PET探测器神经网络定位方法研究

【摘要】：PET中高能γ光子的探测是图像重建过程中最基本、最重要的步骤。由闪烁体上光电倍增管输出的电脉冲来精确估算入射光子位置坐标的能力意味着能够得到高的位置探测分辨率和更精确的图像重建结果。 本论文利用Geant4软件开发包模拟实现了闪烁光的探测过程，在此基础上研究了一种新的光探测算法——神经网络算法。论文的主要目的是为了证明在实际PET中采用神经网络定位方法估算高能γ光子的位置是可行的，同时也展示了神经网络定位算法相对于传统的光探测算法的优势所在。 从我们得到仿真结果可以看出，神经网络定位算法能够取得很好的位置分辨率，并且能够解决光探测中边缘效应和非垂直入射效应引起的分辨率变坏的问题。论文的主要内容包括以下七个章节： 第一章绪论，主要介绍PET的基本概念和如何将神经网络定位方法应用在PET探测器上，同时介绍了前人的研究工作，概括性的说明光探测技术的发展状况。 第二章介绍了PET研究中的基本问题——光探测技术，描述了其中涉及到的物理过程和它们的数学模型，并由此引出了光探测技术的传统探测算法——Anger公式算法，在此基础上提出本文采用的新的光探测方法——神经网络算法。本章还介绍了核成像的基本原理。 第三章对神经网络的基本原理进行描述。主要介绍了神经网络的基本概念。其中重点介绍了神经网络的基本组成单元—神经元模型以及构筑于神经元模型之上的三种基本网络结构：单层前馈网络、多层前馈网络和递归网络。在此基础上阐明了设计神经网络的需要注意的几个重要概念，如神经网络的学习过程、学习任务以及泛化等。最后，简单的介绍了神经网络的应用，初步说明神经网络方法能够适用于光探测技术方面的应用。 第四章首先简单介绍了蒙特卡罗模拟方法，随后对基于蒙特卡罗模拟方法的Geant4软件开发包进行了整体结构的说明，以Geant4为平台设计基于神经网络的光探测器仿真程序，该程序模拟了511Kev的γ光子与闪烁体相互作用及闪烁光在晶体内的输运过程，本章对仿真程序的设计过程进行了详细的介绍并给出了仿真程序的整体框架。 第五章全面详尽的给出了仿真试验的结果，通过实验数据和曲线的比较证