CN117796828A - 核医学诊断装置、数据处理方法及计算机可读存储介质 - Google Patents

Abstract

提供能够提高画质的核医学诊断装置、数据处理方法及非易失性计算机可读存储介质。实施方式所涉及的核医学诊断装置具备处理电路。处理电路取得由第1检测器检测的第1光子数信息、以及由与所述第1检测器不同的第2检测器检测的第2光子数信息，基于所述第1光子数信息计算与所述第1检测器对应的第1发光概率模型，基于所述第2光子数信息计算与所述第2检测器对应的第2发光概率模型，基于所述第1发光概率模型和所述第2发光概率模型，确定由所述第1检测器和所述第2检测器规定的LOR即响应线的与检测时间差相关的概率分布模型。

Description

核医学诊断装置、数据处理方法及计算机可读存储介质

关联申请的参考：

本申请享受2022年9月30日提交的日本专利申请2022-159095、2022年9月30日提交的日本专利申请2022-159114及2023年9月26日提交的日本专利申请2023-163127的优先权，其全部内容被引用至本申请中。

技术领域

本说明书所公开的实施方式涉及核医学诊断装置、数据处理方法及非易失性计算机可读存储介质。

背景技术

在进行PET图像的重构时，使用ToF(飞行时间(Time Of Flight))内核进行图像重构。在此，在用于图像重构的ToF内核的时间长度并非与检测器的ToF性能匹配的情况下，重构后的图像的画质有时会降低。因此，优选检测器的ToF性能与用于图像重构的ToF内核尽可能一致。

另外，作为用于使重构图像的画质成为高画质的一个方法，考虑使各检测器的性能均一，减小每个检测器的性能的偏差，但有时在成本方面负担较大。

发明内容

本发明所要解决的课题在于，提供能够提高画质的核医学诊断装置、数据处理方法及非易失性计算机可读存储介质。

实施方式所涉及的核医学诊断装置具备处理电路。处理电路取得由第1检测器检测的第1光子数信息、以及由与所述第1检测器不同的第2检测器检测的第2光子数信息，基于所述第1光子数信息计算与所述第1检测器对应的第1发光概率模型，基于所述第2光子数信息计算与所述第2检测器对应的第2发光概率模型，基于所述第1发光概率模型和所述第2发光概率模型，确定由所述第1检测器和所述第2检测器规定的LOR(响应线(Line OfResponse))的与检测时间差相关的概率分布模型。

效果：

根据实施方式所涉及的核医学诊断装置、数据处理方法及非易失性计算机可读存储介质，能够提高画质。

附图说明

图1是表示第1实施方式及第2实施方式所涉及的核医学诊断装置的构成的一例的图。

图2是表示第1实施方式所涉及的核医学诊断装置所进行的处理的流程的流程图。

图3是说明第1实施方式所涉及的核医学诊断装置所进行的处理的图。

图4是更详细地说明图2的步骤S300的处理的一例的流程图。

图5是说明第1实施方式所涉及的核医学诊断装置所进行的处理的图。

图6是说明第1实施方式所涉及的核医学诊断装置所进行的处理的图。

图7是说明第1实施方式所涉及的核医学诊断装置所进行的处理的图。

图8是更详细地说明图2的步骤S300的处理的另一例的流程图。

图9是说明第1实施方式所涉及的核医学诊断装置所进行的处理的图。

图10是说明第1实施方式所涉及的核医学诊断装置所进行的处理的图。

图11是说明第1实施方式所涉及的计算结果的一例的图。

图12是说明第1实施方式所涉及的计算结果的一例的图。

图13是表示第2实施方式所涉及的核医学诊断装置所进行的处理的流程的流程图。

图14是更详细地说明图13的步骤S30的处理的一例的流程图。

图15是更详细地说明图14的步骤S300的处理的一例的流程图。

图16是更详细地说明图14的步骤S300的处理的另一例的流程图。

图17是说明第2实施方式所涉及的核医学诊断装置所进行的处理的图。

图18是表示第2实施方式所涉及的方法的验证结果的一例的图。

图19是表示第2实施方式所涉及的方法的验证结果的一例的图。

图20是表示第2实施方式所涉及的方法的验证结果的一例的图。

具体实施方式

实施方式所涉及的核医学诊断装置具备处理电路。处理电路取得由第1检测器检测的第1光子数信息、以及由与所述第1检测器不同的第2检测器检测的第2光子数信息，

基于所述第1光子数信息计算与所述第1检测器对应的第1发光概率模型，基于所述第2光子数信息计算与所述第2检测器对应的第2发光概率模型，

基于所述第1发光概率模型和所述第2发光概率模型，确定由所述第1检测器和所述第2检测器规定的LOR(响应线(Line Of Response))的与检测时间差相关的概率分布模型。

(第1实施方式)

以下参照附图详细说明核医学诊断装置、数据处理方法及程序的实施方式。

图1是表示第1实施方式所涉及的作为核医学诊断装置的PET装置100的构成的图。如图1所示，第1实施方式所涉及的PET装置100具备架台装置1和控制台装置2。架台装置1具备检测器3、前端电路102、顶板103、诊视床104和诊视床驱动部106。

检测器3是通过检测伽玛射线与发光体相互作用从而成为激发态的物质再次转变为基态时再释放的光即闪烁光(荧光)、从而检测放射线的检测器，其中伽玛射线是从被投药给被检体并累积的药剂释放的正电子与周围的组织的电子发生湮灭从而产生的。另外，在实施方式中，检测器3也能够检测切伦科夫光。检测器3检测从被投药被检体并累积的药剂释放的正电子与周围的组织的电子发生湮灭而产生的伽玛射线的放射线的能量信息。检测器3以呈环状包围被摄体P的周围的方式配置有多个，例如由多个检测器模块构成。

检测器3典型地由闪烁晶体和由光检测元件构成的光检测面构成。

作为闪烁晶体的材质，例如能够使用适于产生切伦科夫光的材质、例如锗酸铋(BGO，Bismuth Germanium Oxide)、或者铅玻璃(SiO₂+PbO)、氟化铅(PbF₂)、PWO(PbWO₄)等铅化合物。另外，作为别的例子，例如也可以使用LYSO(硅酸钇镥(Lutetium YttriumOxyorthosilicate))、LSO(硅酸镥(Lutetium Oxyorthosilicate))、LGSO(硅酸钆镥(Lutetium Gadolinium Oxyorthosilicate))等或者BGO等闪烁晶体。构成光检测面3b的光检测元件例如由多个像素构成，这些像素分别例如由SPAD(单光子雪崩二极管(SinglePhoton Avalanche Diode))构成。另外，检测器3的构成不限于上述的例子，作为一例，光检测元件例如也可以使用SiPM(硅光电倍增管(Silicon photomultiplier))或光电倍增管。

此外，闪烁晶体也可以是单片晶体，另外，由光检测元件构成的光检测面也可以例如配置于闪烁晶体的6面。此外，在以下的第1实施方式中，首先举出检测器3的闪烁晶体并非单片晶体的情况为例进行说明。

另外，架台装置1通过前端电路102根据检测器3的输出信号生成计数信息，并将生成的计数信息存放至控制台装置2的存储部130。此外，检测器3被划分为多个模块，且具备前端电路102。

前端电路102将检测器3的输出信号转换为数字数据，并生成计数信息。该计数信息包括湮灭伽玛射线的检测位置、能量值及检测时间。例如，前端电路102确定在相同的定时将闪烁光转换为电信号的多个光检测元件。并且，前端电路102确定表示湮灭伽玛射线所入射的闪烁器的位置的闪烁器编号(P)。作为确定湮灭伽玛射线所入射的闪烁器位置的手段，也可以通过基于各光检测元件的位置及电信号的强度进行重心运算来确定。另外，在闪烁器与光检测元件各自的元件大小相对应的情况下，例如将与得到了最大输出的光检测元件对应的闪烁器假定为湮灭伽玛射线所入射的闪烁器位置，进而考虑闪烁器间散射来最终进行确定等。

另外，前端电路102对从各光检测元件输出的电信号的强度进行积分计算或者对电信号强度超过阈值的时间(Time over Threshold)进行计测，确定入射至检测器3的湮灭伽玛射线的能量值(E)。另外，前端电路102确定由检测器3检测出基于湮灭伽玛射线的闪烁光的检测时间(T)。此外，检测时间(T)既可以是绝对时刻，也可以是从摄影开始时刻起的经过时间。像这样，前端电路102生成包括闪烁器编号(P)、能量值(E)及检测时间(T)的计数信息。

此外，前端电路102例如由CPU(中央处理单元(Central Processing Unit))、GPU(图形处理单元(Graphical Processing Unit))、或者专用集成电路(ApplicationSpecific Integrated Circuit：ASIC)、可编程逻辑设备(例如简单可编程逻辑设备(Simple Programmable Logic Device：SPLD)、复杂可编程逻辑设备(ComplexProgrammable Logic Device：CPLD)及现场可编程逻辑门阵列(Field Programmable GateArray：FPGA))等电路实现。前端电路102是前端部的一例。

顶板103是供被摄体P载放的床，配置在诊视床104之上。诊视床驱动部106在处理电路150的控制功能105e的控制下，使顶板103移动。例如，诊视床驱动部106使顶板103移动，从而使被摄体P向架台装置1的摄影口内移动。

控制台装置2受理操作者对PET装置100的操作，对PET图像的摄影进行控制，并且使用由架台装置1采集的计数信息来重构PET图像。如图1所示，控制台装置2具备处理电路150、输入装置110、显示器120和存储部130。此外，控制台装置2所具备的各部分经由总线连接。关于处理电路150的详细情况后述。

输入装置110是供PET装置100的操作者输入各种指示或各种设定的鼠标或键盘等，将被输入的各种指示或各种设定向处理电路150转发。例如，输入装置110用于输入摄影开始指示。

显示器120是供操作者参照的监视器等，在处理电路150的控制下，显示被摄体的呼吸波形或PET图像，或者显示用于从操作者受理各种指示或各种设定的GUI(图形用户界面(Graphical User Interface))。

存储部130存储在PET装置100中使用的各种数据。存储部130例如由存储器构成，作为一例，由RAM(随机存取存储器(Random Access Memory))、闪存(flash memory)等半导体存储器元件、或者硬盘、光盘等实现。存储部130存储作为将闪烁器编号(P)、能量值(E)及检测时间(T)建立对应而成的信息的计数信息、将计数信息的组与作为同时计数信息的连续编号的符合编号(coincidence No.)建立对应而成的同时计数信息、或者将同时计数信息合计而得到的投影数据、被重构的PET图像等。

处理电路150具有取得功能150a、计算功能150b、确定功能150c、重构功能150d、控制功能150e、受理功能150f、图像生成功能150g、显示控制功能150h。此外，后面关于取得功能150a、计算功能150b、确定功能150c的各功能进行详细说明。

在第1实施方式及第2实施方式中，由取得功能150a、计算功能150b、确定功能150c、重构功能150d、控制功能150e、受理功能150f、图像生成功能150g、显示控制功能150h进行的各处理功能以能够由计算机执行的程序的方式存储于存储部130。处理电路150是通过从存储部130读出并执行程序从而实现与各程序对应的功能的处理器。换言之，读出了各程序的状态的处理电路150具有图1的处理电路150内示出的各功能。

此外，在图1中作为由单一的处理电路150实现由取得功能150a、计算功能150b、确定功能150c、重构功能150d、控制功能150e、受理功能150f、图像生成功能150g、显示控制功能150h进行的处理功能来进行说明，但也可以将多个独立的处理器组合来构成处理电路150，并由各处理器执行程序从而实现功能。换言之，也可以是上述的各个功能构成为程序而由1个处理电路150执行各程序的情况。作为别的例子，也可以是特定的功能被安装于专用的独立的程序执行电路的情况。

上述说明中使用的“处理器”这样的用语例如意味着CPU(中央处理单元(CentralProcessing Unit))、GPU(图形处理单元(Graphical Processing Unit))或者专用集成电路(Application Specific Integrated Circuit：ASIC)、可编程逻辑设备(例如简单可编程逻辑设备(Simple Programmable Logic Device：SPLD)、复合可编程逻辑设备(ComplexProgrammable Logic Device：CPLD)及现场可编程逻辑门阵列(Field Programmable GateArray：FPGA)等电路。处理器通过读出并执行存储部130中保存的程序从而实现功能。

此外，在图1中，取得功能150a、计算功能150b、确定功能150c、重构功能150d、控制功能150e、受理功能150f、图像生成功能150g、显示控制功能150h分别是取得部、计算部、确定部、重构部、控制部、受理部、生成部、显示控制部的一例。此外，也可以替代处理电路150，而由前端电路102负责计算部、取得部、确定部等的处理。

处理电路150通过重构功能150d，基于从前端电路102取得的数据，进行PET图像的重构，并通过图像生成功能150g进行图像的生成。处理电路150通过控制功能150e，对架台装置1及控制台装置2进行控制，从而进行PET装置100的整体控制。例如，处理电路150通过控制功能150e，对PET装置100中的摄影进行控制。另外，处理电路105通过控制功能150e，对诊视床驱动部106进行控制。处理电路150通过受理功能150f，经由输入装置110从用户受理信息的输入。另外，处理电路150通过显示控制功能150h，使显示器120显示PET图像或其他数据。另外，处理电路150通过图像生成功能150g，进行各种图像的生成。

接下来简单说明第1实施方式所涉及的背景。

在进行PET图像的重构时，使用ToF(飞行时间(Time Of Flight))内核进行图像重构。ToF内核是作为由2个检测器检测出的信号的检测时间差的函数而表现的检测活动的概率密度函数。在此，在用于图像重构的ToF内核的时间长度并非与检测器的ToF性能匹配的情况下，重构后的图像的画质有时会降低。例如，在与检测器的ToF性能相比，ToF内核的时间长度较小的情况下，图像重构后的放射性物质的位置的推断位置比本来的分布更向局部集中。另一方面，在与检测器的ToF性能相比，ToF内核的时间长度较大的情况下，图像重构后的放射线物质的位置的推断位置比本来的分布更向周边部分分布。因此，优选检测器的ToF性能与用于图像重构的ToF内核尽可能一致。

在此，作为用于使重构图像的画质成为高画质的一个方法，考虑使各检测器的性能均一，减小每个检测器的性能的偏差。但是，使各检测器的性能均一有时在成本方面负担较大。于是，在第1实施方式中，基于发光模型，按每个检测器进行ToF内核的计算。由此，能够通过按每个检测器进行ToF内核来吸收每个检测器的性能的偏差，能够提高画质。

具体而言，第1实施方式所涉及的核医学诊断装置具备取得部、计算部和确定部。取得部取得由第1检测器检测的第1光子数信息、以及由与第1检测器不同的第2检测器检测的第2光子数信息。计算部基于第1光子数信息计算与第1检测器对应的第1发光概率模型。基于第2光子数信息计算与第2检测器对应的第2发光概率模型。确定部基于第1发光概率模型和第2发光概率模型，确定由第1检测器和第2检测器规定的LOR(响应线(Line OfResponse))的与检测时间差相关的概率分布模型。

另外，第1实施方式所涉及的数据处理方法取得由第1检测器检测的第1光子数信息、以及由与所述第1检测器不同的第2检测器检测的第2光子数信息，基于第1光子数信息计算与第1检测器对应的第1发光概率模型，基于第2光子数信息计算与第2检测器对应的第2发光概率模型，基于第1发光概率模型和第2发光概率模型，确定由第1检测器和第2检测器规定的LOR的与检测时间差相关的概率分布模型。

另外，第1实施方式所涉及的程序使计算机执行如下处理：取得由第1检测器检测的第1光子数信息、以及由与第1检测器不同的第2检测器检测的第2光子数信息，基于第1光子数信息计算与第1检测器对应的第1发光概率模型，基于第2光子数信息计算与第2检测器对应的第2发光概率模型，基于第1发光概率模型和第2发光概率模型，确定由第1检测器和第2检测器规定的LOR的与检测时间差相关的概率分布模型。

以下，使用图2～图10，详细说明第1实施方式所涉及的核医学诊断装置所进行的处理。

在图2中表示了第1实施方式所涉及的PET装置100所进行的处理的流程。在以下的流程图中，为了简化，仅记载了生成第1检测器l和第2检测器m所涉及的概率分布模型(ToF内核)的情况。但是，在典型的图像重构中，处理电路150针对全部的l与m所成的组生成概率分布模型，之后进行步骤S600的图像重构处理。在该情况下，处理电路150针对全部的l与m所成的组反复进行步骤S100至步骤S500的处理，之后进行步骤S600的处理。

在步骤S100中，处理电路150通过取得功能150a，取得由第1检测器l检测的第1光子数信息。

在此，第1光子数信息例如是关于由该检测器检测的标准性的一个活动(event)而平均检测出的闪烁光子数N_s；l。另外，作为别的例子，第1光子数信息例如是针对由该检测器检测的标准性的一个活动而平均检测出的切伦科夫光子数N_c；l。另外，作为别的例子，第1光子数信息是关于由该检测器检测的标准性的一个活动而平均检测出的闪烁光子数N_s；l及切伦科夫光子数N_c；l。即，第1光子数信息是该检测中的检测事件所对应的闪烁光或者/以及切伦科夫光的光子数的期待值。

PET装置100也可以进行规定的校准扫描(calibration scan)从而确定第1光子数信息。具体而言，PET装置100也可以进行规定的校准扫描，从而基于由第1检测器l取得的能量谱，取得第1光子数信息及第2光子数信息。

在图3中，表示了检测器3内的发光模型、以及处理电路150通过取得功能150a取得的光子谱的概略情况。如果伽玛射线10入射至检测器3的闪烁器11，则伽玛射线10以光电吸收或者康普顿散射的形式向闪烁器11赋予能量，并且产生高能量电子12。曲线16是将高能量电子12的能量E_e作为时间t的函数表示的曲线。高能量电子12在闪烁器11中行进而逐渐丧失能量，在能量比阈值E_th大的期间中，向周围释放切伦科夫光13。

曲线17是以时间t的高斯函数对切伦科夫光的光子密度n_c(t)进行近似而成的曲线。具体而言，在将N_c作为切伦科夫光的光子数，将σ_C作为切伦科夫光谱的半值宽度，且将t₀作为切伦科夫光的峰时刻时，切伦科夫光的光子密度n_c(t)由下式(1)给出。

另一方面，高能量电子12伴随着行进而在闪烁器11中激发价电子14，在被激发的价电子14返回基态时释放闪烁光15。曲线18是以时刻t的高斯函数对价电子的激发密度n_ex(t)进行近似而成的曲线。在将N_s作为闪烁光的光子数，将σ_S作为闪烁光谱的半值宽度，且将t_l作为闪烁光的峰时刻时，价电子的激发密度n_ex(t)由下式(2)给出。

曲线21表示在时刻20被激发的价电子逐渐转变为原本的状态的情形。伴随着被激发的价电子转变为原本的状态而产生闪烁光。曲线22是以时刻t的函数表示闪烁光的光子密度n_s(t)的曲线。在将豫驰常数作为τ_S时，使用价电子的激发密度n_ex(t)，由下式(3)赋予闪烁光的光子密度n_s(t)。

在此，在以式(2)假定价电子的激发密度n_ex(t)的函数形式的情况下，如果将式(2)代入至式(3)，则得到下式(4)。

即，PET装置100也可以进行规定的校准扫描，从而取得由第1检测器l及第2检测器m各自取得的能量谱，基于该能量谱生成曲线17或曲线22所示的谱，并基于生成的谱取得第1光子数信息及第2光子数信息。

此外，发光的分布函数p_ph(t)相对于切伦科夫光的光子密度n_c(t)与闪烁光的光子密度n_s(t)之和成比例，因此下式(5)成立。

p_ph(t)∝n_C(t)+n_S(t)…(5)

在此，发光的分布函数p_ph(t)如下式(6)那样被归一化。

∫₀ ^+∞p_ph(t)＝1…(6)

此外，在步骤S100中，处理电路150也可以通过取得功能150a取得除了光子数信息以外的信息，作为第1检测器l所涉及的参数集合。作为一例，处理电路150也可以通过取得功能150a，替代第1光子数信息或者除了第1光子数信息之外还取得光传感器对于切伦科夫光的时间分辨率σ_C，作为在第1检测器l中取得的参数集合θ_l之一。另外，作为别的例子，处理电路150也可以通过取得功能150a，替代第1光子数信息或者除了第1光子数信息之外还取得光传感器对于闪烁光的时间分辨率σ_S，作为在第1检测器l中取得的参数集合θ_l之一。另外，作为别的例子，处理电路150也可以通过取得功能150a，取得过剩噪声发生概率作为在第1检测器l中取得的参数集合θ_l之一。在此所谓过剩噪声的发生概率，例如是指光学串扰或余脉冲等APD(雪崩光电二极管(Avalanche photo diode))过剩噪声的发生概率。

在步骤S200中，处理电路150通过取得功能150a，取得由与第1检测器l不同的第2检测器m检测的第2光子数信息。第2光子数信息例如是关于由第2检测器m检测的标准性的一个活动而平均检测出的闪烁光子数N_s；m。另外，作为别的例子，第2光子数信息例如是关于由第2检测器m检测的标准性的一个活动而平均检测出的切伦科夫光子数N_c；m。另外，作为别的例子，第2光子数信息是由第2检测器针对每一个活动平均检测出的闪烁光子数N_s；m及切伦科夫光子数N_c；m。

另外，PET装置100也可以进行规定的校准扫描，从而确定第2光子数信息。具体而言，PET装置100也可以进行规定的校准扫描，从而基于由第2检测器m取得的能量谱取得第2光子数信息。

另外，处理电路150也可以通过取得功能150a，取得光传感器对于切伦科夫光的时间分辨率σ_C、光传感器对于闪烁光的时间分辨率σ_S、过剩噪声发生概率等，作为在第2检测器m中取得的参数集合θ_m。

在步骤S300中，处理电路150通过计算功能150b，基于在步骤S100中取得的第1光子数信息，计算针对第1检测器l的第1发光概率模型此外，记号(doi)是表示考虑闪烁器内的发光位置的不确定性的实施方式以及不考虑闪烁器内的发光位置的不确定性的实施方式双方都可能的意思的记号，意味着处理电路150通过计算功能150b，在不考虑闪烁器内的发光位置的不确定性的实施方式中计算第1发光概率模型p_t；l，在考虑闪烁器内的发光位置的不确定性的实施方式中计算后述的第1发光概率模型/>

在图4中更详细地说明步骤S300的处理的一例。图4的流程图是更详细地说明步骤S300的处理的一例的流程图。

在步骤S310中，处理电路150通过计算功能150b，基于在步骤S100中取得的第1检测器l中的第1光子数信息，生成发光的分布函数模型p_ph，l(t)。发光的分布函数p_ph(t)是表示在时刻t发生发光的概率的分布函数。发光的分布函数模型p_ph，l(t)如果关于时刻在全部时间中进行积分则成为1。另外，按每个检测器决定发光的分布函数模型p_ph，l(t)。

处理电路150通过计算功能150b，基于第1光子数信息，例如使用式(1)、(4)、(5)、(6)等生成发光的分布函数模型p_ph，l(t)。按每个检测器取得第1光子数信息，因此处理电路150通过计算功能150b，按每个检测器计算发光的分布函数模型P_ph，l(t)。在图5中表示了发光的分布函数p_ph(t)的一例。在图5中，曲线30表示发光的分布函数p_ph(t)。另外，一并记载用于定义检测时刻的光子的阈值(N’)。

接下来，在步骤S320A中，处理电路150通过计算功能150b，基于发光的分布函数模型p_ph，l(t)，计算第1发光概率模型p_t，l(t)。

在此，第1发光概率模型p_t，l(≥N’，t)是与检测被包含在检测事件中的多个光子之中的最初的N’个光子的概率密度相关的模型。换言之，第1发光概率模型p_t，l(≥N’，t)是与检测被包含在检测事件中的多个光子之中的规定数量的光子的概率密度相关的模型。在图6中表示了第1发光概率模型p_t，l(≥N’，t)。图6的曲线图31表示第1发光概率模型p_t，l(≥N’，t)的概形。此外，按每个检测器决定第1发光概率模型p_t，l(≥N’，t)。以下，根据需要适宜地省略检测器的角标。

第1发光概率模型p_t(≥N’，t)能够如下计算，所述第1发光概率模型p_t(≥N’，t)是对被包含在检测事件中的多个光子之中的最初的N’个光子进行检测的概率密度。

首先，导出与直到时刻t为止仅检测出小于N’个的光子的概率P’(≥N’，t)相关的方程式。这是直到时刻t为止最多仅检测出N’-1个光子的概率，使用直到时刻t为止检测出k个光子的概率Pd(k，t)由下式(7)表现该概率。

通过用2项分布对光子的检测事件进行评价，能够如下式(8)那样以微分形式表现直到时刻t为止检测出k个光子的概率。

如果顺次针对k＝0，1，2，......来求解该微分方程式，则基于归纳而下式(9)成立。

根据式(7)，直到时刻t为止仅检测出小于N’个的光子的概率P’(≥N’，t)能够如下式(10)那样列出。

通过将其代入至式(8)，作为检测被包含在检测事件中的多个光子之中的最初的N’个光子的概率密度的第1发光概率模型p_t(≥N’，t)能够如下式(11)那样表现。

在此，函数F(t)是发光的分布函数p_ph(t)的累积分布函数，能够如下式(12)那样列出。

在以下的实施例中为了简化，举出在最初检测出光子的时刻进行评价的概率分布、即设N’＝0的情况为例。即，将作为检测出最初的光子的概率密度的第1发光概率模型作为pt(t)，如下式(13)那样显式地表现。

p_t(t)＝Np_ph(t)exp(-NF(t))…(13)

即，处理电路150通过计算功能150b，使用式(12)及式(13)，能够基于发光的分布函数p_ph(t)计算第1发光概率模型p_t(t)。像这样，处理电路150通过计算功能150b，向式(12)及式(13)代入第1检测器中的发光的分布函数模型p_ph(t)，将第1光子数信息代入至式(13)的右边的N并对式(13)的右边进行评价，从而基于第1光子数信息及第1检测器中的发光的分布函数模型p_ph(t)计算第1发光概率模型p_t(t)。

此外，能够按各检测器决定上述的发光的分布函数p_ph(t)及第1发光概率模型p_t(t)。因此，如果明示地记载检测器的角标，则式(13)也能够如下式(14)那样列出。

在此，p_t；l(t)表示检测器l中的第1发光概率模型，p_ph；l(t)表示检测器l中的发光的分布函数，N_s；l表示检测器l中的闪烁光的光子数，N_c；l表示检测器l中的切伦科夫光的光子数。由该式可知，第1发光概率模型p_t，l(t)基于与检测事件对应的光子数的期待值N_s；l、N_c；l。

此外，在计算第1发光概率模型时，处理电路150通过计算功能150b，也能够进行考虑了闪烁器内的发光位置的不确定性的计算。例如，如图7所示，在伽玛射线40在闪烁器11的处于深度x的点42处发光、如箭头43所示闪烁光以物质中的光速c/n在折射率为n的介质中传播并到达闪烁器11的端部44的情况下，根据闪烁器内的发光位置，从伽玛射线40入射至闪烁器起直到到达闪烁器11的端部为止的时刻不同，因此检测出信号的时刻不同。

即，从伽玛射线40入射至闪烁器11起到达深度x的地点所需的时刻t_l如下所述由式(15)给出。

另外，在点42处发光的光从深度x到达闪烁器11的端部所需的时刻t₂如下所述由式(16)给出。

因此，从伽玛射线40入射至闪烁器11起直到闪烁光到达闪烁器11的端部所需的时刻t’如下所述由式(17)给出。

根据式(17)可知，根据闪烁器内的发光位置x，检测出信号的时刻不同。

像这样，在考虑闪烁器内的发光位置x来探讨对策的情况下，下式(18)成立。

在此，是考虑了闪烁器内的发光位置的不确定性的第1发光概率模型，是考虑了闪烁器的位置的发光位置的不确定性的发光的分布函数模型。

此外，如果将处理电路150通过取得功能150a在步骤S100中取得的参数θ_l作为函数的自变量明示地表现，则式(18)也能够如下式(19)及式(20)那样列出。

θ_l＝(N_c；lN_s；l，σ_c；t，σ_s；l…)…(19)

在此，θ_l表示在检测器l中取得的参数集合，例如表现闪烁光子数N_s；l、切伦科夫光子数N_c；l、光传感器对于切伦科夫光的时间分辨率σ_C、光传感器对于闪烁光的时间分辨率σ_S等参数的组。

返回式(18)，说明考虑了闪烁器的位置的发光位置的不确定性的情况下的步骤S300的处理。图8是表示在考虑了闪烁器内的发光位置的不确定性的情况下的发光概率模型的计算流程的流程图。

与图4所示的情况同样，在步骤S310中，处理电路150通过计算功能150b，基于第1检测器l中的第1光子数信息等参数θ_l，生成发光的分布函数模型p_ph，l(t)。

接下来，在步骤S311中，处理电路150通过计算功能150b，按闪烁器内的每个位置x，基于衰减系数μ的值计算发光概率密度p_doi(x)。位置x处的发光概率密度p_doi(x)由下式(21)表现。

此外，发光概率密度p_doi(x)如下式(22)所示被归一化。

∫₀ ^Lp_doi(x)dx＝1…(22)

此外，在图7中，曲线图45表示衰减率μexp(-μx)。

返回图8，在步骤S312中，处理电路150通过计算功能150b，基于在步骤S310中生成的分布函数模型p_ph，l(t)和发光概率密度p_doi(x)，计算考虑了发光位置不确定性的发光的分布函数模型

具体而言，处理电路150通过计算功能150b，基于在步骤S310中生成的分布函数模型p_ph，l(t)以及在步骤S311中计算的发光概率密度p_doi(x)，基于下式(23)计算考虑了发光位置不确定性的发光的分布函数模型/>

在此，L是闪烁器的长度，x是发光位置，t’如式(17)中说明的那样，是从伽玛射线入射至闪烁器起直到闪烁光到达闪烁器的端部为止的延迟时间。

接下来，在步骤S320B中，处理电路150通过计算功能150b，基于考虑了发光位置不确定性的发光的分布函数模型计算考虑了发光位置不确定性的发光概率模型具体而言，如式(24)及式(25)所示，处理电路150通过计算功能150b，与式(13)同样，基于考虑了发光位置不确定性的发光的分布函数模型/>计算考虑了发光位置不确定性的发光概率模型p^doi(t)。

此外，在式(23)中，如果基于式(18)进行变量转换，则能够得到下式(26)，因此处理电路150也可以通过计算功能150b，在式(24)的右边的评价中，使用式(26)进行计算。

像这样，处理电路150通过计算功能150b，考虑闪烁器内的发光位置的不确定性，来计算第1发光概率模型及第2发光概率模型。

返回图2，在步骤S400中，处理电路150通过计算功能150b，进行与步骤S300同样的处理，从而基于在步骤S200中取得的第2光子数信息，计算针对第2检测器m的第2发光概率模型

具体而言，处理电路150通过计算功能150b，基于在步骤S200中取得的第2检测器m中的第2光子数信息，例如使用相当于式(1)、(4)、(5)、(6)等的式子，生成发光的分布函数模型p_ph；m(t)。

接下来，处理电路150通过计算功能150b，基于第2光子数信息及第2检测器m中的发光的分布函数模型p_ph；m(t)，例如使用相当于式(13)及式(14)等的式子，计算第2发光概率模型p_t；m(t)。

另外，第2发光概率模型p_t；m(t)基于与检测事件对应的光子数的期待值N_s；m、N_c；m。

此外，在计算第2发光概率模型时，处理电路150通过计算功能150b，也能够使用与式(17)及式(21)～(26)同样的式子，进行考虑了闪烁器内的发光位置的不确定性的计算。在该情况下，处理电路150通过计算功能150b，按闪烁器内的每个位置x，基于衰减系数μ的值计算发光概率密度p_doi(x)。接下来，处理电路150通过计算功能150b，基于分布函数模型p_ph；m(t)和发光概率密度p_doi(x)，计算考虑了发光位置不确定性的发光的分布函数模型接下来，处理电路150通过计算功能150b，基于考虑了发光位置不确定性的发光的分布函数模型/>计算考虑了发光位置不确定性的发光概率模型/>/>

像这样，处理电路150通过计算功能150b，考虑闪烁器内的发光位置的不确定性，来计算第2发光概率模型p_t；m(t)。

接下来，返回图2，在步骤S500中，处理电路150通过确定功能150c，基于第1发光概率模型和第2发光概率模型/>确定由第1检测器l和第2检测器m规定的LOR的与检测时间差相关的概率分布模型/>

在图9中，曲线50表示将第1检测器l中的第1发光概率模型作为延迟时间t_l的函数进行标绘而成的曲线。另外，曲线51表示将第2检测器m中的第2发光概率模型作为延迟时间t_m的函数进行标绘而成的曲线。处理电路150通过确定功能150c，确定将检测器l中的检测时刻t_l的事件和检测器m中的检测时刻t_m的积事件作为检测时间差的函数表现的概率分布模型/>曲线52表示这样的概率分布模型的例子。

在此，时间长度dt的期间中的检测器l中的检测时刻t_l的事件和检测器m中的检测时刻t_m的积事件的数量由下式(27)给出。

另外，检测器l中的检测时刻t_l与检测器m中的检测时刻t_m之间的检测时间之差由下式(28)给出。

t＝t_l-t_m…(28)

因此，由下式(29)给出。

如上，处理电路150通过计算功能150b，基于式(29)，计算由第1检测器l和第2检测器m规定的LOR的与检测时间差相关的概率分布模型处理电路150通过利用该概率分布模型作为PET图像重构中的TOF内核，能够使每个检测器的TOF分辨率之差反映至PET图像重构中，能够提高重构图像的画质。

例如，如图10所示，处理电路150通过计算功能150b，按每个LOR计算LOR的与检测时间差相关的概率分布模型例如，处理电路150通过计算功能150b，计算与检测器60与检测器61之间的LOR63相关的概率分布模型/>另外，计算与检测器60与检测器62之间的LOR64相关的概率分布模型/>通过采用这样的构成，能够按每个检测器生成个别的概率分布模型，即使在例如按每个检测器而性能差存在偏差的情况下等，也能够提高重构图像的画质。

返回图2，在步骤S600中，处理电路150通过重构功能150d，利用在步骤S500中确定的概率分布模型作为ToF内核，从而进行与LOR对应的数据的重构，生成重构图像。即，处理电路150通过重构功能150d，利用与检测时间差相关的概率分布模型作为ToF(飞行时间(Time Of Flight))内核，从而进行与LOR对应的数据的重构。/>

在图11～图12中表示了第1实施方式所涉及的方法的验证结果。在该验证中，使用1D-ML-EM(最大似然期望最大化(Maximum Likelihood Expectation Maximization))法，对通过第1实施方式所涉及的方法生成的ToF内核的性能进行了评价。

考虑在位置i发生位置j的辐射体的同时计测的情况，如果以同时计数时刻定义空间坐标，将ToF内核设为c_ji，且将放射线物质的分布设为λ(j)，则符合谱y(i)由下式(30)给出。

在此，如果使用ML-EM法求出放射性物质的分布，则第k+1次更新时的放射性物质的分布λ^k+1由下式(31)给出。

在此，如果ToF内核是妥当的，则认为通过ML-EM法重构的放射性物质的分布在狭窄的区域中具有峰，使用各种ToF内核进行了放射性物质的分布的重构。

具体而言，作为要探讨的ToF内核的种类，探讨了4个种类的ToF内核。即，探讨使用了切伦科夫光的高斯分布与闪烁光的高斯分布之和的多个高斯内核、仅假定了闪烁光的单一高斯内核、仅假定了切伦科夫光的单一高斯内核、以及第1实施方式所涉及的基于发光模型而考虑了切伦科夫光和闪烁光双方的基于模型的内核这4个内核，如图11所示，针对实测谱70进行了拟合。曲线73、曲线72、曲线71及曲线74分别表示使用多个高斯内核、仅假定了闪烁光的单一高斯内核、仅假定了切伦科夫光的单一高斯内核、基于模型的内核进行拟合的结果。

使用这4个种类的ToF内核，通过ML-EM法进行重构，进行放射性物质的分布的重构的结果如图12所示。在图12中，曲线83、曲线82、曲线81、曲线84分别是使用多个高斯内核、仅假定了闪烁光的单一高斯内核、仅假定了切伦科夫光的单一高斯内核、基于模型的内核进行重构的情况下的计算结果。在使用基于模型的内核进行重构的情况下，通过ML-EM法重构的放射性物质的峰的宽度变窄，确认了使用第1实施方式所涉及的方法生成的ToF内核的妥当性。

如上，在第1实施方式所涉及的核医学诊断装置中，处理电路150基于闪烁器内的发光模型，按每个检测器计算了与检测时间差相关的概率分布模型。由此，能够按每个LOR设定个别的ToF内核并进行图像重构，因此即使例如在按每个检测器而性能存在偏差的情况下等，也能够提高重构后的PET图像的画质。

实施方式不限于上述的例子。在上述的情况下，说明了检测器3是并非单片检测器的通常的检测器的情况，但实施方式不限于此。实施方式也可以是检测器3作为单晶而构成、且1个闪烁晶体不被划分而在一体化的状态下使用的单片闪烁器的情况。该闪烁器例如由LYSO(硅酸钇镥(Lutetium Yttrium Oxyorthosilicate))、LSO(硅酸镥(LutetiumOxyorthosilicate))、LGSO(硅酸钆镥(Lutetium Gadolinium Oxyorthosilicate))等闪烁晶体形成。

在检测器3是单片检测器的情况下，检测器3是一个闪烁晶体不被划分而在一体化的状态下使用的结构，但通过认为检测器3由多个虚拟的检测器构成，来生成各个虚拟的检测器之间的ToF内核，从而能够进行同样的处理。例如，在检测器3由多个检测元件阵列构成的情况下，能够将各个检测元件阵列认为1个检测器，来进行与图2的流程图所示的处理同样的处理。作为一例，通过将图2的步骤S100至步骤S600或式(20)、(29)等中的自然数l及m，读作对检测元件阵列赋予的编号而不是对检测器赋予的编号，来进行同样的处理，处理电路150能够通过确定功能确定与该检测元件阵列的组合相应的与检测时间差相关的概率分布模型。

即，在检测器3是单片检测器的情况下，实施方式中的核医学诊断装置具备由至少设置有第1检测元件阵列l和第2检测元件阵列m的单片检测器构成的检测器3、以及处理电路150。处理电路150通过取得功能150a，取得由第1检测元件阵列l检测的第1光子数信息、以及由第2检测元件阵列m检测的第2光子数信息。处理电路150通过计算功能150b，基于第1光子数信息计算与第1检测元件阵列l对应的第1发光概率模型基于第2光子数信息计算与第2检测元件阵列m对应的第2发光概率模型/>处理电路150通过确定功能150c，基于第1发光概率模型/>和第2发光概率模型/>确定与第1检测元件阵列l和第2检测元件阵列m的组合相应的与检测时间差相关的概率分布模型/>

另外，在实施方式所涉及的数据处理方法中，取得由至少设置有第1检测元件阵列l和第2检测元件阵列m的单片检测器的第1检测元件阵列l检测的第1光子数信息、以及由第2检测元件阵列m检测的第2光子数信息，基于第1光子数信息计算与第1检测元件阵列l对应的第1发光概率模型基于第2光子数信息计算与第2检测元件阵列m对应的第2发光概率模型/>基于第1发光概率模型/>和第2发光概率模型确定与第1检测元件阵列l和第2检测元件阵列m的组合相应的与检测时间差相关的概率分布模型/>

另外，实施方式所涉及的程序使计算机执行如下处理：取得由至少设置有第1检测元件阵列l和第2检测元件阵列m设置的单片检测器的第1检测元件阵列l检测的第1光子数信息、以及由第2检测元件阵列m检测的第2光子数信息，基于第1光子数信息计算与第1检测元件阵列l对应的第1发光概率模型基于第2光子数信息计算与第2检测元件阵列m对应的第2发光概率模型/>基于第1发光概率模型/>和第2发光概率模型/>确定与第1检测元件阵列l和第2检测元件阵列m的组合相应的与检测时间差相关的概率分布模型/>

(第2实施方式)

首先说明第2实施方式的背景。在进行PET图像的重构时，使用ToF(飞行时间(TimeOf Flight))内核进行图像重构。ToF内核是作为由2个检测器检测出的信号的检测时间差的函数而表现的检测活动的概率密度函数。在此，在用于图像重构的ToF内核的时间长度并非与检测器的ToF性能匹配的情况下，重构后的图像的画质有时会降低。例如，在与检测器的ToF性能相比ToF内核的时间长度较小的情况下，图像重构后的放射性物质的位置的推断位置与本来的分布相比更向局部集中。另一方面，在与检测器的ToF性能相比ToF内核的时间长度较大的情况下，图像重构后的放射线物质的位置的推断位置与本来的分布相比更向周边部分分布。因此，优选检测器的ToF性能与用于图像重构的ToF内核尽可能一致。

但是，例如在活动数量少的情况下等，有时观测波动变大，ToF内核的计算产生误差。于是，在第2实施方式中，在基于发光模型按每个同时计数活动生成了概率分布模型之后，通过将这些概率分布相加来进行ToF内核的计算。由此，能够生成考虑了每个活动的观测值相对于平均的波动的ToF内核并进行图像重构，因此即使例如在较少的同时计数活动中观察到较大的观测波动的情况下等，也能够提高重构后的PET图像的画质。

基于该背景，第2实施方式所涉及的核医学诊断装置具备处理电路150。处理电路150通过取得功能150a，取得由第1检测器检测的与第1活动相关的第1光子数信息、以及由与第1检测器不同的第2检测器检测的与第2活动相关的第2光子数信息。处理电路150通过确定功能150c，基于第1光子数信息和第2光子数信息，确定与基于第1活动和第2活动而规定的符合(coincidence)相关的概率分布模型。

另外，第2实施方式所涉及的数据处理方法计测由第1检测器检测的与第1活动相关的第1光子数信息、以及由与第1检测器不同的第2检测器检测的与第2活动相关的第2光子数信息，基于第1光子数信息和第2光子数信息，确定与基于第1活动和第2活动而规定的符合相关的概率分布模型。

另外，第2实施方式所涉及的程序使计算机执行如下处理：计测由第1检测器检测的与第1活动相关的第1光子数信息、以及由与所述第1检测器不同的第2检测器检测的与第2活动相关的第2光子数信息，基于第1光子数信息和第2光子数信息，确定与基于第1活动和第2活动而规定的符合相关的概率分布模型。

以下，使用图13～图17，详细说明第2实施方式所涉及的核医学诊断装置所进行的处理。

在图13中表示了第2实施方式所涉及的作为核医学诊断装置的PET装置100所进行的处理的流程。在以下的流程图中，为了简化，仅记载了生成第1检测器l和第2检测器m所涉及的概率分布模型(ToF内核)的情况。但是，在典型的图像重构中，处理电路150针对全部的l与m所成的组生成概率分布模型，之后进行步骤S70的图像重构处理。在该情况下，处理电路150针对全部的l与m所成的组反复进行步骤S10至步骤S60的处理，之后进行步骤S70的处理。

在步骤S10中，处理电路150选择表示进行处理的检测器的组的l和m的值。即，处理电路150选择针对作为检测第1活动的检测器的第1检测器l(第l个检测器)和作为检测第2活动的检测器的第2检测器m(第m个检测器)赋予特征的l和m的值。此外，由这里所谓的第1活动和第2活动构成一个同时计数活动。采用别的说法，同时计数活动分别由第1活动和第2活动这2个活动构成。

接下来，在步骤S20中，处理电路150对表示同时计数活动的编号的i的值设定1。在此，i＝1意味着处理电路150进行第1个同时计数活动的处理。

接下来，在步骤S30中，处理电路150通过确定功能150c，针对由第l个检测器检测出的活动和由第m个检测器检测出的活动的同时计数活动之中的第i个同时计数活动，计算与符合相关的概率分布模型在此，/>表示第i个同时计数活动中分别关于第l个检测器及第m个检测器取得的参数。另外，(doi)的记号意味着既可以考虑闪烁器内的发光位置的不确定性，也可以不考虑闪烁器内的发光位置的不确定性，意味着在考虑闪烁器内的发光位置的不确定性的实施方式中，处理电路150通过确定功能150c，计算考虑了闪烁器内的发光位置的不确定性的与符合相关的概率分布模型/>在不考虑闪烁器内的发光位置的不确定性的实施方式中，计算不考虑闪烁器内的发光位置的不确定性的与符合相关的概率分布模型/>

在图14中关于图13的步骤S30的处理表示更详细的处理的流程。即，图14的步骤S100～步骤S500更详细地说明图13的步骤S30。

首先，在步骤S100中，处理电路150通过取得功能150a，关于第i个同时计数活动，取得由第1检测器l检测的与第1活动相关的第1光子数信息。

在此，第1光子数信息例如是关于该活动的闪烁光子数另外，作为别的例子，第1光子数信息例如是关于该活动的切伦科夫光子数/>另外，作为别的例子，第1光子数信息是关于该活动的闪烁光子数/>及切伦科夫光子数/>即，处理电路150通过取得功能150a，取得闪烁光子数/>切伦科夫光子数/>或者闪烁光子数/>及切伦科夫光子数作为第1光子数信息。在此，处理电路150通过取得功能150a取得的第1光子数信息是按每个活动取得的。

在此，PET装置100也可以基于由第1检测器l取得的能量谱取得第1光子数信息。

在此，如在第1实施方式中已经说明的那样，在将N_c作为切伦科夫光的光子数，将σ_C作为切伦科夫光谱的半值宽度，将t₀作为切伦科夫光的峰时刻时，切伦科夫光的光子密度n_c(t)由式(1)给出。另外，在将N_s作为闪烁光的光子数，将σ_S作为闪烁光谱的半值宽度，将t_l作为闪烁光的峰时刻时，价电子的激发密度n_ex(t)由式(2)给出。另外，在将豫驰常数作为τ_S时，使用价电子的激发密度n_ex(t)，由式(3)给出闪烁光的光子密度n_s(t)。因此，在用式(2)来假定价电子的激发密度n_ex(t)的函数形式的情况下，如果将式(2)代入至式(3)，则能够得到式(4)。

即，PET装置100也可以取得由第1检测器l及第2检测器m各自取得的能量谱，基于该能量谱生成曲线17或曲线22所示的谱，并基于生成的谱取得第1光子数信息及第2光子数信息。

此外，发光的分布函数p_ph(t)相对于切伦科夫光的光子密度n_c(t)与闪烁光的光子密度n_s(t)之和成比例，因此式(5)成立。

在此，发光的分布函数p_ph(t)如式(6)那样被归一化。

此外，在步骤S100中，处理电路150也可以通过取得功能150a，取得除了光子数信息以外的信息作为第1检测器l所涉及的参数集合。作为一例，处理电路150也可以通过取得功能150a，替代第1光子数信息或者除了第1光子数信息之外还取得光传感器对于切伦科夫光的时间分辨率σ_C，作为在第1检测器l中取得的参数集合θ_l之一。另外，作为别的例子，处理电路150也可以通过取得功能150a，替代第1光子数信息或者除了第1光子数信息之外还取得光传感器对于闪烁光的时间分辨率σ_S，作为在第1检测器l中取得的参数集合θ_l之一。另外，作为别的例子，处理电路150也可以通过取得功能150a，取得过剩噪声发生概率作为在第1检测器l中取得的参数集合θ_l之一。在此所谓过剩噪声的发生概率，例如是指光学串扰或余脉冲等APD(雪崩光电二极管(Avalanche photo diode))过剩噪声的发生概率。

在步骤S200中，处理电路150通过取得功能150a，针对第i个同时计数活动，取得由与第1检测器l不同的第2检测器m检测的与第2活动相关的第2光子数信息。

在此，第2光子数信息例如是关于该同时计数活动的闪烁光子数另外，作为别的例子，第2光子数信息例如是关于该同时计数活动的切伦科夫光子数/>另外，作为别的例子，第2光子数信息是关于该同时计数活动的闪烁光子数/>及切伦科夫光子数即，处理电路150通过取得功能150a，取得闪烁光子数/>切伦科夫光子数/>或者闪烁光子数/>及切伦科夫光子数/>作为第2光子数信息。在此，处理电路150通过取得功能150a取得的第2光子数信息是按每个活动取得的。

PET装置100也可以基于由第2检测器m取得的能量谱，取得第2光子数信息。

另外，处理电路150也可以通过取得功能150a，取得光传感器对于切伦科夫光的时间分辨率σ_C、光传感器对于闪烁光的时间分辨率σ_S、过剩噪声发生概率等，作为在第2检测器m中取得的参数集合θ_m。

在步骤S300中，处理电路150通过计算功能150b，基于在步骤S100中取得的第1光子数信息，计算第i个同时计数活动中的针对第1检测器l的第1发光概率模型在此，处理电路150通过计算功能150b，按每个同时计数活动决定针对第1检测器l的第1发光概率模型/>

在图15中更详细地说明了步骤S300的处理的一例。图15的流程图是更详细地说明步骤S300的处理的一例的流程图。

在步骤S310中，处理电路150通过计算功能150b，基于在步骤S100中取得的第1检测器l中的第1光子数信息，生成发光的分布函数模型发光的分布函数p_ph(t)是表示在时刻t发生发光的概率的分布函数。发光的分布函数模型/>如果关于时刻在全部时间中进行积分则成为1。另外，按每个检测器及每个同时计数活动决定发光的分布函数模型/>

处理电路150通过计算功能150b，基于第1光子数信息，例如在第1实施方式中已经说明的那样，使用式(1)、(4)、(5)、(6)等生成发光的分布函数模型按每个检测器及每个同时计数活动取得第1光子数信息，因此处理电路150通过计算功能150b，按每个检测器及每个同时计数活动计算发光的分布函数模型/>如在第1实施方式中已经说明的那样，在图6中表示发光的分布函数p_ph(t)的一例。在图6中，曲线30表示发光的分布函数p_ph(t)。另外，一并记载用于定义检测时刻的光子的阈值(N’)。

接下来，在步骤S320A中，处理电路150通过计算功能150b，基于发光的分布函数模型计算第1发光概率模型/>

在此，第1发光概率模型(≥N’，θⁱ _l，t)是与检测被包含在检测事件中的多个光子之中的最初的N’个以上的光子的概率密度相关的模型。换言之，第1发光概率模型p_t,l(≥N’，t)是与概率密度相关的模型，所述概率密度是对被包含在检测事件中的多个光子之中的规定数量的光子进行检测的概率密度。

如在第1实施方式中已经说明的那样，式(7)～式(13)成立。

即，处理电路150通过计算功能150b，使用式(12)及式(13)，能够基于发光的分布函数p_ph(t)计算第1发光概率模型p_t(t)。像这样，处理电路150通过计算功能150b，向式(12)及式(13)代入第1检测器中的发光的分布函数模型p_ph(t)，将第1光子数信息代入至式(13)的右边的N并对式(13)的右边进行评价，从而基于第1光子数信息及按每个同时计数活动决定的第1检测器中的发光的分布函数模型p_ph(t)，计算关于第1活动的第1发光概率模型p_t(t)。

此外，能够按各检测器及每个同时计数活动决定上述的发光的分布函数P_ph(t)及第1发光概率模型p_t(t)。因此，如果明示地记载检测器的角标以及与同时计数活动相关的角标，则式(13)也能够如下式(32)那样列出。

在此，表示第i个同时计数活动的检测器l中的第1发光概率模型，/>表示第i个同时计数活动的检测器l中的发光的分布函数，/>表示第i个同时计数活动的检测器l中的闪烁光的光子数，/>表示第i个同时计数活动的检测器l中的切伦科夫光的光子数。

此外，在计算第1发光概率模型时，处理电路150通过计算功能150b，也能够进行考虑了闪烁器内的发光位置的不确定性的计算。

关于该计算，在第1实施方式中使用图8及式(15)～(18)进行了讨论。如已经说明的那样，式(15)～(17)成立。

与第1实施方式同样，如果基于式(13)，考虑闪烁器内的发光位置x来探讨公式化，则在考虑闪烁器内的发光位置x探讨对策的情况下，下式(33)成立。

/>

在此，是按每个同时计数活动决定的、考虑了闪烁器内的发光位置的不确定性的第1发光概率模型，/>是按每个同时计数活动决定的、考虑了闪烁器的位置的发光位置的不确定性的发光的分布函数模型。

此外，如果将处理电路150通过取得功能150a在步骤S100中取得的参数θ_l作为函数的自变量明示地表现，则式(33)也能够如下式(34)及式(35)那样列出。

在此，θⁱ _l表示按每个同时计数活动决定的在检测器l中取得的参数集合，例如表现按每个同时计数活动决定的闪烁光子数切伦科夫光子数/>光传感器对于切伦科夫光的时间分辨率σⁱ _C、光传感器对于闪烁光的时间分辨率σⁱ _S等参数的组。

返回式(33)，说明考虑了闪烁器的位置的发光位置的不确定性的情况下的步骤S300的处理。图16是表示在考虑了闪烁器内的发光位置的不确定性的情况下的发光概率模型的计算流程的流程图。

与图15所示的情况同样，在步骤S310中，处理电路150通过计算功能150b，基于第1检测器l中的第1光子数信息等的参数θ_l，生成每个同时计数活动的发光的分布函数模型p_ph，l(t)。

接下来，在步骤S311中，处理电路150通过计算功能150b，按闪烁器内的每个位置x，基于衰减系数μ的值计算发光概率密度p_doi(x)。位置x处的发光概率密度p_doi(x)由式(21)表现。此外，发光概率密度p_doi(x)如式(22)所示被归一化。

返回图16，在步骤S312中，处理电路150通过确定功能150c，基于在步骤S310中生成的按每个同时计数活动决定的发光的分布函数即分布函数模型以及发光概率密度p_doi(x)，计算按每个同时计数活动决定的考虑了发光位置不确定性的发光的分布函数模型/>作为第1发光概率模型。具体而言，处理电路150通过确定功能150c，基于在步骤S310中生成的分布函数模型/>以及在步骤S311中计算的发光概率密度p_doi(x)，基于式(23)计算考虑了发光位置不确定性的发光的分布函数模型/>

接下来，在步骤S320B中，处理电路150通过确定功能150c，基于按每个同时计数活动决定的、考虑了发光位置不确定性的发光的分布函数模型计算按每个同时计数活动决定的、考虑了发光位置不确定性的发光概率模型/>具体而言，如式(24)及式(25)所示，处理电路150通过确定功能150c，与式(13)同样，基于按每个同时计数活动决定的、考虑了发光位置不确定性的发光的分布函数模型/>计算按每个同时计数活动决定的、考虑了发光位置不确定性的发光概率模型/>

此外，在式(23)中，如果基于式(17)将被积函数的x变量转换为t’，则能够得到式(26)，因此处理电路150也可以通过确定功能150c，在式(24)的右边的评价中使用式(26)进行计算。

像这样，处理电路150通过确定功能150c，考虑闪烁器内的发光位置的不确定性，来计算第1发光概率模型及第2发光概率模型。

返回图14，在步骤S400中，处理电路150通过确定功能150c，进行与步骤S300同样的处理，从而基于在步骤S200中取得的第2光子数信息，计算针对第2检测器m的按每个同时计数活动决定的第2发光概率模型

具体而言，处理电路150通过确定功能150c，基于在步骤S200中取得的第2检测器m中的按每个同时计数活动决定的第2光子数信息，例如使用相当于式(1)、(4)、(5)、(6)等的式子，生成按每个同时计数活动决定的发光的分布函数模型

接下来，处理电路150通过确定功能150c，基于第2光子数信息及第2检测器m中的发光的分布函数模型例如使用相当于式(14)等的式子，计算按每个同时计数活动决定的第2发光概率模型/>

另外，在计算第2发光概率模型时，处理电路150通过计算功能150b，也能够使用与式(17)及式(21)～(26)同样的式子进行考虑了闪烁器内的发光位置的不确定性的计算。在该情况下，处理电路150通过计算功能150b，按闪烁器内的每个位置x，基于衰减系数μ的值计算发光概率密度p_doi(x)。接下来，处理电路150通过计算功能150b，基于按每个同时计数活动决定的分布函数模型和发光概率密度p_doi(x)，计算按每个同时计数活动决定的考虑了发光位置不确定性的发光的分布函数模型/>接下来，处理电路150通过确定功能150c，基于按每个同时计数活动决定的、考虑了发光位置不确定性的发光的分布函数模型/>计算按每个同时计数活动决定的考虑了发光位置不确定性的发光概率模型/>

像这样，处理电路150通过确定功能150c，考虑闪烁器内的发光位置的不确定性，来计算按每个同时计数活动决定的第2发光概率模型p_t,m(t)。

接下来，返回图13，在步骤S500中，处理电路150通过确定功能150c，基于在步骤S300中计算的第1发光概率模型和计算的第2发光概率模型/>确定按每个同时计数活动确定的与基于第1活动和第2活动而规定的符合相关的概率分布模型

在图17中，曲线253表示将第1检测器l的闪烁器251中的按每个同时计数活动决定的第1发光概率模型作为延迟时间t_l的函数进行标绘而成的曲线。另外，曲线254表示将第2检测器m的闪烁器252中的第2发光概率模型/>作为延迟时间t_m的函数进行标绘而成的曲线。处理电路150通过确定功能150c，确定将检测器l中的检测时刻t_l的事件和检测器m中的检测时刻t_m的积事件作为检测时间差的函数而表现的、按每个同时计数活动决定的概率分布模型/>曲线256表示这样的概率分布模型的例子。

在此，时间长度dt的期间中的检测器l中的检测时刻t_l的事件和检测器m中的检测时刻t_m的积事件的数量由下式(36)给出。

在此，θⁱ _l表示第i个同时计数活动所涉及的在检测器l中取得的参数集合。另外，如果用更具体的形式表现参数θ，则下式(37)成立。

在此，是第i个同时计数活动所涉及的在检测器l及m中的闪烁光子数，表示第i个同时计数活动所涉及的在检测器l及m中的切伦科夫光子数。

另外，检测器l中的检测时刻t_l与检测器m中的检测时刻t_m之间的检测时间之差由已经说明的式(28)给出。

因此，由下式(38)给出。

另外，如果用更具体的形式表现参数θ，则下式(39)成立。

如上，通过图13的步骤S30的处理，处理电路150通过确定功能150c，针对第i个同时计数活动，计算由第1检测器l和第2检测器m规定的LOR的与检测时间差相关的概率分布模型处理电路150针对全部同时计数活动计算该处理，并将其相加，由此能够计算最终的由第1检测器l和第2检测器m规定的LOR的与检测时间差相关的概率分布模型/>并基于此进行数据的重构。

在步骤S40中，处理电路150通过确定功能150c，判断是否针对全部同时计数活动结束了步骤S30的处理。处理电路150在通过确定功能150c判断为未针对全部同时计数活动结束步骤S30的处理的情况下(步骤S40：否)，处理向步骤S50前进，针对第i+1个数据进行处理。另一方面，处理电路150在通过确定功能150c判断为针对全部同时计数活动结束了步骤S30的处理的情况下(步骤S40：是)，处理向步骤S60前进。

在步骤S60中，处理电路150通过确定功能150c，将步骤S30中计算的各同时计数活动的概率分布模型相加，生成与第1检测器l和第2检测器m中的符合相关的概率分布模型/>/>

具体而言，与第1检测器l和第2检测器m中的符合相关的概率分布模型由下式(40)表现。

在此，与第1检测器l和第2检测器m中的符合相关的概率分布模型在后述的步骤S70中，通过被用作ToF内核而用于图像重构。即，处理电路150通过确定功能150c，将按各活动确定的概率分布模型/>针对各活动进行相加，从而生成与第1检测器l和第2检测器m中的符合相关的概率分布模型/>作为第1检测器l与第2检测器m之间的ToF内核。像这样，处理电路150通过确定功能150c，基于第1光子数信息和第2光子数信息，确定与基于第1活动和第2活动而规定的符合相关的概率分布模型/>

在此，在第2实施方式中，处理电路150通过确定功能150c，在步骤S30中按每个同时计数活动生成概率分布模型之后将其在步骤S60中相加，生成最终的概率分布模型/>由此，处理电路150通过确定功能150c，能够生成考虑了每个事件的观测值相对于平均的波动的ToF内核。其结果，处理电路150通过确定功能150c，即使例如在较少的事件中观察到较大的观测波动的情况下等，也能够生成妥当的ToF内核。

接下来，在步骤S70中，处理电路150通过重构功能150d，利用在步骤S60中确定的与基于第1光子数信息和第2光子数信息而规定的符合相关的概率分布模型作为TOF内核，进行与第1检测器l和第2检测器m之间的LOR对应的数据的重构。

在图18～图20中表示了第2实施方式所涉及的方法的验证结果。在该验证中，根据列表模式数据，使用本方法生成概率分布模型并与实测值进行了比较。

在图18中表示了使用BGO晶体测定的列表模式的散点图，图中的各个圆例如活动260及活动261对应于一个活动。处理电路150通过计算功能150b，基于活动260，计算了与活动260对应的按照活动的概率分布模型p_ct(t)。曲线263是与活动260对应的p_ct(t)。另外，处理电路150通过计算功能150b，基于活动261，计算了与活动261对应的按照活动的概率分布模型p_ct(t)。曲线262是与活动261对应的p_ct(t)。处理电路150通过计算功能150b，针对全部活动进行同样的处理，并将每个活动的概率分布模型p_ct(t)相加，从而生成了概率分布模型p^tot(t)。

图19表示LYSO中的实测值与概率分布模型p^tot _ct(t)的比较。曲线265是实测值，曲线264是计算的概率分布模型p^tot _ct(t)。另外，图20表示BGO中的实测值与概率分布模型p^tot _ct(t)的比较。曲线266是实测值，曲线267是计算的概率分布模型p^tot _ct(t)。无论在哪一种情况下，实测值与概率分布模型p^tot(t)都大致一致，确认了按每个同时计数活动基于发光模型生成概率分布模型p_ct(t)、并将其相加而生成概率分布模型p^tot _ct(t)的第2实施方式的方法的妥当性。

实施方式不限于上述的例子。在上述的情况下，说明了检测器3是并非单片检测器的通常的检测器的情况，但实施方式不限于此。实施方式也可以是检测器3作为单晶而构成、且1个闪烁晶体不被划分而在一体化的状态下使用的单片闪烁器的情况。该闪烁器例如由LYSO(硅酸钇镥(Lutetium Yttrium Oxyorthosilicate))、LSO(硅酸镥(LutetiumOxyorthosilicate))、LGSO(硅酸钆镥(Lutetium Gadolinium Oxyorthosilicate))等闪烁晶体形成。

在检测器3是单片检测器的情况下，检测器3是一个闪烁晶体不被划分而在一体化的状态下使用的检测器，但通过将检测器3认定为由多个虚拟的检测器构成，并生成各个虚拟的检测器之间的ToF内核，能够进行同样的处理。例如，在检测器3由多个检测元件阵列构成的情况下，能够将各个检测元件阵列认定为1个检测器，并进行与图13的流程图所示的处理同样的处理。作为一例，通过将图13的步骤S10至步骤S70、图14的步骤S100至步骤S300、式(35)、(38)等中的自然数l及m，读作对检测元件阵列赋予的编号而不是对检测器赋予的编号，并进行同样的处理，处理电路150能够通过确定功能确定与该检测元件阵列的组合相应的与检测时间差相关的概率分布模型。

即，在检测器3是单片检测器的情况下，第2实施方式中的核医学诊断装置具备处理电路150。处理电路150通过取得功能150a，取得至少设置有第1检测元件阵列l和第2检测元件阵列m的单片检测器、由第1检测元件阵列l检测的与第1活动对应的第1光子数信息、以及由第2检测元件阵列m检测的与第1活动对应的第2光子数信息。处理电路150通过确定功能150c，基于第1光子数信息和第2光子数信息，确定与第1检测元件阵列l和第2检测元件阵列m的组合相应的与检测时间差相关的概率分布模型

另外，在第2实施方式所涉及的数据处理方法中，计测由至少设置有第1检测元件阵列l和第2检测元件阵列m的单片检测器的第1检测元件阵列l检测的与第1活动对应的第1光子数信息、以及由第2检测元件阵列m检测的与第1活动对应的第2光子数信息，基于第1光子数信息和第2光子数信息，确定与第1检测元件阵列l和第2检测元件阵列m的组合相应的与检测时间差相关的概率分布模型

另外，第2实施方式所涉及的程序使计算机执行如下处理：计测由至少设置有第1检测元件阵列l和第2检测元件阵列m的单片检测器的第1检测元件阵列l检测的与第1活动对应的第1光子数信息、以及由第2检测元件阵列m检测的与第1活动对应的第2光子数信息，基于第1光子数信息和第2光子数信息，确定与第1检测元件阵列l和第2检测元件阵列m的组合相应的与检测时间差相关的概率分布模型

如上，在第2实施方式所涉及的核医学诊断装置中，处理电路150基于闪烁器内的发光模型，按每个同时计数活动计算与检测时间差相关的概率分布模型，之后将其相加来生成了与检测时间差相关的概率分布模型。由此，能够生成考虑了每个事件的观测值相对于平均的波动的ToF内核并进行图像重构，因此即使例如在较少的事件中观察到较大的观测波动的情况下等，也能够提高重构后的PET图像的画质。

根据以上说明的至少1个实施方式，能够提高画质。

关于以上的实施方式，作为发明的一个侧面及选择性的特征公开以下的附记。

(附记1)

本发明的一个侧面所提供的核医学诊断装置具备取得部、计算部和确定部。取得部取得由第1检测器检测的第1光子数信息、以及由与所述第1检测器不同的第2检测器检测的第2光子数信息。计算部基于所述第1光子数信息计算与所述第1检测器对应的第1发光概率模型，基于所述第2光子数信息计算与所述第2检测器对应的第2发光概率模型。确定部基于所述第1发光概率模型和所述第2发光概率模型，确定由所述第1检测器和所述第2检测器规定的LOR(响应线(Line Of Response))的与检测时间差相关的概率分布模型。

(附记2)

也可以还具备：重构处理部，利用所述与检测时间差相关的概率分布模型作为ToF(飞行时间(Time Of Flight))内核，从而进行与所述LOR对应的数据的重构。

(附记3)

所述第1发光概率模型及所述第2发光概率模型也可以是与检测被包含在检测事件中的多个光子之中的最初的光子的概率密度相关的模型。

(附记4)

所述第1发光概率模型及所述第2发光概率模型也可以是与检测被包含在检测事件中的多个光子之中的规定数量的光子的概率密度相关的模型。

(附记5)

所述第1光子数信息及所述第2光子数信息也可以是通过进行规定的校准扫描而确定的。

(附记6)

所述第1光子数信息及所述第2光子数信息也可以是基于通过进行所述校准扫描而由所述第1检测器及所述第2检测器各自取得的能量谱而确定的。

(附记7)

所述第1发光概率模型及所述第2发光概率模型也可以基于所述第1检测器及所述第2检测器各自中的发光的分布函数模型。

(附记8)

所述第1发光概率模型及所述第2发光概率模型也可以基于与检测事件对应的光子数的期待值。

(附记9)

所述第1光子数信息及所述第2光子数信息也可以分别包括闪烁光子数。

(附记10)

所述第1光子数信息及所述第2光子数信息也可以分别还包括切伦科夫光子数。

(附记11)

所述计算部也可以考虑闪烁器内的发光位置的不确定性，来计算所述第1发光概率模型及所述第2发光概率模型。

(附记12)

所述计算部也可以按所述闪烁器内的每个位置，基于衰减系数计算发光概率密度，并基于发光的分布函数及所述发光概率密度，计算所述第1发光概率模型及所述第2发光概率模型。

(附记13)

在本发明的一个侧面所提供的数据处理方法中，

取得由第1检测器检测的第1光子数信息、以及由与所述第1检测器不同的第2检测器检测的第2光子数信息，

基于所述第1光子数信息计算与所述第1检测器对应的第1发光概率模型，基于所述第2光子数信息计算与所述第2检测器对应的第2发光概率模型，

基于所述第1发光概率模型和所述第2发光概率模型，确定由所述第1检测器和所述第2检测器规定的LOR(响应线(Line Of Response))的与检测时间差相关的概率分布模型。

(附记14)

本发明的一个侧面所提供的程序使计算机执行如下处理：取得由第1检测器检测的第1光子数信息、以及由与所述第1检测器不同的第2检测器检测的第2光子数信息，基于所述第1光子数信息计算与所述第1检测器对应的第1发光概率模型，基于所述第2光子数信息计算与所述第2检测器对应的第2发光概率模型，基于所述第1发光概率模型和所述第2发光概率模型，确定由所述第1检测器和所述第2检测器规定的LOR的与检测时间差相关的概率分布模型。

(附记15)

本发明的一个侧面所提供的核医学诊断装置具备：单片检测器，至少设置有第1检测元件阵列和第2检测元件阵列；取得部，取得由所述第1检测元件阵列检测的第1光子数信息、以及由所述第2检测元件阵列检测的第2光子数信息；计算部，基于所述第1光子数信息计算与所述第1检测元件阵列对应的第1发光概率模型，基于所述第2光子数信息计算与所述第2检测元件阵列对应的第2发光概率模型；以及确定部，基于所述第1发光概率模型和所述第2发光概率模型，确定与所述第1检测元件阵列和所述第2检测元件阵列的组合相应的与检测时间差相关的概率分布模型。

(附记16)

在本发明的一个侧面所提供的数据处理方法中，取得由至少设置有第1检测元件阵列和第2检测元件阵列的单片检测器的所述第1检测元件阵列检测的第1光子数信息、以及由所述第2检测元件阵列检测的第2光子数信息，基于所述第1光子数信息计算与所述第1检测元件阵列对应的第1发光概率模型，基于所述第2光子数信息计算与所述第2检测元件阵列对应的第2发光概率模型，基于所述第1发光概率模型和所述第2发光概率模型，确定与所述第1检测元件阵列和所述第2检测元件阵列的组合相应的与检测时间差相关的概率分布模型。

(附记17)

本发明的一个侧面所提供的程序使计算机执行如下处理：取得由至少设置有第1检测元件阵列和第2检测元件阵列的单片检测器的所述第1检测元件阵列检测的第1光子数信息、以及由所述第2检测元件阵列检测的第2光子数信息，基于所述第1光子数信息计算与所述第1检测元件阵列对应的第1发光概率模型，基于所述第2光子数信息计算与所述第2检测元件阵列对应的第2发光概率模型，基于所述第1发光概率模型和所述第2发光概率模型，确定与所述第1检测元件阵列和所述第2检测元件阵列的组合相应的与检测时间差相关的概率分布模型。

(附记18)

本发明的一个侧面所提供的核医学诊断装置具备取得部和确定部。取得部取得由第1检测器检测的与第1活动相关的第1光子数信息、以及由与所述第1检测器不同的第2检测器检测的与第2活动相关的第2光子数信息。确定部基于所述第1光子数信息和所述第2光子数信息，确定与基于所述第1活动和所述第2活动而规定的符合相关的概率分布模型。

(附记19)

也可以还具备：重构处理部，利用所述与符合相关的概率分布模型作为ToF(飞行时间(Time Of Flight))内核，从而进行与所述第1检测器和所述第2检测器之间的LOR(响应线(Line Of Response))对应的数据的重构。

(附记20)

所述取得部也可以计测闪烁光子数作为所述第1光子数信息及所述第2光子数信息。

(附记21)

所述取得部也可以还计测切伦科夫光子数作为所述第1光子数信息及所述第2光子数信息。

(附记22)

所述确定部也可以将按各活动确定的所述概率分布模型相加，来生成所述第1检测器和所述第2检测器之间的ToF内核。

(附记23)

所述确定部也可以基于所述第1光子数信息，生成关于所述第1活动的第1发光概率模型，基于所述第2光子数信息，生成关于所述第2活动的第2发光概率模型，并基于所述第1发光概率模型和所述第2发光概率模型，确定所述概率分布模型。

(附记24)

所述确定部也可以基于按每个活动决定的发光分布函数模型，生成所述第1发光概率模型及所述第2发光概率模型。

(附记25)

由所述取得部计测的所述第1光子数信息及所述第2光子数信息也可以是按每个活动取得的。

(附记26)

所述确定部也可以考虑闪烁器内的发光位置的不确定性，来计算所述第1发光概率模型及所述第2发光概率模型。

(附记27)

所述确定部也可以按所述闪烁器内的每个位置，基于衰减系数计算发光概率密度，并基于发光的分布函数及所述发光概率密度，计算所述第1发光概率模型及所述第2发光概率模型。

(附记28)

所述第1发光概率模型也可以是与检测被包含在检测事件中的多个光子之中的规定数量的光子的概率密度相关的模型。

(附记29)

在本发明的一个侧面所提供的数据处理方法中，计测由第1检测器检测的与第1活动相关的第1光子数信息、以及由与所述第1检测器不同的第2检测器检测的与第2活动相关的第2光子数信息，基于所述第1光子数信息和所述第2光子数信息，确定与基于所述第1活动和所述第2活动而规定的符合相关的概率分布模型。

(附记30)

本发明的一个侧面所提供的程序使计算机执行如下处理：计测由第1检测器检测的与第1活动相关的第1光子数信息、以及由与所述第1检测器不同的第2检测器检测的与第2活动相关的第2光子数信息，基于所述第1光子数信息和所述第2光子数信息，确定与基于所述第1活动和所述第2活动而规定的符合相关的概率分布模型。

(附记31)

本发明的一个侧面所提供的核医学诊断装置具备取得部和确定部。取得部取得至少设置有第1检测元件阵列和第2检测元件阵列的单片检测器、由所述第1检测元件阵列检测的与第1活动对应的第1光子数信息、以及由第2检测元件阵列检测的与所述第1活动对应的第2光子数信息。确定部基于所述第1光子数信息和所述第2光子数信息，确定与所述第1检测元件阵列和所述第2检测元件阵列的组合相应的与检测时间差相关的概率分布模型。

(附记32)

在本发明的一个侧面所提供的数据处理方法中，计测由至少设置有第1检测元件阵列和第2检测元件阵列的单片检测器的所述第1检测元件阵列检测的与第1活动对应的第1光子数信息、以及由第2检测元件阵列检测的与所述第1活动对应的第2光子数信息，基于所述第1光子数信息和所述第2光子数信息，确定与所述第1检测元件阵列和所述第2检测元件阵列的组合相应的与检测时间差相关的概率分布模型。

(附记33)

本发明的一个侧面所提供的程序使计算机执行如下处理：计测由至少设置有第1检测元件阵列和第2检测元件阵列的单片检测器的所述第1检测元件阵列检测的与第1活动对应的第1光子数信息、以及由第2检测元件阵列检测的与所述第1活动对应的第2光子数信息，基于所述第1光子数信息和所述第2光子数信息，确定与所述第1检测元件阵列和所述第2检测元件阵列的组合相应的与检测时间差相关的概率分布模型。

以上说明了几个实施方式，但这些实施方式作为例子来提示，其意图不在于对发明的范围进行限定。这些实施方式能够以其他各种方式实施，在不脱离发明的主旨的范围内，能够进行各种省略、置换、变更、实施方式彼此的组合。这些实施方式及其变形包含在发明的范围或主旨中，并包含在权利要求书所记载的发明及其等同的范围中。

Claims (23)

1.一种核医学诊断装置，具备处理电路，该处理电路进行：

取得由第1检测器检测的第1光子数信息、以及由与所述第1检测器不同的第2检测器检测的第2光子数信息，

基于所述第1光子数信息计算与所述第1检测器对应的第1发光概率模型，基于所述第2光子数信息计算与所述第2检测器对应的第2发光概率模型，

基于所述第1发光概率模型和所述第2发光概率模型，确定由所述第1检测器和所述第2检测器规定的LOR即响应线的与检测时间差相关的概率分布模型。

2.如权利要求1所述的核医学诊断装置，其中，

所述处理电路利用所述与检测时间差相关的概率分布模型作为ToF内核即飞行时间内核，从而进行与所述LOR对应的数据的重构。

3.如权利要求1所述的核医学诊断装置，其中，

所述第1发光概率模型及所述第2发光概率模型是与检测被包含在检测事件中的多个光子之中的最初的光子的概率密度相关的模型。

4.如权利要求1所述的核医学诊断装置，其中，

所述第1发光概率模型及所述第2发光概率模型是与检测被包含在检测事件中的多个光子之中的规定数量的光子的概率密度相关的模型。

5.如权利要求1所述的核医学诊断装置，其中，

所述第1光子数信息及所述第2光子数信息是通过进行规定的校准扫描而确定的。

6.如权利要求5所述的核医学诊断装置，其中，

所述第1光子数信息及所述第2光子数信息是基于通过进行所述校准扫描而由所述第1检测器及所述第2检测器分别取得的能量谱而确定的。

7.如权利要求1所述的核医学诊断装置，其中，

所述第1发光概率模型及所述第2发光概率模型基于所述第1检测器及所述第2检测器各自中的发光的分布函数模型。

8.如权利要求1所述的核医学诊断装置，其中，

所述第1发光概率模型及所述第2发光概率模型基于与检测事件对应的光子数的期待值。

9.如权利要求1所述的核医学诊断装置，其中，

所述第1光子数信息及所述第2光子数信息分别包括闪烁光子数。

10.如权利要求8所述的核医学诊断装置，其中，

所述第1光子数信息及所述第2光子数信息分别还包括切伦科夫光子数。

11.如权利要求1所述的核医学诊断装置，其中，

所述处理电路考虑闪烁器内的发光位置的不确定性，来计算所述第1发光概率模型及所述第2发光概率模型。

12.如权利要求11所述的核医学诊断装置，其中，

所述处理电路按所述闪烁器内的每个位置，基于衰减系数计算发光概率密度，并基于发光的分布函数及所述发光概率密度，计算所述第1发光概率模型及所述第2发光概率模型。

13.如权利要求1所述的核医学诊断装置，其中，

所述处理电路取得由所述第1检测器检测的与第1活动相关的所述第1光子数信息、以及由所述第2检测器检测的与第2活动相关的所述第2光子数信息，

基于所述第1光子数信息和所述第2光子数信息，确定与基于所述第1活动和所述第2活动而规定的符合相关的所述概率分布模型。

14.如权利要求13所述的核医学诊断装置，其中，

所述处理电路利用与所述符合相关的概率分布模型作为ToF内核即飞行时间内核，从而进行与所述第1检测器和所述第2检测器之间的LOR即响应线对应的数据的重构。

15.如权利要求13所述的核医学诊断装置，其中，

所述处理电路将按每个活动确定的所述概率分布模型相加，来生成所述第1检测器和所述第2检测器之间的ToF内核。

16.如权利要求13所述的核医学诊断装置，其中，

所述处理电路基于所述第1光子数信息，生成关于所述第1活动的第1发光概率模型，基于所述第2光子数信息，生成关于所述第2活动的第2发光概率模型，

基于所述第1发光概率模型和所述第2发光概率模型，确定所述概率分布模型。

17.如权利要求16所述的核医学诊断装置，其中，

所述处理电路基于按每个活动决定的发光分布函数模型，生成所述第1发光概率模型及所述第2发光概率模型。

18.如权利要求13所述的核医学诊断装置，其中，

被计测的所述第1光子数信息及所述第2光子数信息是按每个活动取得的。

19.一种数据处理方法，其中，

取得由第1检测器检测的第1光子数信息、以及由与所述第1检测器不同的第2检测器检测的第2光子数信息，

基于所述第1光子数信息计算与所述第1检测器对应的第1发光概率模型，基于所述第2光子数信息计算与所述第2检测器对应的第2发光概率模型，

基于所述第1发光概率模型和所述第2发光概率模型，确定由所述第1检测器和所述第2检测器规定的LOR即响应线的与检测时间差相关的概率分布模型。

20.一种非易失性计算机可读存储介质，保存用于使计算机执行如下处理的程序：

取得由第1检测器检测的第1光子数信息、以及由与所述第1检测器不同的第2检测器检测的第2光子数信息，

基于所述第1光子数信息计算与所述第1检测器对应的第1发光概率模型，基于所述第2光子数信息计算与所述第2检测器对应的第2发光概率模型，

基于所述第1发光概率模型和所述第2发光概率模型，确定由所述第1检测器和所述第2检测器规定的LOR即响应线的与检测时间差相关的概率分布模型。

21.一种核医学诊断装置，其中，具备：

单片检测器，至少设置有第1检测元件阵列和第2检测元件阵列；以及

处理电路，该处理电路进行：

取得由所述第1检测元件阵列检测的第1光子数信息、以及由所述第2检测元件阵列检测的第2光子数信息，

基于所述第1光子数信息计算与所述第1检测元件阵列对应的第1发光概率模型，基于所述第2光子数信息计算与所述第2检测元件阵列对应的第2发光概率模型，

基于所述第1发光概率模型和所述第2发光概率模型，确定与所述第1检测元件阵列和所述第2检测元件阵列的组合相应的与检测时间差相关的概率分布模型。

22.一种数据处理方法，其中，

取得由至少设置有第1检测元件阵列和第2检测元件阵列的单片检测器的所述第1检测元件阵列检测的第1光子数信息、以及由所述第2检测元件阵列检测的第2光子数信息，

基于所述第1光子数信息计算与所述第1检测元件阵列对应的第1发光概率模型，基于所述第2光子数信息计算与所述第2检测元件阵列对应的第2发光概率模型，

基于所述第1发光概率模型和所述第2发光概率模型，确定与所述第1检测元件阵列和所述第2检测元件阵列的组合相应的与检测时间差相关的概率分布模型。

23.一种非易失性计算机可读存储介质，保存用于使计算机执行如下处理的程序：

取得由至少设置有第1检测元件阵列和第2检测元件阵列的单片检测器的所述第1检测元件阵列检测的第1光子数信息、以及由所述第2检测元件阵列检测的第2光子数信息，

基于所述第1光子数信息计算与所述第1检测元件阵列对应的第1发光概率模型，基于所述第2光子数信息计算与所述第2检测元件阵列对应的第2发光概率模型，

基于所述第1发光概率模型和所述第2发光概率模型，确定与所述第1检测元件阵列和所述第2检测元件阵列的组合相应的与检测时间差相关的概率分布模型。