Sửa chữa các hiệu ứng LOR bên ngoài trong tái tạo danh sách cho PET

Trong hình ảnh PET, chế độ danh sách là một lựa chọn thay thế cho các phép chiếu để lưu trữ dữ liệu thu nhận một cách chính xác hơn. Tái tạo từ định dạng chế độ danh sách đòi hỏi những phương pháp khác với các thuật toán dựa trên phép chiếu. Thuật toán ML-EM đã được điều chỉnh để bắt đầu từ định dạng chế độ danh sách. Các tác động làm suy giảm hình ảnh dữ liệu chế độ danh sách có thể được phân loại thành hai nhóm. Các hiệu ứng LOR nội bộ (như suy giảm, hiệu suất phát hiện) không dẫn đến một LOR nào khác ngoài LOR chính xác, nhưng chỉ dẫn đến hiệu suất phát hiện thấp hơn dọc theo LOR chính xác. Việc sửa chữa cho những hiệu ứng này có thể được thực hiện bằng cách sử dụng một hệ số độ nhạy trong thuật toán lặp. Mặt khác, còn có những hiệu ứng LOR bên ngoài (tán xạ, ngẫu nhiên, độ phân giải) dẫn đến việc phát hiện ra các LOR sai. Việc sửa chữa cho những hiệu ứng này về nguyên tắc có thể được thực hiện bằng cách sửa đổi ma trận hệ thống sử dụng trong tái tạo lặp. Đối với tái tạo chế độ danh sách, ma trận hệ thống này không thể được tính toán trước do số lượng LOR có thể rất cao. Do đó, chúng tôi đã kết hợp một mô hình đơn giản (Siddon) cho phép tiến và lùi với một hàm làm mờ phụ thuộc vào độ sâu cho các hiệu ứng LOR bên ngoài gần. Chúng tôi đã chỉ ra cách mà độ phân giải thay đổi theo khoảng cách từ bộ dò và cách mà hiệu ứng này có thể được mô hình hóa một cách hiệu quả cùng với thuật toán Siddon. Các hiệu ứng như tán xạ và ngẫu nhiên được sửa chữa bằng cách sử dụng một hạng tử cộng thêm cho phép tiến. Chúng tôi cho thấy cách mà số lượng ngẫu nhiên dọc theo một LOR được ước lượng từ phân phối đơn và cách mà hiệu ứng này được sửa chữa bằng hạng tử cộng thêm trong tái tạo chế độ danh sách.