上周组里聊天，聊到PET的灵敏度图像，我的老师对这个东西不是很理解，毕竟是特定领域特定概念。组里别的老师在那儿努力向他解释，解释了半天，我老板在一旁跟我开玩笑说，这老师上课的话肯定是一位好老师。有些人，他自己是明白的，他知道怎么做，但他更像是工程师。如果其他人没有相关技术背景，比如是一位数学家，很可能向他解释一些基本的概念都是费力的。听他讲解这个概念，很有一种"对，你说的每个单词我都听懂了，但我还是不知道你在说什么"。然后大家又讲讲数学家，物理学家，工程师之间闹的一些笑话。

  我找来Jinyi Qi老师在06年发表在TNS上的文章《Calculation of the sensitivity image in list-mode reconstruction for PET》。Qi老师的数学水平不比有些大学里数学教授弱，因为写的不少文章就很数学。数学和物理背景的人读他的文章可能会获得愉悦感。

  这篇文章针对PET列表模式数据的灵敏度图像提出了四个估计方法：均匀采样估计方法（），这里M理解为选取的LOR数目而N是所有的LOR数目；带权重的采样方法（），这里是用户定义的容差因子而表示无噪声投影数据；灵敏度和的方差极小采样方法（），这里；灵敏度方差的和极小化采样方法（），这里而对应灵敏度矩阵第i行第j列元素。

  回到灵敏度图像的定义，说白了就是这个式子。它刻画了第j个体素对所有LOR的感知能力。宽泛的说，也反映PET系统对空间点源的探测效率。它与探测器环结构、准直器、衰减图等都有直接联系。在重建中，灵敏度图像和衰减图像都会结合起来使用。特别的，如果说（系统）感知矩阵你记为。它建模了衰减、点扩散效应、衰减等。它的列和就是灵敏度图像，对应算式。我们清楚系统感知矩阵很重要，事实上灵敏度图像也很重要。从计算的角度来说，你看看哪个重建算法里没有这一项。

  回到我们上周的讨论。这些智商这么高的人聊天，其实他们也可能听不懂对方在讲什么。回想起来，我还是多年前读书时跟师兄交流，第一次听到这个概念。自那时起，我从形式上就清楚这个东西，不难。关键是，聊天，还得找同频的。不然，怎么说，鸡同鸭讲呢。