(19)中华 人民共和国 国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202111338920.0 (22)申请日 2021.11.12 (71)申请人 苏州瑞派宁科技有限公司 地址 215163 江苏省苏州市高新区锦峰路8 号17栋 (72)发明人 程冉　肖鹏　汪飞　 (51)Int.Cl. G06F 17/10(2006.01) G06F 30/27(2020.01) G06N 20/20(2019.01) G06K 9/62(2022.01) G01T 1/202(2006.01) A61B 6/03(2006.01) (54)发明名称 计算反应深度的方法、 装置以及计算机可读 存储介质 (57)摘要 本申请提出一种计算反应深度的方法、 装置 以及计算机可读存储介质， 所述方法包括从光电 传感器/光电传感器阵列中获取与光子相关的特 征数据； 将所述特征数据输入预设的集成学习模 型中， 以计算光子的反应深度。 根据本申请的一 些实施例， 方案简单， 准确率高， 同时更便于使用 FPGA实现， 更容 易推广使用。 权利要求书2页 说明书9页 附图7页 CN 114186166 A 2022.03.15 CN 114186166 A 1.一种计算反应深度的方法， 其特 征在于， 所述方法包括： 从光电传感器/光电传感器阵列中获取与光子相关的特 征数据； 将所述特 征数据输入预设的集成学习模型中， 以计算 光子的反应深度。 2.根据权利要求1所述的方法， 其特征在于， 所述方法还包括： 利用样本数据训练所述 集成学习模型。 3.根据权利要求2所述的方法， 其特征在于， 所述样本数据包含从所述光电传感器/光 电传感器阵列的一端或两端获取的特 征数据。 4.根据权利要求2所述的方法， 其特征在于， 所述样本数据包括所述反应深度的特征数 据和反应深度。 5.根据权利要求1所述的方法， 其特征在于， 所述方法还包括： 将多个集成学习子模型 组合形成所述 集成学习模型。 6.根据权利要求5所述的方法， 其特征在于， 所述将所述特征数据输入预设的集成学习 模型中， 以计算 光子的反应深度， 包括： 在每个所述集成学习子模型中， 分别利用所述特征数据进行计算， 以分别生成光子的 反应深度； 根据多个所述集成学习子模型的计算结果， 通过投票或计算平均值的方式， 计算得到 光子的反应深度。 7.根据权利要求1所述的方法， 其特征在于， 所述集成学习模型采用随机森林算法、 提 升树算法或梯度提升树 算法中的一种或者多种进行计算。 8.根据权利要求1所述的方法， 其特征在于， 所述特征数据包括光子对应的能量信息、 脉冲采样点信息、 脉冲上升沿时间、 脉冲能量、 脉冲衰减时间和/或光电传感器/光电传感器 阵列上的光分布。 9.根据权利要求1所述的方法， 其特征在于， 所述从光电传感器/光电传感器阵列中获 取与光子相关的特征数据， 包括： 从与所述闪烁晶体/闪烁晶体阵列的一端或两端耦合的所 述光电传感器/光电传感器阵列获取 所述特征数据。 10.根据权利 要求9所述的方法， 其特征在于， 所述光电传感器采用PMT、 SiPM； 当闪烁晶 体/闪烁晶体阵列的两端耦合所述光电传感器/光电传感器阵列时， 两端同时设置PMT或者 SiPM， 或者 一端设置PMT， 一端设置SiPM 。 11.根据权利要求1所述的方法， 其特征在于， 所述光子包括X射线、 γ射线、 α射线、 β 射 线、 中子射线中的高能光子 。 12.一种计算反应深度的装置， 其特 征在于， 所述装置包括： 数据采集单 元， 用于从光电传感器/光电传感器阵列中获取与光子相关的特 征数据； 反应深度计算单元， 用于将所述特征数据输入预设的集成学习模型中， 以计算光子的 反应深度。 13.一种计算反应深度的装置， 其特 征在于， 包括： 一个或多个处 理器； 存储装置， 用于存 储计算机程序； 当所述计算机程序被所述一个或多个处理器执行时， 使得所述一个或多个处理器实现 如权利要求1 ‑11中任一所述的方法。权　利　要　求　书 1/2 页 2 CN 114186166 A 214.一种计算机可读存储介质， 其特征在于， 其上存储有程序指令， 所述程序指令被执 行时实现权利要求1 ‑11中任一项所述的方法。权　利　要　求　书 2/2 页 3 CN 114186166 A 3