CN110796713B - 放射源定位方法和装置、电子设备及计算机可读存储介质 - Google Patents
放射源定位方法和装置、电子设备及计算机可读存储介质 Download PDFInfo
- Publication number
- CN110796713B CN110796713B CN201911197595.3A CN201911197595A CN110796713B CN 110796713 B CN110796713 B CN 110796713B CN 201911197595 A CN201911197595 A CN 201911197595A CN 110796713 B CN110796713 B CN 110796713B
- Authority
- CN
- China
- Prior art keywords
- matrix
- coding matrix
- image
- preset
- decoding
- 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
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T11/00—2D [Two Dimensional] image generation
- G06T11/003—Reconstruction from projections, e.g. tomography
- G06T11/005—Specific pre-processing for tomographic reconstruction, e.g. calibration, source positioning, rebinning, scatter correction, retrospective gating
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01T—MEASUREMENT OF NUCLEAR OR X-RADIATION
- G01T1/00—Measuring X-radiation, gamma radiation, corpuscular radiation, or cosmic radiation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/21—Design or setup of recognition systems or techniques; Extraction of features in feature space; Blind source separation
- G06F18/214—Generating training patterns; Bootstrap methods, e.g. bagging or boosting
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02E—REDUCTION OF GREENHOUSE GAS [GHG] EMISSIONS, RELATED TO ENERGY GENERATION, TRANSMISSION OR DISTRIBUTION
- Y02E30/00—Energy generation of nuclear origin
- Y02E30/30—Nuclear fission reactors
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Life Sciences & Earth Sciences (AREA)
- Spectroscopy & Molecular Physics (AREA)
- Molecular Biology (AREA)
- High Energy & Nuclear Physics (AREA)
- Health & Medical Sciences (AREA)
- Artificial Intelligence (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Bioinformatics & Computational Biology (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Evolutionary Biology (AREA)
- Evolutionary Computation (AREA)
- General Engineering & Computer Science (AREA)
- Measurement Of Radiation (AREA)
- Nuclear Medicine (AREA)
Abstract
本申请实施例提供的放射源定位方法和装置、电子设备及计算机可读存储介质,涉及放射源定位技术领域。在本申请实施例中,首先,对获得的放射源信号进行计算得到第一编码矩阵和第二编码矩阵。其次,通过预设的训练模型判断所述第二编码矩阵对应的采集时间和采集数量是否满足预设条件。然后,若满足预设条件,则根据所述第二编码矩阵进行计算得到第二解码图像,并根据所述第一编码矩阵和所述第二解码图像进行计算得到所述第二解码图像范围内的第一解码图像,以根据所述第一解码图像对放射源进行定位。通过上述方法,可以在保证放射源定位精度时,减少定位时间。
Description
技术领域
本申请涉及放射源定位技术领域,具体而言,涉及一种放射源定位方法和装置、电子设备及计算机可读存储介质。
背景技术
放射性物质图像定位系统(简称伽马相机)是一种放射性物质成像设备,可以快速地对远距离的放射性物质实现位置分布及辐射场的剂量率水平分布处理,不仅可以确定放射性物质的位置和放射强度,还可以通过对放射性物质特征能量信息的提取对放射源进行标定。因此,伽马相机是一款功能非常强大的放射性监测设备,一次测量就能够给出2D/3D放射性图像、融合图像、剂量率、核素种类等信息,被广泛地用于孤儿源寻找、各种核设施的辐射防护、退役去污、屏蔽评估、环境保护等领域,可减少工作人员在放射性物质周围的暴露时间。
然而,经发明人研究发现,在现有技术中,当伽马相机包括的晶体阵列的像素数确定后,最终图形重建后的解码图像也是对应的像素。当选取晶体材质、尺寸固定的情况下,晶体像素数较少时,成像时间短但是角度分辨率差;晶体像素数较多时,成像时间长但是角度分辨率好。也就是说,现有技术中存在着在保证放射源定位精度时,定位时间长的问题。
发明内容
有鉴于此,本申请的目的在于提供一种放射源定位方法和装置、电子设备及计算机可读存储介质,以改善现有技术中存在的问题。
为实现上述目的,本申请实施例采用如下技术方案:
一种放射源定位方法,包括:
对获得的放射源信号进行计算得到第一编码矩阵和第二编码矩阵,其中,所述第一编码矩阵对应的放射源激发光子的采集数量和采集时间大于所述第二编码矩阵对应的放射源激发光子的采集数量和采集时间;
通过预设的训练模型判断所述第二编码矩阵对应的采集时间和采集数量是否满足预设条件;
若满足预设条件,则根据所述第二编码矩阵进行计算得到第二解码图像,并根据所述第一编码矩阵和所述第二解码图像进行计算得到所述第二解码图像范围内的第一解码图像,以根据所述第一解码图像对放射源进行定位。
在本申请实施例较佳的选择中,所述通过预设的训练模型判断所述第二编码矩阵对应的采集时间和采集数量是否满足预设条件的步骤,包括:
通过预设的训练模型判断所述第二编码矩阵的采集时间是否满足预设时间;
若所述第一编码矩阵的采集时间满足预设时间,则判断所述第二编码矩阵的采集数量是否满足预设数量。
在本申请实施例较佳的选择中,所述对获得的放射源信号进行计算得到第一编码矩阵和第二编码矩阵的步骤,包括:
对接收的放射源信号进行编码计算得到第一编码矩阵;
对所述第一编码矩阵进行矩阵合并处理,得到第二编码矩阵。
在本申请实施例较佳的选择中,所述根据所述第二编码矩阵进行计算得到第二解码图像的步骤,包括:
根据所述第二编码矩阵和预设的第二采样矩阵进行卷积处理,得到第二解码矩阵;
对所述第二解码矩阵进行图像绘制处理,得到所述第二解码图像。
在本申请实施例较佳的选择中,所述根据所述第一编码矩阵和所述第二解码图像进行计算得到所述第二解码图像范围内的第一解码图像的步骤,包括:
根据所述第一编码矩阵和预设的第一采样矩阵进行卷积处理,得到第一解码矩阵;
根据所述第二解码图像对所述第一解码矩阵进行图像绘制处理,得到所述第一解码图像。
在本申请实施例较佳的选择中,所述放射源定位方法还包括:
将所述第一解码图像与预设的光学图像进行图像融合处理,得到放射源位置图像。
在本申请实施例较佳的选择中,所述放射源定位方法还包括得到训练模型的步骤,该步骤包括:
获取原始数据并对所述原始数据进行二分类处理,得到样本数据;
根据所述样本数据对预设的初始模型进行训练,得到所述训练模型。
本申请实施例还提供了一种放射源定位装置,包括:
矩阵计算模块,用于对获得的放射源信号进行计算得到第一编码矩阵和第二编码矩阵,其中,所述第一编码矩阵对应的放射源激发光子的采集数量和采集时间大于所述第二编码矩阵对应的放射源激发光子的采集数量和采集时间;
判断模块,用于通过预设的训练模型判断所述第二编码矩阵对应的采集时间和采集数量是否满足预设条件;
图像计算模块,用于在满足预设条件时,根据所述第二编码矩阵进行计算得到第二解码图像,并根据所述第一编码矩阵和所述第二解码图像进行计算得到所述第二解码图像范围内的第一解码图像,以根据所述第一解码图像对放射源进行定位。
本申请实施例还提供了一种电子设备,包括存储器和处理器,所述处理器用于执行所述存储器中存储的可执行的计算机程序,以实现上述的放射源定位方法。
本申请实施例还提供了一种计算机可读存储介质,其上存储有计算机程序,该程序被执行时实现上述放射源定位方法的步骤。
本申请实施例提供的放射源定位方法和装置、电子设备及计算机可读存储介质,通过在第二编码矩阵对应的采集时间和采集数量满足预设条件时,根据第一编码矩阵和所述第二编码矩阵对应的第二解码图像进行计算得到所述第二解码图像范围内的第一解码图像,可以根据采集时间少的第二编码矩阵进行放射源的快速定位后再根据采集数量大的第一编码矩阵进行放射源精确定位,从而改善现有技术中存在着的在保证放射源定位精度时,定位时间长的问题。
附图说明
为了更清楚地说明本申请实施例的技术方案,下面将对实施例中所需要使用的附图作简单地介绍,应当理解,以下附图仅示出了本申请的某些实施例,因此不应被看作是对范围的限定,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他相关的附图。
图1为本申请实施例提供的电子设备的结构框图。
图2为本申请实施例提供的放射源定位方法的流程示意图。
图3为本申请实施例提供的步骤S120的流程示意图。
图4为本申请实施例提供的放射源定位装置的结构框图。
图标:10-电子设备;12-存储器;14-处理器;100-放射源定位装置;110-矩阵计算模块;120-判断模块;130-图像计算模块。
具体实施方式
为使本申请实施例的目的、技术方案和优点更加清楚,下面将结合本申请实施例中的附图,对本申请实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例是本申请一部分实施例,而不是全部的实施例。通常在此处附图中描述和示出的本申请实施例的组件可以以各种不同的配置来布置和设计。
因此,以下对在附图中提供的本申请的实施例的详细描述并非旨在限制要求保护的本申请的范围,而是仅仅表示本申请的选定实施例。基于本申请中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本申请保护的范围。
应注意到:相似的标号和字母在下面的附图中表示类似项,因此,一旦某一项在一个附图中被定义,则在随后的附图中不需要对其进行进一步定义和解释。
如图1所示,本申请实施例提供了一种电子设备10。其中,所述电子设备10可以包括存储器12、处理器14和放射源定位装置100。
详细地,所述存储器12和处理器14之间直接或间接地电性连接,以实现数据的传输或交互。例如,相互之间可通过一条或多条通讯总线或信号线实现电性连接。所述放射源定位装置100包括至少一个可以软件或固件(firmware)的形式存储于所述存储器12中的软件功能模块。所述处理器14用于执行所述存储器12中存储的可执行的计算机程序,例如,所述放射源定位装置100所包括的软件功能模块及计算机程序等,以实现放射源定位方法。
其中,所述存储器12可以是,但不限于,随机存取存储器(Random Access Memory,RAM),只读存储器(Read Only Memory,ROM),可编程只读存储器(Programmable Read-OnlyMemory,PROM),可擦除只读存储器(Erasable Programmable Read-Only Memory,EPROM),电可擦除只读存储器(Electric Erasable Programmable Read-Only Memory,EEPROM)等。
所述处理器14可能是一种集成电路芯片,具有信号的处理能力。上述的处理器14可以是通用处理器,包括中央处理器(Central Processing Unit,CPU)、网络处理器(Network Processor,NP)、片上系统(System on Chip,SoC)等。
可以理解,图1所示的结构仅为示意,所述电子设备10还可包括比图1中所示更多或者更少的组件,或者具有与图1所示不同的配置。
结合图2,本申请实施例还提供一种可应用于上述电子设备10的放射源定位方法。其中,所述放射源定位方法有关的流程所定义的方法步骤可以由所述电子设备10实现,下面将对图2所示的具体流程进行详细阐述。
步骤S110,对获得的放射源信号进行计算得到第一编码矩阵和第二编码矩阵。
在本申请实施例中,所述放射源信号可以有多种获取方式,例如,可以通过获取用户输入的数据得到。
其中,所述第一编码矩阵对应的放射源激发光子的采集数量和采集时间大于所述第二编码矩阵对应的放射源激发光子的采集数量和采集时间。
步骤S120,通过预设的训练模型判断所述第二编码矩阵对应的采集时间和采集数量是否满足预设条件。
在本申请实施例中,通过步骤S110得到所述第一编码矩阵和第二编码矩阵之后,可以通过预设的训练模型判断所述第二编码矩阵对应的采集时间和采集数量是否满足预设条件。
步骤S130,根据所述第二编码矩阵进行计算得到第二解码图像,并根据所述第一编码矩阵和所述第二解码图像进行计算得到所述第二解码图像范围内的第一解码图像,以根据所述第一解码图像对放射源进行定位。
在本申请实施例中,通过步骤S120对所述第二编码矩阵对应的采集时间和采集数量满足预设条件进行判断之后,可以在满足预设条件时根据所述第二编码矩阵进行计算得到第二解码图像,并根据所述第一编码矩阵和所述第二解码图像进行计算得到所述第二解码图像范围内的第一解码图像,以根据所述第一解码图像对放射源进行定位。
通过上述方法,通过在第二编码矩阵对应的采集时间和采集数量满足预设条件时,根据第一编码矩阵和所述第二编码矩阵对应的第二解码图像进行计算得到所述第二解码图像范围内的第一解码图像,可以根据采集时间少的第二编码矩阵进行放射源的快速定位后再根据采集数量大的第一编码矩阵进行放射源精确定位,从而改善现有技术中存在着的在保证放射源定位精度时,定位时间长的问题。
需要说明的是,伽马相机一直在朝着高灵敏度、高分辨率、高信噪比以及便携的方向发展,编码孔经成像技术也逐渐代替了传统的平行孔成像技术和针孔成像技术。根据编码板孔径技术的基本原理和成像特点,并综合考虑视场、分辨率等技术指标,优化设计出适用于伽马相机的高灵敏度、高空间分辨率的MURA(修正均匀冗余阵列)嵌套编码板准直器,与传统的单针孔成像、随机阵列编码板(NA)成像、非冗余阵列(NRA)编码板、均匀冗余阵列(URA)编码板等成像技术相比,具有开孔率高、性能优良、相关特性好、结构对称、使用更加方便等优点。
伽马相机不能直接对放射性物质进行成像,而是要在成像过程中进行“编码”和“解码”,最终通过特定图像重建算法(也称解码算法)恢复出可视化的放射性强度二维分布图像,实现放射源定位。
放射性物质产生的伽马射线经过编码孔准直器(编码孔准直器包括开孔和闭孔两部分组成),投影到阵列探测器上,阵列探测器各晶格产生荧光光子(放射源激发光子),荧光光子被硅光电倍增管收集进行光电转换后产生电信号,电信号进入电阻网络板经过放大、整形、滤波后得到放射源信号。放射源信号通过高速采集器进入处理器,进行进一步的信号处理。
其中,编码孔准直器使用铅、钨铜等高密度材质制成,包括开孔和堵孔部分,伽马射线经过编码孔准直器投影到阵列探测器上,使得探测器测量到伽马光子产生计数。
阵列探测器常用的晶体材质有CsI(Tl)、GAGG、YSO等,为使得成像系统能够进行采样倍数切换,所选取晶体阵列的行列数不为素数。例如,当晶体阵列的行列数为33×33时,能够进行11×11和33×33两种编码矩阵的切换,假设使用的阵列探测器为n×n,n为正整数,以上可选择的晶体阵列可以是33×33但不仅限于33×33。阵列探测器受伽马光子照射后产生荧光光子,被硅光电倍增管收集。
对于步骤S110,需要说明的是,结合图3,所述对获得的放射源信号进行计算得到第一编码矩阵和第二编码矩阵的具体方式不受限制,可以根据实际应用需求进行设置。
例如,在一种可以替代的示例中,步骤S110包括步骤S111和步骤S112。
步骤S111,对接收的放射源信号进行编码计算得到第一编码矩阵。
步骤S112,对所述第一编码矩阵进行矩阵合并处理,得到第二编码矩阵。
对于步骤S111,需要说明的是,所述放射源信号可以包括四路输出信号A、B、C和D,可以将所述输出信号A、B、C和D输入位置读出电路得到对应的第一编码矩阵。相当于将输出数据通过位置读出公式进行计算,得到所述第一编码矩阵。
其中,所述位置读出公式的具体种类不受限制,可以根据具体需要进行设置。
例如,在一种可以替代的示例中,所述位置读出公式可以为X=(A+B)/(A+B+C+D),Y=(A+C)/(A+B+C+D)。
又例如,在另一种可以替代的示例中,所述位置读出公式可以为X=(A+B)/(A+B+C+D),Y=(A+D)/(A+B+C+D)。
又例如,在另一种可以替代的示例中,所述位置读出公式可以为X=(A+C)/(A+B+C+D),Y=(A+D)/(A+B+C+D)。
对于步骤S112,需要说明的是,现有伽马相机编码孔径成像方法:当晶体阵列的像素数确定后,则最终图形重建后的解码图像也是对应的像素。当选取晶体材质、尺寸固定的情况下,晶体像素数较少时,成像时间短但是角度分辨率差;晶体像素数较多时,成像时间长但是角度分辨率好。在一套伽玛相机成像系统中不能同时兼顾定位时间和定位精度。
本申请实施例提的方法使得伽马相机能进行采样倍数切换,即在采集过程中先以较低的采样倍数快速进行放射源粗略定位,此时的角度分辨率较差;采集一段时间后,再自动切换至较高的采样倍数进行放射源精细定位,此时的角度分辨率较好,使系统同时兼顾定位时间和定位精度。
其中,采样倍数低的矩阵对应的采集数量和采集时间小于采样倍数高的矩阵对应的采集数量和采集时间。要进一步缩短成像时间,需要将编码矩阵进行合并,如将33×33的编码矩阵合并成11×11的编码矩阵。此时编码矩阵的阶数小于晶体阵列的行列数,角度分辨率差但是成像时间短。
在步骤S120之前,所述放射源定位方法还可以包括得到训练模型的步骤,该步骤可以包括以下子步骤:
首先,获取原始数据并对所述原始数据进行二分类处理,得到样本数据。其次,根据所述样本数据对预设的初始模型进行训练,得到所述训练模型。
详细地,为使系统能够进行精确的采样倍数切换,可以对大量原始数据进行Python机器学习算法模型训练,过程主要包含以下步骤:首先,根据采集得到的采集时间与采集数量,以时间为横坐标、以数量为纵坐标,分别绘制出11x11矩阵成像与33x33矩阵成像时的时间、计数散点图,将采集时间和采集数量作为输入,使用11x11矩阵的成像或者33x33矩阵的成像作为输出,使用Logistic回归进行二分类处理,得到样本数据。其次,将所述样本数据导入Python的sklearn库进行logistic回归模型训练,得到训练模型。
其中,在Logistic的分类结果中,区域A表示使用11x11矩阵进行成像,区域B表示使用33x33矩阵进行成像。在实际应用中,可以将实时的采集时间和采集数量输入到训练模型中得到预测值0或1,当得到0时表示时间较短、计数较少根据所述第二编码矩阵进行成像,当得到1时表示可以根据所述第一编码矩阵进行成像,完成采样倍数的切换。若要得到更精确的切换条件,可以增加样本数据的数量来训练模型。
对于步骤S120,需要说明的是,所述通过预设的训练模型判断所述第二编码矩阵对应的采集时间和采集数量是否满足预设条件的具体方式不受限制,可以根据实际应用需求进行设置。
例如,在一种可以替代的示例中,步骤S120可以包括以下子步骤:
首先,通过预设的训练模型判断所述第二编码矩阵的采集时间是否满足预设时间。其次,若所述第一编码矩阵的采集时间满足预设时间,则判断所述第二编码矩阵的采集数量是否满足预设数量。
对于步骤S130,需要说明的是,所述根据所述第二编码矩阵进行计算得到第二解码图像的具体方式不受限制,可以根据实际应用需求进行设置。
例如,在一种可以替代的示例中,步骤S130可以包括以下子步骤:
首先,根据所述第二编码矩阵和预设的第二采样矩阵进行卷积处理,得到第二解码矩阵。其次,对所述第二解码矩阵进行图像绘制处理,得到所述第二解码图像。
可选地,所述第二采样矩阵的具体种类不受限制,可以根据实际应用需求进行设置。
例如,在一种可以替代的示例中,所述第二采样矩阵可以为δ采样矩阵[[0,0,0],[0,1,0],[0,0,0]]。
需要说明的是,对所述第二解码矩阵进行图像绘制处理,得到所述第二解码图像的步骤是在空白图像上进行。也就是说,根据空白图像对所述第二解码矩阵进行图像绘制处理,得到所述第二解码图像,所述第二解码图像的背景为空白图像。一般情况下,n×n的晶体阵列得到的是n×n的解码矩阵,根据该解码矩阵绘制得到n×n的解码图像,解码图像代表的即是放射源在探测器视野范围内的分布。
进一步地,所述根据所述第一编码矩阵和所述第二解码图像进行计算得到所述第二解码图像范围内的第一解码图像的具体方式不受限制,可以根据实际应用需求进行设置。
例如,在一种可以替代的示例中,步骤S130还可以包括以下子步骤:
首先,根据所述第一编码矩阵和预设的第一采样矩阵进行卷积处理,得到第一解码矩阵。其次,根据所述第二解码图像对所述第一解码矩阵进行图像绘制处理,得到所述第一解码图像。
可选地,所述第一采样矩阵的具体种类不受限制,可以根据实际应用需求进行设置。
例如,在一种可以替代的示例中,所述第一采样矩阵可以为精细平衡采样采样矩阵[[1,1,1],[1,1,1],[1,1,1]]。
需要说明的是,对所述第一解码矩阵进行图像绘制处理,得到所述第一解码图像的步骤是在所述第二解码图像上进行。也就是说,所述第一解码图像的背景为所述第二解码图像。
进一步地,在步骤S130之后,所述放射源定位方法还可以包括以下子步骤:
将所述第一解码图像与预设的光学图像进行图像融合处理,得到放射源位置图像。
详细地,所述第一解码图像可以表示放射源的深度信息,预设的光学图像可以通过光学摄像头采集得到,所述光学图像可以表示放射源的二维坐标信息。可以将所述第一解码图像与预设的光学图像进行图像融合处理并进行图像配准得到融合图像(放射源位置图像),所述融合图像可直接反映放射源的位置,达到放射源定位的目的。
进一步地,在成像时间相差不大时,也可以直接根据所述第一编码矩阵进行计算得到所述第一解码图像,以根据所述第一解码图像对放射源进行定位。也就是说,可以分别计算通过采样倍数切换进行放射源定位的方案和直接通过高采样倍数进行放射源定位的方案的成像时间,在两个方案的成像时间相差不大时,可以直接通过高采样倍数进行放射源精细定位,以减少所述电子设备10的计算量。
结合图4,本发明实施例还提供了一种放射源定位装置100,可以应用于上述的电子设备10。其中,该放射源定位装置100可以包括矩阵计算模块110、判断模块120和图像计算模块130。
所述矩阵计算模块110,用于对获得的放射源信号进行计算得到第一编码矩阵和第二编码矩阵,其中,所述第一编码矩阵对应的放射源激发光子的采集数量和采集时间大于所述第二编码矩阵对应的放射源激发光子的采集数量和采集时间。在本实施例中,所述矩阵计算模块110可以用于执行图2所示的步骤S110,关于所述矩阵计算模块110的相关内容可以参照前文对步骤S110的具体描述。
所述判断模块120,用于通过预设的训练模型判断所述第二编码矩阵对应的采集时间和采集数量是否满足预设条件。在本实施例中,所述判断模块120可以用于执行图2所示的步骤S120,关于所述判断模块120的相关内容可以参照前文对步骤S120的具体描述。
所述图像计算模块130,用于在满足预设条件时,根据所述第二编码矩阵进行计算得到第二解码图像,并根据所述第一编码矩阵和所述第二解码图像进行计算得到所述第二解码图像范围内的第一解码图像,以根据所述第一解码图像对放射源进行定位。在本实施例中,所述所述图像计算模块130可以用于执行图2所示的步骤S130,关于所述图像计算模块130的相关内容可以参照前文对步骤S130的具体描述。
在本申请实施例中,对应于上述的放射源定位方法,还提供了一种计算机可读存储介质,该计算机可读存储介质中存储有计算机程序,该计算机程序运行时执行上述放射源定位方法的各个步骤。
其中,前述计算机程序运行时执行的各步骤,在此不再一一赘述,可参考前文对所述放射源定位方法的解释说明。
综上所述,本申请实施例提供的放射源定位方法和装置、电子设备及计算机可读存储介质,通过在第二编码矩阵对应的采集时间和采集数量满足预设条件时,根据第一编码矩阵和所述第二编码矩阵对应的第二解码图像进行计算得到所述第二解码图像范围内的第一解码图像,可以根据采集时间少的第二编码矩阵进行放射源的快速定位后再根据采集数量大的第一编码矩阵进行放射源精确定位,从而改善现有技术中存在着的在保证放射源定位精度时,定位时间长的问题。
以上所述仅为本申请的优选实施例而已,并不用于限制本申请,对于本领域的技术人员来说,本申请可以有各种更改和变化。凡在本申请的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本申请的保护范围之内。
Claims (8)
1.一种放射源定位方法,其特征在于,包括:
对获得的放射源信号进行计算得到第一编码矩阵和第二编码矩阵,其中,所述第一编码矩阵对应的放射源激发光子的采集数量和采集时间大于所述第二编码矩阵对应的放射源激发光子的采集数量和采集时间;
通过预设的训练模型判断所述第二编码矩阵对应的采集时间和采集数量是否满足预设条件;
若满足预设条件,则根据所述第二编码矩阵进行计算得到第二解码图像;
根据所述第一编码矩阵和预设的第一采样矩阵进行卷积处理,得到第一解码矩阵;
根据所述第二解码图像对所述第一解码矩阵进行图像绘制处理,得到第一解码图像;
将所述第一解码图像与预设的光学图像进行图像融合处理,得到放射源位置图像。
2.如权利要求1所述的放射源定位方法,其特征在于,所述通过预设的训练模型判断所述第二编码矩阵对应的采集时间和采集数量是否满足预设条件的步骤,包括:
通过预设的训练模型判断所述第二编码矩阵的采集时间是否满足预设时间;
若所述第二编码矩阵的采集时间满足预设时间,则判断所述第二编码矩阵的采集数量是否满足预设数量。
3.如权利要求1所述的放射源定位方法,其特征在于,所述对获得的放射源信号进行计算得到第一编码矩阵和第二编码矩阵的步骤,包括:
对获得的放射源信号进行编码计算得到第一编码矩阵;
对所述第一编码矩阵进行矩阵合并处理,得到第二编码矩阵。
4.如权利要求1所述的放射源定位方法,其特征在于,所述根据所述第二编码矩阵进行计算得到第二解码图像的步骤,包括:
根据所述第二编码矩阵和预设的第二采样矩阵进行卷积处理,得到第二解码矩阵;
对所述第二解码矩阵进行图像绘制处理,得到所述第二解码图像。
5.如权利要求1所述的放射源定位方法,其特征在于,所述放射源定位方法还包括得到训练模型的步骤,该步骤包括:
获取原始数据并对所述原始数据进行二分类处理,得到样本数据;
根据所述样本数据对预设的初始模型进行训练,得到所述训练模型。
6.一种放射源定位装置,其特征在于,包括:
矩阵计算模块,用于对获得的放射源信号进行计算得到第一编码矩阵和第二编码矩阵,其中,所述第一编码矩阵对应的放射源激发光子的采集数量和采集时间大于所述第二编码矩阵对应的放射源激发光子的采集数量和采集时间;
判断模块,用于通过预设的训练模型判断所述第二编码矩阵对应的采集时间和采集数量是否满足预设条件;
图像计算模块,用于在满足预设条件时,根据所述第二编码矩阵进行计算得到第二解码图像;根据所述第一编码矩阵和预设的第一采样矩阵进行卷积处理,得到第一解码矩阵;根据所述第二解码图像对所述第一解码矩阵进行图像绘制处理,得到第一解码图像;将所述第一解码图像与预设的光学图像进行图像融合处理,得到放射源位置图像。
7.一种电子设备,其特征在于,包括存储器和处理器,所述处理器用于执行所述存储器中存储的可执行的计算机程序,以实现权利要求1-5任意一项所述的放射源定位方法。
8.一种计算机可读存储介质,其特征在于,其上存储有计算机程序,该程序被执行时实现权利要求1-5任意一项所述放射源定位方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911197595.3A CN110796713B (zh) | 2019-11-29 | 2019-11-29 | 放射源定位方法和装置、电子设备及计算机可读存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911197595.3A CN110796713B (zh) | 2019-11-29 | 2019-11-29 | 放射源定位方法和装置、电子设备及计算机可读存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110796713A CN110796713A (zh) | 2020-02-14 |
CN110796713B true CN110796713B (zh) | 2023-06-02 |
Family
ID=69446774
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201911197595.3A Active CN110796713B (zh) | 2019-11-29 | 2019-11-29 | 放射源定位方法和装置、电子设备及计算机可读存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110796713B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114578408A (zh) * | 2022-01-26 | 2022-06-03 | 哈尔滨工程大学 | 一种二维平面的放射源定位设备 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
RU2166777C1 (ru) * | 2000-03-06 | 2001-05-10 | Научно-исследовательский институт импульсной техники | Устройство для определения положения радиоактивных источников в реальном времени |
CN103391482A (zh) * | 2013-07-15 | 2013-11-13 | 浙江大学 | 一种可对抗几何攻击的盲数字水印编解码方法 |
CN108535768A (zh) * | 2018-03-13 | 2018-09-14 | 江苏超敏科技有限公司 | 一种基于双探测器技术的伽马相机 |
CN208012645U (zh) * | 2016-11-08 | 2018-10-26 | 邦达诚科技(常州)有限公司 | 基于ZigBee的放射源运载数据采集设备 |
CN109031440A (zh) * | 2018-06-04 | 2018-12-18 | 南京航空航天大学 | 一种基于深度学习的伽马放射性成像方法 |
Family Cites Families (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
DE102013217336B3 (de) * | 2013-08-30 | 2015-02-12 | Siemens Aktiengesellschaft | Phasenkontrast-MR-Bildgebung mit Geschwindigkeitskodierung |
EP4137988A1 (en) * | 2014-11-18 | 2023-02-22 | Cognex Corporation | System and methods for decoding two-dimensional matrix symbols |
-
2019
- 2019-11-29 CN CN201911197595.3A patent/CN110796713B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
RU2166777C1 (ru) * | 2000-03-06 | 2001-05-10 | Научно-исследовательский институт импульсной техники | Устройство для определения положения радиоактивных источников в реальном времени |
CN103391482A (zh) * | 2013-07-15 | 2013-11-13 | 浙江大学 | 一种可对抗几何攻击的盲数字水印编解码方法 |
CN208012645U (zh) * | 2016-11-08 | 2018-10-26 | 邦达诚科技(常州)有限公司 | 基于ZigBee的放射源运载数据采集设备 |
CN108535768A (zh) * | 2018-03-13 | 2018-09-14 | 江苏超敏科技有限公司 | 一种基于双探测器技术的伽马相机 |
CN109031440A (zh) * | 2018-06-04 | 2018-12-18 | 南京航空航天大学 | 一种基于深度学习的伽马放射性成像方法 |
Non-Patent Citations (3)
Title |
---|
MURA编码板γ相机探测器模拟研究;陈太斌;王忠海;周荣;杨朝文;;核电子学与探测技术(01);全文 * |
基于MURA编码孔径准直器核辐射成像系统设计;陈立宏;李勇平;赵翠兰;袁超;;核技术(08);全文 * |
空间硬X射线编码孔成像望远镜样机的研制及初步实验结果;何会林;董永伟;吴伯冰;李延国;张永杰;;高能物理与核物理(05);全文 * |
Also Published As
Publication number | Publication date |
---|---|
CN110796713A (zh) | 2020-02-14 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Snyder et al. | A matheematical model for positron-emission tomography systems having time-of-flight measurements | |
CN104569002B (zh) | 基于光子计数的x射线相衬成像系统、方法及其设备 | |
US8354648B2 (en) | Device for locating and imaging gamma or X-radiation sources | |
US11243312B2 (en) | Imaging detector system for gamma radiation using unidirectional and bidirectional Compton scattering processes | |
US9851456B2 (en) | TOF-PET tomograph and a method of imaging using a TOF-PET tomograph, based on a probability of production and lifetime of a positronium | |
Pedemonte et al. | A machine learning method for fast and accurate characterization of depth-of-interaction gamma cameras | |
CN102288983A (zh) | 伽马射线成像能谱仪 | |
CN113777648B (zh) | 一种基于随机编码与神经网络探测器成像的方法及伽马相机 | |
Davour et al. | Applying image analysis techniques to tomographic images of irradiated nuclear fuel assemblies | |
CN110796713B (zh) | 放射源定位方法和装置、电子设备及计算机可读存储介质 | |
Yu et al. | Investigating the limited performance of a deep-learning-based SPECT denoising approach: an observer-study-based characterization | |
Daniel et al. | Application of a deep learning algorithm to Compton imaging of radioactive point sources with a single planar CdTe pixelated detector | |
US7564035B2 (en) | Generating detector efficiency estimates for a pet scanner | |
DE102019131695A1 (de) | Bildgebendes Detektorsystem für Gammastrahlung unter Nutzung von uni- und bidirektionalen Compton-Streuprozessen | |
Nguyen et al. | On a novel approach to Compton scattered emission imaging | |
CN111880211A (zh) | 一种利用康普顿散射事例统计进行放射性核素识别的方法 | |
CN111474568B (zh) | 一种智能化放射物质平衡分析方法 | |
Hetzel et al. | Near-field coded-mask technique and its potential for proton therapy monitoring | |
Fan | Lens-coupled x-ray imaging systems | |
Francis et al. | Parameters optimization of volumetric reconstruction technique for L-SPECT imaging | |
US20050157923A1 (en) | Image processing system and image processing method | |
Yu et al. | Compton-camera-based SPECT for thyroid cancer imaging | |
Liu et al. | Radioactive Source Localization Method for the Partially Coded Field-of-View of Coded-Aperture Imaging in Nuclear Security Applications | |
Conde et al. | Noise rejection in Monolithic PET detectors | |
Chen | Modular gamma cameras: Improvements in scatter rejection, and characterization and initial clinical application |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |