散射单光子事件的处理方法、系统和PET系统与流程

本公开涉及数据处理，尤其涉及一种散射单光子事件的处理方法、系统和pet系统。

背景技术：

1、在正电子发射断层成像(positron emission tomography，pet)中，湮灭产生的γ光子在行进路径中有概率会与物质进行反应，其飞行方向以及能量会发生改变，这种改变会使得在后续处理中对γ光子的位置、能量甚至时间信息的收集产生错误，进而影响到整个pet系统的灵敏度、分辨率、信噪比、图像对比度等。

2、单光子事件在pet中指探测器端输出的、没有经过符合处理的一个γ光子事件。单光子事件能够表征被探测到的γ光子的信息，通常由γ光子的能量数据、时间数据、位置数据等组成。单光子事件经符合处理后得到的符合事件，符合事件对应成对的光子事件，符合事件用于进行后续的图像重建。

3、散射事件是前述所提到的γ光子在行进路径中，在组织物质中遇到原子核或电子时改变方向和能量，并且继续传播的事件。这种散射会导致γ光子的能量损失和轨迹的改变，使得正电子在pet图像中的位置不准确。散射事件的发生会降低图像的空间分辨率和对比度，影响图像质量。

4、非散射事件则与散射事件相反，γ光子在行进路径中不发生与物质的碰撞，其原有的方向和能量不发生变化。

5、现有技术是对图像层面的符合事件进行识别和修正，而不是直接对单光子事件进行识别；或采用函数的方式对探测器端的单光子事件进行识别和校正，识别效率低，且校正结果不够准确，且无法自动的、精准的且全面的进行单光子事件的识别和校正。

技术实现思路

1、本公开要解决的技术问题是为了克服现有技术中无法自动的、精准的且全面的进行单光子事件的识别缺陷，提供一种散射单光子事件的处理方法、系统和pet系统。

2、本公开是通过下述技术方案来解决上述技术问题：

3、第一方面，提供一种散射单光子事件的处理方法，所述处理方法包括：

4、获取光子计数探测器输出的单光子事件；

5、将所述单光子事件输入至预先训练好的散射单光子事件处理模型中，以识别出所述单光子事件是否为散射单光子事件。

6、较佳地，所述处理方法还包括：

7、当识别出所述单光子事件为散射单光子事件时，基对所述散射单光子事件进行校正。

8、较佳地，所述获取光子计数探测器输出的单光子事件的步骤包括：

9、获取光子计数探测器输出的数字信号类型的单光子数据，并将所述数字信号类型的单光子数据作为所述单光子事件；

10、或，获取光子计数探测器输出的模拟信号类型的单光子数据，将所述模拟信号类型的单光子数据转换为数字信号类型的单光子数据；

11、将所述数字信号类型的单光子数据作为所述单光子事件。

12、较佳地，所述获取光子计数探测器输出的模拟信号类型的单光子数据，将所述模拟信号类型的单光子数据转换为数字信号类型的单光子数据的步骤包括：

13、获取光子计数探测器输出的模拟信号类型的单光子数据；

14、对所述模拟信号类型的单光子数据进行预处理，得到处理后的模拟信号类型的单光子数据；

15、将处理后的所述模拟信号类型的单光子数据转换为数字信号类型的单光子数据。

16、较佳地，所述散射单光子事件处理模型通过将单光子事件训练样本输入至预设ai(artificial intelligence，人工智能)模型中进行训练得到；

17、所述单光子事件训练样本包括散射单光子事件样本。

18、较佳地，所述训练样本还包括所述散射单光子事件样本经校正后的校正单光子事件样本。

19、较佳地，所述预设ai模型包括机器学习模型、深度学习模型、强化学习模型、聚类分析模型、支持向量机模型、随机森林模型中的任意一种；

20、和/或，所述单光子事件训练样本基于蒙特卡洛仿真模拟得到；

21、和/或，所述散射单光子事件处理模型用于对所述单光子事件对应的单光子时间信息、单光子能量信息及单光子位置信息中的至少一种进行识别；

22、和/或，所述散射单光子事件处理模型用于对所述散射单光子事件对应的单光子时间信息、单光子能量信息及单光子位置信息中的至少一种进行校正。

23、第二方面，还提供一种散射单光子事件的处理系统，所述处理系统包括：

24、事件获取模块，用于获取光子计数探测器输出的单光子事件；

25、事件识别模块，用于将所述单光子事件输入至预先训练好的散射单光子事件处理模型中，以识别出所述单光子事件是否为散射单光子事件。

26、较佳地，所述处理系统还包括：

27、事件校正模块，用于当识别出所述单光子事件为散射单光子事件时，对所述散射单光子事件进行校正。

28、较佳地，所述事件获取模块包括：

29、数据获取单元，用于获取光子计数探测器输出的数字信号类型的单光子数据，并将所述数字信号类型的单光子数据作为所述单光子事件；

30、或，数据转换单元，用于获取光子计数探测器输出的模拟信号类型的单光子数据，将所述模拟信号类型的单光子数据转换为数字信号类型的单光子数据；将所述数字信号类型的单光子数据作为所述单光子事件。

31、较佳地，所述数据转换单元用于获取光子计数探测器输出的模拟信号类型的单光子数据；对所述模拟信号类型的单光子数据进行预处理，得到处理后的模拟信号类型的单光子数据；将处理后的所述模拟信号类型的单光子数据转换为数字信号类型的单光子数据。

32、较佳地，所述散射单光子事件处理模型通过将单光子事件训练样本输入至预设ai模型中进行训练得到；所述单光子事件训练样本包括散射单光子事件样本。

33、较佳地，所述训练样本还包括所述散射单光子事件样本经校正后的校正单光子事件样本。

34、较佳地，所述预设ai模型包括机器学习模型、深度学习模型、强化学习模型、聚类分析模型、支持向量机模型、随机森林模型中的任意一种；

35、较佳地，所述单光子事件训练样本基于蒙特卡洛仿真模拟得到；

36、较佳地，所述散射单光子事件处理模型用于对所述单光子事件对应的单光子时间信息、单光子能量信息及单光子位置信息中的至少一种进行识别；

37、较佳地，所述散射单光子事件处理模型用于对所述散射单光子事件对应的单光子时间信息、单光子能量信息及单光子位置信息中的至少一种进行校正。

38、第三方面，还提供一种光子计数探测器，所述光子计数探测器包括上述所述的散射单光子事件的处理系统。

39、第四方面，还提供一种pet系统，所述pet系统包括上述所述的光子计数探测器。

40、在符合本领域常识的基础上，上述各优选条件，可任意组合，即得本公开各较佳实例。

41、本公开的积极进步效果在于：

42、本公开的散射单光子事件的处理方法、系统和pet系统，通过获取光子计数探测器输出的单光子事件，并将单光子事件输入至预先训练好的散射单光子事件处理模型中，以识别出单光子事件是否为散射单光子事件，实现了对散射单光子事件精准、全面和自动的识别，为后续的散射校正及图像重建过程奠定基础。