CN116419714A - 针对晶体到通道的耦合的系统和方法 - Google Patents

Abstract

提供了用于从光学传感器阵列读出信号的复用方案、系统、粒子检测装置和系统。例如，光学传感器阵列可以包括被布置成行和列的多个光学传感器。在复用方案中，读出ASIC可以经由多个第一通道和多个第二通道电连接到所述多个光学传感器。每个第一通道可以电连接到光学传感器阵列的对应行中的光学传感器的子集，其中在连接之间可以有至少一个光学传感器。每个第二通道可以电连接到光学传感器阵列的对应列中的光学传感器的子集，其中在连接之间可以有至少一个光学传感器。

Description

针对晶体到通道的耦合的系统和方法

关于联邦资助研究的声明

本发明是在国家科学基金会授予的合同号为808690的政府资助下完成的。政府拥有本发明的某些权利。

相关申请的交叉引用

本申请要求提交于2020年9月3目的美国临时申请序列号63/074,294的权益和优先权，其全部内容通过引用结合于此。

技术领域

本公开总体上涉及辐射成像的领域，尤其涉及正电子发射断层摄影(PET)。

背景技术

用PET成像是一种强大的技术，主要用于癌症和神经精神疾病的诊断、治疗选择、治疗监测和研究。尽管PET具有较高的分子特异性、定量特性和临床可用性，但主要由于其相对较差的空间分辨率，PET尚不能释放其作为可靠的分子成像模式的全部潜力。已尝试了若干尝试来实现高分辨率PET，包括使用闪烁体模块到读出像素的n对一的耦合(其中n＞1)(光学传感器)，这使得空间分辨率能够等于闪烁体模块的尺寸，而不增加读出侧(例如，光学传感器、连接器、读出ASIC)的成本。虽然其他尝试包括使用单片闪烁体模块并采用最近邻定位算法，但是n对一的耦合光共享是商业上最可行的选择，因为它们同时具有相互作用深度(DOI)和飞行时间(TOF)读出能力，这是因为在灵敏度和/或能量分辨率方面没有折衷。

然而，随着空间分辨率的提高，由于体素数量的增加，每次PET扫描的数据量大幅增加。深度编码对于减轻视差和充分获得高分辨率PET的益处来说是必要的，但深度编码还加剧了数据尺寸问题，因为响应线(LOR)的数量作为DOI仓(bin)数量的函数呈指数增长。将高分辨率与TOF读出相结合也促使PET中更大的数据尺寸，因为每个通道每像素读出一个时间戳，即使每个事件通常不使用多个时间戳，也仍然使得该过程计算效率低下。

随着数据的增加，光学传感器和读出ASIC之间的连接数量增加，在实践中将增加装置产生的热量。

为了降低PET的计算成本，提出了信号复用(multiplexing)技术来减小数据尺寸和复杂度，藉由复用技术，将每个事件中由多个光学传感器(像素)读出的信号加在一起。然而，在信号是复用的情况下，解决方案必须仍然能够确定主光学传感器(像素)相互作用、主闪烁体模块相互作用和DOI。

在采用复用的一个或多个已知系统中，所使用的检测器模块不具有深度编码能力(因此，复用读出方案尚未显示出与DOI读出一起工作)，而深度编码能力对于实现系统级的空间分辨率均匀性是至关重要的。

发明内容

因此，公开了一种用于从光学传感器阵列读出信号的系统。光学传感器阵列可以包括被布置成行和列的多个光学传感器。阵列中的每个光学传感器对应于一个像素。该系统可以包括多个第一通道、多个第二通道和第一处理器。第一处理器可以经由所述多个第一通道和所述多个第二通道电连接到所述多个光学传感器。每个第一通道可以电连接到光学传感器阵列的对应行中的光学传感器的子集。在连接之间可以有至少一个光学传感器。每个第二通道可以电连接到光学传感器阵列的对应列中的光学传感器的子集。在连接之间可以有至少一个光学传感器。第一处理器可以经由所述多个第一通道和所述多个第二通道读出信号。在读出期间，第一处理器可以使得向所述多个光学传感器中的每一个供电，以向光学传感器加偏压(bias)。第一处理器可以是读出ASIC。

在本公开的一个方面，所述多个第一通道可以包括第一行通道和第二行通道。第一行通道可以电连接到光学传感器阵列的第一行中的光学传感器的子集，并且第二行通道可以电连接到光学传感器阵列的第二行中的光学传感器的子集。第一行可以与第二行相邻。第一行中的光学传感器的子集与第二行中的光学传感器的子集可以不在光学传感器阵列的相同的列中。

在本公开的一个方面，所述多个第二通道可以包括第一列通道和第二列通道。第一列通道可以电连接到光学传感器阵列的第一列中的光学传感器的子集，并且第二列通道可以电连接到光学传感器阵列的第二列中的光学传感器的子集。第一列可以与第二列相邻。第一列中的光学传感器的子集与第二列中的光学传感器的子集可以不在光学传感器阵列的相同的行中。

在本公开的一个方面，光学传感器阵列可以具有M行和M列的光学传感器，并且所述多个第一通道可以包括M行通道，所述多个第二通道可以包括M列通道。M可以是2的整数倍。例如，光学传感器阵列可以是8x8的。

还公开了一种粒子检测装置，其可以包括用于从如上所述的光学传感器阵列读出信号的系统。粒子检测装置还可以包括闪烁体阵列和分段光导。闪烁体阵列可以包括第二多个闪烁体模块。第二多个闪烁体模块可以大于所述多个光学传感器。多个闪烁体模块可以在相应闪烁体模块的第一端与相应光学传感器接触。分段光导可以包括多个拟柱体段(prismatoid segment)。分段光导可以与第二多个闪烁体模块的第二端接触。每个拟柱体段可以与跟至少两个不同的光学传感器接触的闪烁体模块接触。所述至少两个不同的光学传感器可以是相邻的光学传感器。每个拟柱体段可以被配置成在与相应拟柱体段接触的闪烁体模块之间重定向粒子。

在本公开的一个方面，段可以具有三种不同的设计，如中心拟柱体段、边缘拟柱体段和角落拟柱体段。中心拟柱体段可以与跟四个相邻的光学传感器接触的闪烁体模块接触。角落拟柱体段可以与跟三个相邻的光学传感器接触的闪烁体模块接触。边缘拟柱体段可以与跟两个相邻的光学传感器接触的闪烁体模块接触。

还公开了一种具有上述粒子检测装置的粒子检测系统。所述粒子检测系统还可以包括与第一处理器通信的第二处理器。第二处理器可以被配置成：识别每个事件具有最高信号的通道子集，并使用来自所识别的通道子集的信号来确定事件的主相互作用像素、事件的主相互作用闪烁体模块或事件的相互作用深度中的至少一个。

在本公开的一个方面，第二处理器可以被配置成分别基于来自每个事件具有最高信号的通道的信号与来自每个事件具有最高信号的通道子集中的每个通道的信号之和的比率来确定事件的相互作用深度。在本公开的其他方面，可以使用解复用的信号来计算相互作用深度。

在本公开的一个方面，第二处理器可以被配置成基于唯一识别相邻光学像素的通道子集和从所识别的相邻光学像素中识别主相互作用像素的每个事件具有最高信号的通道之间的位置关系来确定事件的主相互作用像素。

在本公开的一个方面，第二处理器可以被配置成基于能量加权平均值确定事件的主相互作用闪烁体模块。在本公开的一个方面，可以使用解复用的信号来计算能量加权平均值。

在本公开的一个方面，第二处理器可以被配置成使用存储的机器学习模型、使用来自所述多个第一通道和所述多个第二通道的信号作为输入来对来自所述多个第一通道和所述多个第二通道的信号解复用。在一些方面，机器学习模型可以是基于卷积神经网络。

在本公开的其他方面，第二处理器可以被配置成使用存储的查找表来对来自所述多个第一通道和所述多个第二通道的信号解复用。

在本公开的一个方面，第二处理器可以被配置成使用来自所识别的通道子集和所识别的相邻光学像素的信号的相对值来确定主相互作用闪烁体模块。

在本公开的一个方面，通道子集中的通道数量可以是基于主光学传感器在光学传感器阵列中的位置。例如，当主光学传感器是光学阵列中的角落光学传感器时，子集中的通道数量可以是三个，当主光学传感器是边缘光学传感器时，子集中的通道数量可以是两个，并且当主光学传感器是阵列中的中心光学传感器时，子集中的通道数量可以是四个。

在本公开的一个方面，可以有闪烁体模块到光学传感器的四对一耦合。在其他方面，可以有闪烁体模块到光学传感器的九对一耦合。

还公开了一种对来自光学传感器阵列的信号进行复用的方法。光学传感器阵列可以包括被布置成行和列的多个光学传感器。阵列中的每个光学传感器对应于一个像素。该方法可以包括：对于光学传感器阵列中的每一行，分别将第一通道连接到该行中的光学传感器的子集，并且对于光学传感器阵列中的每一列，分别将第二通道连接到该列中的光学传感器的子集。在连接之间可以有至少一个光学传感器。该方法还可以包括将每个第一通道和每个第二通道连接到处理器。

在本公开的一个方面，针对第一行连接到第一通道的行中的光学传感器的子集可以与针对第二行连接到第一通道的行中的光学传感器的子集在列上偏移，其中第一行和第二行相邻。

在本公开的一个方面，针对第一列连接到第二通道的列中的光学传感器的子集可以与针对第二列连接到第二通道的列中的光学传感器的子集在行上偏移，其中第一列和第二列相邻。

附图说明

本专利的文件包含至少一幅彩图。将由专利商标局应请求并在支付必要费用的情况下提供具有(一幅或多幅)彩图的本专利的副本。

图1A示出了根据本公开的方面的复用方案，对光学传感器的阳极进行复用以提供能量信息；

图1B示出了根据本公开的方面的复用方案，对光学传感器的阴极进行复用以提供能量信息；

图1C示出了根据本公开的方面的针对一个能量通道的复用方案，对光学传感器的阴极进行复用以提供能量信息，并且对光学传感器的阳极进行复用以提供时间信息；

图2A示出了根据本公开的方面的具有闪烁体模块到光学传感器的四对一耦合的粒子检测装置；

图2B示出了根据本公开的方面的粒子检测系统，其中存在闪烁体模块到光学传感器的四对一耦合；

图3A示出了针对闪烁体模块到光学传感器的四对一耦合的分段光导和光学传感器的俯视图，其中分段光导的段有三种不同的设计；

图3B示出了根据本公开的方面的分段光导的段的3D视图的示例；

图4示出了根据本公开的方面的粒子检测系统，其中存在闪烁体模块到光学传感器的九对一耦合；

图5示出了针对闪烁体模块到光学传感器的九对一耦合的分段光导和光学传感器的俯视图，其中分段光导的段有三种不同的设计；

图6示出了根据本公开的方面的方法的流程图；

图7示出了根据本公开的方面的机器学习模型的训练和测试的示例的流程图；

图8示出了根据本公开的一个方面的机器学习模型的示例；

图9A和图9B示出了针对闪烁体模块到光学传感器的四对一耦合的地面真值与使用根据本公开的方面的机器学习模型对复用信号进行解复用之间的比较；

图9C和图9D示出了合成复用数据集与根据本公开的方面而复用的实际复用数据集之间的比较；

图10A和图10B示出了针对闪烁体模块到光学传感器的四对一耦合的相关粒子检测系统中的DOI分辨率与根据本公开的方面的粒子检测系统的DOI分辨率之间的比较；

图11A和图11B示出了针对闪烁体模块到光学传感器的九对一耦合的地面真值与使用根据本公开的方面的机器学习模型对复用信号进行解复用之间的比较；以及

图12A和图12B示出了针对闪烁体模块到光学传感器的九对一耦合的相关粒子检测系统中的DOI分辨率与根据本公开的方面的粒子检测系统的DOI分辨率之间的比较。

具体实施方式

公开了一种利用确定性光共享的复用方案，确定性光共享是使用诸如美国专利公开号2020/0326434中公开的分段光导实现的，该专利通过引用结合于此。本文描述的粒子检测系统(和装置)具有单端可读(采用深度编码)，该单端可读具有分段光导的特定段模式。光导具有拟柱体光导段，将至少参考图3A对其进行详细描述。根据本公开的方面，分段光导200具有至少三种不同的拟柱体设计，例如，中心拟柱体162、角落拟柱体166和边缘拟柱体168。拟柱体被设计成减轻边缘和角落伪影，从而实现均匀的晶体识别性能，即使在使用本文描述的复用方案时也是如此。

闪烁体模块205之间的光共享仅限于属于相邻或邻近光学传感器10(例如，最近的临近)的闪烁体模块205，以产生确定性且各向异性的闪烁体模块间光共享模式，并最大化光学传感器10上的信号背景比，以提高能量分辨率和DOI分辨率。

由于确定性的光共享模式，仅需要来自最近邻的光学传感器(像素)的光学传感器10(像素)的子集即可准确地执行主光学传感器相互作用和DOI(并且估计主闪烁体模块)。这是因为相关信号将包含在光学隔离的拟柱体段内。

图1A示出了根据本公开的方面的复用方案的示例。如图1A所示，光学传感器10₁至10₆₄(统称为10)(例如，光学传感器阵列210)被布置成多个行和多个列。在图1A所示的示例中，光学传感器阵列210是用于8x8的读出阵列。然而，读出阵列不限于8x8，并且可以是其他维度，例如4x4或16x16。在一些方面，读出阵列可以是2的整数倍。二维阵列可以形成在与闪烁体模块的纵轴垂直的平面中。在本公开的一个方面，光学传感器10可以是硅光电倍增器(SiPM)。在本公开的其他方面，光学传感器10可以是雪崩光电二极管(APD)、单光子雪崩光电二极管(SPAD)、光电倍增管(PMT)、硅雪崩光电二极管(SiAPD)。这些是可以使用的固态检测器的非限制性示例。装置中光学传感器10(像素)的数量可以是基于PET系统的应用和尺寸。在图1A中，光学传感器10被标记为“SiPM像素”。每个像素右下角的两位数表示像素编号。例如，“01”表示第一个像素，并且“64”表示最后一个像素。这些数字仅用于描述目的。

每个光学传感器10具有阳极和阴极。在图1A中，阴极显示在像素的顶部，阳极显示在每个像素的底部。在本公开的一个方面，可以通过偏置电路15向阴极加偏压。偏置电路15可以包括一个或多个电容器和一个或多个电阻器。在图1A中，示出了三个电容器。然而，偏置电路15不限于三个。电容器之间有一个电阻器。然而，偏置电路15不限于电容器之间有一个电阻器。另一电阻器可以与一行光学传感器R1至R8串联放置。根据本公开的方面，存在多个水平通道(X01至X08)(本文也称为第一通道)。水平通道的数量等于阵列中的行R1至R8的数量，例如一对一的关系。

在本公开的一个方面，每个水平通道连接到该行的光学传感器的子集(如图1A阳极处所示)。在连接到同一水平通道的光学传感器之间至少有一个光学传感器10(像素)。例如，在通道X01(用于行R1)中，光学传感器10₁、10₃、10₅、10₇连接到X01(为了图示的目的，不是所有的像素/光学传感器都明确标记有附图标记10)。光学传感器10₂、10₄、10₆、10₈没有连接到X01。在本公开的其他方面，光学传感器10₂、10₄、10₆、10₈可以连接到X01，并且光学传感器10₁、10₃、10₅、10₇可以不连接到X01。

在本公开的一个方面，连接到水平通道的行中的光学传感器的子集与连接到其水平通道的相邻行中的光学传感器的子集在列上偏移。例如，连接到通道X01的光学传感器10₁、10₃、10₅、10₇分别在列C1、C3、C5和C7中。因此，也在列C1、C3、C5和C7中的光学传感器10₉、10₁₁、10₁₃、10₁₅可以不连接到通道X02，而是在列C2、C4、C6和C8中的光学传感器10₁₀、10₁₂、10₁₄、10₁₆连接到通道X02。

根据本公开的方面，存在多个竖直通道(X09至X16)(本文也称为第二通道)。竖直通道的数量等于阵列中的列C1至C8的数量，例如一对一的关系。

在本公开的一个方面，每个竖直通道连接到该列的光学传感器的子集。在连接到同一竖直通道的光学传感器之间至少有一个光学传感器10(像素)。例如，在通道X09(用于列C1)中，光学传感器10₉、10₂₅、10₄₁、10₅₇连接到X09。光学传感器10₁、10₁₇、10₃₃、10₄₉没有连接到通道X09。在本公开的其他方面，光学传感器10₁、10₁₇、10₃₃、10₄₉可以连接到通道X09，并且光学传感器10₉、10₂₅、10₄₁、10₅₇可以不连接到X09。

在本公开的一个方面，连接到竖直通道的列中的光学传感器的子集与连接到其竖直通道的列中的光学传感器的子集在行上偏移。例如，连接到通道X09的光学传感器10₉、10₂₅、10₄₁、10₅₇分别在行R2、R4、R6和R8中。因此，也在行R2、R4、R6和R8中的光学传感器10₁₀、10₂₆、10₄₂、10₅₈(在C2列中)可以不连接到通道X10，而是在行R1、R3、R5和R7中的光学传感器10₂、10₁₈、10₃₄、10₅₀连接到通道X10。

通道被连接，使得任何方向上的相邻像素都不连接到同一通道。每个光学传感器仅连接到一个通道。“竖直”或“水平”的使用仅用于描述目的。

这些通道(例如，X01至X16)是能量通道，用于确定主光学传感器相互作用、主闪烁体模块相互作用和DOI。在本公开的其他方面，可以有用于其他确定的附加通道，如TOF(时间通道)。这些附加通道的示例在图1C中示出。

在本公开的其他方面，能量通道(例如，Y01至Y16)可以连接到阴极，如图1B所示。在图1B中，偏压和能量通道都耦合到阴极。在图1B中，阳极可以接地。在其他方面，由于通道的数量减少并且阳极接地，因此阳极连接可以用于时间戳(时间)。例如，图1C示出了一个能量通道的光学传感器10₁、10₃、10₅、10₇。来自阴极的信号被复用以形成一个能量通道，例如Y01。积分器30对信号进行积分，以提供事件能量(ASIC_Energy_01)。注意，用于每个能量通道(例如，图1A中的X01至X16)和(例如，图1B中的Y01至Y16)的积分器30在图1A和1B中被省略。如图1C所示，三个比较器20连接到光学传感器10₁、10₃、10₅、10₇的阳极的复用输出。每个比较器20与不同的电压阈值V_th1、V_th2和V_th3相关联。当复用的电压超过相应的阈值时，相应的比较器20将输出改变(例如，Z01_T1、Z01_T2和Z01_T3)。改变的时间可以用作时间戳。可以使用三个不同的时间戳来计算改变速率。

虽然图1C仅示出了一个能量通道Y01，但是相同的配置可以应用于其他15个通道，例如Y02至Y16。可以使用其他连接点(组合)而不限于图1A至图1C。

本公开的其余部分描述图1A中公开的通道X01至X16和复用方案。然而，本公开等同地适用于图1B(和图1C)中的通道Y01至Y16和复用方案。每个通道X01至X16可以连接到读出ASIC 405(本文也称为第一处理器)。读出ASIC 405可以包括用于将来自光学传感器阵列210的信号数字化的模数转换器和用于控制偏置的电路模块。读出ASIC 405还可以包括通信接口，以通过同步板410将数字化信号传输到远程计算机400(本文也称为第二处理器)。同步板同步来自PET系统中不同检测装置/读出ASIC的读数。在图2B所示的系统中，仅示出了一个检测装置，然而，实际上有多个检测装置连接到同步板410。每个检测装置具有本文描述的四对一读出复用1。图2B中省略了反射体215。然而，每个检测装置将具有反射体215。

如上所述，由分段光导200带来的确定性光共享方案保证了闪烁体模块间的光共享仅发生在耦合到同一光学隔离的拟柱体光导的闪烁体模块之间。

图2A示出了根据本公开的方面的具有闪烁体模块到光学传感器的四对一耦合202的粒子检测装置。每个闪烁体模块205可以由硅酸钇镥(LYSO)晶体制成。闪烁体模块205不限于LYSO，并且可以使用在存在入射伽马辐射的情况下发射光子的其他类型的晶体，如硅酸镥(LSO)。在图2A中，光学传感器阵列被表示为SiPM阵列210。然而，如上所述，该阵列不限于SiPM。闪烁体模块205在第一端与SiPM阵列210的表面接触。虽然图2A示出了闪烁体模块205和SiPM阵列210之间的空隙，但是实际上，闪烁体模块205通过光学粘合剂或环氧树脂附着到SiPM阵列210。光学粘合剂或环氧树脂不会改变粒子或光的路径或使其衰减(即使有任何变化，变化也是最小的)。示出该空隙是为了图示粒子从闪烁体模块的第一端行进到SiPM阵列(像素)。闪烁体模块205在第二端与分段光导(PLGA 200)的表面接触。反射体215位于PLGA 200上方。在本公开的一个方面，反射体215可以包括硫酸钡BaSO₄。在其他方面，反射体215可以包括其他反射材料。在本公开的一个方面，可以在每个闪烁体模块205之间使用反射体215。反射体215也可以填充分段光导200的各段之间的任何空隙。

图3A示出了针对闪烁体模块到光学传感器的四对一耦合的分段光导和光学传感器的视图，其中分段光导的段有三种不同的设计。该图的左下角是示出每个光学传感器的闪烁体模块(2x2)的相对布置的平面图。在图3A中也称为“晶体”。出于图示的目的，仅示出了阵列的子集。用不同的混合标示(hashing)示出了拟柱体段的三种不同设计，例如中心拟柱体162、角落拟柱体166和边缘拟柱体168。中心拟柱体162和边缘拟柱体168以相反方向的混合标示示出，角落拟柱体166以交叉的混合标示示出。图3A的右上角示出了三种不同设计的示例(剖视图和透视图)。角落拟柱体166可以与跟三个不同的光学传感器(三个像素)接触的闪烁体模块205接触。边缘拟柱体168可以与跟两个不同的光学传感器(两个像素)接触的闪烁体模块205接触。中心拟柱体162可以与跟四个不同的光学传感器(四个像素)接触的闪烁体模块205接触。

图3A中使用142和144来标识两个相邻的光学传感器。如图3A所示，拟柱体的轮廓形状大致为三角形。然而，在本公开的另一方面，拟柱体的形状可以大致为以下中的至少一个：至少一个棱柱体、至少一个反棱柱体、至少一个截头锥体、至少一个圆顶、至少一个平行六面体、至少一个楔形体、至少一个棱锥体、至少一个截棱锥、球体的至少一部分、至少一个长方体。图3B中示出了某些3D形状的示例(段的五种不同形状)。例如，形状可以是1)长方体、2)棱锥体、3)长方体和棱锥体的组合、4)三棱柱、5)长方体和三棱柱的组合。长方体和三棱柱的组合在图3A中示出，其中长方体形成三棱柱的基底。

在本公开的一个方面，分段光导的每个段从光学传感器偏移。在一些方面，按照闪烁体模块偏移。在本公开的这个方面(并且在模块到传感器的四对一耦合的情况下)，每个闪烁体模块与来自不同光学传感器(像素)的其他闪烁体模块共享光。例如，当光子在与闪烁体模块205的伽马射线相互作用之后进入拟柱体(光导的段)时，光子(即，粒子300)由于几何结构而被有效地重定向到(不同像素的)相邻的闪烁体模块，从而提高了光学传感器(像素)之间的光共享率。

图4示出了根据本公开的方面的粒子检测系统的另一示例。在图4中，存在闪烁体模块到光学传感器的九对一耦合。光学传感器10以与上述四对一读出复用1(如图1A和2B所示)相同的方式连接到读出ASIC 405。类似于图2B，读出ASIC 405通过同步板410连接到计算机400。同步板同步来自PET系统中不同检测装置/读出ASIC的读数。在图4所示的系统中，仅示出了一个检测装置，然而，实际上有多个检测装置连接到同步板410。每个检测装置具有本文描述的四对一读出复用1。图4省略了反射体215。然而，每个检测装置将具有反射体215。计算机400可以包括至少一个处理器、存储器和用户接口，如键盘或/显示器。操作者可以使用用户接口来指定读出间隔或周期。

在本公开的一个方面，每个像素(除了四个角落像素)可以具有九个闪烁体模块205。角落像素可以具有四个闪烁体模块。图5示出了光导的段。类似于图3A，左下方以不同的混合标示示出了不同设计的段。图5的左下部分仅示出了阵列220的代表性部分。左下方一组闪烁体模块或晶体周围的实线指的是像素(SiPM像素)，而虚线指的是模块或晶体。用不同的混合标示示出了拟柱体段的三种不同设计，例如中心拟柱体162、角落拟柱体166和边缘拟柱体168。中心拟柱体162和边缘拟柱体168以相反方向的混合标示示出，角落拟柱体166以交叉的混合标示示出。9x1配置的角落拟柱体166的轮廓可能不同于4x1配置的轮廓，因为在9x1配置中只有角落像素可能具有4x1耦合。图5的右侧示出了相对于像素(和闪烁体模块)的几个不同的中心拟柱体位置。在图5的右侧没有示出所有的SiPM像素(光学传感器)。在图5中，示出了九个中心拟柱体，以图示九个不同的主相互作用闪烁体模块(主相互作用)。例如，当主相互作用闪烁体模块是模块139(该段中的中心闪烁体模块)时，该段将粒子定向至四个相邻的光学传感器/像素142、144、148、148。图5中的“X”指的是主相互作用闪烁体模块。段132和134可能彼此不相邻，但是在图中看起来相邻。

这种配置中的角落拟柱体166可以在一组五个闪烁体模块(三个不同的光学传感器/像素)的端部(与段接触的端部)之间重定向粒子。这种配置中的边缘拟柱体也可以在五个闪烁体模块(两个不同的光学传感器/像素)的端部(与段接触的端部)之间重定向粒子。

在其他配置中，甚至角落光学传感器/像素10可以与九个闪烁体模块205接触。

在本公开的一个方面，闪烁体模块205可以具有渐缩端，如提交于2021年9月2目的题为“渐缩的闪烁体晶体模块及其使用方法”的PCT申请序列号US21/48880中所述，其内容通过引用结合于此。渐缩端是第一端，例如闪烁体模块/光学传感器界面。

图6示出了根据本公开的方面的方法的流程图。出于描述的目的，下面描述的功能由计算机400的处理器执行。在S600，处理器(通过同步板410)向读出ASIC 405发出指令以从光学传感器阵列读出信号。这可以是以帧同步命令的形式。当读出ASIC 405接收到指令时，读出ASIC405使得向光学传感器阵列210供电。在本公开的一些方面，存在被控制闭合以提供偏压的开关。读出ASIC 405(通过通道连接)分别从通道X01至X16接收复用信号。对复用信号进行数字化和同步(通过同步板410)并传输到计算机400。在本公开的一个方面，计算机400包括通信接口。在一些方面，通信接口可以是有线接口。

在S605，处理器从每个通道接收数字化信号。在本公开的一些方面，数字化信号与通道标识符相关联，使得处理器可以识别哪些数字化信号对应于哪个通道。数字化信号可以存储在存储器中。在本公开的一个方面，计算机400具有标识哪些像素连接到相应的(复用)通道的预设映射。该映射可以存储在存储器中。

在610，处理器可以针对事件(每个事件)识别具有最高数字化信号(例如最高X能量)的通道子集。每个事件是相对于时间窗口确定的。事件的窗口始于SiPM最初感测到(一个或多个)粒子。窗口“开放”达设定时间段。设定时间段可以是几纳秒。在该窗口内检测到的(来自任何SiPM的)粒子被分组在一起并被认为属于同一事件。在本公开的一个方面，相关通道的数量可以是基于事件的位置。例如，在主相互作用位于阵列的中心(与中心拟柱体162相关联)的情况下，相关通道的数量可以是四个。处理器可以针对该事件识别具有最高的四个数字化信号的四个通道。当主相互作用位于角落拟柱体166时，处理器可能只需要识别与最高的三个数字输出相关联的三个通道。当主相互作用位于边缘拟柱体168时，处理器可能只需要识别与最高的两个数字输出相关联的两个通道。

假设光共享被段光学隔离，则相互作用的主光学传感器(像素)可以根据通道与某些最高数字化信号的关系来确定。该关系允许基于具有某些最高数字化信号的通道的模式来唯一地识别相邻的光学传感器。在S615，处理器可以确定主相互作用光学传感器(像素)。例如，在主相互作用光学传感器是中心的情况下，处理器可以使用存储的映射来确定与这四个最高信号相关联的所识别的四个通道的相对位置。这会将主光学传感器(从连接到所识别的通道的16个可能的传感器/像素)缩减至四个邻近的光学传感器/像素。例如，当这四个最高通道是X02、X03、X10和X11时。处理器可以将SiPM像素10、11、18和19识别为相邻的光学传感器，例如相邻的像素。然后，处理器可以确定四个通道中的哪一个具有最高信号。(在缩减后的四个邻近光学传感器中的)与具有最高传感器的通道相关联的光学传感器被识别为主光学传感器/像素(主相互作用)。例如，当四个通道的最大信号是X03时，处理器可以确定主相互作用光学传感器(像素)是19(其是从连接到通道X03的17、19、21和23缩减得到的)。

在主相互作用光学传感器是角落的情况下，处理器可以使用存储的映射来确定与这三个最高信号相关联的所识别的三个通道的相对位置。在其他方面，处理器仍然可以使用具有四个最高信号的四个通道。这会将主相互作用光学传感器缩减至三个邻近的光学传感器/像素。然后，处理器可以确定三个通道中的哪一个具有最高信号。(在缩减后的三个邻近光学传感器中的)与具有最高传感器的通道相关联的光学传感器被识别为主光学传感器/像素(主相互作用)。

在主相互作用光学传感器是边缘光学传感器(与边缘拟柱体相关联)的情况下，处理器可以使用存储的映射来确定与两个最高信号相关联的所识别的两个通道的相对位置。在其他方面，处理器仍然可以使用具有四个最高信号的四个通道。这会将主相互作用光学传感器缩减至两个邻近的光学传感器/像素。然后，处理器可以确定两个通道中的哪一个具有最高信号。(在缩减后的两个邻近光学传感器中的)与具有最高传感器的通道相关联的光学传感器被识别为主相互作用光学传感器/像素。

在S620，处理器可以确定DOI。可以使用下式确定DOI：

Pmax是针对该事件的与具有最高信号(最高能量)的通道相关联的数字化值，并且P是针对该事件的与所识别的通道子集相关联的数字化信号的总和，也可以按需在减去Pmax之后进行计算。由于段光学隔离了与所述段相关联的相邻光学传感器，因此该求和实际上是取与主相互作用光学传感器相关联的能量与相邻传感器的能量之和的比值。一旦处理器识别了主相互作用光学传感器，它就知道要将多少通道(最高M个通道)相加，例如，对于中心拟柱体的光学传感器而言是4个，对于角落拟柱体的光学传感器而言是3个，并且对于边缘拟柱体的光学传感器而言是2个。

然后可以使用下式将该比率转换成深度。

DOI＝m*w+q (2)

其中m是根据最佳拟合线性回归模型的DOI与w之间的斜率，并且q是为了确保DOI估计始于DOI＝0mm处的截距。可以预先为闪烁体模块205确定参数m和q。

因此，根据本公开的方面，复用信号可以用于确定DOI和主相互作用光学传感器，而不需要使用本文描述的诸如机器学习或查找表之类的解复用技术来解复用信号。在本公开的其他方面，可以在根据本公开的方面对复用信号进行解复用之后并随后从解复用信号进行计算来计算DOI，其中Pmax是与具有最高解复用值的光学传感器/像素相关联的数字化值，并且p是每个光学传感器/像素的所有解复用值的总和。

在本公开的一个方面，可以使用复用信号基于四个最高通道的相对幅度来估计主相互作用闪烁体模块。使用上面识别的示例，当四个最高通道是X02、X03、X10和X11时，假设是针对中心段(例如，拟柱体)的光共享方案，则与SiPM 19相关联的左上闪烁模块可以被估计为是主相互作用闪烁体模块。使用相对幅度，处理器可以识别主光学传感器(像素)、竖直/水平邻近和对角线邻近。对角线邻近可具有所识别的通道子集的最低能量。水平/竖直邻近可具有接近的能量，例如，通道输出可以几乎相等。使用通道子集识别的相邻光学传感器可以与同一个段相关联(由于光共享)。

虽然可以如上所述估计主相互作用光学传感器和主相互作用闪烁体模块，但是由于散射和噪声，可以在如本文所述解复用通道中的信号之后确定它们。

在S625，处理器可以将来自通道的复用信号解复用成全光学传感器分辨率。例如，处理器从16个通道X01至X16获取复用信号，并生成M x M个信息通道(系统中光学传感器的数量)，其中M是行数和列数。例如，对于8x8读出阵列，有64个解复用通道。

在本公开的一个方面，转换是基于预存储的机器学习模型。稍后将参考图7和图8详细描述生成机器学习模型。具体而言，处理器可以检索存储的机器学习模型，并使用复用信号作为输入，以输出对应于8x8阵列的对应64个通道的解复用信号。

在其他方面，处理器可以使用存储的查找表，该查找表将复用信号关联为全通道分辨率的解复用信号。可以使用从未经复用的通道获得的实验数据来创建该查找表。对于8x8阵列，可以从取自多个事件的64个通道的实验数据创建该查找表。例如，从一个事件的64个通道获得数据。复用数据可以由处理器(基于软件的复用)产生，该处理器将如图1A所示的相同通道相加来生成16个通道的数据(将4个通道加在一起)。然后将16个通道的数据与64个通道的数据相关联，以备后用。可以对多个事件重复该过程，以创建多个对应信息，例如64个通道到16个通道。随后，当从读出ASIC 405获得复用数据时，处理器查找64通道数据。处理器可以选择与最接近实际检测到的通道数据的16通道数据相对应的64通道数据。最接近的可以定义为最小的均方根误差或均方误差。然而，可以使用其他参数来确定查找表中最接近的存储的16通道数据。在本公开的其他方面，处理器可以基于最接近的存储的16通道数据集(例如，两个最接近的数据集)之间的差来内插64通道数据。

在S630，处理器使用解复用信号(例如，表示来自每个光学传感器的能量的信号)来计算能量加权平均值。可以用下式计算能量加权平均值：

其中x_i和y_i是第i个读出光学传感器(像素)的x和y位置，p_i是由第i个光学传感器(像素)读出的数字化信号，N是光学传感器阵列中光学传感器(像素)的总数，并且P是针对单个伽马射线相互作用事件的来自所有光学传感器(像素)的数字化信号的总和。

在S635，处理器可以基于为每个闪烁体模块205计算的能量加权平均值来确定主相互作用闪烁体模块。具有最高计算能量加权平均值的闪烁体模块205可以被确定为主相互作用闪烁体模块。与具有最高计算能量加权平均值的闪烁体模块205相关联的光学传感器(像素)可以被确定为主相互作用光学传感器(像素)。

在本公开的其他方面，代替确定所有三个特征，例如主相互作用光学传感器(像素)、主相互作用闪烁体模块和DOI，处理器可以仅确定三个特征中的一个或这些特征的任何组合，例如这三个特征中的至少一个。

图7示出了根据本公开的方面的机器学习模型的训练和测试的示例的流程图。(一个或多个)机器学习模型的生成可以在计算机400上执行。在其他方面，不同的装置可以执行模型的生成，并且模型随后被传输到计算机400。

可以针对不同的闪烁体模块/光学传感器阵列配置使用不同的机器学习模型。例如，可以针对闪烁体模块到光学传感器阵列的四对一耦合使用第一机器学习模型，并且可以针对闪烁体模块到光学传感器阵列的九对一耦合使用第二机器学习模型(针对十六对一耦合使用第三机器学习模型)。

可以针对不同的闪烁体模块(维度)使用不同的机器学习模型。例如，在相同耦合(例如，闪烁体模块到光学传感器阵列的四对一耦合)的情况下，可以针对具有1.5mm x1.5mm x 20mm与1.4mm x 1.4mm x 20mm的闪烁体模块使用不同的ML模型。为了获得用于训练/测试的数据集，可以使包括闪烁体模块阵列、分段光导和光学传感器阵列(连接到读出ASIC)的粒子检测装置暴露于已知的粒子源。并非是根据本公开的方面那样通过到读出ASIC的连接进行复用，而是光学传感器阵列通过N个连接被连接到读出ASIC，其中N是光学传感器阵列中光学传感器的数量。可以使该装置暴露于不同深度并经历多个事件。在S700，每个事件记录来自每个通道(例如，64个通道)的数字化信号。取该全通道分辨率作为用于(在测试期间)评估模型的地面真值。

在S705，可以通过针对每个事件将预设数量的通道相加来生成复用信号。在本公开的一个方面，处理器根据图1A所示的复用方案将来自相同光学传感器的信号相加，以获得复用信号。这是为了模拟本文描述的硬件复用。例如，处理器可以将来自四个光学传感器的信号加在一起，以将通道的数量减少到16个。基于计算机的复用信号可以存储在存储器中。在S710，处理器将为每个事件生成的基于计算机的复用信号分成用于训练的数据集和用于测试的数据集。在一些方面，80％的基于计算机的复用信号可以用于训练，并且20％可以用于测试和验证。可以使用其他划分，如75％/25％或90％/10％。在一些方面，划分可以是随机的。

机器学习模型可以是基于神经网络的。然而，机器学习模型不限于NN。可以使用其他机器学习技术，如状态向量回归。在本公开的一些方面，神经网络可以是卷积神经网络(CNN)。另外，在本公开的一些方面，CNN可以是具有U-NET架构的浅层CNN。可以迭代优化包括卷积层数、滤波器和优化器的超参数。

图8示出了具有U-NET架构的CNN的示例。

U-Net包括具有复用数据(16x1，可以在馈入CNN之前将其整形为4x4x1矩阵)的输入层800。输入层800之后可以是一系列2D卷积，如图8中的807/809。卷积层807和809可以具有32个不同的4x4矩阵(也称为“滤波器”)。

卷积层807/809之后可以是用来将其2D维数缩减到2x2的最大池化层811、各自具有64个滤波器的附加卷积层813/815、以及用来将2D维数缩减到1x1的另一最大池化层817。在缩减到1x1维度空间之后，矩阵可以通过若干卷积层819/821，每个卷积层具有128个滤波器，然后经历膨胀路径以将其恢复到其原始的4x4维数并完成“U”形。

膨胀路径包括一系列上采样卷积层823/829，其特征分别与具有相等维度的对应层825/831和具有64/32个滤波器的卷积层827/833融合。输出层837可以是具有4个滤波器的卷积层，以提供4x4x4的矩阵，该矩阵然后可以被整形以与8x8读出阵列相关。U-Net中的所有卷积层可以具有跨距＝1的2x2滤波器，并且可以跟随有整流线性单元(ReLU)激活函数。从概念上讲，可以制定U-Net，以将馈入输入层的单个4x4矩阵(基于计算机的复用信号)解复用为(经解复用的)8x8矩阵，这等于阵列中光学传感器的数量。注意，输入层的形状(矩阵的维数)和输出层中滤波器的数量可以基于所使用的读出阵列而更改。例如，输入矩阵可以是16x1的。此外，可以使用具有较小维度的复用输入矩阵。

在S715，可以使用训练数据集来训练上述模型，其中在800处输入训练数据集。在S720，可以使用测试数据集来测试上述模型，其中在800处输入测试数据集。优化器可以是Adam优化器的修改版本。初始学习率可以是1.0。在S725，可以使用评估参数来评估模型的性能。例如，评估参数可以是均方误差MSE。然而，评估参数不限于MSE。

一旦使用评估参数确认了模型，就可以在S730将模型存储在(计算机400中的)存储器中或者传输到计算机400以供后续使用。

针对闪烁体模块和光学传感器阵列的四对一耦合以及闪烁体模块和光学传感器阵列的九对一耦合，测试了图1A中描述的复用方案和使用(一个或多个)机器学习模型的解复用。

闪烁体模块是使用LYSO制造的，并在一端耦合到8x8的SiPM阵列(光学传感器阵列)，在另一端耦合到如上所述的拟柱体分段光导。针对闪烁体模块和光学传感器阵列的四对一耦合的闪烁体模块阵列由1.4mm x 1.4mm x 20mm的16x16阵列组成，而针对闪烁体模块和光学传感器阵列的九对一耦合的闪烁体模块阵列由0.9mm x 0.9mm x 20mm的24x24阵列组成。

通过使两个闪烁体模块阵列(和传感器)均匀地暴露于(以不同深度)放置在5cm远处的3MBq Na-22钠点源(1mm有效直径)，从两个闪烁体模块阵列(和传感器)获得标准泛光数据采集。使用铅准直(1mm针孔)在沿着20mm闪烁体模块长度(2、6、10、14和18mm)的5个不同深度处获得深度准直数据，以评估DOI性能。用ASIC(TOFPET2)和FEB/D_v2读出板(PETsysElectronics SA)加快数据读出。如上所述进行基于计算机的复用，以针对闪烁体模块到光学传感器的四对一耦合实现16x1闪烁体模块到通道的复用，并且针对闪烁体模块到光学传感器的九对一耦合实现36x1闪烁体模块到通道的复用。

基于每个闪烁体模块以±15％的能量窗口进行使用基于计算机的复用的光峰过滤。只有最高信号大于第二高信号两倍的事件才被接受，以便排除具有光峰的康普顿散射事件。

使用通过机器学习(具有U-Net架构的CNN)的上述方法进行对通过基于计算机的复用生成的信号的解复用。使用总数据集的80％进行U-Net训练。10％的训练数据集被保留并用于训练验证，以确保不会发生过度拟合。使用Adam优化器的修改版本Adadelta用于训练优化。

使用500和1000个时期的批次尺寸用于训练。通过对每个时期的所有事件取模型估计值和地面真值之间的平均差来计算训练损失。进行模型训练以减少连续时期之间的损失，直到找到全局最小值。通过绘制作为时期函数的训练和验证损失曲线并确保它们以近似相等的最小值达到渐近行为来观察模型收敛。

图9A和9B示出了来自闪烁体模块到光学传感器的四对一耦合的从多个光学传感器阵列中的每一个输出的实际信号(没有进行复用)和从基于计算机的复用信号的训练/测试机器学习模型获得的预测的定性比较，所述基于计算机的复用信号是使用图1A所示的复用方案(经解复用)。结果看起来相似。例如，该比较表明，在有和没有(每像素通道的)基于计算机的复用的情况下，在所有中心、边缘和角落闪烁体模块中都实现了完美的闪烁体模块分离。U在x轴上，并且V在y轴上。

图9C示出了合成数据集(基于计算机的复用数据)的示例，该数据集是通过以与上述类似的方式将四个传感器输出相加而生成的(复用)，其中读取全分辨率(例如，64个)传感器输出。图9D示出了从来自读出ASIC的复用信号的读数生成的复用数据集的示例，其中读出ASIC通过如上所述的复用方案连接到阵列。图9C和图9D的比较表明，数据集非常相似，但由于不完善的模型收敛而略有不同。图9C和图9D示出了在U′和V′空间中的映射，进行该映射以在正方形中示出通道。

图10A和图10B示出了针对5个不同深度(2、6、10、14和18mm)的闪烁体模块到光学传感器的四对一耦合的相关粒子检测系统中的DOI分辨率与根据本公开的方面的粒子检测系统的DOI分辨率之间的比较。该比较是针对光学传感器阵列中的中心光学传感器和光学传感器阵列中的另一中心光学传感器。在图10A中，使用了“传统”计算方法。在传统方法中，使用最高能量信号(光学传感器或像素基础的Pmax)计算等式1，并且从每个通道的总和计算P(未经复用，因此所有64个通道值相加)。在图10B中，通过基于计算机的复用信号直接计算DOI。例如，Pmax被确定为16个基于计算机的复用信号中的最高信号，并且P是根据16个基于计算机的复用信号中的最高四个信号之和确定的。

针对未经复用的数据(图10A)和经复用的数据(图10B)，DOI估计分布是相似的。所有测量深度的平均DOI分辨率对于未经复用的数据(图10A)是2.32mm半峰全宽(FWHM)，并且对于经复用的数据(图10B)是2.73mm FWHM。

图11A和11B示出了来自闪烁体模块到光学传感器的九对一耦合的从多个光学传感器阵列中的每一个输出的实际信号(没有进行复用)和从基于计算机的复用信号的训练/测试机器学习模型获得的预测的定性比较，所述基于计算机的复用信号是使用图1A所示的复用方案(经解复用)。在中心和边缘闪烁体模块中实现了优异的闪烁体模块分离，在未经复用的数据(图11A)和经复用的数据(图11B)之间具有相当的性能。

图12A和图12B示出了针对5个不同深度(2、6、10、14和18mm)的闪烁体模块到光学传感器的九对一耦合的相关粒子检测系统中的DOI分辨率与根据本公开的方面的粒子检测系统的DOI分辨率之间的比较。该比较是针对光学传感器阵列中的中心光学传感器和光学传感器阵列中的另一中心光学传感器。在图12A中，使用了“传统”计算方法。在传统方法中，使用最高能量信号(光学传感器或像素基础的Pmax)计算等式1，并且从每个通道的总和计算P(未经复用，因此所有64个通道值相加)。在图12B中，通过基于计算机的复用信号直接计算DOI。例如，Pmax被确定为16个基于计算机的复用信号中的最高信号，并且P是根据16个基于计算机的复用信号中的最高四个信号之和确定的。

针对未经复用的数据(图12A)和经复用的数据(图12B)，DOI估计分布是相似的。所有测量深度的平均DOI分辨率对于未经复用的数据(图12A)是3.8mm半峰全宽(FWHM)，并且对于经复用的数据(图12B)是3.64mm FWHM。

对于闪烁体模块到光学传感器的四对一耦合，针对x和y坐标的关于能量加权平均方法的CNN预测的百分比误差分别为2.05％和2.15％，并且对于闪烁体模块到光学传感器的九对一耦合，百分比误差分别为2.41％和1.97％。对于闪烁体模块到光学传感器的四对一耦合，CNN预测后复用数据的每个事件的总检测能量的百分比误差是1.53％，并且对于闪烁体模块到光学传感器的九对一耦合是1.69％。

上述测试表明，由于得自拟柱体分段光导的确定性的光共享，通过使用如图1A所示的所述复用方案，系统性能之间的任何差异都是最小的。注意，观察到的差异可能源自于实验条件，诸如使用3MBq Na-22钠点源(1mm有效直径)。复用导致数据从光学传感器阵列输出到读出ASIC和连接中。最小化数据文件的尺寸是特别关键的，因为取决于读出方案和DOI分辨率(其决定DOI仓的数量)的向DOI PET的场位移可以使响应线(LOR)的有效数量增加2个数量级以上。

如本文使用的，诸如“一”、“一个”和“该”的术语不意图仅指代单个实体，而是包括具体示例可以用于说明的其一般类别。

如本文使用的，以单数限定的术语意图包括以复数限定的那些术语，并且反之亦然。

说明书中对“一个方面”、“某些方面”、“一些方面”或“一方面”的引用指示所描述的(一个或多个)方面可以包括特定的特征或特性，但是每个方面可以不一定包括特定的特征、结构或特性。此外，这样的短语不一定指代同一个方面。此外，当结合一方面描述特定的特征、结构或特性时，认为结合其他方面影响这样的特征、结构或特性无论是否被明确描述都在本领域技术人员的知识范围内。出于下文描述的目的，术语“上”、“下”、“右”、“左”、“竖直”、“水平”、“顶”、“底”及其派生词应当涉及相对于地板和/或按照它在各图中取向的装置。

本文提及的任何数值范围明确包括该范围包含的每个数值(包括分数和整数)。为了说明，本文提到的“至少50”或“至少大约50”的范围包括整数50、51、52、53、54、55、56、57、58、59、60等以及分数50.1、50.2、50.3、50.4、50.5、50.6、50.7、50.8、50.9等。在进一步的说明中，本文提到的“小于50”或“小于大约50”的范围包括整数49、48、47、46、45、44、43、42、41、40等以及分数49.9、49.8、49.7、49.6、49.5、49.4、49.3、49.2、49.1、49.0等。

如本文使用的，术语“处理器”可以包括单核处理器、多核处理器、位于单个装置中的多个处理器或者彼此有线或无线通信并且分布在装置网络、互联网或云上的多个处理器。因此，如本文使用的，由“处理器”执行或配置为执行的功能、特征或指令可以包括由单核处理器执行的功能、特征或指令，可以包括由多核处理器的多个核共同或协作执行的功能、特征或指令，或者可以包括由多个处理器共同或协作执行的功能、特征或指令，其中每个处理器或核不需要单独执行每个功能、特征或指令。例如，可以使用单个FPGA或多个FPGA来实现本文描述的功能、特征或指令。例如，多个处理器可以允许负载平衡。在另外的示例中，服务器(也称为远程或云)处理器可以代表客户端处理器完成一些或所有功能性。术语“处理器”还包括如本文所述的一个或多个ASIC。

如本文使用的，术语“处理器”可以用术语“电路”来替换。术语“处理器”可以指代包括执行代码的处理器硬件(共享的、专用的或成组的)和存储由处理器执行的代码的存储器硬件(共享的、专用的或成组的)，或者是它们的一部分。

此外，在本公开的一些方面，非暂时性计算机可读存储介质包括存储在其上的电子可读控制信息，其被配置为使得当在处理器中使用该存储介质时，实行本文描述的功能性的方面。

更进一步，任何前述方法可以以程序的形式体现。该程序可以存储在非暂时性计算机可读介质上，并且当在计算机装置(包括处理器的装置)上运行时，适于执行前述方法中的任一个。因此，非暂时性有形计算机可读介质适于存储信息，并且适于与数据处理设施或计算机装置交互，以执行任何上面提及的实施例的程序和/或执行任何上面提及的实施例的方法。

计算机可读介质或存储介质可以是安装在计算机装置主体内部的内置介质，或者是被布置成使得它可以与计算机装置主体分离的可移动介质。如本文使用的术语计算机可读介质不包括通过介质(诸如在载波上)传播的暂时性电信号或电磁信号；因此，术语计算机可读介质被认为是有形的和非暂时性的。非暂时性计算机可读介质的非限制性示例包括但不限于可重写非易失性存储器装置(包括例如闪存装置、可擦除可编程只读存储器装置或掩模只读存储器装置)；易失性存储器装置(包括例如静态随机存取存储器装置或动态随机存取存储器装置)；磁存储介质(包括例如模拟或数字磁带或硬盘驱动器)；和光存储介质(包括例如CD、DVD或蓝光盘)。具有内置可重写非易失性存储器的介质的示例包括但不限于存储卡；和具有内置ROM的介质，包括但不限于ROM盒；等等。此外，关于存储的图像的各种信息(例如属性信息)可以以任何其他形式存储，或者可以以其他方式提供它。

术语存储器硬件是术语计算机可读介质的子集。

本公开的所描述的方面和示例意图是说明性而非限制性的，并且不意图表示本公开的每个方面或示例。虽然已经示出、描述和指出了如应用于本公开的各个具体方面的本公开的基本新颖特征，但是还将理解，本领域技术人员可以在不脱离本公开的精神的情况下，对所图示装置的形式和细节以及它们的操作进行各种省略、替换和改变。例如，明确意图以基本上相同的方式执行基本上相同的功能以实现相同结果的那些元件和/或方法步骤的所有组合都在本公开的范围内。此外，应该认识到，结合本公开的任何公开的形式或方面示出和/或描述的结构和/或元件和/或方法步骤可以作为设计选择的一般问题并入任何其他公开的或描述的或建议的形式或方面中。此外，可以在不脱离如所附权利要求书字面上和法律认可的等同物中阐述的本公开的精神或范围的情况下进行各种修改和变型。

Claims (23)

1.一种用于从光学传感器阵列读出信号的系统，所述光学传感器阵列包括被布置成行和列的多个光学传感器，阵列中的每个光学传感器对应于一个像素，所述系统包括：

多个第一通道；

多个第二通道；以及

第一处理器，其经由所述多个第一通道和所述多个第二通道电连接到所述多个光学传感器，每个第一通道电连接到光学传感器阵列的对应行中的光学传感器的子集，

其中在连接之间有至少一个光学传感器，

每个第二通道电连接到光学传感器阵列的对应列中的光学传感器的子集，

其中在连接之间有至少一个光学传感器，

其中第一处理器经由所述多个第一通道和所述多个第二通道读出信号，并且

在读出期间，第一处理器使得向所述多个光学传感器中的每一个供电，以向光学传感器加偏压。

2.根据权利要求1所述的系统，其中，所述多个第一通道包括第一行通道和第二行通道，其中第一行通道电连接到光学传感器阵列的第一行中的光学传感器的子集，并且第二行通道电连接到光学传感器阵列的第二行中的光学传感器的子集，其中第一行与第二行相邻，其中第一行中的光学传感器的子集与第二行中的光学传感器的子集不在光学传感器阵列的相同的列中。

3.根据权利要求1或权利要求2所述的系统，其中，所述多个第二通道包括第一列通道和第二列通道，其中第一列通道电连接到光学传感器阵列的第一列中的光学传感器的子集，并且第二列通道电连接到光学传感器阵列的第二列中的光学传感器的子集，其中第一列与第二列相邻，其中第一列中的光学传感器的子集与第二列中的光学传感器的子集不在光学传感器阵列的相同的行中。

4.根据权利要求1至3中的任一项所述的系统，其中，光学传感器阵列具有M行和M列的光学传感器，并且其中所述多个第一通道包括M行通道，并且其中所述多个第二通道包括M列通道，其中M是2的整数倍。

5.一种粒子检测装置，其包括根据权利要求1至4中的任一项所述的系统，其中所述装置还包括：

闪烁体阵列，其包括第二多个闪烁体模块，第二多个闪烁体模块大于所述多个光学传感器，其中多个闪烁体模块在相应闪烁体模块的第一端与相应光学传感器接触；以及

分段光导，其包括多个拟柱体段，分段光导与第二多个闪烁体模块的第二端接触，每个拟柱体段与跟至少两个不同的光学传感器接触的闪烁体模块接触，所述至少两个不同的光学传感器是相邻的光学传感器，并且

其中每个拟柱体段被配置成在与相应拟柱体段接触的闪烁体模块之间重定向粒子。

6.根据权利要求5所述的粒子检测装置，其中，拟柱体段包括：中心拟柱体段、边缘拟柱体段和角落拟柱体段，

其中，中心拟柱体段与跟四个相邻的光学传感器接触的闪烁体模块接触，角落拟柱体段与跟三个相邻的光学传感器接触的闪烁体模块接触，并且边缘拟柱体段与跟两个相邻的光学传感器接触的闪烁体模块接触。

7.一种粒子检测系统，包括：

根据权利要求5或权利要求6所述的粒子检测装置；以及

与第一处理器通信的第二处理器，其中第二处理器被配置成：识别每个事件具有最高信号的通道子集，并使用来自所识别的通道子集的信号来确定事件的主相互作用像素、事件的主相互作用闪烁体模块或事件的相互作用深度中的至少一个。

8.根据权利要求7所述的粒子检测系统，其中，第二处理器被配置成分别基于来自每个事件具有最高信号的通道的信号与来自每个事件具有最高信号的通道子集中的每个通道的信号之和的比率来确定事件的相互作用深度。

9.根据权利要求7或权利要求8所述的粒子检测系统，其中，第二处理器被配置成基于唯一识别相邻像素的通道子集和从所识别的相邻像素中识别主相互作用像素的每个事件具有最高信号的通道之间的位置关系来确定事件的主相互作用像素。

10.根据权利要求7至9中的任一项所述的粒子检测系统，其中，第二处理器被配置成基于能量加权平均值确定事件的主相互作用闪烁体模块。

11.根据权利要求10所述的粒子检测系统，其中，第二处理器被配置成使用存储的机器学习模型、使用来自所述多个第一通道和所述多个第二通道的信号作为输入来对来自所述多个第一通道和所述多个第二通道的信号解复用。

12.根据权利要求11所述的粒子检测系统，其中，机器学习模型是基于卷积神经网络。

13.根据权利要求10所述的粒子检测系统，其中，第二处理器被配置成使用存储的查找表来对来自所述多个第一通道和所述多个第二通道的信号解复用。

14.根据权利要求11至13中的任一项所述的粒子检测系统，其中，第二处理器被配置成使用解复用的信号来计算能量加权平均值。

15.根据权利要求11至14中的任一项所述的粒子检测系统，其中，第二处理器被配置成使用解复用的信号来计算相互作用深度。

16.根据权利要求7至9中的任一项所述的粒子检测系统，其中，通道子集中的通道数量是基于主光学传感器在光学传感器阵列中的位置。

17.根据权利要求16所述的粒子检测系统，其中，当主光学传感器是光学阵列中的角落光学传感器时，子集中的通道数量是三个，当主光学传感器是边缘光学传感器时，子集中的通道数量是两个，并且当主光学传感器是阵列中的中心光学传感器时，子集中的通道数量是四个。

18.根据权利要求7至17中的任一项所述的粒子检测系统，其中，有闪烁体模块到光学传感器的四对一耦合。

19.根据权利要求7至17中的任一项所述的粒子检测系统，其中，有闪烁体模块到光学传感器的九对一耦合。

20.根据权利要求9所述的粒子检测系统，其中，第二处理器被配置成使用来自所识别的通道子集和所识别的相邻光学像素的信号的相对值来确定主相互作用闪烁体模块。

21.一种对来自光学传感器阵列的信号进行复用的方法，光学传感器阵列包括被布置成行和列的多个光学传感器，阵列中的每个光学传感器对应于一个像素，该方法包括：

对于光学传感器阵列中的每一行：

分别将第一通道连接到该行中的光学传感器的子集，其中在连接之间有至少一个光学传感器，

对于光学传感器阵列中的每一列：

分别将第二通道连接到该列中的光学传感器的子集，其中在连接之间有至少一个光学传感器，以及

将每个第一通道和每个第二通道连接到处理器。

22.根据权利要求21所述的方法，其中，针对第一行连接到第一通道的行中的光学传感器的子集与针对第二行连接到第一通道的行中的光学传感器的子集在列上偏移，其中第一行和第二行相邻。

23.根据权利要求21或权利要求22所述的方法，其中，针对第一列连接到第二通道的列中的光学传感器的子集与针对第二列连接到第二通道的列中的光学传感器的子集在行上偏移，其中第一列和第二列相邻。

Images