CN109452949B - 计算机断层扫描设备的异物检测方法及装置和计算机装置 - Google Patents
计算机断层扫描设备的异物检测方法及装置和计算机装置 Download PDFInfo
- Publication number
- CN109452949B CN109452949B CN201811632377.3A CN201811632377A CN109452949B CN 109452949 B CN109452949 B CN 109452949B CN 201811632377 A CN201811632377 A CN 201811632377A CN 109452949 B CN109452949 B CN 109452949B
- Authority
- CN
- China
- Prior art keywords
- scanning
- data
- value
- scanning data
- threshold
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
- 238000001514 detection method Methods 0.000 title claims abstract description 62
- 238000002591 computed tomography Methods 0.000 title claims abstract description 32
- 238000005070 sampling Methods 0.000 claims abstract description 53
- 238000012937 correction Methods 0.000 claims abstract description 32
- 238000000034 method Methods 0.000 claims abstract description 26
- 238000012545 processing Methods 0.000 claims description 25
- 238000007781 pre-processing Methods 0.000 claims description 21
- 238000010606 normalization Methods 0.000 claims description 19
- 238000004590 computer program Methods 0.000 claims description 6
- 238000004364 calculation method Methods 0.000 abstract description 12
- 238000012827 research and development Methods 0.000 abstract description 10
- 230000000694 effects Effects 0.000 abstract description 6
- 230000002411 adverse Effects 0.000 abstract description 4
- 238000004458 analytical method Methods 0.000 abstract description 4
- 238000010586 diagram Methods 0.000 description 7
- 230000003287 optical effect Effects 0.000 description 6
- 238000012935 Averaging Methods 0.000 description 5
- 230000005856 abnormality Effects 0.000 description 5
- 239000002872 contrast media Substances 0.000 description 5
- 238000012790 confirmation Methods 0.000 description 3
- 238000004519 manufacturing process Methods 0.000 description 3
- 238000012360 testing method Methods 0.000 description 3
- 239000013043 chemical agent Substances 0.000 description 2
- 238000010205 computational analysis Methods 0.000 description 2
- 229940039231 contrast media Drugs 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000003672 processing method Methods 0.000 description 2
- 230000004044 response Effects 0.000 description 2
- 239000000126 substance Substances 0.000 description 2
- 230000002159 abnormal effect Effects 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000010200 validation analysis Methods 0.000 description 1
Images
Classifications
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B6/00—Apparatus or devices for radiation diagnosis; Apparatus or devices for radiation diagnosis combined with radiation therapy equipment
- A61B6/58—Testing, adjusting or calibrating thereof
- A61B6/586—Detection of faults or malfunction of the device
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B6/00—Apparatus or devices for radiation diagnosis; Apparatus or devices for radiation diagnosis combined with radiation therapy equipment
- A61B6/02—Arrangements for diagnosis sequentially in different planes; Stereoscopic radiation diagnosis
- A61B6/03—Computed tomography [CT]
- A61B6/032—Transmission computed tomography [CT]
Landscapes
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Engineering & Computer Science (AREA)
- Medical Informatics (AREA)
- Optics & Photonics (AREA)
- Biomedical Technology (AREA)
- Biophysics (AREA)
- High Energy & Nuclear Physics (AREA)
- Veterinary Medicine (AREA)
- Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
- Public Health (AREA)
- Pathology (AREA)
- Radiology & Medical Imaging (AREA)
- Physics & Mathematics (AREA)
- Heart & Thoracic Surgery (AREA)
- Molecular Biology (AREA)
- Surgery (AREA)
- Animal Behavior & Ethology (AREA)
- General Health & Medical Sciences (AREA)
- Pulmonology (AREA)
- Theoretical Computer Science (AREA)
- Apparatus For Radiation Diagnosis (AREA)
- Analysing Materials By The Use Of Radiation (AREA)
Abstract
本发明公开了一种计算机断层扫描设备的异物检测方法及装置和计算机装置,异物检测方法包括异物检测步骤,异物检测步骤包括:进行扫描,以采集多个采样角度下的第一扫描数据;根据第一扫描数据确定出判断标准值,判断标准值包括相邻采样角度扫描数据的最大差异值、采样角度扫描数据的标准差值及采样角度扫描数据的最大差异值中的一种或几种;比较判断标准值与判断阈值,以获得异物检测结果。本发明通过对扫描得到的数据进行分析来快速准确地发现与机器正常运转的无关物体,扫描方式及计算分析过程较为简单,提升了校正准确性,从而减少了异物带来的不利影响,同时减少了由于异常带来的研发问题的大量投入,进而提升了用户体验度。
Description
技术领域
本发明涉及图像处理技术领域,特别涉及一种计算机断层扫描设备的异物检测方法及装置和计算机装置。
背景技术
用于研发测试或者医院扫描的计算机断层扫描设备(即CT设备),经常会进行软硬件更新,更新软硬件过程和生产设备过程都可能会导致遗留一些物体在机架外壳。
同时在相关的检测中,机器设备与造影剂等化学试剂需要一起使用,这会导致发生更新或与化学试剂使用后机残留在机架外壳光路中,而其使用者在不会或者不能确认的情况下,可能会检测不出病灶,严重时会误诊。
目前,现有技术中机器工作状态的确认方法是做一套完整的自检和图像质量确认(IQ check)。但是,该确认方法需要借助其他的模体,并且检测过程时间很长。因此,一般CT设备只会在需要检测的时候或者出现问题时才会进行此项操作。而且,现有技术中其他的光路异常检测方法,扫描和分析过程复杂,并且没有考虑相关校正不正确等问题,导致用户体验效果不佳。
发明内容
以下给出一个或多个方面的简要概述以提供对这些方面的基本理解。此概述不是所有构想到的方面的详尽综览,并且既非旨在指认出所有方面的关键性或决定性要素亦非试图界定任何或所有方面的范围。其唯一的目的是要以简化形式给出一个或多个方面的一些概念以为稍后给出的更加详细的描述之序。
本发明要解决的技术问题是为了克服现有技术中光路异常检测方法的扫描和分析过程复杂,并且校正准确性低的缺陷,提供一种计算机断层扫描设备的异物检测方法及装置和计算机装置。
本发明是通过下述技术方案来解决所述技术问题:
一种计算机断层扫描设备的异物检测方法,其包括异物检测步骤,所述异物检测步骤包括:
进行扫描,以采集多个采样角度下的第一扫描数据;
根据所述第一扫描数据确定出判断标准值,所述判断标准值包括相邻采样角度扫描数据的最大差异值、采样角度扫描数据的标准差值及采样角度扫描数据的最大差异值中的一种或几种;
比较所述判断标准值与判断阈值,以获得异物检测结果。
可选地,所述异物检测方法还包括所述判断阈值的确定步骤,所述判断阈值的确定步骤包括:
确认所述计算机断层扫描设备的工作状态正常且扫描孔径内无异物后,进行扫描,以采集第二扫描数据;
根据所述第二扫描数据确定出所述判断阈值,所述判断阈值包括相邻采样角度扫描数据的最大差异阈值、采样角度扫描数据的标准差阈值及采样角度扫描数据的最大差异阈值中的一种或几种。
可选地,所述进行扫描,以采集第一扫描数据的步骤包括:
根据预设扫描协议进行坏像素扫描,以采集第一扫描数据;
对所述第一扫描数据进行预处理;
在所述根据所述第一扫描数据确定出判断标准值的步骤中,根据预处理后的所述第一扫描数据确定出判断标准值。
可选地,所述进行扫描,以采集第二扫描数据的步骤包括:
根据预设扫描协议对空气及预设异物进行坏像素扫描,以采集第二扫描数据;
对所述第二扫描数据进行预处理;
在所述根据所述第二扫描数据确定出判断标准值的步骤中,根据预处理后的所述第二扫描数据确定出所述判断阈值。
可选地,所述对所述第一扫描数据进行预处理的步骤包括:
对所述第一扫描数据进行坏扫描角度及坏像素校正;
所述对所述第二扫描数据进行预处理的步骤包括:
对所述第二扫描数据进行坏扫描角度及坏像素校正。
可选地,确定出所述相邻采样角度扫描数据的最大差异值的步骤包括:
确定采集到的相邻两个采样角度的生数据差别的最大值;
确定出所述采样角度扫描数据的标准差值的步骤包括:
针对每一排探测器采集到的数据,将每个像素上的生数据做归一化;
针对归一化的结果做标准差,以确定采样角度扫描数据的标准差值;
确定出所述采样角度扫描数据的最大差异值的步骤包括:
针对每一排探测器采集到的数据,将每个像素上的生数据做归一化;
针对归一化的结果做最大值和最小值的差值,以确定采样角度扫描数据的最大差异值。
一种计算机断层扫描设备的异物检测装置,其包括异物检测模块;
所述异物检测模块包括:
第一采集单元,配置为进行扫描,以采集多个采样角度下的第一扫描数据;
第一处理单元,配置为根据所述第一扫描数据确定出判断标准值,所述判断标准值包括相邻采样角度扫描数据的最大差异值、采样角度扫描数据的标准差值及采样角度扫描数据的最大差异值中的一种或几种;
判断单元,配置为比较所述判断标准值与判断阈值,以获得异物检测结果。
可选地,所述异物检测装置还包括判断阈值确定模块;
所述判断阈值确定模块包括:
第二采集单元,配置为确认所述计算机断层扫描设备的工作状态正常且扫描孔径内无异物后,进行扫描,以采集第二扫描数据;
第二处理单元,配置为根据所述第二扫描数据确定出所述判断阈值,所述判断阈值包括相邻采样角度扫描数据的最大差异阈值、采样角度扫描数据的标准差阈值及采样角度扫描数据的最大差异阈值中的一种或几种。
可选地,所述异物检测模块还包括第一预处理单元;
所述第一采集单元配置为根据预设扫描协议进行坏像素扫描,以采集第一扫描数据;
所述第一预处理单元配置为对所述第一扫描数据进行预处理;
所述第一处理单元配置为根据预处理后的所述第一扫描数据确定出判断标准值。
可选地,所述判断阈值确定模块还包括第二预处理单元;
所述第二采集单元配置为根据预设扫描协议对空气及预设异物进行坏像素扫描,以采集第二扫描数据;
所述第二预处理单元配置为对所述第二扫描数据进行预处理;
所述第二处理单元配置为根据预处理后的所述第二扫描数据确定出所述判断阈值。
可选地,所述第一预处理单元配置为对所述第一扫描数据进行坏扫描角度及坏像素校正;
所述第二预处理单元配置为对所述第二扫描数据进行坏扫描角度及坏像素校正。
可选地,所述第一处理单元配置为:
确定采集到的相邻两个采样角度的生数据差别的最大值;
所述第一处理单元配置为:
针对每一排探测器采集到的数据,将每个像素上的生数据做归一化;
针对归一化的结果做标准差,以确定采样角度扫描数据的标准差值;
所述第一处理单元配置为:
针对每一排探测器采集到的数据,将每个像素上的生数据做归一化;
针对归一化的结果做最大值和最小值的差值,以确定采样角度扫描数据的最大差异值。
一种计算机装置,包括存储器、处理器以及存储在存储器上的计算机程序,所述处理器配置为执行存储在所述存储器上的计算机程序时实现如上述的异物检测方法的步骤。
在符合本领域常识的基础上,所述各优选条件,可任意组合,即得本发明各较佳实施例。
本发明的积极进步效果在于:
本发明通过对扫描得到的数据进行分析来快速准确地发现与机器正常运转的无关物体,扫描方式及计算分析过程较为简单,提升了校正准确性,从而有效地减少了异物带来的不利影响,同时减少了由于异常带来的研发问题的大量投入,极大地方便了医生或研发人员快速发现异物,进而提升了用户体验度。
附图说明
在结合以下附图阅读本公开的实施例的详细描述之后,能够更好地理解本发明的所述特征和优点。在附图中,各组件不一定是按比例绘制,并且具有类似的相关特性或特征的组件可能具有相同或相近的附图标记。
图1为本发明较佳实施例的计算机断层扫描设备的异物检测方法的判断阈值的确定步骤的流程图。
图2为本发明较佳实施例的计算机断层扫描设备的异物检测方法的异物检测步骤的流程图。
图3为本发明较佳实施例的本发明较佳实施例的计算机断层扫描设备的异物检测装置的异物检测模块的结构示意图。
图4为本发明较佳实施例的本发明较佳实施例的计算机断层扫描设备的异物检测装置的判断阈值确定模块的结构示意图。
图5为本发明较佳实施例的本发明较佳实施例的扫描扎带时三个判断标准计算结果和相应阈值的比较示意图。
图6为本发明较佳实施例的本发明较佳实施例的扫描注射器时三个判断标准计算结果和相应阈值的比较示意图。
图7为本发明较佳实施例的本发明较佳实施例的有异物时三个判断标准值的比较示意图。
图8为本发明较佳实施例的本发明较佳实施例的没有异物时三个判断标准值的比较示意图。
附图标记说明:
101 步骤;
102 步骤;
103 步骤;
104 步骤;
201 步骤;
202 步骤;
203 步骤;
204 步骤;
205 步骤;
206 步骤;
207 步骤;
异物检测模块 1
第一采集单元 11
第一预处理单元 12
第一处理单元 13
判断单元 14
判断阈值确定模块 2
第二采集单元 21
第二预处理单元 22
第二处理单元 23
具体实施方式
以下结合附图和具体实施例对本发明作详细描述。注意,以下结合附图和具体实施例描述的诸方面仅是示例性的,而不应被理解为对本发明的保护范围进行任何限制。
给出以下描述以使得本领域技术人员能够实施和使用本发明并将其结合到具体应用背景中。各种变型、以及在不同应用中的各种使用对于本领域技术人员将是容易显见的,并且本文定义的一般性原理可适用于较宽范围的实施例。由此,本发明并不限于本文中给出的实施例,而是应被授予与本文中公开的原理和新颖性特征相一致的最广义的范围。
在以下详细描述中,阐述了许多特定细节以提供对本发明的更透彻理解。然而,对于本领域技术人员显而易见的是,本发明的实践可不必局限于这些具体细节。换言之,公知的结构和器件以框图形式示出而没有详细显示,以避免模糊本发明。
注意,在使用到的情况下,标志左、右、前、后、顶、底、正、反、顺时针和逆时针仅仅是出于方便的目的所使用的,而并不暗示任何具体的固定方向。事实上,它们被用于反映对象的各个部分之间的相对位置和/或方向。
本实施例提供一种计算机断层扫描设备的异物检测方法,所述异物检测方法包括判断阈值的确定步骤及异物检测步骤,执行所述异物检测步骤之前,执行判断阈值的确定步骤。
具体地,如图1所示,所述判断阈值的确定步骤包括以下步骤:
步骤101、确认设备合格。
在本步骤中,检测所述计算机断层扫描设备的工作状态是否正常(包括硬件和软件配置,图像质量合格),并且检测扫描孔径内是否无异物。
当确认到所述计算机断层扫描设备的工作状态正常且扫描孔径内无异物之后,执行步骤102。
步骤102、根据扫描协议扫描空气及常见异物。
在本步骤中,根据预设扫描协议对空气和预设异物进行扫描,以采集第二扫描数据,即第二生数据(Raw data,第二原始数据)。
在本实施例中,所述预设异物为生产研发以及医院现场常见的异物,例如,纸、塑料扎带、纱布、笔、注射器、螺丝刀、造影剂等。
在本实施例中,对空气和预设异物进行坏像素(BadChannel)校正扫描,以得到对应校正表。
在本实施例中,扫描协议参数与机器型号有关,不同的机型硬软件配置不同,相应的扫描协议也不同。
例如,扫描协议为80kv_100mAs_1sRotateTime_BodyBowtie_2400view_Small_USFS_16x1.2Collimation。
在本实施例中,为了减少系统误差,每种不同机型需要在三台以上的相同机型上采集同样扫描协议的原始数据。
执行步骤102之后,执行步骤103。
步骤103、对第二扫描数据进行预处理。
在本步骤中,对所述第二扫描数据进行坏扫描角度(BadView)及坏像素(BadChannel)校正。
具体地,将第二生数据完成坏扫描角度和坏像素校正,并且通过投影或者重建结果确认会对CT图像产生影响的异物。
在本实施例中,坏扫描角度是指在旋转扫描过程中某些角度(ViewAngle,简称View)放线异常,例如,球管打火等。
在本实施例中,坏像素是指在探测器的像素异常,例如,响应异常或者损坏等。
经过测试发现,纸、塑料扎带、纱布等异物不会对CT图像质量产生影响,而笔、注射器、螺丝刀、造影剂等异物会对CT图像质量产生影响。
执行步骤103之后,执行步骤104。
步骤104、计算出三个判断阈值。
在本步骤中,根据预处理后的所述第二扫描数据计算出三个判断阈值。
在本实施例中,三个判断阈值分别为相邻采样扫描数据的最大差异阈值(即相邻View最大差异阈值)、采样角度扫描数据的标准差阈值(即View标准差阈值)及采样角度扫描数据的最大差异阈值(即View最大差异阈值),但也可以是其中的一种或几种。
在本实施例中,一个View指的是一个特定采样角度下探测器采集到的数据,计算机断层扫描设备扫描时机架旋转,会在不同角度获得投影数据,一般旋转一圈获得1200个或2400个View。
在本实施例中,生数据包含探测器矩形阵列(Channel,Slice)和扫描角度View三个维度,本实施例检测的是光路内不随机器旋转且会影响图像质量的异物,因此,主要是在View方向进行操作。
在本实施例中,一个Slice指的是多排探测器的其中一排采集到的数据。
在本实施例中,Channel(像素)指的是探测器的一排上有多个探测器单元,每个单元是一个Channel(或称为通道)。一个矩形的探测器,是由多个探测器单元(或称为探测器像素、探测器通道)组成的阵列。一般称短边方向为Slice方向(或称为切片方向),长边方向为Channel方向(通道方向)。
下面分别说明三个判断阈值的计算方式。
1、相邻View最大差异阈值(TolerenceDiffView)
计算出所述相邻View最大差异阈值的步骤包括:
计算采集到的相邻两个View生数据差别的最大值。
具体地,计算空气与常见异物扫描一圈采集到的相邻两个View生数据差别的最大值DiffView,DiffView满足以下公式:
DiffView(view)=max(raw(view+1)-raw(view));
根据DiffView随所有View变化确定一个阈值TolerenceDiffView,以满足该阈值大于空气和不影响图像质量异物的DiffView,而小于会影响图像质量异物的DiffView。
2、View标准差阈值(TolerenceStdView)
计算出所述View标准差阈值的步骤包括:
针对每个Slice,将每个Channel上的生数据在View方向做归一化;
针对归一化的结果在View方向做标准差,以确定View标准差阈值。
具体地,针对每个Slice,将处理后的每个Channel上的扫描空气的原始数据在View方向做平均,再除以该平均值,即在view方向上做归一化。
然后,再针对该归一化的结果在View方向做标准差StdView,计算每个Slice的对应的StdView之后,选取各个通道内最大的StdView作为此标准的基准BaseTolerenceStdView。
然后,再根据此方式计算影响图像质量常见异物对应的StdView,在BaseTolerenceStdView的基础上乘以一个调制系数StdViewIndex得到最终的TolerenceStdView,以满足该阈值大于空气和不影响图像质量异物的StdView,而小于会影响图像质量异物的StdView。
最终的公式如下:
TolerenceStd(chn)=StdIndex*max(Std(chn,slice),slice)。
3、View最大差异阈值(TolerenceDeltaView)
计算出所述View最大差异阈值的步骤包括:
针对每个Slice,将每个Channel上的生数据在View方向做归一化;
针对归一化的结果在View方向做最大值和最小值的差值,以确定View最大差异阈值。
具体地,同标准差的处理方法,针对每个Slice,将处理后的每个Channel上的扫描空气的原始数据在View方向做平均,再除以该平均值,即在view方向上做归一化。
然后,再针对该归一化的结果在View方向做最大值和最小值的差值DeltaView,计算每个Slice的对应的DeltaView之后,选取各个通道内最大的DeltaView作为此标准的基准BaseTolerenceDeltaView。
然后,再根据此方式计算影响图像质量常见异物对应的DeltaView,在BaseTolerenceDeltaView的基础上乘以一个调制系数DeltaViewIndex得到最终的TolerenceDeltaView,以满足该阈值大于空气和不影响图像质量异物的DeltaView,而小于会影响图像质量异物的DeltaView。
最终的公式如下:
TolerenceDelta(chn)=DeltaIndex*max(Delta(chn,slice),slice)。
在本实施例中,以上三个判断阈值的计算,每个不同配置的计算机断层扫描设备均需要采集多台不同状态的机器数据综合来给出。
如图5及图6所示,三个判断阈值的给出需要满足大于空气或者不会影响CT图像质量的异物(比如塑料扎带,图5)对应的三个判断标准,并且需要小于会影响CT图像质量的异物(比如注射器,图6)的判断标准。
具体地,所述异物检测方法包括以下步骤:
步骤201、根据扫描协议进行扫描。
在本步骤中,根据预设扫描协议进行扫描,以采集第一扫描数据,即第一生数据(Raw data,第一原始数据)。
在本实施例中,进行坏像素校正扫描,以得到对应校正表。
在本实施例中,扫描协议为80kv_100mAs_1sRotateTime_BodyBowtie_2400view_Small_USFS_16x1.2Collimation。
执行步骤201之后,执行步骤202。
步骤202、对第一扫描数据进行预处理。
在本步骤中,对所述第一扫描数据进行坏扫描角度及坏像素校正。
执行步骤202之后,执行步骤203。
步骤203、计算出三个判断标准值。
在本步骤中,根据预处理后的所述第一扫描数据计算出三个判断标准值。
在本实施例中,三个判断标准值分别为相邻View最大差异值、View标准差值及View最大差异值,但也可以是其中的一种或几种。
下面分别说明三个判断标准值的计算方式。
1、相邻View最大差异值(DiffView)
计算出所述相邻View最大差异值的步骤包括:
计算采集到的相邻两个View生数据差别的最大值。
具体地,计算扫描一圈采集到的相邻两个View生数据差别的最大值DiffView,DiffView满足以下公式:
DiffView(view)=max(raw(view+1)-raw(view))。
2、View标准差值(StdView)
计算出所述View标准差值的步骤包括:
针对每个Slice,将每个Channel上的生数据在View方向做归一化;
针对归一化的结果在View方向做标准差,以确定View标准差值。
具体地,针对每个Slice,将处理后的每个Channel上的原始数据在View方向做平均,再除以该平均值,即在view方向上做归一化。
然后,再针对该归一化的结果在View方向做标准差,计算每个Slice的对应的StdView,公式如下:
3、View最大差异值(DeltaView)
计算出所述View最大差异值的步骤包括:
针对每个Slice,将每个Channel上的生数据在View方向做归一化;
针对归一化的结果在View方向做最大值和最小值的差值,以确定View最大差异值。
具体地,针对每个Slice,将处理后的每个Channel上的原始数据在View方向做平均,再除以该平均值,即在view方向上做归一化。
然后,再针对该归一化的结果在View方向做最大值和最小值的差值,计算每个Slice的对应的DeltaView,公式如下:
执行步骤203之后,执行步骤204。
步骤204、判断标准值是否在判断阈值范围内,若是,执行步骤207,若否,执行步骤205。
在本步骤中,比较判断标准值与判断阈值,以获得异物检测结果。
具体地,将上面计算得到三个判断标准值与对应的三个判断阈值分别进行比较。
三个判断式为:连续RangeView个DiffView大于TolerenceDiffView(P1),任何一个Slice对应有连续RangeChannel个StdView大于TolerenceStdView(P2),任何一个Slice对应有连续RangeChannel个DeltaView大于TolerenceDel taView(P3)。
如果满足(P1||P2)&&P3或(P1&&P3)||P2为真,则判断扫描孔径内有影响图像质量的异物,执行步骤205,否则,执行步骤207。
当然,三个判断标准值的判断方式还存在其他的逻辑组合,可根据实际情况来进行相应的设定。
如图7所示,当有异物时三个判断标准值与对应的三个判断阈值的比较情况,如图8所示,当没有异物时三个判断标准值与对应的三个判断阈值的比较情况。
步骤205、确认是否有异物,若是,执行步骤206,若否,执行步骤207。
在本步骤中,如果判断有异物,会弹出警示框提示用户扫描孔径内可能有异物,需要用户进去确认是否有异物。
如果用户确认没有明显异物则可以点击忽略并执行步骤207。
步骤206、移除异物。
在本步骤中,如果有异物则需要用户移除异物后点击确认。
执行步骤206之后,执行步骤201。
步骤207、结束本流程。
在本步骤中,结束本流程,或进入下一步校正,或继续进行其他操作。
在本实施例中,除了空气校正前,每次临床扫描操作前都可以执行所述异物检测方法,以保证扫描前扫描孔径内没有异物。
在本实施例中,主要针对计算机断层扫描设备的扫描孔径外光路内会影像图像质量的异物进行检测,优势主要有:
1、扫描只需要空气扫描一圈,无需借助其他的模体,检测时机器运转状态简单,扫描方式比较简单;
2、只需要对采集的数据进行数值运算,无需矩阵等复杂运算,计算过程简单,计算时间迅速,基本是扫描完几秒钟就可以得到检测结果;
3、本实施例扫描是在其他大部分校正之前,针对需要提前进行的校正也有规避校正不正确的措施,不存在校正不正确的问题。
本实施例提供的计算机断层扫描设备的异物检测方法通过对扫描得到的数据进行分析来快速准确地发现与机器正常运转的无关物体,扫描方式及计算分析过程较为简单,提升了校正准确性,从而有效地减少了异物带来的不利影响,同时减少了由于异常带来的研发问题的大量投入,极大地方便了医生或研发人员快速发现异物,进而提升了用户体验度。
如图3及图4所示,本实施例还提供一种计算机断层扫描设备的异物检测装置,所述异物检测装置包括异物检测模块1及判断阈值确定模块2。
异物检测模块1包括第一采集单元11、第一预处理单元12、第一处理单元13及判断单元14,判断阈值确定模块2包括第二采集单元21、第二预处理单元22及第二处理单元23。
具体地,第二采集单元21配置为当确认到所述计算机断层扫描设备的工作状态正常且扫描孔径内无异物之后,根据预设扫描协议对空气和预设异物进行扫描,以采集第二扫描数据,即第二生数据。
在本实施例中,所述预设异物为生产研发以及医院现场常见的异物,例如,纸、塑料扎带、纱布、笔、注射器、螺丝刀、造影剂等。
在本实施例中,对空气和预设异物进行坏像素校正扫描,以得到对应校正表。
在本实施例中,扫描协议参数与机器型号有关,不同的机型硬软件配置不同,相应的扫描协议也不同。
例如,扫描协议为80kv_100mAs_1sRotateTime_BodyBowtie_2400view_Small_USFS_16x1.2Collimation。
在本实施例中,为了减少系统误差,每种不同机型需要在三台以上的相同机型上采集同样扫描协议的原始数据。
第二预处理单元22配置为对所述第二扫描数据进行坏扫描角度及坏像素校正。
具体地,将第二生数据完成坏扫描角度和坏像素校正,并且通过投影或者重建结果确认会对CT图像产生影响的异物。
在本实施例中,坏扫描角度是指在旋转扫描过程中某些角度放线异常,例如,球管打火等。
在本实施例中,坏像素是指在探测器的像素异常,例如,响应异常或者损坏等。
经过测试发现,纸、塑料扎带、纱布等异物不会对CT图像质量产生影响,而笔、注射器、螺丝刀、造影剂等异物会对CT图像质量产生影响。
第二处理单元23配置为根据预处理后的所述第二扫描数据计算出三个判断阈值。
在本实施例中,三个判断阈值分别为相邻View最大差异阈值、View标准差阈值及View最大差异阈值,但也可以是其中的一种或几种。
在本实施例中,生数据包含探测器矩形阵列和扫描角度View三个维度,本实施例检测的是光路内不随机器旋转且会影响图像质量的异物,因此,主要是在View方向进行操作。
下面分别说明三个判断阈值的计算方式。
1、相邻View最大差异阈值(TolerenceDiffView)
第二处理单元23配置为:计算采集到的相邻两个View生数据差别的最大值。
具体地,计算空气与常见异物扫描一圈采集到的相邻两个View生数据差别的最大值DiffView,DiffView满足以下公式:
DiffView(view)=max(raw(view+1)-raw(view));
根据DiffView随所有View变化确定一个阈值TolerenceDiffView,以满足该阈值大于空气和不影响图像质量异物的DiffView,而小于会影响图像质量异物的DiffView。
2、View标准差阈值(TolerenceStdView)
第二处理单元23配置为:
针对每个Slice,将每个Channel上的生数据在View方向做归一化;
针对归一化的结果在View方向做标准差,以确定View标准差阈值。
具体地,针对每个Slice,将处理后的每个Channel上的扫描空气的原始数据在View方向做平均,再除以该平均值,即在view方向上做归一化。
然后,再针对该归一化的结果在View方向做标准差StdView,计算每个Slice的对应的StdView之后,选取各个通道内最大的StdView作为此标准的基准BaseTolerenceStdView。
然后,再根据此方式计算影响图像质量常见异物对应的StdView,在BaseTolerenceStdView的基础上乘以一个调制系数StdViewIndex得到最终的TolerenceStdView,以满足该阈值大于空气和不影响图像质量异物的StdView,而小于会影响图像质量异物的StdView。
最终的公式如下:
TolerenceStd(chn)=StdIndex*max(Std(chn,slice),slice)。
3、View最大差异阈值(TolerenceDeltaView)
第二处理单元23配置为:
针对每个Slice,将每个Channel上的生数据在View方向做归一化;
针对归一化的结果在View方向做最大值和最小值的差值,以确定View最大差异阈值。
具体地,同标准差的处理方法,针对每个Slice,将处理后的每个Channel上的扫描空气的原始数据在View方向做平均,再除以该平均值,即在view方向上做归一化。
然后,再针对该归一化的结果在View方向做最大值和最小值的差值DeltaView,计算每个Slice的对应的DeltaView之后,选取各个通道内最大的DeltaView作为此标准的基准BaseTolerenceDeltaView。
然后,再根据此方式计算影响图像质量常见异物对应的DeltaView,在BaseTolerenceDeltaView的基础上乘以一个调制系数DeltaViewIndex得到最终的TolerenceDeltaView,以满足该阈值大于空气和不影响图像质量异物的DeltaView,而小于会影响图像质量异物的DeltaView。
最终的公式如下:
TolerenceDelta(chn)=DeltaIndex*max(Delta(chn,slice),slice)。
在本实施例中,以上三个判断阈值的计算,每个不同配置的计算机断层扫描设备均需要采集多台不同状态的机器数据综合来给出。
第一采集单元11配置为根据预设扫描协议进行扫描,以采集第一扫描数据,即第一生数据。
在本实施例中,进行坏像素校正扫描,以得到对应校正表。
在本实施例中,扫描协议为80kv_100mAs_1sRotateTime_BodyBowtie_2400view_Small_USFS_16x1.2Collimation。
第一预处理单元12配置为对所述第一扫描数据进行坏扫描角度及坏像素校正。
第一处理单元13配置为根据预处理后的所述第一扫描数据计算出三个判断标准值。
在本实施例中,三个判断标准值分别为相邻View最大差异值、View标准差值及View最大差异值,但也可以是其中的一种或几种。
下面分别说明三个判断标准值的计算方式。
1、相邻View最大差异值(DiffView)
第一处理单元13配置为计算采集到的相邻两个View生数据差别的最大值。
具体地,计算扫描一圈采集到的相邻两个View生数据差别的最大值DiffView,DiffView满足以下公式:
DiffView(view)=max(raw(view+1)-raw(view))。
2、View标准差值(StdView)
第一处理单元13配置为:
针对每个Slice,将每个Channel上的生数据在View方向做归一化;
针对归一化的结果在View方向做标准差,以确定View标准差值。
具体地,针对每个Slice,将处理后的每个Channel上的原始数据在View方向做平均,再除以该平均值,即在view方向上做归一化。
然后,再针对该归一化的结果在View方向做标准差,计算每个Slice的对应的StdView,公式如下:
3、View最大差异值(DeltaView)
第一处理单元13配置为:
针对每个Slice,将每个Channel上的生数据在View方向做归一化;
针对归一化的结果在View方向做最大值和最小值的差值,以确定View最大差异值。
具体地,针对每个Slice,将处理后的每个Channel上的原始数据在View方向做平均,再除以该平均值,即在view方向上做归一化。
然后,再针对该归一化的结果在View方向做最大值和最小值的差值,计算每个Slice的对应的DeltaView,公式如下:
判断单元14配置为比较判断标准值与判断阈值,以获得异物检测结果。
具体地,将上面计算得到三个判断标准值与对应的三个判断阈值分别进行比较。
三个判断式为:连续RangeView个DiffView大于TolerenceDiffView(P1),任何一个Slice对应有连续RangeChannel个StdView大于TolerenceStdView(P2),任何一个Slice对应有连续RangeChannel个DeltaView大于TolerenceDel taView(P3)。
如果满足(P1||P2)&&P3或(P1&&P3)||P2为真,则判断扫描孔径内有影响图像质量的异物,否则,判断扫描孔径内没有异物。
当然,三个判断标准值的判断方式还存在其他的逻辑组合,可根据实际情况来进行相应的设定。
如果判断有异物,会弹出警示框提示用户扫描孔径内可能有异物,需要用户进去确认是否有异物。
如果用户确认没有明显异物则可以点击忽略,并且结束异物检测操作,或进入下一步校正,或继续进行其他操作。
如果有异物则需要用户移除异物后点击确认,并且重新进行异物检测操作。
在本实施例中,除了空气校正前,每次临床扫描操作前都可以进行本次异物检测操作,以保证扫描前扫描孔径内没有异物。
本实施例提供的计算机断层扫描设备的异物检测装置通过对扫描得到的数据进行分析来快速准确地发现与机器正常运转的无关物体,扫描方式及计算分析过程较为简单,提升了校正准确性,从而有效地减少了异物带来的不利影响,同时减少了由于异常带来的研发问题的大量投入,极大地方便了医生或研发人员快速发现异物,进而提升了用户体验度。
本实施例还提供一种计算机装置(图中未示出),所述计算机装置包括存储器、处理器以及存储在存储器上的计算机程序,所述处理器配置为执行存储在所述存储器上的计算机程序时实现如上述的计算机断层扫描设备的异物检测方法的步骤。
尽管为使解释简单化将所述方法图示并描述为一系列动作,但是应理解并领会,这些方法不受动作的次序所限,因为根据一个或多个实施例,一些动作可按不同次序发生和/或与来自本文中图示和描述或本文中未图示和描述但本领域技术人员可以理解的其他动作并发地发生。
提供对本公开的先前描述是为使得本领域任何技术人员皆能够制作或使用本公开。对本公开的各种修改对本领域技术人员来说都将是显而易见的,且本文中所定义的普适原理可被应用到其他变体而不会脱离本公开的精神或范围。由此,本公开并非旨在被限定于本文中所描述的示例和设计,而是应被授予与本文中所公开的原理和新颖性特征相一致的最广范围。
Claims (10)
1.一种计算机断层扫描设备的异物检测方法,其特征在于,包括异物检测步骤,所述异物检测步骤包括:
进行扫描,以采集多个采样角度下的第一扫描数据;
根据所述第一扫描数据确定出判断标准值,所述判断标准值包括相邻采样角度扫描数据的最大差异值、采样角度扫描数据的标准差值及采样角度扫描数据的最大差异值中的一种或几种;
对空气和常见的预设异物进行扫描,以采集第二扫描数据,根据所述第二扫描数据确定出判断阈值;所述判断阈值须大于空气和不会影响CT图像质量的异物的扫描阈值,并小于会影响CT图像质量的异物的扫描阈值;
比较所述判断标准值与判断阈值,以获得异物检测结果。
2.如权利要求1所述的异物检测方法,其特征在于,所述异物检测方法还包括所述判断阈值的确定步骤,所述判断阈值的确定步骤包括:
确认所述计算机断层扫描设备的工作状态正常且扫描孔径内无异物后,进行扫描,以采集第二扫描数据;
所述判断阈值包括相邻采样扫描数据的最大差异阈值、采样角度扫描数据的标准差阈值及采样角度扫描数据的最大差异阈值中的一种或几种。
3.如权利要求2所述的异物检测方法,其特征在于,所述进行扫描,以采集第一扫描数据的步骤包括:
根据预设扫描协议进行坏像素扫描,以采集第一扫描数据;
对所述第一扫描数据进行预处理;
在所述根据所述第一扫描数据确定出判断标准值的步骤中,根据预处理后的所述第一扫描数据确定出判断标准值。
4.如权利要求3所述的异物检测方法,其特征在于,所述进行扫描,以采集第二扫描数据的步骤包括:
根据预设扫描协议对空气及预设异物进行坏像素扫描,以采集第二扫描数据;
对所述第二扫描数据进行预处理;
在所述根据所述第二扫描数据确定出判断阈值的步骤中,根据预处理后的所述第二扫描数据确定出所述判断阈值。
5.如权利要求4所述的异物检测方法,其特征在于,对所述第一扫描数据进行预处理的步骤包括:
对所述第一扫描数据进行坏扫描角度及坏像素校正;
对所述第二扫描数据进行预处理的步骤包括:
对所述第二扫描数据进行坏扫描角度及坏像素校正。
6.如权利要求1所述的异物检测方法,其特征在于,确定出所述相邻采样角度扫描数据的最大差异值的步骤包括:
确定采集到的相邻两个采样角度的生数据差别的最大值;
确定出所述采样角度扫描数据的标准差值的步骤包括:
针对每一排探测器采集到的数据,将每个像素上的生数据做归一化;
针对归一化的结果做标准差,以确定采样角度扫描数据的标准差值;
确定出所述采样角度扫描数据的最大差异值的步骤包括:
针对每一排探测器采集到的数据,将每个像素上的生数据做归一化;
针对归一化的结果做最大值和最小值的差值,以确定采样角度扫描数据的最大差异值。
7.一种计算机断层扫描设备的异物检测装置,其特征在于,采用如权利要求1~6任一项中的计算机断层扫描设备的异物检测方法,所述计算机断层扫描设备的异物检测装置包括异物检测模块;
所述异物检测模块包括:
第一采集单元,配置为进行扫描,以采集第一扫描数据;
第一处理单元,配置为根据所述第一扫描数据确定出判断标准值,所述判断标准值包括相邻采样角度扫描数据的最大差异值、采样角度扫描数据的标准差值及采样角度扫描数据的最大差异值中的一种或几种;
判断单元,配置为比较所述判断标准值与判断阈值,以获得异物检测结果。
8.如权利要求7所述的异物检测装置,其特征在于,所述异物检测装置还包括判断阈值确定模块;
所述判断阈值确定模块包括:
第二采集单元,配置为确认所述计算机断层扫描设备的工作状态正常且扫描孔径内无异物后,进行扫描,以采集第二扫描数据;
第二处理单元,配置为根据所述第二扫描数据确定出所述判断阈值,所述判断阈值包括相邻采样角度扫描数据的最大差异阈值、采样角度扫描数据的标准差阈值及采样角度扫描数据的最大差异阈值中的一种或几种。
9.如权利要求7所述的异物检测装置,其特征在于,所述第一处理单元配置为:
确定采集到的相邻两个采样角度的生数据差别的最大值;
所述第一处理单元配置为:
针对每一排探测器采集到的数据,将每个像素上的生数据做归一化;
针对归一化的结果做标准差,以确定采样角度扫描数据的标准差值;
所述第一处理单元配置为:
针对每一排探测器采集到的数据,将每个像素上的生数据做归一化;
针对归一化的结果做最大值和最小值的差值,以确定采样角度扫描数据的最大差异值。
10.一种计算机装置,包括存储器、处理器以及存储在存储器上的计算机程序,其特征在于,所述处理器配置为执行存储在所述存储器上的计算机程序时实现如权利要求1~6中任意一项所述的异物检测方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811632377.3A CN109452949B (zh) | 2018-12-29 | 2018-12-29 | 计算机断层扫描设备的异物检测方法及装置和计算机装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811632377.3A CN109452949B (zh) | 2018-12-29 | 2018-12-29 | 计算机断层扫描设备的异物检测方法及装置和计算机装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN109452949A CN109452949A (zh) | 2019-03-12 |
CN109452949B true CN109452949B (zh) | 2022-08-09 |
Family
ID=65615653
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201811632377.3A Active CN109452949B (zh) | 2018-12-29 | 2018-12-29 | 计算机断层扫描设备的异物检测方法及装置和计算机装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109452949B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110353714B (zh) * | 2019-07-19 | 2023-02-03 | 上海联影医疗科技股份有限公司 | Ct设备异常检测方法、装置、设备及存储介质 |
Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106923852A (zh) * | 2015-12-30 | 2017-07-07 | 上海联影医疗科技有限公司 | Ct设备及其光路异常检测方法 |
Family Cites Families (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP3510316B2 (ja) * | 1994-05-16 | 2004-03-29 | ジーイー横河メディカルシステム株式会社 | X線ct装置の異物検出方法及び異物検出装置 |
JPH11253439A (ja) * | 1998-03-12 | 1999-09-21 | Hitachi Medical Corp | X線ct装置 |
-
2018
- 2018-12-29 CN CN201811632377.3A patent/CN109452949B/zh active Active
Patent Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106923852A (zh) * | 2015-12-30 | 2017-07-07 | 上海联影医疗科技有限公司 | Ct设备及其光路异常检测方法 |
Also Published As
Publication number | Publication date |
---|---|
CN109452949A (zh) | 2019-03-12 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US6275559B1 (en) | Method and system for diagnosing faults in imaging scanners | |
JP3949796B2 (ja) | タイヤ形状判定装置 | |
US20070165772A1 (en) | Methods and apparatus for scatter correction | |
US7602951B2 (en) | Method and system for providing defective cell correction in a medical imaging device | |
US7801264B2 (en) | Method for calibrating a dual -spectral computed tomography (CT) system | |
CN108256292B (zh) | 一种拷贝数变异检测装置 | |
CN110060316B (zh) | 一种用于ct重建中多区域分割的环伪影校正方法 | |
US9468377B2 (en) | Portable medical device and method for quantitative retinal image analysis through a smartphone | |
CN104077758B (zh) | Ct图像重建方法 | |
US7086780B2 (en) | Methods for spectrally calibrating CT imaging apparatus detectors | |
CN109452949B (zh) | 计算机断层扫描设备的异物检测方法及装置和计算机装置 | |
JP2014045488A (ja) | ドットノイズを実質的に除去するための方法および画像処理装置 | |
US20180040127A1 (en) | Image processing device, image processing method, and computer program product thereon | |
CN108492327B (zh) | Aoi图像匹配方法、系统、可读存储介质及智能设备 | |
WO2023093693A1 (zh) | 医疗工具检测方法、系统、计算机设备和存储介质 | |
CN110353714B (zh) | Ct设备异常检测方法、装置、设备及存储介质 | |
US9508142B2 (en) | X-ray CT apparatus and X-ray CT image-generating method | |
CN109512448B (zh) | 一种ct探测器位置校准方法及其系统 | |
CN116342456A (zh) | 连接器件检测方法、电子设备及存储介质 | |
JPWO2008107970A1 (ja) | エッジ評価方法とエッジ検出方法と画像補正方法と画像処理システム | |
EP2691920B1 (en) | Identifying and correcting anomalies in an optical image | |
US10311568B2 (en) | Image processing apparatus, control method thereof, and computer-readable storage medium | |
JP2014190825A (ja) | タイヤ形状検査装置のデータ処理方法、タイヤ形状検査装置のデータ処理プログラム、及び、タイヤ形状検査装置のデータ処理装置 | |
CN104316220A (zh) | 一种基于机器视觉的水银体温计自动检定方法 | |
KR101793105B1 (ko) | X선 검출용 디텍터의 신호를 교정하기 위한 방법 및 시스템 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
CB02 | Change of applicant information | ||
CB02 | Change of applicant information |
Address after: 201807 Shanghai City, north of the city of Jiading District Road No. 2258 Applicant after: Shanghai Lianying Medical Technology Co.,Ltd. Address before: 201807 Shanghai City, north of the city of Jiading District Road No. 2258 Applicant before: SHANGHAI UNITED IMAGING HEALTHCARE Co.,Ltd. |
|
GR01 | Patent grant | ||
GR01 | Patent grant |