KR20230082025A - 결정체-간 광이 공유되는 높은 분해능 비행-시간 양전자 방출 단층촬영 모듈들에 대한 전력-효율적 다중화를 위한 시스템 및 방법 - Google Patents

Abstract

다수의 광학 센서들을 갖는 광학 센서 어레이를 구비한 입자 검출 시스템을 위해서 에너지 및 타이밍 정보 모두에 대한 다중화 체계가 제공된다. 각각의 광학 센서는 다수의 신틸레이터 모듈들과 관련된다. 시스템은 다수의 유사 각기둥 세그먼트들을 포함하는 세그먼트화된 유사 각기둥 광 가이드를 갖는다. 각각의 세그먼트는 다수의 광학 센서들과 관련되고, 광학 센서들은 인접하여 있다. 각각의 신틸레이터 모듈의 하나의 단부는 관련된 광학 센서와 접촉하고, 다른 것은 관련된 세그먼트와 접촉한다. 다수의 광학 센서들은 에너지 판독 채널에 각각 연결될 수 있되, 동일한 세그먼트들과 관련된 광학 센서들이 동일한 에너지 판독 채널에 연결되지 않도록 연결될 수 있다. 각각의 에너지 판독 채널은 자신과 관련된 적어도 2개의 타임스탬프들을 갖는다.

Description

결정체-간 광이 공유되는 높은 분해능 비행-시간 양전자 방출 단층촬영 모듈들에 대한 전력-효율적 다중화를 위한 시스템 및 방법

본 출원은 2020년 10월 7일자로 출원된 미국 가출원 일련 번호 63/088,718의 헤택 및 이에 대한 우선권을 주장하고, 이러한 미국 특허문헌 전체는 참조로 통합된다.

본 개시내용은 일반적으로 방사선 이미지화(radiation imaging)의 분야에 관한 것이고, 특히 양전자 방출 단층촬영(Positron Emission Tomography, PET)에 관한 것이다.

PET를 이용한 이미지화는 주로 암 및 신경정신적 장애들에서의 진단, 치료 선택, 치료 모니터링, 그리고 연구를 위해 사용되는 강력한 기법이다. PET의 높은 분자 특이성, 정량적 성질, 및 임상적 이용가능성에도 불구하고, PET는 대부분 PET의 상대적으로 불량한 공간 분해능(spatial resolution)으로 인해 믿을 만한 분자 이미지화 기법(molecular imaging modality)으로서 자신의 전체 잠재력을 달성할 수 없었다. 높은 분해능 PET를 달성하기 위해 수 개의 시도들이 행해 졌는데, 여기에는 n-대-1 신틸레이터 모듈들-대-판독 픽셀 결합(n-to-1 scintillator modules-to-readout pixel coupling)(여기서 n > 1)(광학 센서(optical sensor))을 사용하는 것이 포함되고, 이것은 판독 측(예컨대, 광학 센서, 커넥터(connector)들, 판독 ASIC)의 비용을 증가시킴 없이 신틸레이터 모듈들의 크기와 동일한 공간 분해능을 가능하게 한다. 최근접-이웃 위치결정 알고리즘들(nearest-neighbor positioning algorithms)을 이용하는 모놀리식 신틸레이터 모듈들(monolithic scintillator modules)을 사용하는 것을 포함하는 다른 시도들이 있지만, n-대-1 결합 광 공유(n-to-1 coupling light sharing)가 가장 상업적으로 실행가능한 선택사항인데, 왜냐하면 감도 및/또는 에너지 분해능에서의 상충관계가 없다는 사실로 인한 동시 상호작용 깊이(Depth Of Interaction, DOI) 및 비행-시간(Time-Of-Flight, TOF) 판독 능력들 때문이다.

하지만, 공간 분해능이 향상됨에 따라, PET 스캔(PET scan) 당 데이터의 양은 증간된 개수의 복셀(voxel)들로 인해 크게 증가한다. 시차 오차(parallax error)를 완화하기 위해 그리고 높은 분해능 PET의 혜택들을 완전히 수확하기 위해 필요한 깊이-인코딩(depth-encoding)은 데이터 크기 문제를 더 악화시키는데, 왜냐하면 응답-라인(Line-Of-Response, LOR)들의 개수가 DOI 빈(DOI bin)들의 개수의 함수로서 기하급수적으로 증가하기 때문이다. 높은 분해능을 TOF 판독과 결합하는 것은 또한 PET에서의 더 큰 데이터 크기에 기여하는데, 왜냐하면 각각의 채널(channel)은, 다수의 타임스탬프(timestamp)들이 전형적으로 이벤트(event) 당 사용되지 않을지라도, 픽셀 당 타임스탬프를 판독하기 때문인데, 이것은 이러한 프로세스(process)가 컴퓨팅연산적으로 비효율적이도록 한다.

데이터가 증가함에 따라 광학 센서들과 판독 ASIC 간의 연결들의 개수가 증가하고, 이것은 실제로 디바이스에 의해 발생되는 열을 증가시킬 것이다.

판독 시스템들은 일반적으로 판독 픽셀과 채널들 간에 1-대-1 결합(one-to-one coupling)을 이용한다. 하지만, 이러한 판독 방법은 비효율적인데, 왜냐하면 모든 픽셀들이 이벤트 당 판독될 필요가 있는 것은 아니기 때문이다.

신호 다중화(signal multiplexing)가 행해지고 그럼으로써 이벤트 당 다수의 광학 센서들(픽셀들)에 의해 판독되는 신호들이 함께 합산(sum)되게 되는 그러한 신호 다중화가, PET가 컴퓨팅연산적으로 덜 비싸게 되도록 하기 위해서 데이터 크기 및 복잡도를 감소시키기 위해 제안되었다. 하지만, 신호들이 다중화되는 경우, 해법들은 여전히, 일차(primary) 광학 센서(픽셀) 상호작용, 일차 신틸레이터 모듈 상호작용, DOI 및 TOF를 결정할 수 있어야만 한다.

다중화를 이용하는 하나 이상의 알려진 시스템들에서, 사용되는 검출기 모듈들은 깊이-인코딩 능력들을 갖지 않는데(따라서 다중화된 판독 방식은 DOI 판독과 함께 작동하는 것으로 보여지지 않았음), 이러한 깊이-인코딩 능력들은 시스템-레벨에서 공간 분해능 균일성(spatial resolution uniformity)을 달성하는 데 있어, 또는 TOF에 대한 높은 시간 분해능 능력들(time resolution capabilities)을 달성하는 데 있어, 가장 중요한 것이다. 다중화 방식(multiplexing scheme)들은 또한 타이밍 분해능(timing resolution)에 영향을 미칠 수 있다.

이에 따라, 입자 검출 시스템(particle detection system)이 개시되는데, 이러한 입자 검출 시스템은, 광학 센서 어레이(optical sensor array), 신틸레이터 어레이(scintillator array), 및 세그먼트화된 광 가이드(segmented light guide)를 포함할 수 있다. 광학 센서 어레이는 제1의 복수의 광학 센서들을 포함할 수 있다. 각각의 광학 센서는 픽셀에 대응할 수 있다. 신틸레이터 어레이는 제2의 복수의 신틸레이터 모듈들을 포함할 수 있다. 신틸레이터 모듈들의 개수는 광학 센서들의 개수보다 더 많을 수 있다. 다수의 신틸레이터 모듈들은 각각의 신틸레이터 모듈들의 제 1 단부(end)에서 각각의 광학 센서와 접촉할 수 있다. 세그먼트화된 광 가이드는 복수의 유사 각기둥 세그먼트(prismatoid segment)들을 포함할 수 있다. 세그먼트화된 광 가이드는 제2의 복수의 신틸레이터 모듈들의 제 2 단부와 접촉할 수 있다. 각각의 유사 각기둥 세그먼트는 적어도 2개의 상이한 광학 센서들과 접촉하는 신틸레이터 모듈들과 접촉할 수 있다. 적어도 2개의 상이한 광학 센서들은 인접하는 광학 센서들일 수 있다. 각각의 유사 각기둥 세그먼트는 각각의 유사 각기둥 세그먼트와 접촉하는 신틸레이터 모듈들 사이에서 입자들을 재지향(redirect)시키도록 구성될 수 있다.

시스템은 또한 제3의 복수의 에너지 판독 채널(energy readout channel)들을 포함할 수 있다. 다수의 광학 센서들은 하나의 에너지 판독 채널에 각각 연결될 수 있되, 동일한 유사 각기둥 세그먼트와 관련된 광학 센서들이 동일한 에너지 판독 채널에 연결될 수 없도록 연결될 수 있다. 각각의 에너지 판독 채널은 자신과 관련된 적어도 2개의 타임스탬프들을 가질 수 있다.

본 개시내용의 실시형태에서, 광학 센서들은 가로행(row)들 및 세로열(column)들로 정렬될 수 있다. 가로행에서의 인접하는 광학 센서들은 상이한 에너지 판독 채널들에 연결될 수 있고, 세로열에서의 인접하는 광학 센서들은 상이한 에너지 판독 채널들에 연결될 수 있다.

본 개시내용의 실시형태에서, 시스템은 또한, 각각의 에너지 판독 채널에 대해, 동일한 에너지 판독 채널에 대한 다수의 광학 센서들에 연결된 적어도 2개의 비교기(comparator)들을 포함할 수 있다. (동일한 에너지 판독 채널에 대한) 각각의 비교기는 상이한 임계치(threshold)를 가질 수 있다. 비교기들은 애노드(anode) 또는 캐소드(cathode)에 연결될 수 있다.

본 개시내용의 실시형태에서, 에너지 판독 채널들은 타이밍에 대한 정보로서 동일한 또는 상이한 단자(terminal)들에 연결될 수 있다.

본 개시내용의 실시형태에서, 4개의 광학 센서들이 동일한 에너지 판독 채널에 연결될 수 있다.

본 개시내용의 실시형태에서, 4-대-1 또는 9-대-1과 같은 상이한 신틸레이터 모듈 대 광학 센서 결합이 존재할 수 있다.

본 개시내용의 실시형태에서, 시스템은 또한, 제 1 프로세서를 포함할 수 있고, 제 1 프로세서는, 판독 동안 제1의 복수의 광학 센서들에 바이어스(bias)를 가하도록 구성되고, 그리고 제3의 복수의 에너지 판독 채널들을 통해 출력을 수신함과 아울러 각각의 에너지 판독 채널과 관련된 적어도 2개의 타임스탬프들을 수신하도록 구성된다.

본 개시내용의 실시형태에서, 시스템은 또한, 제 1 프로세서와 통신하는 제 2 프로세서를 포함할 수 있다. 제 2 프로세서는 수신된 적어도 2개의 타임스탬프들에 근거하여 이벤트(event)에 대한 타이밍 파라미터(timing parameter)를 결정하도록 구성될 수 있다.

본 개시내용의 실시형태에서, 타이밍 파라미터는 적어도 2개의 타임스탬프들의 조합에 근거할 수 있다. 일부 실시형태들에서, 타이밍 파라미터는 가장 빠른 타임스탬프에 적어도 근거할 수 있다. 일부 실시형태들에서, 타이밍 파라미터는 수신된 적어도 2개의 타임스탬프들의 선형 회귀 분석(linear regression analysis)에 근거할 수 있다.

본 개시내용의 실시형태에서, 제 2 프로세서는 또한, 타이밍 파라미터에 근거하여, 동시 검출 모듈들(coincident detection modules) 사이의 비행 시간(Time Of Flight, TOF)을 결정하도록 구성될 수 있다.

본 개시내용의 실시형태에서, 제 2 프로세서는 또한, 일차 상호작용 픽셀(primary interaction pixel), 일차 상호작용 신틸레이터 모듈(primary interaction scintillator module), 또는 이벤트에 대한 상호작용 깊이(depth of interaction) 중 적어도 하나를 결정하도록 구성될 수 있다. 본 개시내용의 실시형태에서, 제 2 프로세서는, 타이밍 파라미터를 결정하기 위해, 결정된 일차 상호작용 픽셀과 관련된 적어도 2개의 타임스탬프들을 선택할 수 있다.

본 개시내용의 실시형태에서, 제 2 프로세서는 동시 검출 모듈들로부터의 수신된 적어도 2개의 타임스탬프들이 입력된 머신 학습 모델(machine learning model)을 사용하여 TOF를 결정하도록 구성될 수 있다.

도 1a는 본 개시내용의 실시형태들에 따른 에너지 정보를 제공하도록 다중화된 광학 센서들의 캐소드들과 다수의 타임스탬프들을 제공하도록 다중화된 광학 센서들의 애노드들을 갖는 본 개시내용의 실시형태들에 따른 다중화 방식을 예시하고;
도 1b는 하나의 에너지 채널 및 관련된 타임스탬프들을 위한 다중화 방식을 예시하는데, 여기서 광학 센서들의 애노드들은 에너지 정보를 제공하도록 다중화되고, 광학 센서들의 캐소드들은 타임스탬프들을 제공하도록 다중화되며;
도 1c는 하나의 에너지 채널 및 관련된 타임스탬프들을 위한 다중화 방식을 예시하는데, 여기서 광학 센서들의 애노드들은 에너지 정보 및 타임스탬프들을 제공하도록 다중화되며;
도 2a는 본 개시내용의 실시형태들에 따른 4-대-1 신틸레이터 모듈 대 광학 센서 결합을 갖는 입자 검출 디바이스를 예시하고;
도 2b는 본 개시내용의 실시형태들에 따른 입자 검출 시스템을 예시하고, 여기에는 4-대-1 신틸레이터 모듈 대 광학 센서 결합이 존재하며;
도 3a는 4-대-1 신틸레이터 모듈 대 광학 센서 결합을 위한 세그먼트화된 광 가이드 및 광학 센서들의 상면도를 예시하고, 여기에는 세그먼트화된 광 가이드의 세그먼트들의 3개의 상이한 설계들이 존재하며;
도 3b는 본 개시내용의 실시형태들에 따른 세그먼트화된 광 가이드를 위한 세그먼트들의 3D 도면들의 예들을 예시하고;
도 4는 본 개시내용의 실시형태들에 따른 입자 검출 시스템을 예시하고, 여기에는 9-대-1 신틸레이터 모듈 대 광학 센서 결합이 존재하며;
도 5는 9-대-1 신틸레이터 모듈 대 광학 센서 결합을 위한 세그먼트화된 광 가이드 및 광학 센서들의 상면도를 예시하고, 여기에는 세그먼트화된 광 가이드의 세그먼트들의 3개의 상이한 설계들이 존재하며;
도 6은 본 개시내용의 실시형태들에 따른 방법의 흐름도를 예시하고;
도 7은 본 개시내용의 실시형태들에 따른 다중화된 ASIC 에너지 채널들을 역다중화(demultiplexing)하기 위한 머신 학습 모델의 훈련 및 테스트의 예의 흐름도를 예시하고;
도 8은 본 개시내용의 실시형태에 따른 다중화된 ASIC 에너지 채널들을 역다중화하는 머신 학습 모델의 예를 예시하고;
도 9a 및 도 9b는, 4-대-1 신틸레이터 모듈 대 광학 센서 결합에 대한, 실측 정보(ground truth)와 본 개시내용의 실시형태들에 따른 머신 학습 모델을 사용하여 다중화된 신호들을 역다중화한 것과 간의 비교를 예시하고;
도 9c 및 도 9d는 합성 다중화된 데이터세트와 본 개시내용의 실시형태들에 따라 다중화된 실제 다중화된 데이터세트 간의 비교를 예시하고;
도 10a 및 도 10b는, 4-대-1 신틸레이터 모듈 대 광학 센서 결합에 대한, 관련된 입자 검출 시스템에서의 DOI 분해능 대 본 개시내용의 실시형태에 따른 입자 검출 시스템의 DOI 분해능 간의 비교를 예시하고;
도 11a 및 도 11b는, 9-대-1 신틸레이터 모듈 대 광학 센서 결합에 대한, 실측 정보와 본 개시내용의 실시형태들에 따른 머신 학습 모델을 사용하여 다중화된 신호들을 역다중화하는 것 간의 비교를 예시하고;
도 12a 및 도 12b는, 9-대-1 신틸레이터 모듈 대 광학 센서 결합에 대한, 관련된 입자 검출 시스템에서의 DOI 분해능 대 본 개시내용의 실시형태에 따른 입자 검출 시스템의 DOI 분해능 간의 비교를 예시하고;
도 13은 본 개시내용의 실시형태들에 따른 광학 센서 어레이 및 세그먼트화된 광 가이드의 예시적 정렬을 예시하고;
도 14는 도 1a에서 또한 보여지는 바와 같은 본 개시내용의 실시형태들에 따른 다중화 에너지 채널들의 테이블을 예시하고;
도 15는 본 개시내용의 실시형태들에 따른 동시 검출 모듈들의 예를 에시하고;
도 16은 본 개시내용의 실시형태들에 따른 TOF 예측에서의 사용을 위한 머신 학습 모델의 훈련 및 테스트의 예의 흐름도를 예시하고;
도 17은 본 개시내용의 실시형태들에 따른 TOF 예측에서의 사용을 위한 머신 학습 모델의 예를 예시하고; 그리고
도 18은 본 개시내용의 실시형태들에 따른 다수의 타임스탬프들을 사용하여 향상된 동시 타이밍 분해능(coincidence timing resolution)을 보여주는 DOI 정정을 갖는 1개, 2개, 또는 3개의 타임스탬프들에 근거하는 시뮬레이션 결과(simulation result)들의 테이블을 예시한다.

참조로 통합되는 미국 특허 공개 번호 제2020/0326434호에서 개시되는 바와 같은 세그먼트화된 광 가이드를 사용하여 가능하게 되는 결정론적 광 공유(deterministic light sharing)를 활용하는 다중화 방식이 개시된다. 본 명세서에서 설명되는 입자 검출 시스템(및 디바이스)은 세그먼트화된 유사 각기둥 광 가이드의 세그먼트들의 특화된 패턴(specialized pattern)을 갖는 (깊이-인코딩을 이용하는) 단일-종단 판독가능(single-ended readable)을 갖는다. 광 가이드는 적어도 도 3a와 관련하여 상세히 설명될 유사 각기둥 세그먼트들을 갖는다. 본 개시내용의 실시형태들에 따르면, 세그먼트화된 유사 각기둥 광 가이드(200)는 적어도 3개의 별개의 유사 각기둥 설계들을 갖는데, 예컨대, 중앙 유사 각기둥(center prismatoid)(162), 모서리 유사 각기둥(corner prismatoid)(166), 및 가장자리 유사 각기둥(edge prismatoid)(168)을 갖는다. 유사 각기둥들은 가장자리 및 모서리 아티팩트(artifact)들을 완화시키도록 설계되고, 그럼으로써 본 명세서에서 설명되는 다중화 방식을 사용할 때에도 균일한 결정체 식별 성능(uniform crystal identification performance)을 달성하게 된다.

신틸레이터 모듈들(205) 간의 광 공유는 인접하는 또는 이웃하는 광학 센서들(10)(예컨대, 최근접 이웃들)에 속하는 신틸레이터 모듈들(205)에만 국한되어 결정론적 및 이방성 신틸레이터 모듈-간 광 공유 패턴을 생성하고 그리고 광학 센서들(10) 상의 신호-대-배경 비율(signal-to-background ratio)을 최대화하여 비행-시간(TOF)에 대한 높은 타이밍 분해능을 보유하면서 에너지 및 DOI 분해능들을 모두를 향상시킨다.

결정론적 광 공유 패턴으로 인해, 최근접 이웃하는 광학 센서들(픽셀들)로부터의 광학 센서들(10)(픽셀들)의 서브세트(subset)만이 일차 광학 센서 상호작용 및 DOI를 정확하게 수행하도록(그리고 일차 신틸레이터 모듈을 추정하도록) 요구받는다. 그 이유는 관련 신호들이 광학적으로 격리된 유사 각기둥 세그먼트들 내에 포함될 것이기 때문이다.

도 1a는 본 개시내용의 실시형태들에 따른 다중화 방식의 예를 예시한다. 도 1a에서 보여지는 바와 같이, 광학 센서들(10₁ 내지 10₆₄)(집합적으로 10)(예컨대, 광학 센서 어레이(210))은 다중화된다. 본 개시내용의 실시형태에서, 다중화는, 복수의 에너지 판독 채널들(100₁ 내지 100₁₆)을 발생시키기 위해 사용되는 다중화된 출력(Y01 내지 Y16)(50₁ 내지 50₁₆, 집합적으로 "50")을 생성한다. 다중화된 출력(Y01 내지 Y16)은 판독 ASIC(405)에 대한 입력이다. 도 1a에서 보여지는 바와 같이, 에너지 판독 채널 당 4개의 광학 센서들(10)이 존재한다. 광학 센서들의 개수, 다중화된 광학 센서들의 개수, 및 에너지 판독 채널들은, 64개, 4개, 및 16개에 각각 한정되지 않는다. 다른 조합들이 사용될 수 있다. 도 1a 및 도 1b에서 보여지는 바와 같이, 커패시턴스(capacitance)(C)가, 다중화된 출력과 판독 ASIC(405) 사이에서 캐소드들에 연결될 수 있고, 이 경우 캐소드는 또한 바이어스(15)에 연결된다.

각각의 광학 센서(10)는 애노드 및 캐소드를 갖는다. 도 1a에서, 캐소드는 픽셀의 상단 상에서 보여지고, 애노드는 각각의 픽셀의 하단 상에서 보여진다. 본 개시내용의 실시형태에서, 바이어스(15)는 바이어스 회로를 통해 캐소드에 공급될 수 있다. 바이어스 회로는 도 1a에서 보여지지 않는다. 바이어스 회로는 하나 이상의 커패시터(capacitor)들 및 하나 이상의 저항기(resistor)들을 포함할 수 있다.

본 개시내용의 실시형태에서, 광학 센서들(10₁ 내지 10₆₄)은 가로행들 및 세로열들로 정렬될 수 있다. 예를 들어, 광학 센서 어레이(210)는 8 x 8 판독 어레이일 수 있다. 하지만, 판독 어레이는 8 x 8에 한정되지 않으며, 4 x 4 또는 16 x 16과 같은 다른 치수들일 수 있다. 일부 실시형태들에서, 판독 어레이는 2의 정수배일 수 있다. 신틸레이터 모듈의 길이방향 축에 직교하는 평면 내에 2-차원 어레이가 형성될 수 있다. 본 개시내용의 실시형태에서, 광학 센서들(10)은 실리콘 광증배기(Silicon PhotoMultiplier, SiPM)일 수 있다. 본 개시내용의 다른 실시형태들에서, 광학 센서들(10)은, 애벌랜치 광다이오드(Avalanche PhotoDiode, APD)들, 단일-광자 애벌랜치(Single-Photon Avalanche)(SPAD들), 광증배기 튜브(PhotoMultiplier Tube, PMT)들, 실리콘 애벌랜치 광다이오드(Silicon Avalanche PhotoDiode, SiAPD)들일 수 있다. 사용될 수 있는 고체 상태 검출기(solid state detector)들의 비-한정적인 예들이 존재한다. 디바이스 내의 광학 센서들(10)(픽셀들)의 개수는 PET 시스템의 응용 및 크기에 근거할 수 있다. 도 1a에서, 광학 센서들(10)은 "SiPM 픽셀"로 표시된다. 각각의 픽셀의 하단 우측 모서리에서의 두 자리 숫자는 픽셀 번호를 나타낸다. 예를 들어, "01"은 첫 번째 픽셀을 나타내고, "64"는 마지막 픽셀을 나타낸다. 이러한 숫자들은 오로지 설명 목적들만을 위한 것이다.

도 13은 8 x 8 구성(8개의 가로행들 및 8개의 세로열들)을 갖는 광학 센서 어레이(210)의 예를 보여준다. 도 13에서, 모든 광학 센서들에 SiPM 픽셀 "XX"로서 번호가 부여된 것은 아니며, 여기서 XX는 번호를 나타낸다.

광학 센서들(SiPM 01 내지 SiPM 08)이 첫 번째 가로행 내에 있고, 광학 센서들(SiPM 09 내지 SiPM 16)이 두 번째 가로행 내에 있고, ..., 광학 센서들(SiPM 57 내지 SiPM 64)이 여덟 번째 가로행(마지막 가로행) 내에 있다. 광학 센서들(SiPM 01, SiPM 09, SiPM 17, SiPM 25, SiPM 33, SiPM 41, SiPM 49, 및 SiPM 57)이 첫 번째 세로열 내에 있고, 광학 센서들(SiPM 02, SiPM 10, SiPM 18, SiPM 26, SiPM 34, SiPM 42, SiPM 50, 및 SiPM 58)이 두 번째 세로열 내에 있고, ..., 광학 센서들(SiPM 08, SiPM 16, SiPM 24, SiPM 32, SiPM 40, SiPM 48, SiPM 56, 및 SiPM 64)이 여덟 번째 세로열(마지막) 내에 있다. 도 13은 또한 광학 센서들(10) 위에 중첩된 세그먼트화된 유사 각기둥 광 가이드(200)의 유사 각기둥 세그먼트들의 예시적 정렬을 보여준다. 광학 센서들(10)은 실선들에 의해 분리되어 보여지고 있고, 신틸레이터 모듈들(결정체들)은 파선들에 의해 나타내져 있다.

도 1a에서 보여지는 바와 같이, 광학 센서들(10)의 캐소드들은 (적분기(integrator)(30)를 통해) 에너지 판독 채널들을 발생시키토록 다중화된다. 신호들은 이벤트(들)에 대한 에너지를 제공하기 위해 적분기(30)에 의해 적분된다.

주어진 에너지 채널에 대해 다중화된 특정 광학 센서들(10)이 선택되되, 세그먼트화된 유사 각기둥 광 가이드(200)의 동일한 세그먼트에 연결된 광학 센서들(10)이 다중화되지 않도록 선택된다. 예를 들어, (도 13에서 보여지는 바와 같은) 세그먼트 1(1301)은 광학 센서들(SiPM들) 01, 02, 09, 및 10과 관련된다. 이에 따라, 광학 센서들(SiPM들) 01, 02, 09, 및 10 간에 광이 공유될 수 있다. 본 개시내용의 실시형태들에 따르면, 이러한 광학 센서들은 다중화되지 않을 수 있다. 유사하게, 세그먼트 2(1302)는 광학 센서들(SiPM들) 56, 63, 및 64와 관련된다. 이에 따라, 이들 간에 광이 공유될 수 있다. 본 개시내용의 실시형태들에 따르면, 이러한 광학 센서들은 다중화되지 않을 수 있다. 유사하게, 세그먼트 3(1303)은 광학 센서들(SiPM들) 61 및 62와 관련된다. 이에 따라, 이들 간에 광이 공유될 수 있다. 본 개시내용의 실시형태들에 따르면, 이러한 광학 센서들은 다중화되지 않을 수 있다. 도 13에서 보여지는 정렬은 도 3a에서 보여지는 정렬과 유사하다.

도 14는 광학 센서들(10)에 대한 다중화된 패턴의 예를 보여주는데, 여기서 각각의 에너지 채널에서의 다중화된 광학 센서들은 세그먼트화된 유사 각기둥 광 가이드의 동일한 유사 각기둥 세그먼트와 관련되지 않는다(도 1a에서와 동일한 패턴). 이러한 예에서, 적어도 하나의 광학 센서(10)(픽셀)는 동일한 에너지 채널에 연결된 광학 센서들 중에 있다.

예를 들어, 에너지 채널(ASIC_에너지_01)(100₁)에서, 광학 센서들(10₁, 10₃, 10₅, 10₇)이 해당 채널에 연결된다(예시적 목적들을 위해, 모든 픽셀들/광학 센서들이 참조번호 10과 함께 구체적으로 표시되는 것은 아님). 광학 센서들(10₂, 10₄, 10₆, 10₈)은 에너지 채널(ASIC_에너지_01)에 연결되지 않는다. 본 개시내용의 다른 실시형태들에서, 광학 센서들(10₂, 10₄, 10₆, 10₈)은 에너지 채널(ASIC_에너지_01)(100₁)에 연결될 수 있고, 광학 센서들(10₁, 10₃, 10₅, 10₇)은 에너지 채널(ASIC_에너지_01)(100₁)에 연결되지 않을 수 있다.

(ASIC_에너지_01)(100₁) 내지 (ASIC_에너지_08)(100₈)이 또한 가로행 채널들로서 본 명세서에서 참조될 수 있는데, 왜냐하면 가로행 내의 광학 센서들이, 동일한 채널(이것은 또한 본 명세서에서 수평 채널로서 지칭됨)에 각각 연결되기 때문이다.

(ASIC_에너지_09)(100₉) 내지 (ASIC_에너지_16)(100₁₆)이 또한 세로열 채널들로서 본 명세서에서 참조될 수 있는데, 왜냐하면 세로열 내의 광학 센서들이, 동일한 채널(이것은 또한 본 명세서에서 수직 채널들로서 지칭됨)에 각각 연결되기 때문이다. 예를 들어, 에너지 채널(ASIC_에너지_09)(100₉)에서, 광학 센서들(10₉, 10₂₅, 10₄₁, 10₅₇)이, 동일한 채널에 연결된다. 광학 센서들(10₁, 10₁₇, 10₃₃, 10₄₉)은 에너지 채널(ASIC_에너지_09)(100₉)에 연결되지 않는다. 본 개시내용의 다른 실시형태들에서, 광학 센서들(10₁, 10₁₇, 10₃₃, 10₄₉)은 에너지 채널(ASIC_에너지_09)(100₉)에 연결될 수 있고, 광학 센서들(10₉, 10₂₅, 10₄₁, 10₅₇)은 에너지 채널(ASIC_에너지_09)(100₉)에 연결되지 않을 수 있다.

앞에서 설명된 바와 같이, 채널들은 임의의 방향에서 인접하는 픽셀들이 동일한 에너지 채널에 연결되지 않도록 연결된다.

본 개시내용의 실시형태에서, 에너지 채널에 연결된 가로행 내의 광학 센서들의 서브세트는 에너지 채널에 연결된 인접하는 가로행 내의 광학 센서들의 서브세트로부터 세로열에 의해 오프셋(offset)된다. 예를 들어, (ASIC_에너지_01)(100₁)에 연결된 광학 센서들(10₁, 10₃, 10₅, 10₇)은 세로열들(C1, C3, C5, 및 C7) 내에 각각 있다. 따라서, 세로열들(C1, C3, C5, 및 C7) 내에 또한 있는 광학 센서들(10₉, 10₁₁, 10₁₃, 1₁₅)은 (ASIC_에너지_02)(100₂)에 연결될 수 없고, 하지만 대신 세로열들(C2, C4, C6 및 C8) 내에 있는 광학 센서들(10₁₀, 10₁₂, 10₁₄, 1₁₆)이 연결될 수 있다.

본 개시내용의 실시형태에서, 에너지 채널에 연결된 세로열 내의 광학 센서들의 서브세트는 에너지 채널에 연결된 세로 열 내의 광학 센서들의 서브세트로부터 가로행에 의해 오프셋된다. 예를 들어, (ASIC_에너지_09)(100₉)에 연결된 광학 센서들(10₉, 10₂₅, 10₄₁, 10₅₇)은 가로행들(R2, R4, R6, 및 R8) 내에 각각 있다. 따라서, 가로행(R2, R4, R6, 및 R8) 내에 또한 있는 (세로열들(C2) 내의) 광학 센서들(10₁₀, 10₂₆, 10₄₂, 10₅₈)은 (ASIC_에너지_10)(100₁₀)에 연결될 수 없고, 하지만 대신 가로행들(R1, R3, R5 및 R7) 내에 있는 광학 센서들(10₂, 10₁₈, 10₃₄, 10₅₀)이 연결될 수 있다.

본 개시내용의 실시형태들에 따르면, 에너지에 대해 다중화된 동일한 광학 센서들은 또한 적어도 2개의 타임스탬프들(예컨대, 타이밍 정보)을 발생시키도록 다중화된다. 도 1a에서 보여지는 바와 같이, 광학 센서들의 애노드들은 타이밍에 대해 다중화되고, 타이밍에 대한 다중화된 출력이 도 1a에서 X01 내지 X16(55₁ 내지 55₁₆, 집합적으로 "55")으로서 보여진다. X01 내지 X16은 판독 ASIC(405)에 대한 입력일 수 있다. 본 개시내용의 실시형태에서는, 애노드들이 사용될 수 있는데, 왜냐하면 애노드들이 일반적으로 캐소드들보다 더 빠르기 때문이다. 애노드들은 판독 ASIC(405) 내의 적어도 2개의 비교기들(20)에 연결된다(2개의 타임스탬프들). 도 1a에서 보여지는 바와 같이, 각각의 에너지 채널과 관련된 3개의 비교기들(20)이 존재한다. 각각의 비교기(20)는 상이한 전압 임계치(V_th1, V_th2 및 V_th3)와 관련된다. 전압 임계치들은 상이한 개수의 광자들에 대응할 수 있다. 상이한 에너지 채널들(ASIC_에너지_01 내지 ASIC_에너지_16)(집합적으로 "100")과 관련된 비교기들에 대해 동일한 3개의 전압 임계치들이 사용될 수 있다. 다중화된 전압이 각각의 임계치를 초과하는 경우, 각각의 비교기(20)는 변경(예컨대, ASIC_에너지_01에 대해서는 X01_T1, X01_T2 및 X01_T3, ..., ASIC_Energy_16에 대해서는 X16_T1, X16_T2 및 X16_T3)을 출력할 것이다. 각각의 비교기에 대한 변경의 시간은 타임스탬프들로서 사용될 수 있다.

본 개시내용의 일부 실시형태들에서, 타임스탬프들은 검출 디바이스(이것은 또한 본 명세서에서 검출 모듈로서 지칭됨)에 대해서 이벤트에 대한 타이밍 파라미터를 결정하기 위해 결합될 수 있다. 또한, 이러한 타이밍 파라미터는 동시 검출 디바이스들 사이의 TOF를 결정하기 위해 사용될 수 있다. TOF는 2개의 대향하는 (동시) 검출 디바이스들의 타이밍 파라미터들 간의 차이를 취함으로써 결정될 수 있다. 도 15는 2개의 검출 디바이스들(예컨대, 검출 모듈 1(1501) 및 검출 모듈 2(1502)) 및 이들 사이의 방사선 소스(radiation source)(1500)를 보여준다. 방사선 소스(1500)는 2개의 검출 디바이스들의 중앙에 맞춰 정렬될 수 있다. 동시 시간 분해능(Coincidence Time Resolution, CTR)은, 방사선 소스(1500)(지터(jitter))의 동일한 위치에서, 반복되는 TOF 측정들에서의 정확도의 척도이다. CTF는 주어진 고정된 위치에서 TOF의 분포의 반치전폭(Full Width at Half Maximum, FWHM)을 취함으로써 결정된다.

CTR은 다수의 타임스탬프들을 사용함으로서 향상될 수 있다. 일부 실시형태들에서, 다수의 시간들의 사용은, 선도 에지 기울기 추정(leading edge slope estimation) 또는 파형 형상 추정(waveform shape estimation)을 통해 CTR를 향상시킬 수 있다. 선도 에지 기울기 추정 또는 파형 형상 추정은 머신 학습을 통해 행해질 수 있다. 예를 들어, 컨벌루션 뉴럴 네트워크(Convolutional Neural Network, CNN)가 이후에 설명될 것인 바와 같이 사용될 수 있다.

다른 실시형태들에서, 도 1b에서 보여지는 바와 같이, 판독 ASIC(405)에 대한 연결들은 반전(reverse)될 수 있고, 연결된 애노드들의 다중화된 출력(55')이 에너지 채널(들)(예컨대, ASIC_에너지_01')에 대해 사용될 수 있다. 캐소드들의 다중화된 출력(50')이 타임스탬프들(예컨대, X01_T1', X01_T2' 및 X01_T3')을 위해 사용될 수 있다. 도 1b는 단지 논의 목적들만을 위한 하나의 다중화된 에너지 채널(및 관련된 타임스탬프들)을 보여주는데, 하지만, 다른 채널들은 유사한 구성을 가질 수 있다.

다른 실시형태들에서, 동일한 단자(예컨대, 애노드 또는 캐소드)가 에너지 및 타이밍 정보 모두에 대해 사용될 수 있다. 예를 들어, 도 1c에서 보여지는 바와 같이, 광학 센서들(10)의 애노드들은 다중화될 수 있되, 동일한 다중화된 출력(55")이 적분기(30) 및 비교기들(20)에 연결되어 에너지 채널(들)(예컨대, ASIC_에너지_01) 및 타임스탬프들(예컨대, X01_T1", X01_T2" 및 X01_I3")을 발생시키도록 다중화될 수 있다. 도 1b와 유사하게, 도 1c는 단지 논의 목적들만을 위한 하나의 다중화된 에너지 채널(및 관련된 타임스탬프들)을 보여주는데, 하지만, 다른 에너지 채널들은 유사한 구성을 가질 수 있다.

다중화된 출력(Y01 내지 Y16) 및 다중화된 출력(X01 내지 X16)은 판독 ASIC(405)(이것은 또한 본 명세서에서 제 1 프로세서로서 참조됨)에 연결될 수 있다. 판독 ASIC(405)는 비교기들(20) 및 적분기(30)를 포함할 수 있다. 출력이 변할 때, 타이밍이 기록된다. 판독 ASIC(405)는 또한, 광학 센서 어레이(210)로부터의 신호들의 디지털화(digitalization)를 위한 아날로그 대 디지털 변환기(analog to digital converter)들, 그리고 바이어스를 제어하기 위한 회로를 포함할 수 있다. 판독 ASIC(405)는 또한, 디지털화된 신호들을 동기화 보드(synchronization board)(410)를 통해 원격 컴퓨터(400)(이것은 또한 본 명세서에서 제 2 프로세서로서 참조됨)에 전송하기 위한 통신 인터페이스(communication interface)를 포함할 수 있다. 동기화 보드(410)는 PET 시스템 내의 상이한 검출 디바이스들/판독 ASIC로부터의 판독들을 동기화시킨다. 도 2b에서 보여지는 시스템에서는, 단 하나의 검출 디바이스만이 보여지지만, 실제로는 동기화 보드(410)에 연결된 복수의 검출 디바이스들이 존재한다. 복수의 검출 디바이스는 도 15에서 보여지는 대향하는 검출 디바이스들(검출 모듈 1 및 검출 모듈 2)(1501 및 1502)을 포함할 수 있다. 각각의 검출 디바이스는 본 명세서에서 설명되는 4-대-1 판독 다중화 1(4-to-1 readout multiplexing 1)을 가질 수 있다. 도 2b로부터 반사기(reflector)(215)는 생략된다. 하지만, 각각의 검출 디바이스는 반사기(215)를 갖게 된다.

도 2a는 본 개시내용의 실시형태들에 따른 4-대-1 신틸레이터 모듈 대 광학 센서 결합(202)을 갖는 입자 검출 디바이스를 예시한다. 각각의 신틸레이터 모듈(205)은 루테튬-이트륨 옥시오르도실리케이트(Lutetium-Yttrium oxyorthosilicate)(LYSO) 결정체들로부터 제조될 수 있다. 신틸레이터 모듈(205)은 LYSO에 한정되지 않으며, 루테튬 옥시오르도실리케이트(Lutetium oxyorthosilicate)(LSO)와 같은 입사하는 감마 방사선(incident gamma radiation)의 존재 하에서 광 광자(light photon)를 방출하는 다른 타입들의 결정체들이 사용될 수 있다. 도 2a에서, 광학 센서 어레이는 SiPM 어레이(210)로서 나타내져 있다. 하지만, 앞에서 설명된 바와 같이, 어레이는 SiPM에 한정되지 않는다. 신틸레이터 모듈들(205)은 제 1 단부(end)에서 SiPM 어레이(210)의 표면과 접촉한다. 도 2a가 신틸레이터 모듈들(205)과 SiPM 어레이(210) 사이에 공간을 보여주고 있지만, 실제로는 신틸레이터 모듈들(205)은 광학 접착제(optical adhesive) 또는 에폭시(epoxy)를 통해 SiPM 어레이(210)에 부착된다. 광학 접착제 또는 에폭시는 입자 또는 광의 경로를 변경시키지 않거나 입자 또는 광을 감쇠시키지 않는다(만약 임의의 변경이 있다면, 그 변경은 아주 작음). 신틸레이터 모듈의 제 1 단부로부터 SiPM 어레이(픽셀)로 진행하는 입자들을 예시하기 위해 공간이 보여진다. 신틸레이터 모듈들(205)은 제 2 단부에서, 세그먼트화된 유사 각기둥 광 가이드(segmented Prismatoid Light Guide)(PLGA(200))의 표면과 접촉한다. 반사기(215)는 PLGA(200) 위에 배치된다. 본 개시내용의 실시형태에서, 반사기(215)는 바륨 황산염(barium sulfate)(BaS0₄)을 포함할 수 있다. 다른 실시형태들에서, 반사기(215)는 다른 반사성 물질들을 포함할 수 있다. 본 개시내용의 실시형태에서, 반사기(215)는 신틸레이터 모듈들(205) 각각 사이에서 사용될 수 있다. 반사기(215)는 또한 세그먼트화된 유사 각기둥 광 가이드(200)의 세그먼트들 사이의 임의의 공간을 채울 수 있다.

도 3a는 4-대-1 신틸레이터 모듈 대 광학 센서 결합을 위한 세그먼트화된 유사 각기둥 광 가이드 및 광학 센서들의 도면을 예시하고, 여기에는 세그먼트화된 광 가이드의 세그먼트들의 3개의 상이한 설계들이 존재한다. 도면의 아래쪽 좌측 모서리는 광학 센서 당 신틸레이터 모듈들(2 x 2)의 상대적 정렬을 예시하는 평면도이다. 도 3a에서 "결정체들"로서 또한 지칭된다. 예시적 목적들을 위해 단지 어레이의 서브세트만이 보여진다. 유사 각기둥 세그먼트들에 대한 3개의 상이한 설계들, 예컨대, 중앙 유사 각기둥(162), 모서리 유사 각기둥(166), 및 가장자리 유사 각기둥(168)이 상이한 해싱(hashing)으로 보여진다. 중앙 유사 각기둥(162) 및 가장자리 유사 각기둥(168)은 반대 방향들에서의 해싱으로 보여지고, 모서리 유사 각기둥(166)은 교차하는 해싱으로 보여진다. 도 3a의 위쪽 우측 모서리는 3개의 상이한 설계들(단면도 및 투시도 양쪽 모두)의 예를 예시한다. 모서리 유사 각기둥(166)은 3개의 상이한 광학 센서들(3개의 픽셀들)과 접촉하는 신틸레이터 모듈들(205)과 접촉할 수 있다. 가장자리 유사 각기둥(168)은 2개의 상이한 광학 센서들(2개의 픽셀들)과 접촉하는 신틸레이터 모듈들(205)과 접촉할 수 있다. 중앙 유사 각기둥(162)은 4개의 상이한 광학 센서들(4개의 픽셀들)과 접촉하는 신틸레이터 모듈들(205)과 접촉할 수 있다.

2개의 인접하는 광학 센서들은 도 3a에서 142 및 144를 사용하여 식별된다. 도 3a에서 보여지는 바와 같이, 유사 각기둥은 측면 형상(profile shape)에 있어 실질적으로 삼각형이다. 하지만, 본 개시내용의 다른 실시형태에서, 유사 각기둥은, 적어도 하나의 각기둥(prism), 적어도 하나의 엇각기둥(antiprism), 적어도 하나의 절두체(frustum), 적어도 하나의 큐폴라(cupola), 적어도 하나의 평행육면체(parallelepiped), 적어도 하나의 쐐기(wedge), 적어도 하나의 파라미드(pyramid), 적어도 하나의 절단된 피라미드(truncated pyramid), 구형체(sphere)의 적어도 일부분, 적어도 하나의 직평행육면체(cuboid), ... 중 적어도 하나로서 실질적으로 성형될 수 있다. 세그먼트들에 대한 특정 3D 형상들의 예들(5개의 상이한 형상들)이 도 3b에서 보여진다. 예를 들어, 형상들은 1) 직평행육면체, 2) 피라미드, 3) 직평행육면체와 피라미드의 조합, 4) 삼각기둥, 5) 직평행육면체와 삼각기둥의 조합일 수 있다. 직평행육면체와 삼각기둥의 조합이 도 3a에서 보여지며, 여기서 직평행육면체는 삼각기둥에 대한 기저부(base)를 형성한다.

본 개시내용의 실시형태에서, 세그먼트화된 유사 각기둥 광 가이드(200)의 각각의 유사 각기둥 세그먼트는 광학 센서로부터 오프셋된다. 일부 실시형태들에서, 오프셋은 신틸레이터 모듈에 의한 것이다. 본 개시내용의 이러한 실시형태에서(그리고 4-대-1 모듈 대 센서 결합을 갖는 경우), 각각의 신틸레이터 모듈은 상이한 광학 센서들(픽셀)로부터의 다른 신틸레이터 모듈들과 광을 공유할 수 있다. 예를 들어, 광학 광자(optical photon)들이 신틸레이터 모듈(205)과의 감마선 상호작용(gamma ray interaction)을 따라 유사 각기둥(광 가이드의 세그먼트)에 들어갈 때, 광자들(즉, 입자들(300))은 기하학적 구조(geometry)로 인해 (상이한 픽셀들의) 이웃하는 신틸레이터 모듈들로 효율적으로 재지향되고, 이것은 광학 센서들(픽셀들) 간의 광 공유 비율(light sharing ratio)을 증진시킨다.

도 4는 본 개시내용의 실시형태들에 따른 입자 검출 시스템의 또 하나의 다른 예를 예시한다. 도 4에서는, 9-대-1 신틸레이터 모듈 대 광학 센서 결합이 존재한다. 광학 센서들(10)은 (도 1a 및 도 2b에서 보여지는 바와 같은) 앞서 설명된 4-대-1 판독 다중화 1과 동일한 방식으로 판독 ASIC(405)에 연결된다. 도 2b와 유사하게, 판독 ASIC(405)는 동기화 보드(410)를 통해 컴퓨터(400)에 연결된다. 동기화 보드는 PET 시스템 내의 상이한 검출 디바이스들/판독 ASIC로부터의 판독들을 동기화시킨다. 도 4에서 보여지는 시스템에서는, 단 하나의 검출 디바이스만이 보여지지만, 실제로는 동기화 보드(410)에 연결된 복수의 검출 디바이스들이 존재한다. 복수의 검출 디바이스는 도 15에서 보여지는 바와 같은 대향하는 검출 디바이스들(검출 모듈 1 및 검출 모듈 2)(1501 및 1502)을 포함할 수 있다. 각각의 검출 디바이스는 본 명세서에서 설명되는 4-대-1 판독 다중화 1을 갖는다. 도 4로부터 반사기(215)는 생략된다. 하지만, 각각의 검출 디바이스는 반사기(215)를 갖게 된다. 컴퓨터(400)는 적어도 하나의 프로세서, 메모리, 및 사용자 인터페이스(예컨대, 키보드 또는 디스플레이)를 포함할 수 있다. 사용자 인터페이스는 판독 간격 또는 기간을 특정하기 위해 운영자(operator)에 의해 사용될 수 있다.

본 개시내용의 실시형태에서, (4개의 모서리 픽셀들과는 다른) 각각의 픽셀은 9개의 신틸레이터 모듈들(205)을 가질 수 있다. 모서리 픽셀들은 4개의 신틸레이터 모듈들을 가질 수 있다. 도 5는 광 가이드의 세그먼트들을 보여준다. 도 3a와 유사하게, 하단 좌측에서 상이한 해싱을 갖는 상이한 설계된 세그먼트들이 보여진다. 도 5의 하단 좌측 부분은 단지 어레이(220)의 대표적인 부분만을 보여준다. 하단 좌측에서 신틸레이터 모듈들 또는 결정체들의 그룹 둘레의 실선들은 픽셀(SiPM 픽셀)을 지칭하고, 반면, 파선들은 모듈들 또는 결정체들을 지칭한다. 유사 각기둥 세그먼트들에 대한 3개의 상이한 설계들, 예컨대, 중앙 유사 각기둥(162), 모서리 유사 각기둥(166), 및 가장자리 유사 각기둥(168)이 상이한 해싱으로 보여진다. 중앙 유사 각기둥(162) 및 가장자리 유사 각기둥(168)은 반대 방향들에서의 해싱으로 보여지고, 모서리 유사 각기둥(166)은 교차하는 해싱으로 보여진다. 9 x 1 구성에 대한 모서리 유사 각기둥(166)의 측면은 4 x 1 구성과는 다를 수 있는데, 왜냐하면 9 x 1 구성에서는 모서리 픽셀들만이 4 x 1 결합을 가질 수 있기 때문이다. 도 5의 우측은 픽셀들(및 신틸레이터 모듈들)에 대한 수 개의 상이한 중앙 유사 각기둥 위치들을 예시한다. 도 5의 우측에 모든 SiPM 픽셀들(광학 센서들)이 보여지는 것은 아니다. 도 5에서는, 9개의 상이한 일차 상호작용 신틸레이터 모듈들(일차 상호작용)을 예시하기 위해 9개의 중앙 유사 각기둥들이 보여진다. 예를 들어, 일차 상호작용 신틸레이터 모듈이 모듈(139)(세그먼트 내의 중앙 신틸레이터 모듈)인 경우, 세그먼트는 입자들을 4개의 인접하는 광학 센서들/픽셀들(142, 144, 148, 148)로 지향(direct)시킨다. 도 5에서 "X"는 일차 상호작용 신틸레이터 모듈들을 지칭한다. 세그먼트들(132 및 134)은 서로 인접하지 않을 수 있지만 도면에서는 인접하는 것으로 나타날 수 있다.

이러한 구성에서 모서리 유사 각기둥(166)은 5개의 신틸레이터 모듈들의 그룹의 단부들 사이에서 입자들을 재지향시킬 수 있다(새 개의 상이한 광학 센서들/픽셀들)(세그먼트와 접촉하는 단부). 이러한 구성에서 가장자리 유사 각기둥은 또한 5개의 신틸레이터 모듈들의 단부들 사이에서 입자들을 재지향시킬 수 있다(2개의 상이한 광학 센서들/픽셀들)(세그먼트와 접촉하는 단부).

다른 구성들에서는, 모서리 광학 센서들/픽셀들(10)도 9개의 신틸레이터 모듈들(205)과 접촉할 수 있다.

본 개시내용의 실시형태에서, 신틸레이터 모듈들(205)은 2021년 9월 2일자로 출원된 PCT 출원 일련 번호 US21/48880(발명의 명칭: Tapered Scintillator Crystal Modules And Methods Of Using The Same")에서 설명되는 바와 같은 테이퍼형 단부(tapered end)를 가질 수 있고, 이러한 PCT 특허문헌의 내용들은 참조로 통합된다. 테이퍼형인 단부는 제 1 단부인데, 예컨대, 신틸레이터 모듈/광학 센서 계면이다.

앞에서 설명된 바와 같이, 세그먼트화된 광 가이드(200)에 의해 야기되는 결정론적 광 공유 방식은, 신틸레이터 모듈-간 광 공유가, 동일한 광학적으로 격리된 유사 각기둥 광 가이드에 결합된 신틸레이터 모듈들 간에만 일어나도록 보장하고, 그리고 이것은 본 명세서에서의 다중화로 하여금 높은 중심적 TOF 및 DOI 및 에너지 분해능을 보유할 수 있게 한다.

도 6은 본 개시내용의 실시형태들에 따른 방법의 흐름도를 예시한다. 설명의 목적들을 위해, 아래에서 설명되는 기능은 컴퓨터(400)의 프로세서에 의해 실행된다. S600에서, 프로세서는 광학 센서 어레이로부터 신호들을 판독하도록 (동기화 보드(410)를 통해) 판독 ASIC(405)에게 명령을 발행한다. 이것은 프레임 동기화 커맨드(frame synchronization command)의 형태를 가질 수 있다. 판독 ASIC(405)가 명령을 수신하는 경우, 판독 ASIC(405)는 광학 센서 어레이(210)에 전력이 공급되도록 한다. 본 개시내용의 일부 실시형태들에서는, 스위치(switch)가 존재하고, 이러한 스위치는 바이어스가 공급되게 닫히도록 제어된다. 판독 ASIC(405)는 다중화된 신호들을 수신하는데, 에너지에 대해 사용되는 Y01 내지 Y16(50)을 (연결들을 통해) 각각 수신하고, 타이밍에 대해 각각 사용되는 X01 내지 X16(55)을 (연결들을 통해) 수신하고(또는 그 반대의 경우도 마찬가지이고), 혹은 이들 모두에 대해 사용되는 것을 수신한다. 다중화된 신호들(Y01 내지 Y16)(50)은 각각의 에너지 채널을 얻기 위해 적분될 수 있고, 디지화될 수 있고, 그리고 (동기화 보드(410)를 통해) 동기화될 수 있고, 그리고 컴퓨터(400)로 전송될 수 있다. 다중화된 신호들(X01 내지 X16)은 비교기들(20)에 보내질 수 있다. 각각의 비교기 각각은 각각의 에너지 채널과 관련된 T1, T2, T3에 대한 값들을 출력한다. 변경들의 타이밍이 기록될 수 있고, 디지털화될 수 있고, 그리고 컴퓨터(400)로 전송될 수 있다. 도 1a가 3개의 비교기들을 보여주고 있지만, 비교기들의 개수는 3개에 한정되지 않는다. 본 개시내용의 일부 실시형태들에서, 적어도 2개의 비교기들이 사용될 수 있다.

본 개시내용의 다른 실시형태들에서, 컴퓨터로의 전송 전에, 비교기들의 출력들은 하나 이상의 로직 게이트(logic gate)들을 통해 결합될 수 있다. 예를 들어, 제 1 비교기로부터의 출력들은 하나의 로직 게이트로 보내질 수 있고, 제 2 비교기로부터의 출력들은 상이한 로직 게이트로 보내질 수 있고, ..., 등등일 수 있다.

본 개시내용의 실시형태에서, 컴퓨터(400)는 통신 인터페이스를 포함한다. 일부 실시형태들에서, 통신 인터페이스는 유선 인터페이스일 수 있다.

S605에서, 프로세서는 에너지 채널들(ASIC_에너지 01 내지 ASIC_에너지 16)(100) 각각으로부터, 디지털화된 신호들을 수신하고, (각각의 에너지 채널과 관련된) 비교기들(20)로부터 타이밍에 대한 신호들, 예컨대, 디지털화된 출력들을 수신한다. 다른 실시형태들에서, 프로세서는 로직 게이트들을 통해, 결합된 출력들로부터, 디지털화된 신호들을 수신할 수 있다. 본 개시내용의 일부 실시형태들에서, 에너지 채널들(ASIC_에너지 01 내지 ASIC_에너지 16)(100) 각각으로부터의 디지털화된 신호들은 채널 식별자와 관련되고, 이에 따라 프로세서는 어떤 디지털화된 신호들이 어떤 채널에 대응하는지를 인식할 수 있다. 디지털화된 신호들은 메모리 내에 저장될 수 있다. 본 개시내용의 실시형태에서, 컴퓨터(400)는 어떤 픽셀들이 각각의 채널에 연결되는지(다중화되는지)를 식별시키는 미리설정된 맵핑(mapping)을 갖는다. 맵핑은 메모리 내에 저장될 수 있다.

610에서, 프로세서는 이벤트에 대해(이벤트 당) 가장 높은 디지털화된 신호들, 예컨대, 가장 높은 X개의 에너지들을 갖는 에너지 채널들(ASIC_에너지_01 내지 ASIC_에너지_16)의 서브세트를 식별할 수 있다. 각각의 이벤트는 시간 윈도우(time window)에 대해 결정된다. 이벤트에 대한 윈도우는 입자(들)를 감지한 초기 SiPM으로 시작한다. 윈도우는 설정된 기간 동안 "개방(open)"된다. 설정된 기간은 몇 나노초(nanoseconds)일 수 있다. (임의의 SiPM으로부터) 윈도우 내에서 검출되는 입자들은 그룹화되고 동일한 이벤트에 속하는 것으로서 고려된다. 본 개시내용의 실시형태에서, 관련된 에너지 채널들의 개수는 이벤트의 위치에 근거할 수 있다. 예를 들어, 일차 상호작용이 (중앙 유사 각기둥(162)과 관련된) 어레이의 중앙에 위치하는 경우, 관련된 에너지 채널들의 개수는 4개일 수 있다. 프로세서는 이벤트에 대해 4개의 가장 높은 디지털화된 신호들을 갖는 4개의 에너지 채널들을 식별할 수 있다. 일차 상호작용이 모서리 유사 각기둥(166)에 위치하는 경우, 프로세서는 단지 3개의 가장 높은 디지털 출력과 관련된 3개의 에너지 채널들을 식별할 필요만 있을 수 있다. 일차 상호작용이 가장자리 유사 각기둥(168)에 위치하는 경우, 프로세서는 단지 2개의 가장 높은 디지털 출력과 관련된 2개의 에너지 채널들을 식별할 필요만 있을 수 있다.

광 공유가 세그먼트들에 의해 광학적으로 격리되는 것을 고려하면, 상호작용의 일차 광학 센서(픽셀)는 특정 가장 높은 디지털화된 신호들과 에너지 채널들의 관계로부터 결정될 수 있다. 이러한 관계는 특정 가장 높은 디지털화된 신호들을 갖는 에너지 채널들의 패턴에 근거하여 인접하는 광학 센서들을 고유하게 식별하는 것을 가능하게 한다. S615에서, 프로세서는 일차 상호작용 광학 센서(픽셀)를 결정할 수 있다. 예를 들어, 일차 상호작용 광학 센서가 중앙인 경우, 프로세서는 저장된 맵핑을 사용하여 4개의 가장 높은 신호들과 관련된 식별된 4개의 에너지 채널들의 상대적 위치들을 결정할 수 있다. 이것은 일차 광학 센서를 (식별된 채널들에 연결된 16개의 가능한 센서들/픽셀들로부터) 4개의 이웃하는 광학 센서들/픽셀들로 좁힐 것이다. 예를 들어, 4개의 가장 높은 채널들이 에너지 채널들 ASIC_에너지_02, ASIC_에너지_03, ASIC_에너지_10 및 ASIC_에너지_11인 경우, 프로세서는 SiPM 픽셀 10, SiPM 픽셀 11, SiPM 픽셀 18, 및 SiPM 픽셀 19를 인접하는 광학 센서들, 예컨대, 인접하는 픽셀들로서 식별할 수 있다. 그 다음에, 프로세서는 4개의 에너지 채널들 중 어느 것이 가장 높은 신호를 가졌는 지를 결정할 수 있다. 가장 높은 센서를 갖는 에너지 채널과 관련된 (좁혀진 4개의 이웃하는 광학 센서들 중에서의) 광학 센서가 일차 광학 센서/픽셀(일차 상호작용)로서 식별된다. 예를 들어, 4개의 에너지 채널들의 최대 신호가 ASIC_에너지_03인 경우, 프로세서는 일차 상호작용 광학 센서(픽셀)가 (ASIC_에너지_03에 연결된 17, 19, 21 및 23으로부터 좁혀진) 19라고 결정할 수 있다.

일차 상호작용 광학 센서가 모서리인 경우, 프로세서는 저장된 맵핑을 사용하여 3개의 가장 높은 신호들과 관련된 식별된 3개의 에너지 채널들의 상대적 위치들을 결정할 수 있다. 다른 실시형태들에서, 프로세서는 4개의 가장 높은 신호들을 갖는 4개의 에너지 채널들을 여전히 사용할 수 있다. 이것은 일차 상호작용 광학 센서를 3개의 이웃하는 광학 센서들/픽셀들로 좁힐 것이다. 그 다음에, 프로세서는 3개의 에너지 채널들 중 어느 것이 가장 높은 신호를 가졌는 지를 결정할 수 있다. 가장 높은 센서를 갖는 에너지 채널과 관련된 (좁혀진 3개의 이웃하는 광학 센서들 중에서의) 광학 센서가 일차 광학 센서/픽셀(일차 상호작용)로서 식별된다.

일차 상호작용 광학 센서가 (가장자리 유사 각기둥과 관련된) 가장자리 광학 센서인 경우, 프로세서는 저장된 맵핑을 사용하여 2개의 가장 높은 신호들과 관련된 식별된 2개의 에너지 채널들의 상대적 위치들을 결정할 수 있다. 다른 실시형태들에서, 프로세서는 4개의 가장 높은 신호들을 갖는 4개의 에너지 채널들을 여전히 사용할 수 있다. 이것은 일차 상호작용 광학 센서를 2개의 이웃하는 광학 센서들/픽셀들로 좁힐 것이다. 그 다음에, 프로세서는 2개의 에너지 채널들 중 어느 것이 가장 높은 신호를 가졌는 지를 결정할 수 있다. 가장 높은 센서를 갖는 에너지 채널과 관련된 (좁혀진 2개의 이웃하는 광학 센서들 중에서의) 광학 센서가 일차 상호작용 광학 센서/픽셀로서 식별된다.

S620에서, 프로세서는 DOI를 결정할 수 있다. DOI는 아래와 같은 방정식을 사용하여 결정될 수 있다.

Pmax는 이벤트에 대해 가장 높은 신호(가장 높은 에너지)를 갖는 에너지 채널과 관련된 디지털화된 값이고, P는 이벤트에 대한 에너지 채널들의 식별된 서브세트와 관련된 디지털화된 신호들의 합(sum)인데, 이것은 또한 원한다면 Pmax를 공제한 이후 계산될 수 있다. 세그먼트들은 세그먼트와 관련된 인접하는 광학 센서들을 광학적으로 격리시키기 때문에, 합산은 일차 상호작용 광학 센서와 관련된 에너지의 비율 및 인접하는 센서들의 에너지의 합을 효과적으로 취하고 있다. 프로세서가 일차 상호작용 광학 센서를 식별하면, 프로세서는 얼마나 많은 에너지 채널들(가장 높은 M개의 에너지 채널들)을 더할지를 안다(예컨대, 중앙 유사 각기둥에 대한 광학 센서들에 대해서는 4개, 모서리 유사 각기둥에 대한 광학 센서들에 대해서는 3개, 그리고 가장자리 유사 각기둥에 대한 광학 센서들에 대해서는 2개).

그 다음에, 비율은 아래의 방정식을 사용하여 깊이로 변환될 수 있다.

여기서 m은 가장-알맞은 선형 회귀 모델(linear regression model)에 따른 DOI와 w 간의 기울기이고, q는 DOI 추정이 DOI = 0 mm에서 시작되도록 보장하기 위한 절편(intercept)이다. 파라미터들 m 및 q는 신틸레이터 모듈들(205)에 대해 미리 결정될 수 있다.

따라서, 본 개시내용의 실시형태들에 따르면, 다중화된 에너지 신호들은, 머신 학습 또는 탐색 테이블(look up table)과 같은 본 명세서에서 설명되는 역다중화 기법들을 사용하여 에너지 신호들을 역다중화할 필요없이 DOI 및 일차 상호작용 광학 센서를 결정하기 위해 사용될 수 있다. 본 개시내용의 다른 실시형태들에서, DOI는, 다중화된 에너지 신호들이 본 개시내용의 실시형태들에 따라 역다중화된 이후에 계산될 수 있는데, 후속적으로 그 역다중화된 에너지 신호들로부터 계산될 수 있으며, 여기서 Pmax는 가장 높은 역다중화된 값을 갖는 광학 센서/픽셀과 관련된 디지털화된 값이고, p는 각각의 광학 센서/픽셀에 대한 모든 역다중화된 값들의 합이다.

본 개시내용의 실시형태에서, 일차 상호작용 신틸레이터 모듈은, 4개의 가장 높은 에너지 채널들의 상대적인 크기들에 근거하여, 다중화된 에너지 신호들을 사용하여 추정될 수 있다. 앞에서 식별된 예를 사용하는 경우, 4개의 가장 높은 에너지 채널들 ASIC_에너지_02, ASIC_에너지_03, ASIC_에너지_10 및 ASIC_에너지_11이 결정될 때, 중앙 광 세그먼트(예컨대, 유사 각기둥)에 대한 광 공유 방식이 주어지면, SiPM 19와 관련된 상단 좌측 신틸레이팅 모듈(scintillating module)이 일차 상호작용 신틸레이터 모듈인 것으로 추정될 수 있다. 상대적인 크기들을 사용하여, 프로세서는 일차 광학 센서(픽셀), 수직/수평 이웃들, 및 대각선 이웃들을 식별할 수 있다. 대각선 이웃은 에너지 채널들의 식별된 서브세트의 가장 낮은 에너지를 가질 수 있다. 수평/수직 이웃들은 근접하는 에너지를 가질 수 있는데, 예컨대, 에너지 채널 출력은 거의 동일할 수 있다. 에너지 채널들의 서브세트를 사용하여 식별된 인접하는 광학 센서들은 (광 공유로 인해) 동일한 세그먼트와 관련될 수 있다.

일차 상호작용 광학 센서 및 일차 상호작용 신틸레이터 모듈이 앞에서 설명된 바와 같이 추정될 수 있지만, 산란(scattering) 및 노이즈(noise)로 인해, 이들은 에너지 채널들(100)에서의 에너지 신호들이 본 명세서에서 설명되는 바와 같이 역다중화된 이후에 결정될 수 있다.

S625에서, 프로세서는 에너지 채널들(100)로부터의 다중화된 에너지 신호들을 전체 광학 센서 분해능으로 역다중화할 수 있다. 예를 들어, 프로세서는 에너지 채널들 ASIC_에너지 01 내지 ASIC_에너지 16(100)으로부터의 다중화된 에너지 신호들을 취하고, 그리고 정보의 M x M개(시스템 내의 광학 센서들의 개수)의 에너지 채널들을 발생시키는데, 여기서 M은 가로행들 및 세로열들의 개수이다. 예를 들어, 8 x 8 판독 어레이에 대해, 64개의 역다중화된 에너지 채널들이 존재한다.

본 개시내용의 실시형태에서, 변환은 미리저장된 머신 학습된 모델에 근거한다. 머신 학습된 모델을 발생시키는 것은 도 7 및 도 8과 관련하여 상세히 설명될 것이다. 구체적으로, 프로세서는 저장된 머신 학습된 모델을 검색할 수 있고 다중화된 에너지 신호들을 입력들로서 사용하여 8 x 8 어레이에 대응하는 역다중화된 에너지 신호들의 대응하는 64개의 에너지 채널들을 출력한다.

다른 실시형태들에서, 프로세서는 다중화된 에너지 신호들을 전체 에너지 채널 분해능의 역다중화된 에너지 신호들에 상관시키는 저장된 탐색 테이블을 사용할 수 있다. 탐색 테이블은 다중화되지 않은 에너지 채널들로부터 획득된 실험적 데이터를 사용하여 생성될 수 있다. 8 x 8 어레이에 대해, 탐색 테이블은 복수의 이벤트들로부터 취해진 실험적 데이터의 64개의 에너지 채널들로부터 생성될 수 있다. 예를 들어, 이벤트에 대한 64개의 에너지 채널들로부터의 데이터가 획득된다. 다중화된 데이터는, 도 1a에서 보여지는 바와 같은 동일한 에너지 채널들을 더해(4개의 에너지 채널들이 더해짐) 데이터의 16개의 에너지 채널들을 발생시키는 프로세서에 의해 발생될 수 있다(소프트웨어-기반 다중화). 그 다음에, 데이터의 16개의 에너지 채널들은 이후의 사용을 위해 데이터의 64개의 에너지 채널들과 관련된다. 이러한 프로세스는 복수의 이벤트들에 대해 반복될 수 있어 다수의 대응 정보, 예컨대, 64개의 에너지 채널들 대 16개의 에너지 채널들을 생성할 수 있다. 후속적으로, 다중화된 데이터가 판독 ASIC(405)로부터 획득될 때, 프로세서는 64개의 에너지 채널 데이터를 탐색한다. 프로세서는, 실제 검출된 에너지 채널 데이터에 가장 근접하는 16개의 에너지 채널 데이터와 부합하는 64개의 에너지 채널 데이터를 선택할 수 있다. 가장 근접하는 것은 가장 작은 평균 제곱근 오차(root mean square error) 또는 평균 제곱 오차(mean square error)로서 정의될 수 있다. 하지만, 다른 파라미터들이 탐색 테이블 내의 가장 근접하는 저장된 16개의 에너지 채널 데이터를 결정하기 위해 사용될 수 있다. 본 개시내용의 다른 실시형태들에서, 프로세서는 가장 근접하는 저장된 16개의 에너지 채널 데이터 세트들(예컨대, 두 개의 가장 근접하는 것들) 간의 차이에 근거하여 64개의 에너지 채널 데이터를 보간(interpolate)할 수 있다.

S630에서, 프로세서는 역다중화된 에너지 신호들(예컨대, 각각의 광학 센서로부터의 에너지를 나타내는 신호들)을 사용하여 에너지 가중 평균(energy weighted average)을 계산한다. 에너지 가중 평균은 아래의 방정식들에 의해 계산될 수 있다.

여기서 x_i 및 y_i는 i-번째 판독 광학 센서(픽셀)의 x-위치 및 y-위치이고, p_i는 i-번째 광학 센서(픽셀)에 의해 판독된 디지털화된 신호이고, N은 광학 센서 어레이 내의 광학 센서들(픽셀들)의 총 개수이고, 그리고 P는 단일 감마선 상호작용 이벤트에 대한 모든 광학 센서들(픽셀들)로부터의 디지털화된 신호들의 합이다.

S635에서, 프로세서는 각각의 신틸레이터 모듈(205)에 대한 계산된 에너지 가중 평균에 근거하여 일차 상호작용 신틸레이터 모듈을 결정할 수 있다. 가장 높은 계산된 에너지 가중 평균을 갖는 신틸레이터 모듈(205)이 일차 상호작용 신틸레이터 모듈로서 결정될 수 있다. 가장 높은 계산된 에너지 가중 평균을 갖는 신틸레이터 모듈(205)과 관련된 광학 센서(픽셀)가 일차 상호작용 광학 센서(픽셀)로서 결정될 수 있다.

본 개시내용의 다른 실시형태들에서, 3개의 특징들 모두, 예컨대, 일차 상호작용 광학 센서(픽셀), 일차 상호작용 신틸레이터 모듈, 및 DOI 모두를 결정하는 대신, 프로세서는 이러한 3개의 특징들 중 하나만을 결정할 수 있거나, 또는 이러한 특징들의 임의의 조합, 예컨대, 이러한 3개의 특징들 중 적어도 하나만을 결정할 수 있다.

S640에서, 프로세서는 (검출 디바이스에 대해) 이벤트에 대한 타이밍 파라미터를 결정할 수 있다. 이러한 타이밍 파라미터는 후속적으로, 검출 디바이스들(예컨대, 검출 모듈 1(1501)과 검출 모듈 2(1502)) 사이의 TOF를 결정하기 위해 사용될 수 있다. 타이밍 파라미터는 판독 ASIC(405)로부터 수신된 타임스탬프(들)에 근거하여 결정될 수 있다. 본 개시내용의 실시형태에서, 일차 상호작용 광학 센서(픽셀)는 이미 결정될 수 있기 때문에, 프로세서는 타이밍 파라미터를 결정하기 위해 이러한 에너지 채널과 관련된 타임스탬프(들)를 사용할 수 있다. 프로세서는 이러한 에너지 채널과 관련된 타임스탬프(들)를 메모리로부터 검색할 수 있다. 예를 들어, SiPM 19가 일차 상호작용 광학 센서(픽셀)로서 결정될 때, 프로세서는 메모리로부터 X03_T1, X03_T2 및 X03_T3을 검색할 수 있다. 이러한 타임스탬프들은 비교기들(20)(선도 에지 검출기들)로부터 획득되었다. 일부 실시형태들에서, 프로세서는 X03_T1만을 검색할 수 있는데, 왜냐하면 일차 상호작용 광학 센서는 전형적으로 가장 빠른 타임스탬프를 가질 수 있기 때문이다. 본 개시내용의 실시형태에서, 프로세서는 검색된 타임스탬프들, 예컨대, X03_T1, X03_T2 및 X03_T3을 사용하여 이벤트에 대한 타이밍 파라미터를 결정하기 위해 선형 회귀를 수행할 수 있다. 본 개시내용의 다른 실시형태들에서, 프로세서는 TOF(동시 검출기 디바이스들(예컨대, 검출 모듈 1(1501)과 검출 모듈 2(1502)) 사이의 타이밍 오프셋(timing offset))를 예측하기 위해 머신 학습된 모델을 검색할 수 있다.

머신 학습 모델은 뉴럴 네트워크(Neural Network, NN) 기반일 수 있다. 하지만, 머신 학습 모델은 NN에 한정되지 않는다. 상태 벡터 회귀(state vector regression)와 같은 다른 머신 학습 기법들이 사용될 수 있다. 본 개시내용의 일부 실시형태들에서, 뉴럴 네트워크는 컨벌루션 뉴럴 네트워크(CNN)일 수 있으며, 이것은 이후에 설명될 것이다.

다수의 타임스탬프들의 사용은 지터를 제거할 수 있기 때문에 CTR에 대한 분해능을 향상시킬 수 있다.

다른 실시형태들에서, 프로세서는 타이밍 파라미터를 결정하기 위해 처음 몇 개의 결정된 타임스탬프들을 사용할 수 있다. 본 개시내용의 일부 실시형태들에서, 제 1 타임스탬프는 로직 게이트를 통해 가장 낮은 전압 임계치를 갖는 비교기로부터 출력된 타임스탬프들을 결합함으로써 결정될 수 있다. 추가적으로, 타임스탬프들은 동일한 방식으로 결정될 수 있다.

다른 실시형태들에서, 타이밍 파라미터는 일차 상호작용 광학 센서(픽셀)를 결정하기 전에 결정될 수 있다.

도 7은 본 개시내용의 실시형태들에 따른 에너지 채널들의 변환 또는 역다중화에서 사용하기 위한 머신 학습 모델의 훈련 및 테스트의 예의 흐름도를 예시한다. 에너지 채널들의 변환 또는 역다중화에서 사용하기 위한 머신 학습 모델(들)의 발생은 컴퓨터(400) 상에서 실행될 수 있다. 다른 실시형태들에서는, 상이한 디바이스가 에너지 채널들의 변환 또는 역다중화에서 사용하기 위한 모델들의 발생을 실행할 수 있고, 이들은 후속적으로 컴퓨터(400)로 전송될 수 있다.

(역다중화를 위한) 상이한 머신 학습 모델이 상이한 신틸레이터 모듈/광학 센서 어레이 구성들에 대해 사용될 수 있다. 예를 들어, (역다중화를 위한) 제 1 머신 학습 모델은 4-대-1 신틸레이터 모듈 대 광학 센서 어레이 결합에 대해 사용될 수 있고, 그리고 (역다중화를 위한) 제 2 머신 학습 모델은 9-대-1 신틸레이터 모듈 대 광학 센서 어레이 결합에 대해 사용될 수 있다(그리고 16-대-1 결합에 대해서는 제 3 머신 학습 모델이 사용될 수 있음).

(역다중화를 위한) 상이한 머신 학습(Machine Learning, ML) 모델이 상이한 신틸레이터 모듈들(치수들)에 대해 사용될 수 있다. 예를 들어, 동일한 결합(예컨대, 4-대-1 신틸레이터 모듈 대 광학 센서 어레이 결합)에 있어서, 1.5 mm x 1.5 mm x 20 mm 대 1.4 mm x 1.4 mm x 20 mm를 갖는 신틸레이터 모듈들에 대해 (역다중화를 위한) 상이한 ML 모델들이 사용될 수 있다. 훈련/테스트를 위한 데이터세트를 획득하기 위해서, 신틸레이터 모듈들의 어레이, 세그먼트화된 광 가이드, 및 (판독 ASIC에 연결된) 광학 센서 어레이를 포함하는 입자 검출 디바이스가, 알려진 입자 소스(particle source)에 노출될 수 있다. 판독 ASIC에 대한 연결들을 통해 본 개시내용의 실시형태들에 따라 다중화되는 대신에, 광학 센서 어레이는 N개의 연결들을 통해 판독 ASIC에 연결되는데, 여기서 N은 광학 센서 어레이 내의 광학 센서들(10)의 개수이다. 디바이스는 상이한 깊이들에서, 그리고 복수의 이벤트들에 걸쳐 노출될 수 있다. 각각의 채널(예컨대, 64개의 채널들)로부터의 디지털화된 신호들이 S700에서 이벤트 당 기록된다. 이러한 전체 채널 분해능은 (테스트 동안) 모델을 평가하기 위한 실측 정보로서 취해진다.

S705에서, 다중화 에너지 신호들이 각각의 이벤트에 대한 미리설정된 개수의 에너지 채널들을 더함으로써 발생될 수 있다. 본 개시내용의 실시형태에서, 프로세서는 다중화 신호들을 얻기 위해 도 1a에 도시된 다중화 방식에 따라 동일한 광학 센서들로부터의 신호들을 더한다. 이것은 본 명세서에서 설명되는 하드웨어 다중화를 시뮬레이션하기 위한 것이다. 예를 들어, 프로세서는 에너지 채널들의 개수를 16개로 감소시키기 위해 4개의 광학 센서들로부터의 신호들을 함께 더할 수 있다. 컴퓨터-기반 다중화된 신호(computer-based multiplexed signal)들은 메모리 내에 저장될 수 있다. S710에서, 프로세서는 각각의 이벤트에 대해 발생된 컴퓨터-기반 다중화된 에너지 신호(computer-based multiplexed energy signal)들을 훈련을 위한 데이터세트 및 테스트를 위한 데이터세트로 분할한다. 일부 실시형태들에서, 컴퓨터-기반 다중화된 에너지 신호들의 80%는 훈련을 위해 사용될 수 있고, 20%는 테스트 및 검증을 위해 사용될 수 있다. 75%/25% 또는 90%/10%와 같은 다른 분할들이 사용될 수 있다. 일부 실시형태들에서, 분할은 무작위일 수 있다.

(역다중화를 위한) 머신 학습 모델은 뉴럴 네트워크 기반일 수 있다. 하지만, 머신 학습 모델은 NN에 한정되지 않는다. 상태 벡터 회귀와 같은 다른 머신 학습 기법들이 사용될 수 있다. 본 개시내용의 일부 실시형태들에서, 뉴럴 네트워크는 컨벌루션 뉴럴 네트워크(CNN)일 수 있다. 추가적으로, 본 개시내용의 일부 실시형태들에서, CNN은 U-넷 아키텍처(U-NET architecture)를 갖는 얕은 CNN일 수 있다. 컨벌루션 계층(convolutional layer)들, 필터(filter)들, 및 최적화기(optimizer)의 개수를 포함하는 하이퍼파라미터(hyperparameter)들이 반복적으로 최적화될 수 있다.

도 8은 U-넷 아키텍처를 갖는 CNN의 예를 예시한다.

U-넷은 다중화된 데이터(CNN에 공급되기 전에 4 x 4 x 1 매트릭스(matrix)로 재성형될 수 있는 16 x 1)를 갖는 입력 계층(800)으로 구성되었다. 입력 계층(800)에 후속하여 도 8에서와 같이 807/809와 같은 일련의 2D 컨벌루션들이 이어질 수 있다. 컨벌루션 계층들(807 및 809)은 ("필터들"로서 또한 알려진) 32개의 상이한 4 x 4 매트릭스들을 가질 수 있다.

컨벌루션 계층(807/809)에 후속하여 2D 차원을 2 x 2로 감소시키기 위한 최대-풀링 계층(max-pooling layer)(811), 각각이 64개의 필터들을 갖는 추가적인 컨벌루션 계층들(813/815), 그리고 2D 차원을 1 x 1로 감소시키기 위한 또 하나의 다른 최대-풀링 계층(817)이 이어질 수 있다. 1 x 1 차원 공간으로 감소된 이후에, 매트릭스들은 각각이 128개의 필터들을 갖는 수 개의 컨벌루션 계층들(819/821)을 통과할 수 있고, 이후에 본래의 4 x 4 차원으로 되돌아 가도록 하기 위해 그리고 "U"자 형상이 완성되도록 하기 위해 확장 경로(expansive path)를 겪을 수 있다.

확장 경로는, 동일한 차원을 갖는 대응하는 계층들과의 특징 병합(feature merging)(825/831) 및 64/32개의 필터들을 갖는 컨벌루션 계층들(827/833)을 각각 갖는 일련의 업샘플링 컨벌루션 계층(upsampling convolutional layer)들(823/829)을 포함한다. 출력 계층(837)은 4 x 4 x 4 매트릭스를 제공하기 위해 4개의 필터들을 갖는 컨벌루션 계층일 수 있으며, 이후 4 x 4 x 4 매트릭스는 8 x 8 판독 어레이와 상관되도록 재성형될 수 있다. U-넷 내의 모든 컨벌루션 계층들은 스트라이드(stride) = 1인 2 x 2 필터들을 가질 수 있고, 이에 후속하여 정류된 선형 유닛(Rectified Linear Unit, ReLU) 활성화 함수(activation function)가 이어질 수 있다. 개념적으로, U-넷은 입력 계층에 공급된 단일의 4 x 4 매트릭스들(컴퓨터-기반 다중화된 신호들)을 어레이 내의 광학 센서들의 개수와 동일한 (역다중화된) 8 x 8 매트릭스들로 역다중화하도록 구성될 수 있다. 입력 계층의 형상(매트릭스의 차원) 및 출력 계층 내의 필터들의 개수는 사용되는 판독 어레이에 근거하여 수정될 수 있음에 유의해야 한다. 예를 들어, 입력 매트릭스는 16 x 1일 수 있다. 추가적으로, 더 작은 차원들을 갖는 다중화된 입력 매트릭스들이 사용될 수 있다.

앞서의 모델은 S715에서 훈련 데이터세트를 사용하여 훈련될 수 있고, 여기서 훈련 데이터세트는 800에서 입력된다. 앞서의 모델은 S720에서 테스트 데이터세트를 사용하여 테스트될 수 있고, 여기서 테스트 데이터세트는 800에서 입력된다. 최적화기(optimizer)는 아담 최적화기(Adam optimizer)의 수정된 버전(modified version)일 수 있다. 초기 학습률(learning rate)은 1.0일 수 있다. 모델의 성능은 S725에서 평가 파라미터를 사용하여 평가될 수 있다. 예를 들어, 평가 파라미터는 평균-제곱 오차(Mean-Squared Error, MSE)일 수 있다. 하지만, 평가 파라미터는 MSE에 한정되지 않는다.

평가 파라미터를 사용하여 모델이 확정되면, 모델은 후속 사용을 위해 S730에서 (컴퓨터(400) 내의) 메모리 내에 저장될 수 있거나 컴퓨터(400)로 전송될 수 있다.

도 16은 동시 검출 디바이스들(예컨대, 검출 모듈 1(1501) 및 검출 모듈 2(1502))에 대한 TOF를 예측하는데 사용하기 위한 머신 학습 모델의 훈련 및 테스트의 예의 흐름도를 예시한다. S1600에서, 훈련/테스트를 위한 데이터세트가 획득될 수 있다. 본 개시내용의 일부 실시형태들에서, 데이터세트는 검출 모듈 1(1501)과 검출 모듈 2(1502) 사이의 위치들에서, 알려진 방사선 소스(1500)를 사용하여 실험적으로 획득될 수 있다. 방사선 소스(1500)의 위치는 미세 모터 스테이지(fine motor stage)를 통해 제어될 수 있다. 본 개시내용의 실시형태에서, 위치들 간의 증분(increment)들은 예상된 CTR보다 작도록 제어된다. 일부 실시형태들에서, 증분들은 100 ps CTR를 생성하는 것보다 더 작을 수 있다. 방사선 소스(1500)의 가동 범위는 0 내지 50 cm일 수 있다. 위치된 각각에서, 복수의 이벤트들이 검출될 수 있다. 예를 들어, 이벤트들의 개수는 1000개일 수 있다. 다른 실시형태들에서, 이벤트들의 개수는 5000개일 수 있다. 다른 실시형태들에서, 이벤트들의 개수는 10000개일 수 있다. 본 개시내용의 실시형태에서, 방사선 소스(1500)는 511 KeV 감마선 흡수를 위한 것일 수 있다. 선도 에지 검출을 위해 적어도 2개의 임계치들이 사용될 수 있다.

다른 실시형태들에서, 훈련/테스트를 위한 데이터세트는 실제 검출 모듈들의 파라미터들을 사용하여 이벤트들을 시뮬레이션함으로써 획득될 수 있는데, 이러한 파라미터들은 신틸레이터 모듈들의 길이, 폭, 높이, 다양한 단일 광자 시간 분해능들을 갖는 실리콘 광증배기들의 광응답(photoresponse), 결합, 예컨대, 4 대 1, 신틸레이터 모듈들 사이를 채우는 반사기들, 광 공유 세그먼트들(형상들), 511 KeV 감마선 상호작용에 대한 신틸레이터 모듈들의 알려진 응답, SiPM의 크기, 신틸레이터 모듈들 및 SiPM의 효율을 포함한다.

S1605에서, 데이터세트는 훈련 및 테스트를 위한 세트들로 분할될 수 있다. 일부 실시형태들에서, 획득된 데이터세트의 80%는 훈련을 위해 사용될 수 있고, 20%는 테스트 및 검증을 위해 사용될 수 있다. 75%/25% 또는 90%/10%와 같은 다른 분할들이 사용될 수 있다. 일부 실시형태들에서, 분할은 무작위일 수 있다. 일부 실시형태들에서, 데이터세트의 퍼센티지(percentage)는 과대적합(overfitting)이 일어나지 않도록 보장하기 위해서 훈련 검증을 위해 유지 및 사용될 수 있다.

도 17은 본 개시내용의 실시형태들에 따른 TOF(출력 TOF)를 예측하기 위해 사용될 수 있는 CNN의 예를 예시한다. 입력은 하나의 입력 계층을 가질 수 있다. 입력 계층은, 동시 검출 디바이스들, 예컨대, 검출 모듈 1(1501) 및 검출 모듈 2(1502) 각각으로부터의 이벤트 당 적어도 2개의 타임스탬프들을 포함할 수 있다. 도 17에서 보여지는 바와 같이, 각각의 검출 디바이스에 대해 3개의 타임스탬프들(3개의 임계치들)이 사용된다. 따라서, 입력 계층은 1@3x2이다(2개의 검출 디바이스들에 대한 3개의 타임스탬프들). 입력 계층은 컨벌루션 계층(1702)에 공급된다. 컨벌루션 계층(1702) 내에는 64개의 필터들이 존재한다. 두 번째 컨벌루션 계층(1704)은 128개의 필터들을 갖는다. 필터들은 1 x 1 필터들일 수 있고, 스트라이드는 1일 수 있으며, 그리고 정류된 선형 유닛(ReLU) 활성화 함수들을 가질 수 있다. CNN은 또한 ReLU 활성화를 갖는 2개의 완전 연결된(fully connected) (밀집(Dense)) 계층들(1706 및 1708)을 포함할 수 있다. 밀집 계층(1706)은 256개의 필터들(가중치들)을 갖고, 밀집 계층(1708)은 64개의 필터들(가중치들)을 갖는다. 출력 Toff(예컨대, TOF)가 완전 연결된 계층(밀집 계층(1710))을 통해 출력된다. 이러한 계층(1710)은 선형 활성화를 갖는 1개의 필터를 갖는다.

앞서의 모델은 S1610에서 훈련 데이터세트를 사용하여 훈련될 수 있고, 여기서 훈련 데이터세트은 1700에서 입력된다. 앞서의 모델은 S1615에서 테스트 데이터세트를 사용하여 테스트될 수 있고, 여기서 테스트 데이터세트는 1700에서 입력된다. 모멘텀(momentum)을 갖는 확률적 경사 하강법(Stochastic Gradient Descent, SGD)이, 0.01의 초기 학습률을 갖는 훈련 최적화를 위해 사용될 수 있다. 모델의 성능은 S1620에서 평가 파라미터를 사용하여 평가될 수 있다. 예를 들어, 평가 파라미터는 평균-제곱 오차(MSE)일 수 있다. 하지만, 평가 파라미터는 MSE에 한정되지 않는다.

평가 파라미터를 사용하여 TOF를 예측하기 위한 모델이 확정되면, 모델은 후속 사용을 위해 S1625에서 (컴퓨터(400) 내의) 메모리 내에 저장될 수 있거나 컴퓨터(400)로 전송될 수 있다.

테스트 및 시뮬레이션(Testing and Simulation)

앞에서 설명된 다중화 방식과 다중화된 에너지 출력들을 역다중화하기 위해 머신 학습 모델(들)을 사용하는 역다중화는, 4-대-1 신틸레이터 모듈 및 광학 센서 어레이 결합과 9-대-1 신틸레이터 모듈 및 광학 센서 어레이 결합 양쪽 모두에 대해 테스트되었다.

신틸레이터 모듈들은, LYSO를 사용하여 제조되었고, 그리고 하나의 단부 상에서 8 x 8 SiPM 어레이(광학 센서 어레이)에 결합되었고, 다른 단부 상에서 앞서 설명된 바와 같이 세그먼트화된 유사 각기둥 광 가이드에 결합되었다. 4-대-1 신틸레이터 모듈 및 광학 센서 어레이 결합에 대한 신틸레이터 모듈 어레이는 1.4 mm x 1.4 mm x 20 mm의 16 x 16 어레이로 구성되었고, 반면 9-대-1 신틸레이터 모듈 및 광학 센서 어레이 결합에 대한 신틸레이터 모듈 어레이는 0.9 mm x 0.9 mm x 20 mm의 24 x 24 어레이로 구성되었다.

양쪽 신틸레이터 모듈 어레이들(및 센서들)로부터 표준 대규모 데이터 획득(standard flood data acquisition)이 얻어졌는데, 이것은 (상이한 깊이들에서) 5 cm 떨어져 배치된 3MBq Na-22 나트륨 포인트 소스(sodium point source)(1 mm 활성 직경(active diameter))로 양쪽 신틸레이터 모듈 어레이들(및 센서들)을 균일하게 노출시킴으로써 이루어졌다. 20 mm 신틸레이터 모듈 길이를 따라 5개의 상이한 깊이들(2, 6, 10, 14, 및 18 mm)에서 깊이-조준된 데이터(depth-collimated data)가, DOI 성능을 평가하기 위해 납 조준(lead collimation)(1 mm 핀홀(pinhole))을 사용하여 획득되었다. 데이터 판독은, ASIC(TOFPET2) 및 FEB/D_v2 판독 보드(readout board)(PETsys Electronics SA)로 촉진되었다. 4-대-1 신틸레이터 모듈 대 광학 센서 결합에 대한 16 x 1 신틸레이터 모듈 대 에너지 채널 다중화, 그리고 9-대-1 신틸레이터 모듈 대 광학 센서 결합에 대한 36 x 1 신틸레이터 모듈 대 에너지 채널 다중화를 달성하기 위해 컴퓨터-기반 다중화가 앞서 설명된 바와 같이 행해졌다.

컴퓨터-기반 다중화를 사용하는 광피크 필터링(photopeak filtering)이 +-15% 에너지 윈도우(energy window)를 이용해 신틸레이터 모듈 별로 수행되었다. 광피크를 갖는 콤프톤 산란 이벤트(Compton scatter event)들을 거부(reject)하기 위해서 가장 높은 신호가 두 번째 신호들보다 두 배 더 컸던 이벤트들만이 허용되었다.

컴퓨터-기반 다중화를 통해 발생된 에너지 신호들을 역다중화하는 것은 머신 학습(U-넷 아키텍처를 갖는 CNN)을 통해 앞에서 설명된 방법을 사용하여 행해졌다. U-넷 훈련은 총 데이터세트의 80%을 사용하여 수행되었다. 훈련 데이터세트의 10%는 과대적합이 일어나지 않았음을 보장하기 위해서 훈련 검증을 위해 유지 및 사용되었다. 훈련 최적화를 위해 아담 최적화기의 수정된 버전인 아다델타(Adadelta)가 사용되었다.

훈련을 위해 500개 및 1000개의 에퍽(epoch)들의 뱃치 크기(batch size)가 사용되었다. 각각의 에퍽에 대한 모든 이벤트들에 걸쳐 모델 추정과 실측 정보 값들 간의 평균 차이를 취함으로써 훈련 손실(training loss)이 계산되었다. 글로벌 최소치(global minimum)가 발견될 때까지 연속하는 에퍽들 간의 손실이 감소되도록 모델 훈련이 행해졌다. 에퍽들의 함수로서 훈련 및 검증 손실 곡선들을 플로팅(plotting)함으로써, 그리고 이들이 근사적으로 동일한 최소치들을 갖는 점근적 행태(asymptotic behavior)에 도달했음을 보장함으로써 모델 수렴(model convergence)이 관찰되었다.

도 9a 및 도 9b는, 4-대-1 신틸레이터 모듈 대 광학 센서 결합으로부터, (다중화 없이) 복수의 광학 센서들 각각으로부터 출력된 실제 에너지 신호들과, 본 명세서에서 설명되는 다중화 방식을 사용하는 컴퓨터-기반 다중화된 에너지 신호들에 관해 훈련된/테스트된 머신 학습 모델로부터 획득된 (역다중화된) 예측들의 정성적 비교(qualitative comparison)를 예시한다. 결과들은 유사한 것으로 보인다. 예를 들어, 비교에 의해 보여지는 바와 같이, (픽셀-별 채널들의) 컴퓨터-기반 다중화를 갖는 것 및 갖지 않는 것 양쪽 모두에 대해 모든 중앙, 가장자리, 및 모서리 신틸레이터 모듈들에서 완전한 신틸레이터 모듈 분리가 달성되었다. U는 x-축 상에 있고, V는 y-축 상에 있다.

도 9c는, 완전 분해능(예컨대, 64) 센서 출력들이 판독된 경우, 앞에서 설명된 유사한 방식으로 (다중화된) 합해진 4개의 센서 출력들에 의해 발생된 합성 데이터세트(synthetic dataset)(컴퓨터-기반 다중화된 에너지 데이터)의 예를 보여준다. 도 9d는, 판독 ASIC(405)가 앞에서 설명된 바와 같은 다중화 방식을 통해 센서 어레이(210)에 연결된 경우, 판독 ASIC(405)로부터의 다중화된 에너지 신호들의 판독으로부터 발생된 다중화된 데이터세트의 예를 보여준다. 도 9c 및 도 9d의 비교는 데이터세트들이 매우 유사하지만 불완전한 모델 수렴으로 인해 약간 다르다는 것을 보여준다. 도 9c 및 도 9d는 채널들을 정방형(square)으로 보여주기 위해 행해진 U' 및 V' 공간에서의 맵핑을 보여준다.

도 10a 및 도 10b는, 5개의 상이한 깊이들(2, 6, 10, 14, 및 18 mm)에 대해, 4-대-1 신틸레이터 모듈 대 광학 센서 결합에 대한, 관련된 입자 검출 시스템에서의 DOI 분해능 대 본 개시내용의 실시형태에 따른 입자 검출 시스템의 DOI 분해능 간의 비교를 예시한다. 비교는 광학 센서 어레이 내의 중앙 광학 센서 및 광학 센서 어레이 내의 또 하나의 다른 중앙 광학 센서에 대한 것이다. 도 10a에서는, "고전적인(classical)" 계산 접근법이 사용되었다. 고전적인 접근법에서, 방정식 1은 가장 높은 에너지 신호(광학 센서 또는 픽셀 기반에 대해 Pmax)를 사용하여 계산되었고, 그리고 P가 각각의 에너지 출력의 합으로부터 계산되었다(다중화되지 않았고 따라서 모든 64개의 에너지 채널 값들은 더해졌음). 도 10b에서, DOI는 컴퓨터-기반 다중화된 에너지 신호들에 의해 직접적으로 계산되었다. 예를 들어, Pmax는 16개의 컴퓨터-기반 다중화된 에너지 신호들로부터 가장 높은 신호로서 결정되었고, 그리고 P는 16개의 컴퓨터-기반 다중화된 에너지 신호들로부터 가장 높은 4개의 신호들의 합으로부터 결정되었다.

DOI 추정 분포는 다중화되지 않은 데이터(도 10a) 및 다중화된 데이터(도 10b)에 대해 유사했다. 모든 측정된 깊이들에 걸쳐 평균 DOI 분해능은, 다중화되지 않은 데이터(도 10a)에 대해 2.32 mm 반치전폭(FWHM)이었고, 다중화된 데이터(도 10b)에 대해 2.73 mm FWHM이었다.

도 11a 및 도 11b는, 9-대-1 신틸레이터 모듈 대 광학 센서 결합으로부터, (다중화 없이) 복수의 광학 센서들 각각으로부터 출력된 실제 에너지 신호들과, 본 명세서에서 설명되는 다중화 방식을 사용하는 컴퓨터-기반 다중화된 에너지 신호들에 관해 훈련된/테스트된 머신 학습 모델로부터 획득된 (역다중화된) 예측들의 정성적 비교를 예시한다. 다중화되지 않은 데이터(도 11a)와 다중화된 데이터(도 11b) 간에 필적하는 성능을 갖는 중앙 및 가장자리 신틸레이터 모듈들에서 우수한 신틸레이터 모듈 모듈 분리가 달성됐다.

도 12a 및 도 12b는, 5개의 상이한 깊이들(2, 6, 10, 14, 및 18 mm)에 대해, 9-대-1 신틸레이터 모듈 대 광학 센서 결합에 대한, 관련된 입자 검출 시스템에서의 DOI 분해능 대 본 개시내용의 실시형태에 따른 입자 검출 시스템의 DOI 분해능 간의 비교를 예시한다. 비교는 광학 센서 어레이 내의 중앙 광학 센서 및 광학 센서 어레이 내의 또 하나의 다른 중앙 광학 센서에 대한 것이다. 도 12a에서는, "고전적인" 계산 접근법이 사용되었다. 고전적인 접근법에서, 방정식 1은 가장 높은 에너지 신호(광학 센서 또는 픽셀 기반에 대해 Pmax)를 사용하여 계산되었고, 그리고 P가 각각의 에너지 채널의 합으로부터 계산되었다(다중화되지 않았고 따라서 모든 64개의 에너지 채널 값들은 더해졌음). 도 12b에서, DOI는 컴퓨터-기반 다중화된 에너지 신호들에 의해 직접적으로 계산되었다. 예를 들어, Pmax는 16개의 컴퓨터-기반 다중화된 에너지 신호들로부터 가장 높은 신호로서 결정되었고, 그리고 P는 16개의 컴퓨터-기반 다중화된 에너지 신호들로부터 가장 높은 4개의 신호들의 합으로부터 결정되었다.

DOI 추정 분포는 다중화되지 않은 데이터(도 12a) 및 다중화된 데이터(도 12b)에 대해 유사했다. 모든 측정된 깊이들에 걸쳐 평균 DOI 분해능은, 다중화되지 않은 데이터(도 12a)에 대해 3.8 mm 반치전폭(FWHM)이었고, 다중화된 데이터(도 12b)에 대해 3.64 mm FWHM이었다.

x-좌표 및 y-좌표에 대한 에너지-가중 평균 방법들에 대해서 CNN 예측에 대한 퍼센트 오차는, 4-대-1 신틸레이터 모듈 대 광학 센서 결합에 대해 각각 2.05% 및 2.15%이었고, 9-대-1 신틸레이터 모듈 대 광학 센서 결합에 대해 2.41% 및 1.97%이었다. CNN 예측을 따르는 다중화된 데이터에 대해 이벤트 당 총 검출된 에너지에 대한 퍼센트 오차는, 4-대-1 신틸레이터 모듈 대 광학 센서 결합에 대해 1.53%이었고, 9-대-1 신틸레이터 모듈 대 광학 센서 결합에 대해 1.69%이었다.

앞서의 테스트는, 세그먼트화된 유사 각기둥 광 가이드의 결과인 결정론적 광 공유로 인해 본 명세서에서 설명되는 바와 같은 설명된 다중화 방식을 사용함으로써 시스템의 성능 간의 임의의 차이가 최소화됨을 증명한다. 관찰된 차이는 3MBq Na-22 나트륨 포인트 소스(1 mm 활성 직경)를 사용하는 것과 같은 실험 조건들의 결과일 수 있음에 유의해야 한다. 다중화는 광학 센서 어레이로부터 판독 ASIC 및 연결들로 데이터가 출력되게 한다. 데이터 파일(data file)들의 크기를 최소화하는 것은, 필드(field)가 DOI PET를 향해 시프트(shift)함에 따라 특히 중요한데, DOI PET는 (DOI 빈(bin)들의 개수를 결정하는) 판독 방식 및 DOI 분해능에 따라, 응답 라인(LOR)들의 유효 개수를 100배를 초과하는 양만큼 증가시킬 수 있다.

앞에서 설명된 바와 같이, 에너지 채널 당 다수의 타임스탬프들을 사용하는 것은 시스템에 대한 CTR을 향상시킨다. 이러한 향상을 증명하기 위해, 2개의 동시 검출 모듈들에 대해 이벤트들이 소프트웨어로 시뮬레이션되었다. 시뮬레이션에서, 에너지 채널은 다중화되지 않았다. 하지만, 광 공유가 존재하기 때문에, 그리고 앞에서 설명된 다중화는 동일한 유사 각기둥 세그먼트와 관련된 광학 센서들을 다중화하지 않기 때문에, CTR(및 각각의 모듈에서 각각의 타이밍)은 영향을 받지 않아야 된다. 각각의 검출 모듈은 16 x 16 LYSO 어레이들을 갖도록 시뮬레이션되었고, 여기서 각각의 신틸레이터 모듈은 1.5 mm x 1.5 mm x 20 mm이었다. 4-대-1 결합이 존재했다. 각각의 SiPM(픽셀)은 3.2 mm x 3.2 mm의 치수들을 갖도록 시뮬레이션되었다. 본 명세서에서 설명된 세그먼트화된 유사 각기둥 광 가이드가 시뮬레이션에서 사용되었다. 본 명세서에서 설명되는 바와 같이, 세그먼트화된 유사 각기둥 광 가이드는 동일한 유사 각기둥 세그먼트에 결합된 모든 신틸레이터 모듈들에 대한 광 공유 비율들을 증가시키고, 따라서 깊이 인코딩 신호(depth encoding signal)를 도입한다. 시뮬레이션에서는 신틸레이터 모듈들 사이에 반사성 물질이 또한 포함되었다.

LYSO의 광 수율(light yield)(∼ 27,000 광자들/MeV)과 동일한 방출을 갖는 구형 광 소스(spherical light source)들(0.1 mm 직경)로서 511 keV 감마선 흡수들이 시뮬레이션되었다. 이벤트들은 신틸레이터들 내의 깊이에 대한 루테튬에서의 광전 흡수(photoelectric absorption)에 대해서 비어-램버트 법칙(Beer-Lambert law)에 근거하여 분포되었다. 시간의 함수로서 에너지 축적 곡선들이 각각의 흡수에 대해 발생되었고, 그리고 다양한 단일 광자 시간 분해능(Single Photon Time Resolution, SPTR)들(SPTR = 10, 50 및 100 ps)을 갖는 실리콘 광증배기들의 광응답으로 컨벌루션되었다. 전체 광피크 에너지 분해능이 10%이도록 시뮬레이션되었다.

판독 측(readout side)에 수집된 광자들의 개수(n = 5개, 10개 및 50개 광자들)에 대응하는 3개의 트리거 임계치(trigger threshold)들(본 명세서에서 설명되는 전압 임계치의 예들)에 근거하여 타임스탬프들이 발생되었다. (0 내지 50 cm)로부터의 위치 오프셋에 대응하는 균일하게 분포된 타이밍 오프셋(t_off = 0 내지 1667 ps)(본 명세서에서 TOF로서 또한 지칭됨)이 각각의 동시 쌍(coincidence pair)에 대한 2개의 결정체들 중 하나로부터의 타임스탬프들에 더해졌다. 이것은 동시 검출 모듈들 사이에서 방사선 소스의 실제 움직임을 시뮬레이션하기 위한 것이었다.

실측 정보 DOI가 시뮬레이션에서 알려져 있지만, CNN 훈련 및 테스트를 위해 사용되는 DOI 파라미터는 에너지-가중 평균 방법을 사용하여 별도로 계산되었다. 3개의 개별 시뮬레이션들(2개의 동시 중앙 결정체들, 2개의 동시 가장자리 결정체들, 및 2개의 동시 모서리 결정체들)이 수행되어 이러한 3개의 영역들에서의 타이밍 성능을 독립적으로 특징지었다. 시뮬레이션 당 총 30,000개의 동시 쌍들에 대해 3개의 경우들 각각에서 60,000개의 이벤트들이 시뮬레이션되었다.

훈련을 위해 20개 및 100개의 에퍽들의 뱃치 크기가 사용되었다. 테스트 데이터세트에서 각각의 동시 쌍에 대해 실측 정보와 CNN 출력(t_off) 값들 간의 차이가 계산되었고, 그리고 CNN의 CTR을 특징짓기 위한 오차 분포의 표준 편차가 계산되었다. CNN 성능 정밀도는, 훈련 및 테스트 데이터세트들 간에 데이터를 다시 뒤섞고 다시 분포시키면서 그리고 각각의 경우에 대한 CTR 값들의 평균 및 표준 편차를 계산하면서, 각각의 훈련 경우를 10번 실행함으로써 특징지어졌다.

앞에서-설명된 CNN(도 17)은 TOF(Toff)를 예측하기 위해 사용되었다. 6개의 상이한 입력 계층들(1개의 타임스탬프, 2개의 타임스탬프들, DOI 정정을 갖는 1개의 타임스탬프, DOI 정정을 갖는 2개의 타임스탬프들, 3개의 타임스탬프들, 및 DOI 정정을 갖는 3개의 타임스탬프)이 사용되었다. 도 18은 결과들의 테이블을 예시한다. 테이블은 SPTR 100, 50 및 10에 의해 각각 분류된다. 각각의 SPTR에 대해, 6개의 상이한 입력 계층들이 보여진다. 알 수 있는 바와 같이, 1개의 타임스탬프와 비교하여 2개 또는 3개의 타임스탬프들이 사용될 때 CTR이 향상된다. 예를 들어, 100의 SPTR에 대해, 중앙 유사 각기둥(162)과 관련된 SiPM에 대해 1개의 타임스탬프가 사용된 경우, CTR은 195이고(2.3의 SD), 하지만 2개의 타임스탬프들이 사용된 경우, CTR은 136이고(1.1의 SD), 그리고 3개의 타임스탬프들이 사용된 경우, CTR은 124에서 훨씬 더 낮다(1.5의 SD). 유사한 향상이 다른 유사 각기둥 설계들(모서리 및 가장자리)에 대해 보여진다. DOI 정정이 사용된 경우(깊이 인코딩이 예(YES)인 경우) 향상은 훨씬 더 두드러진다. 도 18에서 알 수 있는 바와 같이, 3개의 타임스탬프들 및 깊이 인코딩이 예(YES)인 경우에 대해 최상의 결과들(강조됨)이 존재한다. 도 18은 "고전적인 CTR"과의 비교를 보여준다. 고전적인 CTR은 어떠한 머신 학습도 사용하지 않았고, 검출된 타임스탬프들에서의 차이를 사용하여 TOF를 계산했다(깊이 인코딩은 아니오(NO)). 깊이 인코딩을 사용하여, TOF와 DOI 간의 선형 회귀가 수행되어 TOF에 대한 DOI의 기여도가 결정됐고, 그 기여도는 정확한 TOF 추정들에 대한 획득을 위해 공제된다.

용어들 "세그먼트" 및 "유사 각기둥 세그먼트"는 본 명세서에서 상호교환가능하게 사용되었다. 용어들 "세그먼트화된 광 가이드", "유사 각기둥 광 가이드", "세그먼트화된 유사 각기둥 광 가이드"는 또한 본 명세서에서 상호교환가능하게 사용되었다.

본 명세서에서 사용되는 바와 같이, 단수적 표현과 같은 그러한 용어들은 단일의 개체만을 지칭하도록 의도된 것이 아니라, 일반적인 종류 중 특정 예가 예시를 위해 사용될 수 있는 그러한 일반적인 종류를 포함한다.

본 명세서에서 사용되는 바와 같이, 단수형으로 정의된 용어들은 복수형으로 정의된 그러한 용어들을 포함하도록 의도된 것이고, 그 반대의 경우도 마찬가지이다.

본 명세서에서 "일 실시형태", "특정 실시형태들", "일부 실시형태들", 또는 "실시형태"로 참조되는 것들은, 설명되는 실시형태(들)가 특정 특징 또는 특성을 포함할 수 있다는 것, 하지만 모든 실시형태가 특정 특징, 구조, 또는 특성을 반드시 포함할 수 있는 것은 아니라는 것을 표시한다. 더욱이, 이러한 어구들이 동일한 실시형태를 반드시 참조하고 있는 것은 아니다. 더욱이, 특정 특징, 구조, 또는 특성이 하나의 실시형태와 관련되어 설명되는 경우, 명시적으로 설명되건 그렇지 않건 상관없이 다른 실시형태들과 관련하여 이러한 특징, 구조, 또는 특성에 영향을 미치는 것이 본 발명의 기술분야에서 숙련된 자의 지식 내에 있음이 제기된다. 이후에 설명의 목적들을 위해, 용어들 "위쪽", "아래쪽", "오른쪽", "왼쪽", "수직", "수평, "상단", "하단", 및 이들의 파생어들은 바닥(floor)에 대한 디바이스와 관련되고, 그리고/또는 디바이스가 도면들에서 배향된 바에 따른 디바이스와 관련된다.

본 명세서에서 임의의 수치 범위를 명확히 지칭하는 것은 해당 범위에 의해 포함되는 (분수들 및 범자연수들을 포함하는) 각각의 수치 값을 포함한다. 예시를 위해, 본 명세서에서 "적어도 50" 또는 "적어도 약 50"의 범위를 지칭하는 것은, 50, 51, 52, 53, 54, 55, 56, 57, 58, 59, 60, 등의 범자연수들, 및 분수들 50.1, 50.2 50.3, 50.4, 50.5, 50.6, 50.7, 50.8, 50.9, 등을 포함한다. 추가 사례에서, 본 명세서에서 "50보다 작은" 또는 "약 50보다 작은"의 범위를 지칭하는 것은, 범자연수들 49, 48, 47, 46, 45, 44, 43, 42, 41, 40, 등, 및 분수들 49.9, 49.8, 49.7, 49.6, 49.5, 49.4, 49.3, 49.2, 49.1, 49.0, 등을 포함한다.

본 명세서에서 사용되는 바와 같이, 용어 "프로세서"는, 단일 코어 프로세서, 다수-코어 프로세서, 단일 디바이스 내에 위치한 다수의 프로세서들, 또는 디바이스의 네트워크, 인터넷, 또는 클라우드를 통해 분산된 그리고 서로 유선 혹은 무선 통신하는 다수의 프로세서들을 포함할 수 있다. 이에 따라, 본 명세서에서 사용되는 바와 같이, "프로세서"에 의해 수행되거나 수행되도록 구성된 기능들, 특징들, 또는 명령들은, 단일 코어 프로세서에 의한 기능들, 특징들, 또는 명령들의 수행을 포함할 수 있고, 다수-코어 프로세서의 다수의 코어들에 의해 기능들, 특징들, 또는 명령들이 집합적으로 혹은 협력적으로 수행되는 것을 포함할 수 있고, 또는 다수의 프로세서들에 의해 기능들, 특징들, 또는 명령들이 집합적으로 혹은 협력적으로 수행되는 것을 포함할 수 있는데, 여기서 각각의 프로세서 또는 코어는 모든 기능, 특징, 또는 명령을 개별적으로 수행하도록 요구되지 않는다. 예를 들어, 본 명세서에서 설명되는 기능들, 특징들, 또는 명령들을 달성하기 위해 단일 FPGA가 사용될 수 있거나 다수의 FPGA들이 사용될 수 있다. 예를 들어, 다수의 프로세서들은 부하 균형화(load balancing)를 허용할 수 있다. 추가 예에서, 서버(원격 또는 클라우드로서 또한 알려짐) 프로세서는 클라이언트 프로세서를 대신하여 일부 혹은 모든 기능을 완수할 수 있다. 용어 "프로세서"는 또한 본 명세서에서 설명되는 바와 같이 하나 이상의 ASIC들을 포함한다.

본 명세서에서 사용되는 바와 같이, 용어 "프로세서"는 용어 "회로"로 대체될 수 있다. 용어 "프로세서"는, 코드를 실행하는 프로세서 하드웨어(공유, 전용, 혹은 그룹) 및 프로세서에 의해 실행되는 코드를 저장하는 메모리 하드웨어(공유, 전용, 혹은 그룹)를 지칭할 수 있거나, 그 일부일 수 있거나, 또는 포함할 수 있다.

더욱이, 본 개시내용의 일부 실시형태에서, 비-일시적 컴퓨터-판독가능 저장 매체는 전자적으로 판독가능한 제어 정보를 포함하고, 이러한 전자적으로 판독가능한 제어 정보는, 비-일시적 컴퓨터-판독가능 저장 매체 상에 저장되고, 저장 매체가 프로세서 내에서 사용될 때 본 명세서에서 설명되는 기능의 실시형태들이 수행되도록 구성된다.

더욱이, 앞서언급된 방법들 중 임의의 방법은 프로그램의 형태로 구현될 수 있다. 프로그램은 비-일시적 컴퓨터 판독가능 매체 상에 저장될 수 있고, 컴퓨터 디바이스(프로세서를 포함하는 디바이스) 상에서 실행될 때 앞서언급된 방법들 중 어느 하나를 수행하도록 적응된다. 따라서, 비-일시적 유형의 컴퓨터 판독가능 매체는, 정보를 저장하도록 적응되고, 그리고 앞서 언급된 실시예들 중 임의의 실시예의 프로그램을 실행하기 위해서 그리고/또는 앞서 언급된 실시예들 중 임의의 실시예의 방법을 수행하기 위해서 데이터 프로세싱 설비 또는 컴퓨터 디바이스와 상호작용하도록 적응된다.

컴퓨터 판독가능 매체 또는 저장 매체는, 컴퓨터 디바이스 본체 내에 설치되는 내장형 매체일 수 있고, 또는 컴퓨터 디바이스 본체로부터 분리될 수 있도록 정렬된 탈착가능 매체일 수 있다. 본 명세서에서 사용되는 바와 같이, 용어 컴퓨터-판독가능 매체는 매체를 통해(예컨대, 반송파(carrier wave) 상에서) 전파하는 일시적인 전기적 혹은 전자기적 신호들을 포함하지 않고, 따라서 용어 컴퓨터-판독가능 매체는 형체가 있는 것, 그리고 비-일시적인 것으로 고려된다. 비-일시적 컴퓨터-판독가능 매체의 비-한정적 예들은, 재기입가능 비-휘발성 메모리 디바이스들(여기에는 예컨대, 플래시 메모리 디바이스들, 소거가능하고 프로그래밍가능한 판독-전용 메모리 디바이스들, 또는 마스크 판독-전용 메모리 디바이스들이 포함됨); 휘발성 메모리 디바이스들(여기에는 예컨대, 정적 랜덤 액세스 메모리 디바이스들 또는 동적 랜덤 액세스 메모리 디바이스들이 포함됨); 자기 저장 매체들(여기에는, 예컨대, 아날로그 또는 디지털 자기 테이프 또는 하드 디스크 드라이브가 포함됨); 그리고 광학 저장 매체들(여기에는 예컨대, CD, DVD, 또는 블루-레이 디스크가 포함됨)을 포함하지만, 이러한 것으로만 한정되는 것은 아니다. 내장형 재기입가능 비-휘발성 메모리를 갖는 매체들의 예들은, 메모리 카드들; ROM 카세트들을 포함하지만 이러한 것으로만 한정되는 것은 아닌 내장형 ROM을 갖는 매체들; 등을 포함하지만 이러한 것으로만 한정되는 것은 아니다. 더욱이, 저장된 이미지들에 관한 다양한 정보, 예컨대, 속성 정보는, 임의의 다른 형태로 저장될 수 있거나 다른 방식들로 제공될 수 있다.

용어 메모리 하드웨어는 용어 컴퓨터-판독가능 매체의 하위집합이다.

본 개시내용의 설명된 실시형태들 및 예들은 한정적이라기 보다는 예시적인 것이 되도록 의도된 것이고, 그리고 본 개시내용의 모든 실시형태 또는 예를 나타내도록 의도된 것이 아니다. 본 개시내용의 다양한 특정 실시형태들에 적용되는 바와 같은 본 개시내용의 근본적인 신규한 특징들이 보여졌고, 설명됐고, 그리고 지적됐지만, 예시된 디바이스들의 형태 및 세부사항들에서, 그리고 이들의 동작에서 다양한 생략들, 대체들, 및 변경들이 본 개시내용의 사상으로부터 벗어남이 없이 본 발명의 기술분야에서 숙련된 자들에 의해 행해질 수 있음이 또한 이해될 것이다. 예를 들어, 동일한 결과들을 달성하기 위해 실절적으로 동일한 방식으로 실질적으로 동일한 기능을 수행하는 그러한 요소들 및/또는 방법 단계들의 모든 조합들이 본 개시내용의 범위 내에 있도록 명확히 의도된다. 더욱이, 본 개시내용의 임의의 개시되는 형태 또는 실시형태들과 관련하여 보여지고 그리고/또는 설명되는 구조들 및/또는 요소들 및/또는 방법 단계들이 설계 선택의 일반적인 문제로서 임의의 다른 개시되거나 설명되거나 제안된 형태 또는 실시형태들 내에 포함될 수 있음이 인식돼야만 한다. 더욱이, 다양한 수정들 및 변경들이, 문자 그대로 그리고 법에서 인식되는 등가물들에서, 다음의 청구항들에서 제시되는 바와 같은 본 개시내용의 사상 또는 범위로부터 벗어남이 없이 행해질 수 있다.

Claims (19)

1. 입자 검출 시스템(particle detection system)으로서, 상기 입자 검출 시스템은,
   제1의 복수의 광학 센서(optical sensor)들을 포함하는 광학 센서 어레이(optical sensor array)와, 여기서 상기 어레이 내의 각각의 광학 센서는 픽셀(pixel)에 대응하고;
   제2의 복수의 신틸레이터 모듈(scintillator module)들을 포함하는 신틸레이터 어레이(scintillator array)와, 여기서 상기 제2의 복수의 신틸레이터 모듈들은 상기 제1의 복수의 광학 센서들보다 더 많으며, 다수의 신틸레이터 모듈들은 각각의 신틸레이터 모듈들의 제 1 단부(end)에서 각각의 광학 센서와 접촉하고; 그리고
   복수의 유사 각기둥 세그먼트(prismatoid segment)들을 포함하는 세그먼트화된 광 가이드(segmented light guide)를 포함하고,
   상기 세그먼트화된 광 가이드는 상기 제2의 복수의 신틸레이터 모듈들의 제 2 단부와 접촉하고,
   각각의 유사 각기둥 세그먼트는 적어도 2개의 상이한 광학 센서들과 접촉하는 신틸레이터 모듈들과 접촉하고,
   상기 적어도 2개의 상이한 광학 센서들은 인접하는 광학 센서들이고,
   각각의 유사 각기둥 세그먼트는 각각의 유사 각기둥 세그먼트와 접촉하는 신틸레이터 모듈들 사이에서 입자들을 재지향(redirect)시키도록 구성되고,
   제3의 복수의 에너지 판독 채널(energy readout channel)들이 존재하고,
   다수의 광학 센서들은 하나의 에너지 판독 채널에 각각 연결되되, 동일한 유사 각기둥 세그먼트들과 관련된 광학 센서들이 동일한 에너지 판독 채널에 연결되지 않도록 연결되고,
   각각의 에너지 판독 채널은 자신과 관련된 적어도 2개의 타임스탬프(timestamp)들을 갖는 것을 특징으로 하는 입자 검출 시스템.
2. 제1항에 있어서,
   상기 적어도 2개의 타임스탬프들은 3개의 타임스탬프들인 것을 특징으로 하는 입자 검출 시스템.
3. 제1항 또는 제2항에 있어서,
   상기 입자 검출 시스템은 또한, 각각의 에너지 판독 채널에 대해, 동일한 에너지 판독 채널에 대한 상기 다수의 광학 센서들에 연결된 적어도 2개의 비교기(comparator)들을 포함하고,
   상기 적어도 2개의 비교기들 각각은 상이한 임계치(threshold)를 갖는 것을 특징으로 하는 입자 검출 시스템.
4. 제3항에 있어서,
   상기 적어도 2개의 비교기들은 상기 다수의 광학 센서들의 각각의 애노드(anode) 각각에 연결되는 것을 특징으로 하는 입자 검출 시스템.
5. 제3항에 있어서,
   상기 적어도 2개의 비교기들은 상기 다수의 광학 센서들의 각각의 캐소드(cathode) 각각에 연결되는 것을 특징으로 하는 입자 검출 시스템.
6. 제3항에 있어서,
   상기 제3의 복수의 에너지 판독 채널들 및 상기 적어도 2개의 비교기들은 상기 광학 센서들의 상이한 단자(terminal)들에 연결되는 것을 특징으로 하는 입자 검출 시스템.
7. 제1항 내지 제6항 중 어느 하나의 항에 있어서,
   동일한 에너지 판독 채널에 연결되는 상기 다수의 광학 센서들의 개수는 4개인 것을 특징으로 하는 입자 검출 시스템.
8. 제1항 내지 제7항 중 어느 하나의 항에 있어서,
   4-대-1 신틸레이터 모듈 대 광학 센서 결합(four-to-one scintillator module to optical sensor coupling)이 존재하는 것을 특징으로 하는 입자 검출 시스템.
9. 제1항 내지 제7항 중 어느 하나의 항에 있어서,
   9-대-1 신틸레이터 모듈 대 광학 센서 결합(nine-to-one scintillator module to optical sensor coupling)이 존재하는 것을 특징으로 하는 입자 검출 시스템.
10. 제1항 내지 제9항 중 어느 하나의 항에 있어서,
    상기 입자 검출 시스템은 또한, 제 1 프로세서를 포함하고,
    상기 제 1 프로세서는,
    판독 동안 상기 제1의 복수의 광학 센서들에 바이어스(bias)를 가하도록 구성되고, 그리고
    상기 제3의 복수의 에너지 판독 채널들을 통해 출력을 수신함과 아울러 각각의 에너지 판독 채널과 관련된 상기 적어도 2개의 타임스탬프들을 수신하도록 구성되는 것을 특징으로 하는 입자 검출 시스템.
11. 제10항에 있어서,
    상기 입자 검출 시스템은 또한, 상기 제 1 프로세서와 통신하는 제 2 프로세서를 포함하고,
    상기 제 2 프로세서는 상기 수신된 적어도 2개의 타임스탬프들에 근거하여 이벤트(event)에 대한 타이밍 파라미터(timing parameter)를 결정하도록 구성되는 것을 특징으로 하는 입자 검출 시스템.
12. 제11항에 있어서,
    상기 타이밍 파라미터는 상기 적어도 2개의 타임스탬프들의 조합에 근거하는 것을 특징으로 하는 입자 검출 시스템.
13. 제11항에 있어서,
    상기 제 2 프로세서는, 상기 타이밍 파라미터에 근거하여, 동시 검출 모듈들(coincident detection modules) 사이의 비행 시간(Time Of Flight, TOF)을 결정하도록 구성되는 것을 특징으로 하는 입자 검출 시스템.
14. 제11항 내지 제13항 중 어느 하나의 항에 있어서,
    상기 제 2 프로세서는 또한, 일차 상호작용 픽셀(primary interaction pixel), 일차 상호작용 신틸레이터 모듈(primary interaction scintillator module), 또는 상기 이벤트에 대한 상호작용 깊이(depth of interaction) 중 적어도 하나를 결정하도록 구성되는 것을 특징으로 하는 입자 검출 시스템.
15. 제14항에 있어서,
    상기 제 2 프로세서는 상기 타이밍 파라미터를 결정하기 위해 상기 결정된 일차 상호작용 픽셀과 관련된 상기 적어도 2개의 타임스탬프들을 선택하도록 구성되는 것을 특징으로 하는 입자 검출 시스템.
16. 제13항에 있어서,
    상기 제 2 프로세서는 상기 동시 검출 모듈들로부터의 상기 수신된 적어도 2개의 타임스탬프들이 입력된 머신 학습 모델(machine learning model)을 사용하여 상기 TOF를 결정하도록 구성되는 것을 특징으로 하는 입자 검출 시스템.
17. 제11항 또는 제12항에 있어서,
    상기 타이밍 파라미터는 가장 빠른 타임스탬프에 적어도 근거하는 것을 특징으로 하는 입자 검출 시스템.
18. 제11항 또는 제12항에 있어서,
    상기 타이밍 파라미터는 상기 수신된 적어도 2개의 타임스탬프들의 선형 회귀 분석(linear regression analysis)에 근거하는 것을 특징으로 하는 입자 검출 시스템.
19. 제1항 내지 제18항 중 어느 하나의 항에 있어서,
    상기 제1의 복수의 광학 센서들은 가로행(row)들 및 세로열(column)들로 정렬되고,
    가로행에서의 인접하는 광학 센서들은 상이한 에너지 판독 채널들에 연결되고,
    세로열에서의 인접하는 광학 센서들은 상이한 에너지 판독 채널들에 연결되는 것을 특징으로 하는 입자 검출 시스템.

Images