基于模拟点源测量的多针孔SPECT精确迭代重建

高分辨率单光子发射计算机断层成像（SPECT）是临床和小动物影像的重要技术之一。对SPECT的系统传输矩阵进行建模,并结合于迭代重建算法中,是提高系统空间分辨率的有效手段。本文基于实验室自主研发的多针孔小动物SPECT系统,研究了一种蒙特卡罗模拟和解析模型相结合的系统传输矩阵精确计算方法。该方法是基于多点源模拟的投影数据,结合数据再估计方法和高斯拟合方法提取点扩展函数（PSF）特征参数,并结合解析形式的系统物理模型,从而计算任意位置的精确PSF。通过对四点源模拟投影数据分别用纯解析方法和蒙特卡罗模拟与解析模型相结合的方法进行计算,并对所得的系统传输矩阵进行重建对比,验证了蒙特卡罗模拟与解析模型相结合方法对图像分辨率的改善效果。进一步比较了不同点源排列的重建效果,获得了优化的点源排布方案。相对于基于实验方法测量系统传输矩阵,本方法能以更合理的代价实现系统传输矩阵的精确建模,并能有效提高系统空间分辨率。     

硅光电倍增器件(SiPM)的自动增益校正

硅光电倍增器件(SiPM)是近年来逐渐兴起的一种用于PET(Positron Emission Tomography)的光电探测器件。与传统的光电倍增管(PMT)相比,它有着尺寸小、工作电压低、对磁场不敏感等优点,但其缺点是增益对环境温度敏感。在PET探测器的研发中,为了改善温度变化引起的增益漂移,设计了一个SiPM的增益校正系统。该系统通过测量环境温度对SiPM的偏置电压实时调节,从而保证其增益的相对稳定。最后对该系统对温度变化引起的SiPM增益漂移的抑制能力做了定量评估。采用增益校正系统后,在相似的温度变化范围内,SiPM的最大增益漂移由校正前的79.67%减小到11.03%。该结果显示此系统对温度变化引起的SiPM增益漂移具有良好的抑制能力。该系统能够补偿因温度变化引起的SiPM增益漂移,从而提高基于SiPM阵列探测器模块的PET系统的稳定性。     

全覆盖型动物PET系统探测器灵敏度的研究

为了提高动物PET系统探测器的灵敏度,增加探测器几何立体角的覆盖比例。在原有的Mi-cro PET系统环形探测器两端,对称添加两块中间有孔的平板探测器构成了紧密型动物PET系统。研究紧密型动物PET系统灵敏度的方法为:基于Gate程序建立系统模型,在点源、面源和体源三种类型的放射源条件下进行Monte Carlo模拟。模拟结果表明:物理结构上的改进有效地提高了探测器灵敏度,使符合事件数为传统的Micro PET的4.48倍;同时点源和面源的模拟结果说明,紧密型探测器结构使得整个探测区域空间均匀性变好,有利于数据采集和图像重建;而平板探测器中间的孔削弱了对探测器灵敏度的改善,尤其是对于放置在探测区域边缘的放射源。应用该全覆盖型结构有望进一步提高PET系统的探测灵敏度并有助于提高图像质量。     

高分辨率小动物SPECT成像系统的设计与性能评估

为实现低成本、高分辨率的小动物单光子发射断层成像(SPECT),设计了一种基于临床探测器和针孔准直器的小动物SPECT成像系统。综合考虑视野尺寸、空间分辨率和绝对探测效率等指标,分别给出了单针孔和七针孔准直器的两种最优化设计方案,并通过对比两种设计方案在全视野范围内的平均空间分辨率和探测效率,对成像性能进行了评估。结果表明,与单孔准直器相比采用七针孔准直器设计可同时获得更高的空间分辨率和探测效率。经蒙特卡罗模拟成像实验验证,该七针孔准直器在临床探测器上可达0.5mm级的超高空间分辨率,且成本远低于采用专用探测器的现有小动物SPECT系统。     

双层错位DOI脑PET探测器晶体厚度组合优化设计

双层错位晶体阵列是正电子发射断层成像（PET）仪获取作用深度（DOI）信息的一种低成本且简便的方案。为获得晶体厚度最优组合方案,本文使用GATE软件进行蒙特卡罗仿真研究。模拟兼容核磁共振成像（MRI）的嵌入式脑PET,环内径345 mm,使用硅酸钇镥（LYSO）晶体,2层晶体总厚度20 mm,内层晶体从0 mm到10 mm共11种厚度（间隔1 mm）;进行点源模拟实验,点源位于中心断层x轴上,偏移从x=0 cm到x=10 cm共6种情况（间隔2 cm）。计算中心点灵敏度;采用滤波反投影算法重建图像,评估径向空间分辨率。结果显示,双层晶体的设计相比于单层晶体灵敏度略有下降,但系统径向空间分辨率显著提高且其均匀性得到改善。随着内层晶体厚度的增大,视野平均径向空间分辨率先减小后增大,在内层晶体厚度为8 mm时达到最小。综上所述,所设计的双层错位DOI脑PET探测器晶体厚度最优组合方案为内层晶体厚度8 mm、外层晶体厚度12 mm。     

SPECT心肌重建图像的左心室长轴自动定位方法

设计并实现了一种单光子发射断层成像(SPECT)心肌重建图像的左心室长轴自动定位算法。首先通过迭代阈值方法实现原始图像的分割去噪;然后基于连续区块理论,通过先验知识与约束条件自动提取三维感兴趣区(ROI),排除其他器官与噪声的干扰;下一步对数据进行重采样操作,改善数据质量,并应用形态学中的骨架化算法得到足够的、能够描述心肌轮廓的采样点;在确定合适的、能够在XY方向完整描述心肌形状的平面(α平面)后,通过二次曲线拟合得到XY方向偏角(α角);随后通过插值方法沿α角与Z轴方向获取新的截面(β平面),并在β平面内二次曲线拟合得到仰角β角,α角与β角便给出了左心室长轴的定位。最后,本算法在原始模体数据、重建数据以及含噪声重建数据各49组测试中,全部定位成功,且平均绝对误差小于5°,并对真实临床SPECT心肌图像数据实现了成功自动定位。