2014-12-16 Siemens Medical Solutions Usa, Inc. Simultaneous reconstruction of emission activity and attenuation coefficient distribution from TOF data, acquired with external shell source
US20150065854A1 (en) * 2012-10-31 2015-03-05 General Electric Company Joint estimation of attenuation and activity information using emission data
US9788809B2 (en) * 2013-03-06 2017-10-17 Canon Kabushiki Kaisha Apparatus, method and computer-readable medium storing program for radiographic imaging with elapsed time control of radiation sensor apparatus
US9155514B2 (en) * 2013-08-01 2015-10-13 Siemens Medical Solutions Usa, Inc. Reconstruction with partially known attenuation information in time of flight positron emission tomography
JP2015145828A (ja) * 2014-02-03 2015-08-13 株式会社東芝 画像処理装置及び画像処理プログラム
US10354417B2 (en) * 2016-09-13 2019-07-16 Toshiba Medical Systems Corporation Medical image processing apparatus and medical image diagnosis apparatus and medical image processing method
US9706972B1 (en) * 2016-09-28 2017-07-18 General Electric Company Systems and methods for reconstruction of emission activity image
EP3549104B1 (en) * 2016-11-29 2020-09-09 Koninklijke Philips N.V. Interactive targeted ultrafast reconstruction in emission and transmission tomography
US11061151B2 (en) * 2016-12-06 2021-07-13 Koninklijke Philips N.V. Hybrid TOF and non-TOF PET systems with joint TOF and non-TOF image reconstruction
US11288847B2 (en) * 2018-11-09 2022-03-29 Siemens Medical Solutions Usa, Inc. Double scatter simulation for improved reconstruction of positron emission tomography data
WO2020123846A1 (en) * 2018-12-13 2020-06-18 Cornell University A positron emission tomography system with adaptive field of view
US11300695B2 (en) * 2020-04-24 2022-04-12 Ronald Nutt Time-resolved positron emission tomography encoder system for producing event-by-event, real-time, high resolution, three-dimensional positron emission tomographic image without the necessity of performing image reconstruction
US11054534B1 (en) * 2020-04-24 2021-07-06 Ronald Nutt Time-resolved positron emission tomography encoder system for producing real-time, high resolution, three dimensional positron emission tomographic image without the necessity of performing image reconstruction
US11969278B2 (en) * 2020-06-08 2024-04-30 GE Precision Healthcare LLC Systems and methods for a stationary CT imaging system
US11874411B2 (en) * 2020-09-23 2024-01-16 Siemens Medical Solutions Usa, Inc. Estimation of partially missing attenuation in time-of-flight positron emission tomography
US11623661B2 (en) * 2020-10-12 2023-04-11 Zoox, Inc. Estimating ground height based on lidar data

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20070085013A1 (en) * 2005-10-14 2007-04-19 Watson Charles C Scatter correction for time-of-flight positron emission tomography data
US20090072155A1 (en) * 2007-09-17 2009-03-19 Siemens Medical Solutions Usa, Inc. Time-of-flight (tof) positron emission tomography (pet) reconstruction from time-truncated projection data
US20130304386A1 (en) * 2012-05-09 2013-11-14 Toshiba Medical Systems Corporation Random estimation in positron emission tomography with tangential time-of-flight mask
CN104335247A (zh) * 2012-05-21 2015-02-04 皇家飞利浦有限公司 在pet重建中的快速散射估计
CN103908280A (zh) * 2013-01-08 2014-07-09 上海联影医疗科技有限公司 Pet散射校正的方法

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
X.JIN ET AL.: "List-mode reconstruction for the biograph mCT with physcics modeling and event-by-event motion", 《PHYS.MED.BIOL.》 *
吴朝霞 等: "基于非线性统计估计技术的PET散射校正", 《生物医学工程学杂志》 *

Also Published As

Publication number Publication date
US20200012002A1 (en) 2020-01-09
JP6711450B2 (ja) 2020-06-17
JPWO2018163362A1 (ja) 2019-12-26
EP3594722A1 (en) 2020-01-15
WO2018163362A1 (ja) 2018-09-13
US11513243B2 (en) 2022-11-29

Similar Documents

Publication Publication Date Title
CN110446946A (zh) 散射估计方法、散射估计程序以及搭载有该散射估计程序的正电子ct装置
Zanzonico Principles of nuclear medicine imaging: planar, SPECT, PET, multi-modality, and autoradiography systems
US7888651B2 (en) Method and system for using tissue-scattered coincidence photons for imaging
Turecek et al. Compton camera based on Timepix3 technology
Yabu et al. Tomographic Imaging by a Si/CdTe Compton Camera for ¹¹¹In and ¹³¹I Radionuclides
Stortz et al. Characterization of a new MR compatible small animal PET scanner using Monte-Carlo simulations
Wu et al. An accurate probabilistic model with detector resolution and Doppler broadening correction in list-mode MLEM reconstruction for Compton camera
US10042058B2 (en) Detecting device for determining a position of reaction of gamma quanta and a method for determining a position of reaction of a gamma quanta in positron emission tomography
Moore ModPET: Novel applications of scintillation cameras to preclinical PET
JP2021173755A (ja) 医用画像処理装置、医用画像処理方法及びプログラム
Nuyts Nuclear medicine technology and techniques
Calderón et al. Modeling, simulation, and evaluation of a Compton camera based on a pixelated solid-state detector
Muñoz et al. Imaging of polychromatic sources through Compton spectral reconstruction
JPWO2020059135A1 (ja) データ処理方法、プログラム、データ処理装置および陽電子放出断層撮像装置
Niknami et al. Design and simulation of a semiconductor detector-based Compton imaging system with efficiency analysis
Patel An Experimental Investigation to Assess the Feasibility of Imaging Medical Radioisotopes with the ProSPECTus Compton Camera
Winroth et al. Image Reconstruction From a Simulated Compton Imaging Detector Using List-Mode Likelihood Methods
Vandeghinste et al. Characterizing the parallax error in multi-pinhole micro-SPECT reconstruction
Vicente Torrico Caracterización, mejora y diseño de escáneres PET preclínicos
Kalaitzidis From Monte Carlo PET Simulations to Reconstructed Images: Modelling and Optimisation for 68Ga Theragnostics
Kim et al. Study on listmode OSEM reconstruction including image-space resolution recovery techniques for Compton camera
Tayefi Ardebili Evaluation of the NEMA characteristics for the Modular J-PET scanner
Kim et al. CdZnTe semiconductor-based dual imager combining collimatorless and Compton imaging: Monte Carlo simulation
Uche Optimizing Compton camera performance
Abushab Simulation and image reconstruction of clinical TOF-PET scanners

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
WW01 Invention patent application withdrawn after publication
WW01 Invention patent application withdrawn after publication

Application publication date: 20191112