JP2020020577A

JP2020020577A - チェレンコフ検出器

Info

Publication number: JP2020020577A
Application number: JP2018142112A
Authority: JP
Inventors: 智之長谷川; Tomoyuki Hasegawa; 二三生橋本; Fumio Hashimoto; 希望大手; Kibo Ote; 良亮大田; Ryosuke Ota
Original assignee: Hamamatsu Photonics KK; Kitasato Institute
Current assignee: Hamamatsu Photonics KK; Kitasato Institute
Priority date: 2018-07-30
Filing date: 2018-07-30
Publication date: 2020-02-06

Abstract

【課題】粒子と輻射体との間の相互作用の事象毎に発生するチェレンコフ光の光子数が少ない場合であっても相互作用位置を精度よく推定することができるチェレンコフ検出器を提供する。【解決手段】チェレンコフ検出器１は、輻射体１０、光検出器２０および信号処理部３０を備える。輻射体１０は、入射した粒子との相互作用によりチェレンコフ光を発生させる。光検出器２０は、受光面２１上のチェレンコフ光の検出位置（ｘ，ｙ）および検出時刻ｔを表す信号を出力する。信号処理部３０は、光検出器２０から出力される信号を処理することで、輻射体１０における相互作用事象毎に、チェレンコフ光検出事象の数ｎならびに各チェレンコフ光検出事象の検出位置（ｘ，ｙ）および検出時刻ｔに基づいて、ニューラルネットワークにより、輻射体１０における相互作用位置（ｘ，ｙ，ｚ）を推定する。【選択図】図１

Description

本発明は、チェレンコフ検出器に関するものである。

輻射体中における荷電粒子（例えば、電子、ミューオン）の移動速度が該輻射体中の光速度より速いと、荷電粒子と輻射体との間の相互作用により光が放射される。また、荷電していない粒子（例えば、γ線、ニュートリノ）が輻射体中において光電効果により電子等の荷電粒子を発生させる場合があり、その荷電粒子の移動速度が該輻射体中の光速度より速いと光が放射される。このような現象はチェレンコフ効果またはチェレンコフ放射と呼ばれ、放射される光はチェレンコフ輻射光またはチェレンコフ光と呼ばれる。

チェレンコフ検出器は、チェレンコフ効果を利用することで、到来した粒子を検出することができる。チェレンコフ検出器は、例えば、ＰＥＴ（Positron Emission Tomography）装置またはＳＰＥＣＴ（Single Photon Emission Computed Tomography）装置において、被験体から到来したγ線（ＰＥＴではエネルギ５１１ｋｅＶ）を検出する放射線検出器として用いられる。

非特許文献１に記載されたチェレンコフ検出器は、直方体形状を有する輻射体と、この輻射体の６面それぞれに対向する受光面を有する光検出器と、を備える。輻射体は、入射した粒子との相互作用によりチェレンコフ光を発生させる。輻射体は６個の光検出器により覆われている。各光検出器は、輻射体で発生したチェレンコフ光が到来すると、その到来したチェレンコフ光を検出して、受光面上のチェレンコフ光の検出位置および検出時刻を表す信号を出力する。非特許文献１に記載されたチェレンコフ検出器は、６個の光検出器それぞれの受光面上のチェレンコフ光の検出位置および検出時刻の分布に基づいて、輻射体における相互作用位置を推定する。

Somlai-Schweiger, I., et al."CHERENCUBE: Concept definition and implementation challenges of aCherenkov-based detector block for PET." Medical Physics 42.4 (2015):1825-1835. Ota, Ryosuke, et al."Cherenkov radiation-based three-dimensional position-sensitive PETdetector: A Monte Carlo study." Medical Physics 45.5(2018): 1999-2008.

従来のチェレンコフ検出器は、粒子と輻射体との間の相互作用の事象毎に発生するチェレンコフ光の光子数が少ない場合には、相互作用位置の推定の精度が悪い。

本発明は、上記問題点を解消する為になされたものであり、粒子と輻射体との間の相互作用の事象毎に発生するチェレンコフ光の光子数が少ない場合であっても相互作用位置を精度よく推定することができるチェレンコフ検出器を提供することを目的とする。

本発明のチェレンコフ検出器は、(1) 入射した粒子との相互作用によりチェレンコフ光を発生させる輻射体と、(2) 輻射体で発生したチェレンコフ光を検出する受光面を有し、その受光面におけるチェレンコフ光検出に基づいて、受光面上のチェレンコフ光の検出位置および検出時刻を表す信号を出力する光検出器と、(3) 光検出器から出力される信号を入力して、輻射体における相互作用事象毎に、受光面におけるチェレンコフ光検出事象の数ならびに各チェレンコフ光検出事象の検出位置および検出時刻に基づいて、ニューラルネットワークにより、輻射体における相互作用位置を推定する信号処理部と、を備える。

本発明において、信号処理部は、輻射体における相互作用事象毎に、ニューラルネットワークにより、輻射体における相互作用位置に加えて輻射体における相互作用時刻をも推定するのが好適である。

本発明において、信号処理部は、各チェレンコフ光検出事象の検出位置および検出時刻を含むデータを検出時刻でソートした後に相互作用事象毎に区分するのが好適である。信号処理部は、チェレンコフ光検出事象の数が閾値以上である相互作用事象について選択的に相互作用位置を推定するのが好適である。信号処理部は、相互作用事象毎にチェレンコフ光検出事象の数に対応したニューラルネットワークにより相互作用位置を推定するのが好適である。

本発明において、信号処理部は、相互作用事象毎に各チェレンコフ光検出事象の検出位置および検出時刻のデータを一次元状に配列した一次元配列データをニューラルネットワークに入力させるのが好適である。信号処理部は、相互作用事象毎に各チェレンコフ光検出事象の検出位置および検出時刻のデータを二次元状に配列した二次元配列データをニューラルネットワークに入力させるのも好適である。或いは、信号処理部は、相互作用事象毎に各チェレンコフ光検出事象の検出位置に対応する位置に検出時刻のデータを有する二次元配列データをニューラルネットワークに入力させるのも好適である。

本発明によれば、粒子と輻射体との間の相互作用の事象毎に発生するチェレンコフ光の光子数が少ない場合であっても、相互作用位置を精度よく推定することができる。

図１は、チェレンコフ検出器１の構成を示す図である。図２は、チェレンコフ検出器１の一部構成の斜視図である。図３は、ニューラルネットワークに入力されるデータの形式の第１態様を説明する図である。図４は、ニューラルネットワークに入力されるデータの形式の第２態様を説明する図である。図５は、ニューラルネットワークに入力されるデータの形式の第３態様を説明する図である。図６は、信号処理部３０の推定部３２の具体的構成例を示す図である。図７は、シミュレーションによる相互作用位置の推定の誤差のヒストグラムである。図８は、シミュレーションによる相互作用位置の推定の誤差のヒストグラムである。図９は、信号処理部３０の推定部３２の具体的構成の他の例を示す図である。図１０は、シミュレーションによる相互作用時刻の推定の誤差のヒストグラムである。

以下、添付図面を参照して、本発明を実施するための形態を詳細に説明する。なお、図面の説明において同一の要素には同一の符号を付し、重複する説明を省略する。本発明は、これらの例示に限定されるものではなく、特許請求の範囲によって示され、特許請求の範囲と均等の意味および範囲内でのすべての変更が含まれることが意図される。

図１は、チェレンコフ検出器１の構成を示す図である。図２は、チェレンコフ検出器１の一部構成の斜視図である。チェレンコフ検出器１は、輻射体１０、光検出器２０および信号処理部３０を備える。輻射体１０は、入射した粒子（例えばγ線）との相互作用によりチェレンコフ光を発生させる。輻射体１０は、屈折率が既知であってチェレンコフ効果が生じ得るモノリシックな材料からなる。輻射体１０は、シンチレーション光が生じ難い材料であるのが好ましい。輻射体１０の材料は、例えば、鉛ガラス（ＳｉＯ_２＋ＰｂＯ）、フッ化鉛（ＰｂＦ_２）、ＰＷＯ（ＰｂＷＯ_４）等である。輻射体１０は直方体形状を有するのが好ましい。

光検出器２０は、輻射体１０で発生したチェレンコフ光を検出する受光面２１を有する。光検出器２０の受光面２１は、直方体形状の輻射体１０の一つの面に対向しており、その面と平行である。光検出器２０の受光面２１は、輻射体１０の一つの面に接していてもよい。光検出器２０は、受光面２１におけるチェレンコフ光検出に基づいて、受光面２１上のチェレンコフ光の検出位置（ｘ，ｙ）および検出時刻ｔを表す信号を出力する。その信号は、チェレンコフ光検出時のパルス出力により、検出時刻ｔを表すことができる。

光検出器２０は、フォトンカウンティング動作をすることができる高速・高感度のものであるのが好適である。光検出器２０として例えばマルチアノード光電子増倍管またはＭＰＰＣ（登録商標）が好適に用いられる。マルチアノード光電子増倍管（multi-anode photo multiplier tube）は、複数の画素として複数のアノードを有し、各アノードの受光量に応じた検出信号を出力することができる。ＭＰＰＣ（Multi-Pixel Photon Counter）は、ガイガー・モードで動作するアバランシェ・フォトダイオードにクエンチング抵抗が接続されたものを１つの画素として、複数の画素が２次元配列されたものである。これらは高速・高感度の光検出をすることができる。

信号処理部３０は、光検出器２０から出力される信号を入力する。信号処理部３０は、この入力信号を処理することで、輻射体１０における相互作用事象毎に、光検出器２０の受光面２１におけるチェレンコフ光検出事象の数ｎならびに各チェレンコフ光検出事象の検出位置（ｘ，ｙ）および検出時刻ｔに基づいて、ニューラルネットワークにより、輻射体１０における相互作用位置（ｘ，ｙ，ｚ）を推定する。なお、ｘ，ｙ，ｚ直交座標系のｘ軸およびｙ軸は、光検出器２０の受光面２１に平行であって、互いに直交している。ｚ軸は、光検出器２０の受光面２１に垂直である。

信号処理部３０は例えばコンピュータにより構成される。信号処理部３０は、ニューラルネットワークによる処理をＣＰＵ（Central Processing Unit）により行ってもよいが、より高速な処理が可能なＤＳＰ（Digital Signal Processor）またはＧＰＵ（Graphics Processing Unit）により行うのが好適である。

信号処理部３０は、光検出器２０から出力される信号に基づいて前処理を行う前処理部３１と、前処理部３１により前処理が為された後のデータに基づいて相互作用事象毎に相互作用位置を推定する推定部３２と、前処理部３１および推定部３２それぞれによる処理の前、途中および後のデータを記憶する記憶部３３とを含む。

前処理部３１は、光検出器２０から出力される信号に基づいて、各チェレンコフ光検出事象について検出位置（ｘ，ｙ）および検出時刻ｔを求める。検出時刻ｔは、入力信号のパルスのタイミングから求めることができる。その後、前処理部３１は、各チェレンコフ光検出事象の検出位置（ｘ，ｙ）および検出時刻ｔを含むデータを検出時刻ｔでソートする。そして、前処理部３１は、ソートしたデータのうち一定幅のタイムウィンドウ内のデータを、共通の相互作用事象により生じたチェレンコフ光検出事象のデータであると判断する。

このようにして、前処理部３１は、各チェレンコフ光検出事象の検出位置（ｘ，ｙ）および検出時刻ｔを含むデータを相互作用事象毎に区分する。これにより、相互作用事象毎に、受光面２１におけるチェレンコフ光検出事象の数ｎならびに各チェレンコフ光検出事象の検出位置（ｘ，ｙ）および検出時刻ｔを求めることができる。以下では、１つの相互作用事象により生じたｎ個のチェレンコフ光検出事象のうち、第ｍのチェレンコフ光検出事象の検出位置を（ｘ_ｍ，ｙ_ｍ）と表し、第ｍのチェレンコフ光検出事象の検出時刻をｔ_ｍと表す。ｍは１以上ｎ以下の整数である。検出時刻ｔ_１〜ｔ_ｎの間の前後関係はｔ_１＜ｔ_２＜・・・＜ｔ_ｎ−１＜ｔ_ｎである。

また、前処理部３１は、チェレンコフ光検出事象の数ｎが閾値ｔｈ未満である相互作用事象のデータを破棄して、推定部３２は、チェレンコフ光検出事象の数ｎが閾値ｔｈ以上である相互作用事象について選択的に相互作用位置を推定するのが好適である。これは、チェレンコフ光検出事象の数ｎが閾値ｔｈ未満である相互作用事象の場合、推定部３２による相互作用位置の推定の精度が悪いからである。例えば閾値ｔｈは３である。

推定部３２は、前処理部３１により前処理が為された後のデータに基づいて、相互作用事象毎にニューラルネットワークにより相互作用位置（ｘ，ｙ，ｚ）を推定する。ここで用いられるニューラルネットワークは、例えば、多層パーセプトロン（Multi-layer Perceptron、ＭＬＰ）、畳み込みニューラルネットワーク（Convolutional Neural Network、ＣＮＮ）、再帰型ニューラルネットワーク（Recurrent Neural Network、ＲＮＮ）等である。

推定部３２は、複数のニューラルネットワークを有し、チェレンコフ光検出事象の数ｎに対応したニューラルネットワークにより相互作用位置を推定してもよい。すなわち、チェレンコフ光検出事象の数がｎである相互作用事象については、その数ｎに対応して設けられたニューラルネットワークにより、相互作用位置を推定してもよい。

ニューラルネットワークとしてＭＬＰまたはＣＮＮが用いられる場合、ニューラルネットワークに入力されるデータの形式としては、例えば図３〜図５に示される態様があり得る。

図３は、ニューラルネットワークに入力されるデータの形式の第１態様を説明する図である。第１態様では、相互作用事象毎に各チェレンコフ光検出事象の検出位置および検出時刻のデータを一次元状に配列した一次元配列データがニューラルネットワークに入力される。この図に示される例では、チェレンコフ光検出事象毎にデータが配列されているが、他の態様も可能である。例えば、ｘ_１〜ｘ_ｎ，ｙ_１〜ｙ_ｎ，ｔ_１〜ｔ_ｎの順に配列されてもよい。

図４は、ニューラルネットワークに入力されるデータの形式の第２態様を説明する図である。第２態様では、相互作用事象毎に各チェレンコフ光検出事象の検出位置および検出時刻のデータを二次元状に配列した二次元配列データがニューラルネットワークに入力される。この図に示される例では、第ｍのチェレンコフ光検出事象の検出位置（ｘ_ｍ，ｙ_ｍ）および検出時刻ｔ_ｍのデータが第ｍ行に配置されている。他の態様も可能である。

図５は、ニューラルネットワークに入力されるデータの形式の第３態様を説明する図である。第３態様では、相互作用事象毎に各チェレンコフ光検出事象の検出位置（ｘ_ｍ，ｙ_ｍ）に対応する位置に検出時刻ｔ_ｍのデータを有する二次元配列データがニューラルネットワークに入力される。検出時刻ｔ_ｍのデータが配置されない位置のデータは一定値（例えば値０）とされる。

ニューラルネットワークとしてＲＮＮが用いられる場合、例えば、ニューラルネットワークに、最初にｘ_１，ｙ_１，ｔ_１が入力され、次にｘ_２，ｙ_２，ｔ_２が入力され、・・・、最後にｘ_ｎ，ｙ_ｎ，ｔ_ｎが入力される。

次に、より具体的な構成例について説明する。以下に説明する構成例は、シミュレーションで用いたものである。前処理部３１で用いる閾値ｔｈを３とする。推定部３２で用いるニューラルネットワークは多層パーセプトロン（ＭＬＰ）である。また、相互作用事象毎にチェレンコフ光検出事象の数ｎに対応したＭＬＰにより相互作用位置を推定する。

図６は、信号処理部３０の推定部３２の具体的構成例を示す図である。この推定部３２は、判定部３５およびＭＬＰ３６_３〜３６_Ｎを有する。

判定部３５は、チェレンコフ光検出事象の数ｎおよび各チェレンコフ光検出事象のデータｘ_ｍ，ｙ_ｍ，ｔ_ｍ（ｍ＝１〜ｎ）を、前処理部３１から受け取る。ｎは閾値ｔｈ以上である。判定部３５は、ｎの値を判定して、そのｎの値に対応したＭＬＰ３６_ｎにデータｘ_ｍ，ｙ_ｍ，ｔ_ｍ（ｍ＝１〜ｎ）を入力させる。なお、ｎがＮ以上である場合には、判定部３５は、データｘ_ｍ，ｙ_ｍ，ｔ_ｍ（ｍ＝１〜ｎ）のうちのデータｘ_ｍ，ｙ_ｍ，ｔ_ｍ（ｍ＝１〜Ｎ）をＭＬＰ３６_Ｎに入力させる。例えばＮは７である。

ＭＬＰ３６_３〜３６_Ｎそれぞれは、入力層、出力層および３つの中間層を含む５層構造を有する。ＭＬＰ３６_３〜３６_Ｎそれぞれは、図３に示されたような一次元配列データを入力する。ＭＬＰ３６_ｎは、データｘ_ｍ，ｙ_ｍ，ｔ_ｍ（ｍ＝１〜ｎ）を入力して、相互作用位置（ｘ，ｙ，ｚ）を推定して出力する。

ｎがＮ以上である場合に、ＭＬＰ３６_Ｎは、データｘ_ｍ，ｙ_ｍ，ｔ_ｍ（ｍ＝１〜ｎ）のうちのデータｘ_ｍ，ｙ_ｍ，ｔ_ｍ（ｍ＝１〜Ｎ）を入力して、相互作用位置（ｘ，ｙ，ｚ）を推定する。これは次の理由による。すなわち、チェレンコフ光検出事象の数ｎが大きい相互作用事象の発生頻度は小さいことから、大きいｎの値に対応するＭＬＰを学習させる為の学習用データの収集は困難である。また、データｘ_ｍ，ｙ_ｍ，ｔ_ｍ（ｍ＝１〜ｎ）のうち、早い時刻に取得されたものほど、相互作用位置についてより正確な情報を持っている。そこで、ｎがＮ以上である場合に、１つのＭＬＰ３６_Ｎを用いることとして学習用データを増やし、データｘ_ｍ，ｙ_ｍ，ｔ_ｍ（ｍ＝１〜ｎ）のうち早い時刻に取得されたデータｘ_ｍ，ｙ_ｍ，ｔ_ｍ（ｍ＝１〜Ｎ）をＭＬＰ３６_Ｎに入力させる。

輻射体１０は、ＰｂＦ_２からなり、４０×４０×１０ｍｍ^３の直方体形状を有する。光検出器２０の受光面２１は、輻射体１０の４０×４０ｍｍ^２の面に接している。

シミュレーションではモンテカルロ法を用いた。シミュレーションのソフトウェアとしてGeant4を用いた（非特許文献２参照）。輻射体１０の中心位置にｘ，ｙ，ｚ直交座標系の原点を設定し、輻射体１０の４０ｍｍの長辺に平行にｘ座標およびｙ座標を設定した。輻射体１０に入射する粒子をγ線とした。γ線発生源は、ｚ軸上であって、輻射体１０の入射面１１（光検出器２０に対向する面の反対側の面。図２参照）から１０ｍｍだけ離れた位置に設定した。γ線発生源からγ線をランダムな方向に放出させた。

光検出器２０として、空間分解能および時間分解能の双方が無限小である理想的なものを想定した。輻射体１０における相互作用事象に伴って光検出器２０においてチェレンコフ光検出事象が生じると、そのチェレンコフ光検出事象の検出位置（ｘ，ｙ）および検出時刻ｔを記録した。各相互作用事象において最初のチェレンコフ光検出事象の検出時刻ｔ_１を０とした。

このようにして収集した多数の相互作用事象についてのデータを用いて、ＭＬＰ３６_３〜３６_Ｎを学習させた。そして、学習後のＭＬＰ３６_３〜３６_Ｎを用いて、各相互作用事象について相互作用位置（ｘ，ｙ，ｚ）を推定した。

図７および図８は、シミュレーションによる相互作用位置の推定の誤差のヒストグラムである。図７は、ｘｙ平面での推定誤差のヒストグラムである。図８は、ｚ軸方向の推定誤差のヒストグラムである。これらの図は、真の相互作用位置から推定された相互作用位置を引いた結果の値をヒストグラム化したものである。これらの図において、横軸は誤差を表し、縦軸は頻度を表す。これらのヒストグラムをローレンツ関数で近似して、そのローレンツ関数の半値全幅（Full Width at Half Maximum、ＦＷＨＭ）を求めた。ｘｙ平面での推定誤差のＦＷＨＭは０.９９ｍｍであり、ｚ軸方向の推定誤差のＦＷＨＭは２.１９ｍｍであった。

これまでに説明してきたチェレンコフ検出器１の信号処理部３０は、輻射体１０における相互作用事象毎に、光検出器２０の受光面２１におけるチェレンコフ光検出事象の数ｎおよび各チェレンコフ光検出事象のデータｘ_ｍ，ｙ_ｍ，ｔ_ｍ（ｍ＝１〜ｎ）に基づいて、ニューラルネットワークにより、輻射体１０における相互作用位置（ｘ，ｙ，ｚ）を推定するものであった。チェレンコフ検出器１は、輻射体１０における相互作用事象毎に、推定した相互作用位置（ｘ，ｙ，ｚ）とともに相互作用時刻を組にして記憶してもよい。

また、チェレンコフ検出器１の信号処理部３０は、輻射体１０における相互作用事象毎に、光検出器２０の受光面２１におけるチェレンコフ光検出事象の数ｎおよび各チェレンコフ光検出事象のデータｘ_ｍ，ｙ_ｍ，ｔ_ｍ（ｍ＝１〜ｎ）に基づいて、ニューラルネットワークにより、輻射体１０における相互作用位置（ｘ，ｙ，ｚ）を推定するとともに、輻射体１０における相互作用時刻ｔをも推定してもよい。

図９は、信号処理部３０の推定部３２の具体的構成の他の例を示す図である。この推定部３２は、判定部３５およびＭＬＰ３６_３〜３６_Ｎを有する。図６に示された構成と比較すると、この図９に示される構成では、ＭＬＰ３６_ｎは、輻射体１０における相互作用事象毎に、データｘ_ｍ，ｙ_ｍ，ｔ_ｍ（ｍ＝１〜ｎ）を入力して、相互作用位置（ｘ，ｙ，ｚ）を推定して出力することに加え、相互作用時刻ｔをも推定して出力する点で相違する。

この構成についても上記と同様にしてシミュレーションを行った。ＭＬＰ３６_３〜３６_Ｎの学習に際して用いたデータは、各相互作用事象について、輻射体１０における相互作用時刻ｔと光検出器２０の受光面２１における各チェレンコフ光検出事象の検出時刻ｔ_ｍ（ｍ＝１〜ｎ）との間の関係をも含むものであった。すなわち、検出時刻ｔ_１〜ｔ_ｎの間の前後関係がｔ_１＜ｔ_２＜・・・＜ｔ_ｎ−１＜ｔ_ｎであるので、相互作用時刻ｔと検出時刻ｔ_１との間の時間差を学習用データに追加した。そして、学習後のＭＬＰ３６_３〜３６_Ｎを用いて、各相互作用事象について相互作用位置（ｘ，ｙ，ｚ）および相互作用時刻ｔを推定した。

シミュレーションによる相互作用位置の推定の誤差のヒストグラムは、図７および図８と同様であった。図１０は、シミュレーションによる相互作用時刻の推定の誤差のヒストグラムである。この図は、真の相互作用時刻から推定された相互作用時刻を引いた結果の値をヒストグラム化したものである。この図において、横軸は誤差を表し、縦軸は頻度を表す。このヒストグラムをローレンツ関数で近似して、そのローレンツ関数のＦＷＨＭを求めた。相互作用時刻の推定誤差のＦＷＨＭは１２.５ｐｓであった。

このように、本実施形態のチェレンコフ検出器は、粒子と輻射体との間の相互作用の事象毎に発生するチェレンコフ光の光子数が少ない場合であっても、相互作用位置を精度よく推定することができる。本実施形態のチェレンコフ検出器は、ＰＥＴ装置およびＳＰＥＣＴ装置において十分な空間分解能を有する放射線検出器として用いることができる。

また、本実施形態のチェレンコフ検出器は、相互作用位置だけでなく相互作用時刻をも精度よく推定することができるので、ＰＥＴ装置、プラナー型Positron imaging装置およびＳＰＥＣＴ装置において十分な空間分解能および時間分解能を有する放射線検出器として用いることができる。

１…チェレンコフ検出器、１０…輻射体、１１…入射面、２０…光検出器、２１…受光面、３０…信号処理部、３１…前処理部、３２…推定部、３３…記憶部、３５…判定部、３６_３〜３６_Ｎ…多層パーセプトロン（ＭＬＰ）。

Claims

入射した粒子との相互作用によりチェレンコフ光を発生させる輻射体と、
前記輻射体で発生したチェレンコフ光を検出する受光面を有し、その受光面におけるチェレンコフ光検出に基づいて、前記受光面上のチェレンコフ光の検出位置および検出時刻を表す信号を出力する光検出器と、
前記光検出器から出力される信号を入力して、前記輻射体における相互作用事象毎に、前記受光面におけるチェレンコフ光検出事象の数ならびに各チェレンコフ光検出事象の前記検出位置および前記検出時刻に基づいて、ニューラルネットワークにより、前記輻射体における相互作用位置を推定する信号処理部と、
を備えるチェレンコフ検出器。
前記信号処理部は、前記輻射体における相互作用事象毎に、ニューラルネットワークにより、前記輻射体における相互作用位置に加えて前記輻射体における相互作用時刻をも推定する、
請求項１に記載のチェレンコフ検出器。
前記信号処理部は、各チェレンコフ光検出事象の前記検出位置および前記検出時刻を含むデータを検出時刻でソートした後に相互作用事象毎に区分する、
請求項１または２に記載のチェレンコフ検出器。
前記信号処理部は、チェレンコフ光検出事象の数が閾値以上である相互作用事象について選択的に相互作用位置を推定する、
請求項１〜３の何れか１項に記載のチェレンコフ検出器。
前記信号処理部は、相互作用事象毎にチェレンコフ光検出事象の数に対応したニューラルネットワークにより相互作用位置を推定する、
請求項１〜４の何れか１項に記載のチェレンコフ検出器。
前記信号処理部は、相互作用事象毎に各チェレンコフ光検出事象の前記検出位置および前記検出時刻のデータを一次元状に配列した一次元配列データをニューラルネットワークに入力させる、
請求項１〜５の何れか１項に記載のチェレンコフ検出器。
前記信号処理部は、相互作用事象毎に各チェレンコフ光検出事象の前記検出位置および前記検出時刻のデータを二次元状に配列した二次元配列データをニューラルネットワークに入力させる、
請求項１〜５の何れか１項に記載のチェレンコフ検出器。
前記信号処理部は、相互作用事象毎に各チェレンコフ光検出事象の前記検出位置に対応する位置に前記検出時刻のデータを有する二次元配列データをニューラルネットワークに入力させる、
請求項１〜５の何れか１項に記載のチェレンコフ検出器。