- 快速准确的散射矫正对于PET来说是至关重要的。
什么是散射矫正
PET当中，每一对光子在达到检测器之前，都可能发生康普顿散射而导致运动方向发生改变。
其中有一些方法可以处理这样的问题，比方说双能窗、三能窗、卷积扣除、蒙特卡洛、神经网络等。
双能窗将探测器的能量窗口分成一个高能窗与一个低能窗。一般高能窗的能量范围在380-850keV，低能窗的能量范围在200-380keV。由于散射情况基本是康普顿散射，因此发生散射的光子能量必然较低，基本只会被低能窗所捕获。也就意味着大部分发生散射的事件都会被低能窗所接收。将总计数减去低能窗的计数便能逼近真实的符合事件计数。
论文概述
论文大概是认为用Monte-Carlo处理是一种很高精度的散射矫正方案，但是速度慢。打算用卷积网络来学习已知数据的scatter distributions散射分布，然后实现类似精度的快速散射矫正。这个他们称作Deep Scatter Estimation（DSE）。
数据描述
总共使用了20个病人的回顾性数据，是FDG PET/MRI数据。
- 氟代脱氧葡萄糖是2-脱氧葡萄糖的氟代衍生物。通常简称为18F-FDG或FDG。
A total of 71 bed positions was used, with 66 MRI-based attenuation maps, 4 MRI-based attenuation maps with MLAA-based truncation compensation, and 1 coregistered CT-based attenuation map.
- 20个病人但是有71个bed position数据。其中57个用来训练，剩下的14个作为validation。没有外部测试数据。
- 而且CT和MRI的PET数据看起来是混用了。
Each bed position comprised photo-peak measurements (prompts), attenuation correction factors (ACF), and the result of single-scatter simulation (SSS), all in histogram format with 252 views (φ), 344 projection bins (s) and 127 direct and cross planes (z).
- photo-peak measurements(prompts)，光峰值测量（下图）。不知道怎么得到的
- attenuation correction factors （ACF），衰减矫正系数。
- single-scatter simulation，SSS，单次散射模拟
- 252 views (φ), 344 projection bins (s) and 127 direct and cross planes (z)可以理解为是一个252x344x127的数据规模。尺寸不大。
我的总结
总体来看，这个早期的研究，就是让耗时长的蒙特卡洛模拟来作为GT，然后让3D的数据沿着view角度切开，用2D的Unet结构学习，实现快速的卷积替代的蒙特卡洛散射矫正。
