基于卷积神经网络的闪烁脉冲能量计算方法研究

作     者：徐浩 

作者单位：华中科技大学 

学位级别：硕士

导师姓名：肖鹏

授予年度：2019年

学科分类：12[管理学] 08[工学] 1010[医学-医学技术（可授医学、理学学位）] 0831[工学-生物医学工程（可授工学、理学、医学学位）] 100207[医学-影像医学与核医学] 1006[医学-中西医结合] 1201[管理学-管理科学与工程(可授管理学、工学学位)] 1002[医学-临床医学] 1001[医学-基础医学(可授医学、理学学位)] 081104[工学-模式识别与智能系统] 0835[工学-软件工程] 0811[工学-控制科学与工程] 100106[医学-放射医学] 0812[工学-计算机科学与技术（可授工学、理学学位）] 10[医学] 100602[医学-中西医结合临床] 

主      题：能量信息 闪烁脉冲 MVT方法 卷积神经网络 

摘      要：正电子发射断层成像(Positron Emission Tomography,以下简称PET)是一种基于核物理的、非侵入式的且能够在分子层面做到动态、定量和无创地评估被扫描活体内各组织器官代谢水平的功能影像研究工具。近些年来,PET已经被广泛应用于各种疾病的诊断与鉴别、生命科学基础研究和药物研发等领域。在PET系统中,闪烁脉冲的采样方法直接决定了采样数据的质量。传统的闪烁脉冲数据获取方法大多采用模数混合电路,闪烁脉冲信号获取后被分成两路电信号。在其中一路信号中信号经过放大和滤波整形,然后由模数转换器(Analog to Digital Converter,以下简称ADC)采样后经过进一步处理从而得到闪烁脉冲的能量信息;另外一路信号则经过放大后通过恒比甄别器来获取闪烁脉冲的时间信息。不同于传统的利用ADC对闪烁脉冲进行时间轴向等间隔采样的方法,一种基于电压幅值的多电压阈值(Muti-Voltage Threshold,以下简称MVT)的闪烁脉冲采样方法被提出来后已经被广泛用于许多全数字PET设备研发中。在此方法中,光电倍增器件的输出直接连接到可编程阈值的甄别器中,这些甄别器可以记录闪烁脉冲上升沿和下降沿幅值经过阈值电压的时间信息,形成时间—阈值对(以下简称MVT采样点),从而实现对闪烁脉冲的采样。当获取MVT采样点以后结合闪烁脉冲的先验信息可以对闪烁脉冲进行重建,然后根据重建后的闪烁脉冲获得其时间信息和能量信息。相较于传统复杂的模数混合电路,在此方法中由于只需要一些比较器和时间数字转换器,简化了电路设计,节约了制造成本,降低了系统功耗,同时基于MVT的全数字探测器更易于后续数据处理过程中数据的校正和软硬件的更新。对于MVT采样方法,阈值的设定在闪烁脉冲采样过程中至关重要。在以前基于MVT的PET数据获取方法中,其关注点主要在能谱峰值附近的闪烁脉冲的时间信息和能量信息,因此阈值的设定也主要针对这部分区域内的脉冲进行优化。对于低能谱或者高能谱区域内的闪烁脉冲,这些阈值其实并不合适,因而会造成这两个区域内的闪烁脉冲能量信息测量误差过大。为了解决基于MVT采样方法和双指数拟合模型对闪烁脉冲进行重建过程中造成烁脉冲能量信息测不准的问题,针对MVT采样点本文创新性的提出了一种基于卷积神经网络的闪烁脉冲能量值的计算方法。通过对卷积神经网络计算出来的能量值与真实的能量值进行比较,在真实能谱能量分辨率为11.5%@511KeV的情况下,基于卷积神经网络计算出来的能量分辨率可达到12.4%@511KeV,相较于传统基于双指数拟合模型的能量计算方法计算出的21.4%@511KeV的结果,基于卷积神经网络的闪烁脉冲能量值的计算方法计算出的能量分辨率显著更加接近于真实能量分辨率,此种方法具有更高的计算精度,计算结果更为准确。同时本文研究了利用一个探测器通道的数据训练好的卷积神经网络对于其它探测器通道中闪烁脉冲能量值计算的可行性,结果证明训练好的卷积神经网络也同样适用于其它探测器通道中闪烁脉冲能量值的计算,这为此种方法以后应用于实际PET系统奠定了基础,对后续的PET系统整机研发具有重大的研究意义。