JP2008518208A - コインシデンスデータの多様な処理 - Google Patents

Abstract

ＰＥＴスキャナにおけるコインシデンスデータを処理する方法であって、前記コインシデンスデータの選択された一部を、コインシデンス空間の複数のサブ空間の１つに関連づける工程と、サブ空間に関連するコインシデンスデータから、画像を形成する際に使用される特性を得る工程と、前記サブ空間に関連するコインシデンスデータが真（ｔｒｕｅｓ）を示すデータを含む可能性に依存する量によって、前記特性を重み付けする工程とを備える方法。

Description

発明の分野
発明は、ＰＥＴスキャナに関し、特に、ＰＥＴスキャナからのコインシデンスデータの処理に関する。

背景
ＰＥＴスキャナは、γ線を検出するための環状の検出器を含む。正反対に配置された検出器により検出された各ペアのイベントに対して、患者の体内から直接受けたγ線のペアからそのようなイベントが生じた確率が存在する。しかし、受けたγ線のうちの少なくとも１つが検出器への途中で散乱されたか、γ線が同じ消滅イベントから生じなかった確率も存在する。

画像提供をする際、後者の２つのタイプのイベントペアは、ノイズに寄与する。従って、画像を生成する時には、このようなノイズを抑制することが望ましい。

要旨
１つの局面において、発明は、コインシデンスデータの選択された一部が、コインシデンス空間の複数のサブ空間の１つに関連づけられているコインシデンスデータを処理する方法を含む。サブ空間に関連づけられたコインシデンスデータから、画像を形成する際に使用される特性が得られる。次いで、そのサブ空間に関連づけられたコインシデンスデータが真を示すデータを含む可能性に依存する量によって、この特性は、重み付けられる。

実施の形態によっては、コインシデンス空間が、コインシデンスを構成するイベントの選択された特性を含むものもある。代表的な特性には、イベントの空間的位置、イベントの発生の時間（ｔｉｍｅｓ）、そのイベントに伴うエネルギー、イベントを示すフォトンの時間的分布、イベントを示すフォトンの空間的分布、イベントを示すフォトンのエネルギー分布が含まれる。

別の実施の形態には、選択された特性に基づいて、特定のサブ空間においてコインシデンスが真（ｔｒｕｅｓ）である確率を決定する工程を含む。

さらに別の実施の形態は、特性の重み付けが真である確率密度の平均を推定する工程を含むものである。そのようにする代表的な方法には、イベントの空間的位置に関連づけられた空間的に依存する誤差関数および空間的に独立した誤差関数を決定する工程と、空間的に依存する誤差関数および空間的に独立する誤差関数を重畳する工程とが含まれる。

別の局面において、発明は、先述のいかなる方法をも実施するように構成されたＰＥＴスキャナを含む。さらに発明の別の局面において、先述のいかなる方法をも実施するための符号化されたソフトウェアを有するコンピュータ読み取り可能な媒体を含む。

発明のこのような特徴や別の特徴は、次の説明と添付の図から明らかとなろう。

図１を参照して、ＰＥＴ（「ポジション放射断層撮影）スキャナ１０は、環状の検出器１２を含み、それぞれが画像処理システム１４に接続されている。患者が横たわるガントリー１６は、環状の検出器１２により規定された穴１８を通って延びる。例示のＰＥＴスキャナは、公開された米国特許出願第１０／１９０，７４１号に記載のものであり、その内容は、援用により本明細書中に一体化される。
米国特許出願第１０／１９０，７４１号公報

画像を形成するため、患者に放射性トレーサを注入する。放射性トレーサが減衰すると、陽電子が放射される。陽電子が、患者の体内で電子に遭遇すると、２つは消滅する。消滅の間に放出されるエネルギーは、消滅部位から離れて反対方向に動く２つのガンマ線フォトン間で等しく分割される。

各検出器１２は、患者に面する内面と光検出器（図示せず）に面する外面とを有するシンチレーション結晶（図示せず）を含む。ガンマ線フォトンは、結晶を通って移動するとき、結晶内で可視光フォトンの放射を生じる。この相互作用は、「イベント」と呼ばれる。

可視光フォトンは、最終的には光検出器に到達し、光検出器は、イベントの位置、イベントが生じた時間、およびイベントを生じさせたガンマ線フォトンに伴うエネルギーを示す情報を、画像処理システム１４に提供する。

２つのイベントが、正反対に配置された検出器１２でほぼ同時間に生じると、そのような２つのイベントは、同一の消滅を由来とする一対のガンマ線フォトンから生じた可能性が極めて高い。このようなイベントのペアは、「コインシデンス」と呼ばれる。

各コインシデンスは、７つの量を特徴とする。すなわち、第１のイベントの位置を特定する２つの座標、第２のイベントの位置を特定する２つの座標、第１および第２のイベントに伴うエネルギー、および第１のイベントの発生と第２のイベントの発生との間の時間差である。各コインシデンスは、７次元の「コインシデンス空間」における点を占有するとして、このように考えることができる。

３つのタイプのコインシデンスが存在する。第１に、真のコインシデンス、すなわち「真」であり、患者の体内で同一の消滅に由来し、消滅が生じた点（「消滅部位」）から直接に検出器１２に到達する一対のガンマ線フォトンから得られる。次に、散乱コインシデンス、すなわち「散乱」が存在する。「真」と同様に、散乱からのフォトンは、患者の体内で同一の消滅から由来する。散乱と真との違いは、前者においては、ガンマ線フォトンの１つが、消滅部位から検出器への途中で散乱されたことにある。最後に、偶発コインシデンス、すなわち「偶発」が存在し、これは、異なる消滅から来るコインシデンス全体をイベントが構成するコインシデンスである。

座標空間におけるイベントペアを規定する７つの座標は、特定のコインシデンスが真、散乱、または偶発のいずれであるかの何らかの指標をまとめて提供する。例えば、真は、ほぼ正確に同一の時間で到着し、同一のエネルギー（各５１１ｋｅＶ）を有するガンマ線を特徴とする。散乱は、減少したエネルギーを有する１つまたは両方のガンマ線フォトンを特徴とする。これは、散乱ガンマ線フォトンが、散乱イベントの結果としてそのエネルギーのかなりの割合を捨てているからである。このときの散乱エネルギーロスの量は、周知のコンプトン式による散乱角度に関係している。

画像を構築するとき、ＰＥＴスキャナ１０の画像処理システム１４は、正反対に配置された検出器１２の各ペアからの特性を利用する。所与の対の検出器１２からの特性は、測定期間中のそのペアの検出器１２により検出された、選択されたコインシデンスを組み合わせることにより得られる。好ましくは、選択されたコインシデンスは、真のみを含み、散乱と偶発は除外される。

実際のところ、どのコインシデンスが真であり、どれが散乱または偶発であるか確実に知ることは可能ではない。しかし、７次元コインシデンス空間におけるコインシデンスを規定する座標は、特定のコインシデンスが真であるとする確率の何らかの表示を提供する。画像処理システム１４は、この確率を使用して各コインシデンスの特性に重み付けする。７次元座標空間におけるこれらの位置決めの結果として、より真の可能性があると見られるコインシデンスが、より重く重み付けされる。さほど真とは見られそうもないものの重み付けはあまり重くはない。

コインシデンス空間は、他の軸を含む。例えば、イベントによって生成された、計時プロットしたときのフォトンの数は、場合によっては、１を越えるピークを示す。これが該当する場合は、イベントが実際に生じた時間は、１つのピークのみだった場合よりも大きな不確実性を被る。真として分類されたイベントは、このようにしてイベントから得られたフォトンの時間的分布に一致して重み付けがなされ得る。単一峰の分布を特徴とする真であれば、二峰性の分布を特徴とする真よりも、より重く重み付けがなされる。二峰性の分布がさらに分離すると、真に対して割り当てられた重み付けは、単一イベントというよりも、２つのイベントから生じたフォトンの分布である可能性が高くなるまで小さくなる。この場合、追加のコインシデンス空間軸は、時間的フォトン分布の二峰性を計測するものである。

同様に、シンチレータブロック内の空間的に二峰性のフォトン分布は、シンチレータブロック内でコンプトン散乱を経たγ線を指示する。従って、空間的に二峰性または多峰性の（ｍｕｌｔｉｍｏｄａｌ）フォトン分布を特徴とする真は、空間的に単一峰を特徴とする真よりも信頼性が低い可能性がある。この場合、追加的なコインシデンス空間軸は、フォトン分布の空間的二峰性の測度を提供する。

従って、画像処理システム１４は、測定期間中に検出されたコインシデンスの集合において全ての利用可能な情報を使用する。コインシデンスが真である確率が、任意に選択された閾値をわずかでも下回った場合でも、コインシデンスに伴う情報が破棄されるシステムにおいては、これは進歩である。真と見られる全コインシデンスに伴う情報が等しく重み付けされる画像処理システムにおいても、そのようなコインシデンスが本当に真であるかどうかは別として、これは進歩である。

図２を参照して、各検出器ペアに対して、画像処理システム１４は、７次元コインシデンス空間を、それぞれが特定のチャンネル２２に対応するサブ空間２０の集合へと仕切るものとして見ることができる。コインシデンス空間の特定のサブ空間２０内に含まれるコインシデンスは、そのサブ空間に伴うチャンネル２２に割り当てられる。

チャンネル２２に含まれるコインシデンスは、ミキサ２４において、そのチャンネルに伴うチャンネル重みによって重み付けされる。重み付けされたコインシデンス２５は、次いで、総和ユニット２６において、共に合計されて、そのペアの検出器に伴う特性２８を得る。

好ましくは、サブ空間２０は、コインシデンスの二重カウントを避けるため交わらないことである。しかし、コインシデンスの二重カウントは、そのコインシデンスにより大きな重みを割り当てる間接的な方法として評価することができる。画像処理システム１４は、サブ空間の重なりを規定すべくこのように構成することができる。

重みは、重み付けされた総計２８が、可能な限り高い信号対ノイズ比を有するように選択される。重み付けを選択するための技術は、Ｄ．Ｇ．Ｂｒｅｎｎａｎ，”Ｌｉｎｅａｒ Ｄｉｖｅｒｓｉｔｙ Ｃｏｍｂｉｎｉｎｇ Ｔｅｃｈｎｉｑｕｅｓ，” Ｐｒｏｃ．ＩＲＥ，ｖｏｌ．４７，Ｊｕｎｅ １９５９，ｐｐ．１０７５−１１０２ および ＪＶ．Ｃ． Ｂｅａｕｌｉｅｕ，”Ｉｎｔｒｏｄｕｃｔｉｏｎ ｔｏ Ｌｉｎｅａｒ Ｄｉｖｅｒｓｉｔｙ Ｃｏｍｂｉｎｉｎｇ Ｔｅｃｈｎｉｑｕｅｓ，”Ｐｒｏｃ．ＩＥＥＥ，ｖｏｌ． ９１，ｎｏ．２，Ｆｅｂ．２００３から既知であり、その内容は、本明細書中に援用により一体化される。
Ｄ．Ｇ．Ｂｒｅｎｎａｎ，"Ｌｉｎｅａｒ Ｄｉｖｅｒｓｉｔｙ Ｃｏｍｂｉｎｉｎｇ Ｔｅｃｈｎｉｑｕｅｓ，" Ｐｒｏｃ．ＩＲＥ，ｖｏｌ．４７，Ｊｕｎｅ １９５９，ｐｐ．１０７５−１１０２ ＪＶ．Ｃ． Ｂｅａｕｌｉｅｕ，"Ｉｎｔｒｏｄｕｃｔｉｏｎ ｔｏ Ｌｉｎｅａｒ Ｄｉｖｅｒｓｉｔｙ Ｃｏｍｂｉｎｉｎｇ Ｔｅｃｈｎｉｑｕｅｓ，"Ｐｒｏｃ．ＩＥＥＥ，ｖｏｌ． ９１，ｎｏ．２，Ｆｅｂ．２００３

本発明による画像処理システム１４において、特定のチャンネル２２からのコインシデンスデータの特性は、そのチャンネルに伴う座標によって特徴付けられるコインシデンスが真である状態確率により、重み付けがなされる。特に重みが、

の比で与えられる。ここで、Ｔは、チャンネルの座標により特徴付けられたコインシデンスが真であるイベントに対する密度関数の平均であり、Ｓは、チャンネルの座標により特徴付けられたコインシデンスが散乱であるイベントに対する密度関数の平均であり、Ｔは、そのチャンネルの座標によって特徴付けられたコインシデンスが偶発であるイベントに対する密度関数の平均である。分母（Ｔ＋Ｓ＋Ｒ）は、しばしば触発密度関数（ｐｒｏｍｐｔｓ ｄｅｎｓｉｔｙ ｆｕｎｃｔｉｏｎ）の平均Ｐと呼ばれる。触発密度関数の測定された平均を、以後Ｐ’とする。

平均値Ｔ、Ｓ、およびＲは、実際の密度関数の平均であり、有限数のサンプルから得られたとする測定された分布の平均Ｔ’、Ｓ’、Ｒ’ではない。従って、画像処理システム１４は、測定された平均Ｔ’、Ｓ’、Ｒ’から実際の平均値Ｔ、Ｓ、およびＲ（以後それぞれ、真のモデル、散乱モデル、および偶発モデルとする。）を推定する方法を実行する。

Ｔ’を決定してＴを推定するため、コインシデンスが実際に真である場合、各γ線フォトンに伴うエネルギーが同一であるはずであり、ガンマ線フォトンが同一の時間に検出器１２に到達するはずであることを認識することは、有益である。従って、測定エネルギー差や測定到達時間の差につながるいかなる誤差であっても、装置誤差単独によるものでなければならない。このような装置誤差は、コインシデンスを構成する２つのイベントの空間的位置を測定する際に一次的に独立であるべきものである。

このことを認識するため、真のモデルＴは、イベントの測定された位置にのみ依存する第１の係数、および装置の測定精度に依存する第２の係数の積として評価することができる。すなわち、
Ｔ＝Ｔ_４（ｘ_１，ｙ_１，ｘ_２，ｙ_２）Ｔ_３（Ｅ_１，Ｅ_２，Δｔ）

従来技術において、Ｐ’から第１の係数Ｔ_４を推定するための様々な方法が公知である。このような方法には、バックグラウンド除去法および散乱線除去法が含まれる。第２の係数、Ｔ_３は、装置の較正によって容易に決定することができる。

分母Ｐは、測定したサンプルＰ’_７を使用することで容易に推定することができる。しかし、所望であれば、Ｐ_７は、ＳおよびＲを決定し、そして前に決定したＴに加えることで得ることができる。

Ｒを決定するため、偶発的なコインシデンスに対して、コインシデンスを構成する２つのイベント間の時間差が、少なくとも一次まで無相関であることを認識することは有益である。モデルＲ’は、従って、３つの係数
Ｒ＝Ｒ_３（ｘ_１，ｙ_１，Ｅ_１）Ｒ_３（ｘ_２，ｙ_２，Ｅ_２）Ｒ_１（Δｔ）
に分離可能である。

最初の２つの係数は、光検出器によって容易に測定される量に依存する。最後の係数は、既知であるか容易に測定される、偶発コインシデンスを構成するイベント間の測定時間差分布（すなわち、典型的には境界のある一様な分布）のみに依存する。

Ｓを決定するため、Ｓ’がサンプリングされる分布が、コインシデンス空間において、空間軸に沿っても、エネルギー軸に沿っても、滑らかに変化するものであることを認識することが有益である。これは、ＴとＲ’がサンプリングされる分布に対しては該当しない。従って、Ｓを推定するための有益な方法は、Ｐから始めて、前に推定されたＴとＲをこれから除去して、ＴとＲ分布から生じる急激な変化を排除するため結果を平滑化することである。平滑化工程は、特に重要である。これがなければ、Ｓに対して得られる推定が、かなりの統計変動を免れないであろうからである。

Ｓが決定される際の精度をさらに高めるため、最も高いエネルギー散乱、すなわち、最小の散乱角度を有するガンマ線フォトンに対応するものが、空間軸に沿って実質的に真と同様に変化するはずであることを認識することも有益である。従って、この制約に従う平滑化工程を実行することが有益である。

多くの有用なコインシデンスを除外する従来技術と違って、本画像処理システム１４は、コインシデンスに対する、より広範な受容基準を使用し、その特性を考慮して、コインシデンスが真である確率に従って、各１に重み付けをする。このようにして、本明細書中に記載の方法は、情報全体に対する信号対ノイズを最大化するよう利用可能な情報の全てを使用する。

発明とその好適な実施形態を記載してきたが、新規なものとして、そして第２に特許証に主張されるのは特許請求の範囲である。

ＰＥＴスキャナの概略図である。 コインシデンス空間のサブ空間により、セグメント化されたコインシデンスデータの重み付けを示すブロック図である。

Claims (14)

1. ＰＥＴスキャナにおけるコインシデンスデータを処理する方法であって、前記方法は、以下、
   前記コインシデンスデータの選択された一部を、コインシデンス空間の複数のサブ空間の１つに関連づける工程と、
   サブ空間に関連するコインシデンスデータから、画像を形成する際に使用される特性を得る工程と、
   前記サブ空間に関連するコインシデンスデータが真を示すデータを含む可能性に依存する量によって、前記特性を重み付けする工程と、
   を備える方法。
2. コインシデンスを構成するイベントの選択された特性を含むように、コインシデンス空間を規定する工程をさらに備える、請求項１に記載の方法。
3. 前記イベントの空間的位置を含むように特性を選択する工程をさらに備える、請求項２に記載の方法。
4. 前記イベントの発生の時間を含むように特性を選択する工程をさらに備える、請求項２に記載の方法。
5. 前記イベントに伴うエネルギーを含むように特性を選択する工程をさらに備える、請求項２に記載の方法。
6. イベントを示すフォトンの時間的分布を含むように特性を選択する工程をさらに備える、請求項２に記載の方法。
7. イベントを示すフォトンの空間的分布を含むように特性を選択する工程をさらに備える、請求項２に記載の方法。
8. イベントを示すフォトンのエネルギー分布を含む特性を選択する工程をさらに備える、請求項２に記載の方法。
9. 前記特性を重み付ける工程が、前記選択された特性に基づいて、特定のサブ空間における前記コインシデンスが真である確率を決定する工程を備える、請求項１に記載の方法。
10. 前記重み付けられた特性に少なくとも部分的に基づいて、画像を形成する工程をさらに備える、請求項１に記載の方法。
11. 前記特性を重み付ける工程が、真である確率密度の平均を推定する工程を備える、請求項１に記載の方法。
12. 真である確率の平均を推定する工程が、以下、
    イベントの空間的位置に関連して、空間的に依存する誤差関数を決定する工程と、
    空間的に独立する誤差関数を決定する工程と、
    前記空間的に依存する誤差関数および前記空間的に独立する誤差関数を重畳する工程と、
    を備える、請求項１１に記載の方法。
13. 請求項１に記載の方法を実行するように構成されているＰＥＴスキャナ。
14. 請求項１に記載の方法を実行するための符号化されたソフトウェアを有するコンピュータ読み取り可能な記録媒体。

Images