CN111012370A - 基于ai的x射线成像分析方法、装置及可读存储介质 - Google Patents
基于ai的x射线成像分析方法、装置及可读存储介质 Download PDFInfo
- Publication number
- CN111012370A CN111012370A CN201911352835.2A CN201911352835A CN111012370A CN 111012370 A CN111012370 A CN 111012370A CN 201911352835 A CN201911352835 A CN 201911352835A CN 111012370 A CN111012370 A CN 111012370A
- Authority
- CN
- China
- Prior art keywords
- image
- ray
- module
- detection
- data
- 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.)
- Pending
Links
- 238000004458 analytical method Methods 0.000 title claims abstract description 55
- 238000003384 imaging method Methods 0.000 title claims abstract description 37
- 238000001514 detection method Methods 0.000 claims abstract description 112
- 230000009467 reduction Effects 0.000 claims abstract description 45
- 238000006243 chemical reaction Methods 0.000 claims abstract description 11
- 238000000605 extraction Methods 0.000 claims abstract description 11
- 238000000034 method Methods 0.000 claims description 31
- 230000003068 static effect Effects 0.000 claims description 24
- 239000011159 matrix material Substances 0.000 claims description 23
- 230000008569 process Effects 0.000 claims description 13
- 238000007689 inspection Methods 0.000 claims description 9
- 230000009466 transformation Effects 0.000 claims description 9
- 238000010606 normalization Methods 0.000 claims description 8
- 230000004907 flux Effects 0.000 claims description 7
- 230000002159 abnormal effect Effects 0.000 claims description 6
- 230000005855 radiation Effects 0.000 claims description 6
- 241001270131 Agaricus moelleri Species 0.000 claims description 4
- 230000003321 amplification Effects 0.000 claims description 4
- 230000002146 bilateral effect Effects 0.000 claims description 4
- 238000001914 filtration Methods 0.000 claims description 4
- 238000003199 nucleic acid amplification method Methods 0.000 claims description 4
- 230000001186 cumulative effect Effects 0.000 claims description 3
- 230000002708 enhancing effect Effects 0.000 claims description 3
- 239000000284 extract Substances 0.000 claims description 3
- 230000001678 irradiating effect Effects 0.000 claims description 3
- 238000013139 quantization Methods 0.000 claims description 3
- 230000004044 response Effects 0.000 claims description 3
- 238000011946 reduction process Methods 0.000 claims 1
- 230000003416 augmentation Effects 0.000 description 3
- 238000004364 calculation method Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 229920006395 saturated elastomer Polymers 0.000 description 2
- 239000000126 substance Substances 0.000 description 2
- 150000001875 compounds Chemical class 0.000 description 1
- 238000003745 diagnosis Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 230000005684 electric field Effects 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 230000000149 penetrating effect Effects 0.000 description 1
- 230000008092 positive effect Effects 0.000 description 1
- 230000035945 sensitivity Effects 0.000 description 1
- 238000002834 transmittance Methods 0.000 description 1
Images
Classifications
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B6/00—Apparatus for radiation diagnosis, e.g. combined with radiation therapy equipment
- A61B6/44—Constructional features of apparatus for radiation diagnosis
- A61B6/4411—Constructional features of apparatus for radiation diagnosis the apparatus being modular
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B6/00—Apparatus for radiation diagnosis, e.g. combined with radiation therapy equipment
- A61B6/52—Devices using data or image processing specially adapted for radiation diagnosis
- A61B6/5211—Devices using data or image processing specially adapted for radiation diagnosis involving processing of medical diagnostic data
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B6/00—Apparatus for radiation diagnosis, e.g. combined with radiation therapy equipment
- A61B6/52—Devices using data or image processing specially adapted for radiation diagnosis
- A61B6/5258—Devices using data or image processing specially adapted for radiation diagnosis involving detection or reduction of artifacts or noise
Abstract
本发明属于X射线成像技术领域，公开了一种基于AI的X射线成像分析方法、装置及可读存储介质，所述基于AI的X射线成像分析装置包括：目标区域划分模块、X射线图像设置模块、X射线图像采集模块、信号转换模块、图像判断模块、主控模块、X射线图像增强模块、降噪模块、特征提取模块、AI分析模块、图像存储模块、预警模块、显示模块。本发明通过降噪模块能够使X射线图像质量提高；通过图像存储模块将检测块保存在信息块与数据块的后面，在增加检测条目时，不需要反复读写大量图像数据，提高保存效率；避免造成检测信息混乱以及检测信息丢失的现象，极大的方便了图像与检测信息的保存与使用。
Description
技术领域
本发明属于X射线成像技术领域，尤其涉及一种基于AI的X射线成像分析方法、装置及可读存储介质。
背景技术
X射线又称伦琴射线，它是肉眼看不见的一种射线，但可使某些化合物产生荧光或使照相底片感光；它在电场或磁场中不发生偏转，能发生反射、折射、干涉、衍射等；它具有穿透物质的本领，但对不同物质它的穿透本领不同；能使分子或原子电离；有破坏细胞作用，人体不同组织对于X射线的敏感度不同，受损害程度也不同。因此，X射线能使人体在荧屏上或胶片上形成影像，是基于人体组织有密度和厚度的差别。然而，现有X射线成像过程中对图像降噪存在计算时间长、图像细节容易糊化不清晰；同时，对图像保存效率低，图像信息容易丢失。
X射线成像设备将X射线辐射到对象，分析穿过对象的X射线，并检查对象的内部结构。由于X射线的透射率根据构成对象的材料的属性而变化，因此可经由检测通过对象的X射线通量来对对象的内部结构成像。如果执行了自动曝光控制(AEC)，则可分析对象的预先拍摄以计算根据对象的属性而优化的X射线成像条件，然后，可基于计算的成像条件来执行主拍摄。然而，在AEC中，由于针对预先拍摄图像的整个区域或预定区域的特定强度水平而对整个图像等同地设置了优化的成像条件，因此强度水平可根据对象的每个区域的密度、厚度或衰减属性而减小或饱和。因此，可能无法获得针对每个区域的精确信息。
综上所述，现有技术存在的问题是：
(1)现有X射线成像过程中对图像降噪存在计算时间长、图像细节容易糊化不清晰；同时，对图像保存效率低，图像信息容易丢失。
(2)在AEC中，由于针对预先拍摄图像的整个区域或预定区域的特定强度水平而对整个图像等同地设置了优化的成像条件，因此强度水平可根据对象的每个区域的密度、厚度或衰减属性而减小或饱和，可能无法获得针对每个区域的精确信息。
发明内容
针对现有技术存在的问题，本发明提供了一种基于AI的X射线成像分析方法、装置及可读存储介质。
本发明是这样实现的，一种基于AI的X射线成像分析装置包括：
目标区域划分模块、X射线图像设置模块、X射线图像采集模块、信号转换模块、图像判断模块、主控模块、X射线图像增强模块、降噪模块、特征提取模块、AI分析模块、图像存储模块、预警模块、显示模块。
目标区域划分模块，与主控模块连接，用于划分并设置目标扫描区域信息，所述目标扫描区域信息包括待扫描的目标区域；
X射线图像设置模块，与主控模块连接，用于通过X射线图像设置程序设置采集X光影像所需的X光曝光剂量、曝光能量范围和拍摄角度；
X射线图像采集模块，与主控模块连接，用于通过X射线探测器采集穿过目标区域的X射线；
信号转换模块，与主控模块连接，用于通过信号转换程序将采集的目标区域的X射线转换为图像信号；
图像判断模块，与主控模块连接，用于通过图像判断程序判断采集的X射线图像数据是否与已设置的目标扫描区域信息匹配；若是则连接X射线图像增强模块，若不是则连接预警模块；
主控模块，与目标区域划分模块、X射线图像设置模块、X射线图像采集模块、信号转换模块、图像判断模块、X射线图像增强模块、降噪模块、特征提取模块、AI分析模块、图像存储模块、预警模块、显示模块连接，用于通过主控器控制各个模块正常工作；
X射线图像增强模块，与主控模块连接，用于通过图像增强程序对采集的X射线图像进行增强处理；
降噪模块，与主控模块连接，用于通过降噪算法对采集的X射线图像进行降噪处理；
特征提取模块，与主控模块连接，用于通过提取程序对采集的X射线图像提取特征元素；
AI分析模块，与主控模块连接，用于通过AI分析程序根据采集的图像特征进行分析；
图像存储模块，与主控模块连接，用于通过存储器存储设置的目标扫描区域信息、采集的X射线图像、预警信息及AI分析结果的实时数据；
预警模块，与主控模块连接，用于通过声光预警装置进行采集的X射线图像数据与已设置的目标扫描区域信息不匹配的异常情况的预警；
显示模块，与主控模块连接，用于通过显示器显示设置的目标扫描区域信息、采集的X射线图像、预警信息及AI分析结果的实时数据。
本发明的另一目的在于提供一种基于AI的X射线成像分析方法，所述基于AI的X射线成像分析方法包括以下步骤：
步骤一，划分并设置目标扫描区域信息，所述目标扫描区域信息包括待扫描的目标区域；通过X射线图像设置程序设置采集X光影像所需的X光曝光剂量、曝光能量范围和拍摄角度。
步骤二，通过X射线探测器采集穿过目标区域的X射线；通过信号转换程序将采集的目标区域的X射线转换为图像信号。
步骤三，通过图像判断程序判断采集的X射线图像数据是否与已设置的目标扫描区域信息匹配；若是则连接X射线图像增强模块，若不是则连接预警模块。
步骤四，通过主控器控制各个模块正常工作；通过图像增强程序对采集的X射线图像进行增强处理。
步骤五，通过降噪算法对采集的X射线图像进行降噪处理；通过提取程序对采集的X射线图像提取特征元素。
步骤六，通过AI分析程序根据采集的图像特征进行分析；通过存储器存储设置的目标扫描区域信息、采集的X射线图像、预警信息及AI分析结果的实时数据。
步骤七，通过声光预警装置进行采集的X射线图像数据与已设置的目标扫描区域信息不匹配的异常情况的预警；通过显示器显示设置的目标扫描区域信息、采集的X射线图像、预警信息及AI分析结果的实时数据。
进一步，步骤五中，所述通过降噪算法对采集的X射线图像进行降噪处理的方法如下：
(1)通过X射线辐射对安置在检查区域中的检查对象进行照射的X射线源，并且通过X射线探测器将X射线辐射转换为检查对象的图像数据；获取X射线的图像帧序列，所述图像帧序列包括当前图像帧、当前图像帧的前n个图像帧和后n个图像帧。
(2)对所述图像帧序列中的每个图像帧进行灰度划分，并针对不同的灰度等级进行对应的线性变换。
(3)对线性变换后的所述图像帧进行归一化处理。
(4)对归一化后的所述图像帧进行边缘扩增。
(5)对边缘扩增后的所述当前图像帧进行当前图像帧的降噪处理；对降噪处理后的当前图像帧进行反归一化处理；对反归一化处理后的当前图像帧进行反线性变换处理。
进一步，所述降噪处理包括以下步骤：
①依次将所述图像帧序列中的每一图像帧处理为一行数据，以得到2n+1行数据。
②获取所述当前图像帧数据中每个像素上下左右各d个像素，生成以该像素点为中心的(2d+1)*(2d+1)的第一矩阵。
③将所述矩阵的每个像素的像素值减去中心像素的像素值，得到第二矩阵。
④生成与所述第二矩阵尺寸大小相同、方差为σ的高斯矩阵。
⑤基于所述高斯矩阵和第二矩阵，利用双边滤波计算所述2n+1行数据中的每个像素降噪后的数值。
进一步，步骤六中，所述通过存储器存储设置的目标扫描区域信息、采集的X射线图像、预警信息及AI分析结果的实时数据的具体方法如下：
1)当接收到图像存储请求时，根据使用的X射线探测器获取X射线检测图像数据，以及X射线检测图像宽度和检测图像高度数据；所述X射线检测图像数据包括信息块、数据块和检测块，其中信息块和数据块采用静态存储方式，检测块采用动态存储方式。
2)在存储器中为信息块分配静态存储空间，所分配的静态存储空间大小为信息块数据结构长度。
3)向信息块数据结构中的参数赋值；所述信息块中存储的检测图像信息数据包括标识、图像宽度、图像高度、数据类型、总长度、信息长度、数据长度、检测条目数。
4)在存储器中信息块静态存储空间之后，为数据块分配静态存储空间，所分配的静态存储空间大小为信息块数据结构中的数据长度参数值。
5)将步骤1)获得的X射线检测图像数据赋值给数据块静态存储空间。
6)在存储器中数据块静态存储空间之后，为检测块分配动态存储空间；所述检测块数据结构采用链表，检测块链表中的检测条目包括检测信息参数和信息值参数。
7)对步骤1)获取的X射线检测图像进行检测，并根据检测过程，在检测块中增加、删除或者修改检测条目，并相应对信息块数据结构中总长度参数值和检测条目参数值进行更新。
8)判断对X射线检测图像是否检测完毕，如检测完毕，保存信息块、数据块和检测块数据，若未完毕则返回执行步骤7)。
9)对检测完毕的X射线检测图像进行加密存储。
进一步，步骤2)中，所述信息块数据结构中的参数包括标识、图像宽度、图像高度、数据类型、总长度、信息长度、数据长度、检测条目数；其中图像宽度和图像高度为以像素数表示的X射线检测图像的宽度和高度，数据类型为图像数据的量化精度，总长度为存储所占用的总字节数，信息长度为存储信息块所占用的字节数、数据长度为存储数据块所占用的字节数，检测条目数为检测块中检测信息的条目数。
进一步，步骤六中，所述通过AI分析程序根据采集的图像特征进行分析的方法包括：
(Ⅰ)输入X射线图像提取的特征元素，作为照射样本；使用检测器来检测响应于所述照射从该样本放射出的输出X射线的通量。
(Ⅱ)使用检测器来截获所述通量的至少一部分以便产生该样本的至少一部分的像素化图像Ij的集合{Ij}，所述集合{Ij}的势为M>1。
(Ⅲ)针对每个图像Ij中的每个像素pi，确定累积信号强度Sij，从而产生相关联的信号强度集合{Sij}。
(Ⅳ)使用集合{Sij}来计算每个像素位置i的平均信号强度S、每个像素位置i的S中的方差σ2S。
(Ⅴ)使用值S和σ2S并借助每个像素位置i的函数相关性E～σS 2/S来产生每个像素的平均X射线光子能量E的图。
进一步，所述集合{Ij}的生成方法为：
通过迭代地重复藉此在继续捕获整个第(n+1)个图像In+1之前捕获整个第n个图像In的过程来产生集合{Ij}。
通过迭代地重复藉此在继续至第(n+1)个像素位置之前在第n个像素位置处收集M多个不同的检测器样品的过程来产生集合{Ij}。
进一步，步骤六中，所述通过AI分析程序根据采集的图像特征进行分析的方法还包括：
通过控制器分析目标区域的图像信号并针对X射线检测器的每个检测区域设置X射线检测器的增益；
所述X射线检测器包括多个像素区域，X射线检测器的每个检测区域包括至少一个像素区域；控制器分析对象的图像信号，并提取噪声区域和饱和区域。
进一步，所述提取噪声区域和饱和区域的方法为：
控制器将X射线检测器的检测区域中的图像信号的电平等于或大于第一预定参考电平的检测区域确定为饱和区域，并将X射线检测器的检测区域中的图像信号的电平等于或小于第二预定参考电平的检测区域确定为噪声区域；
控制器将高于原始增益的值设置为针对X射线检测器的噪声区域的增益，并将低于原始增益的值设置为针对X射线检测器的饱和区域的增益。
本发明的优点及积极效果为：本发明通过降噪模块能够对X射线图像进行降噪，使X射线图像质量提高；通过不同灰度范围的划分，对不同灰度范围的区域使用不同程度的降噪，以避免局部降噪过量，造成模糊；对所述图像帧进行边缘扩增，使边缘区域数据能够被降噪处理；对2n+1行数据进行降噪处理基于高斯矩阵和第二矩阵以及双边滤波使图像最大程度的保持分辨特性不被模糊；同时，通过图像存储模块将检测块保存在信息块与数据块的后面，在增加检测条目时，不需要反复读写大量图像数据，提高保存效率；所有需要的检测信息都可以与图像数据同步保存，避免造成检测信息混乱以及检测信息丢失的现象，极大的方便了图像与检测信息的保存与使用。本发明涉及的基于AI的X射线成像分析装置能够大大降低使用者的技术门槛，有效地提高检查效能，降低诊断的失误和漏检。
附图说明
图1是本发明实施例提供的基于AI的X射线成像分析装置结构框图；
图中：1、目标区域划分模块；2、X射线图像设置模块；3、X射线图像采集模块；4、信号转换模块；5、图像判断模块；6、主控模块；7、X射线图像增强模块；8、降噪模块；9、特征提取模块；10、AI分析模块；11、图像存储模块；12、预警模块；13、显示模块。
图2是本发明实施例提供的基于AI的X射线成像分析方法流程图。
具体实施方式
为能进一步了解本发明的发明内容、特点及功效，兹例举以下实施例，并配合附图详细说明如下。
下面结合附图对本发明的结构作详细的描述。
如图1所示，本发明实施例提供的基于AI的X射线成像分析装置包括：目标区域划分模块1、X射线图像设置模块2、X射线图像采集模块3、信号转换模块4、图像判断模块5、主控模块6、X射线图像增强模块7、降噪模块8、特征提取模块9、AI分析模块10、图像存储模块11、预警模块12、显示模块13。
目标区域划分模块1，与主控模块6连接，用于划分并设置目标扫描区域信息，所述目标扫描区域信息包括待扫描的目标区域；
X射线图像设置模块2，与主控模块6连接，用于通过X射线图像设置程序设置采集X光影像所需的X光曝光剂量、曝光能量范围和拍摄角度；
X射线图像采集模块3，与主控模块6连接，用于通过X射线探测器采集穿过目标区域的X射线；
信号转换模块4，与主控模块6连接，用于通过信号转换程序将采集的目标区域的X射线转换为图像信号；
图像判断模块5，与主控模块6连接，用于通过图像判断程序判断采集的X射线图像数据是否与已设置的目标扫描区域信息匹配；若是则连接X射线图像增强模块，若不是则连接预警模块；
主控模块6，与目标区域划分模块1、X射线图像设置模块2、X射线图像采集模块3、信号转换模块4、图像判断模块5、X射线图像增强模块7、降噪模块8、特征提取模块9、AI分析模块10、图像存储模块11、预警模块12、显示模块13连接，用于通过主控器控制各个模块正常工作；
X射线图像增强模块7，与主控模块6连接，用于通过图像增强程序对采集的X射线图像进行增强处理；
降噪模块8，与主控模块6连接，用于通过降噪算法对采集的X射线图像进行降噪处理；
特征提取模块9，与主控模块6连接，用于通过提取程序对采集的X射线图像提取特征元素；
AI分析模块10，与主控模块6连接，用于通过AI分析程序根据采集的图像特征进行分析；
图像存储模块11，与主控模块6连接，用于通过存储器存储设置的目标扫描区域信息、采集的X射线图像、预警信息及AI分析结果的实时数据；
预警模块12，与主控模块6连接，用于通过声光预警装置进行采集的X射线图像数据与已设置的目标扫描区域信息不匹配的异常情况的预警；
显示模块13，与主控模块6连接，用于通过显示器显示设置的目标扫描区域信息、采集的X射线图像、预警信息及AI分析结果的实时数据。
如图2所示，本发明实施例提供的基于AI的X射线成像分析方法包括以下步骤：
S101：划分并设置目标扫描区域信息，所述目标扫描区域信息包括待扫描的目标区域；通过X射线图像设置程序设置采集X光影像所需的X光曝光剂量、曝光能量范围和拍摄角度。
S102：通过X射线探测器采集穿过目标区域的X射线；通过信号转换程序将采集的目标区域的X射线转换为图像信号。
S103：通过图像判断程序判断采集的X射线图像数据是否与已设置的目标扫描区域信息匹配；若是则连接X射线图像增强模块，若不是则连接预警模块。
S104：通过主控器控制各个模块正常工作；通过图像增强程序对采集的X射线图像进行增强处理。
S105：通过降噪算法对采集的X射线图像进行降噪处理；通过提取程序对采集的X射线图像提取特征元素。
S106：通过AI分析程序根据采集的图像特征进行分析；通过存储器存储设置的目标扫描区域信息、采集的X射线图像、预警信息及AI分析结果的实时数据。
S107：通过声光预警装置进行采集的X射线图像数据与已设置的目标扫描区域信息不匹配的异常情况的预警；通过显示器显示设置的目标扫描区域信息、采集的X射线图像、预警信息及AI分析结果的实时数据。
本发明实施例提供的S105中的通过降噪算法对采集的X射线图像进行降噪处理的方法如下：
(1)通过X射线辐射对安置在检查区域中的检查对象进行照射的X射线源，并且通过X射线探测器将X射线辐射转换为检查对象的图像数据；获取X射线的图像帧序列，所述图像帧序列包括当前图像帧、当前图像帧的前n个图像帧和后n个图像帧。
(2)对所述图像帧序列中的每个图像帧进行灰度划分，并针对不同的灰度等级进行对应的线性变换。
(3)对线性变换后的所述图像帧进行归一化处理。
(4)对归一化后的所述图像帧进行边缘扩增。
(5)对边缘扩增后的所述当前图像帧进行当前图像帧的降噪处理；对降噪处理后的当前图像帧进行反归一化处理；对反归一化处理后的当前图像帧进行反线性变换处理。
本发明实施例提供的降噪处理包括以下步骤：
①依次将所述图像帧序列中的每一图像帧处理为一行数据，以得到2n+1行数据。
②获取所述当前图像帧数据中每个像素上下左右各d个像素，生成以该像素点为中心的(2d+1)*(2d+1)的第一矩阵。
③将所述矩阵的每个像素的像素值减去中心像素的像素值，得到第二矩阵。
④生成与所述第二矩阵尺寸大小相同、方差为σ的高斯矩阵。
⑤基于所述高斯矩阵和第二矩阵，利用双边滤波计算所述2n+1行数据中的每个像素降噪后的数值。
本发明实施例提供的S106中的通过存储器存储设置的目标扫描区域信息、采集的X射线图像、预警信息及AI分析结果的实时数据的具体方法如下：
1)当接收到图像存储请求时，根据使用的X射线探测器获取X射线检测图像数据，以及X射线检测图像宽度和检测图像高度数据；所述X射线检测图像数据包括信息块、数据块和检测块，其中信息块和数据块采用静态存储方式，检测块采用动态存储方式。
2)在存储器中为信息块分配静态存储空间，所分配的静态存储空间大小为信息块数据结构长度。
3)向信息块数据结构中的参数赋值；所述信息块中存储的检测图像信息数据包括标识、图像宽度、图像高度、数据类型、总长度、信息长度、数据长度、检测条目数。
4)在存储器中信息块静态存储空间之后，为数据块分配静态存储空间，所分配的静态存储空间大小为信息块数据结构中的数据长度参数值。
5)将步骤1)获得的X射线检测图像数据赋值给数据块静态存储空间。
6)在存储器中数据块静态存储空间之后，为检测块分配动态存储空间；所述检测块数据结构采用链表，检测块链表中的检测条目包括检测信息参数和信息值参数。
7)对步骤1)获取的X射线检测图像进行检测，并根据检测过程，在检测块中增加、删除或者修改检测条目，并相应对信息块数据结构中总长度参数值和检测条目参数值进行更新。
8)判断对X射线检测图像是否检测完毕，如检测完毕，保存信息块、数据块和检测块数据，若未完毕则返回执行步骤7)。
9)对检测完毕的X射线检测图像进行加密存储。
本发明实施例提供的步骤2)中的信息块数据结构中的参数包括标识、图像宽度、图像高度、数据类型、总长度、信息长度、数据长度、检测条目数；其中图像宽度和图像高度为以像素数表示的X射线检测图像的宽度和高度，数据类型为图像数据的量化精度，总长度为存储所占用的总字节数，信息长度为存储信息块所占用的字节数、数据长度为存储数据块所占用的字节数，检测条目数为检测块中检测信息的条目数。
本发明实施例提供的S106中的通过AI分析程序根据采集的图像特征进行分析的方法包括：
(Ⅰ)输入X射线图像提取的特征元素，作为照射样本；使用检测器来检测响应于所述照射从该样本放射出的输出X射线的通量。
(Ⅱ)使用检测器来截获所述通量的至少一部分以便产生该样本的至少一部分的像素化图像Ij的集合{Ij}，所述集合{Ij}的势为M>1。
(Ⅲ)针对每个图像Ij中的每个像素pi，确定累积信号强度Sij，从而产生相关联的信号强度集合{Sij}。
(Ⅳ)使用集合{Sij}来计算每个像素位置i的平均信号强度S、每个像素位置i的S中的方差σ2S。
(Ⅴ)使用值S和σ2S并借助每个像素位置i的函数相关性E～σS 2/S来产生每个像素的平均X射线光子能量E的图。
本发明实施例提供的集合{Ij}的生成方法为：
通过迭代地重复藉此在继续捕获整个第(n+1)个图像In+1之前捕获整个第n个图像In的过程来产生集合{Ij}。
通过迭代地重复藉此在继续至第(n+1)个像素位置之前在第n个像素位置处收集M多个不同的检测器样品的过程来产生集合{Ij}。
本发明实施例提供的S106中的通过AI分析程序根据采集的图像特征进行分析的方法还包括：
通过控制器分析目标区域的图像信号并针对X射线检测器的每个检测区域设置X射线检测器的增益；
所述X射线检测器包括多个像素区域，X射线检测器的每个检测区域包括至少一个像素区域；控制器分析对象的图像信号，并提取噪声区域和饱和区域。
本发明实施例提供的提取噪声区域和饱和区域的方法为：
控制器将X射线检测器的检测区域中的图像信号的电平等于或大于第一预定参考电平的检测区域确定为饱和区域，并将X射线检测器的检测区域中的图像信号的电平等于或小于第二预定参考电平的检测区域确定为噪声区域；
控制器将高于原始增益的值设置为针对X射线检测器的噪声区域的增益，并将低于原始增益的值设置为针对X射线检测器的饱和区域的增益。
以上所述仅是对本发明的较佳实施例而已，并非对本发明作任何形式上的限制，凡是依据本发明的技术实质对以上实施例所做的任何简单修改，等同变化与修饰，均属于本发明技术方案的范围内。
Claims (10)
1.一种基于AI的X射线成像分析装置，其特征在于，所述基于AI的X射线成像分析装置包括：
目标区域划分模块、X射线图像设置模块、X射线图像采集模块、信号转换模块、图像判断模块、主控模块、X射线图像增强模块、降噪模块、特征提取模块、AI分析模块、图像存储模块、预警模块、显示模块；
目标区域划分模块，与主控模块连接，用于划分并设置目标扫描区域信息，所述目标扫描区域信息包括待扫描的目标区域；
X射线图像设置模块，与主控模块连接，用于通过X射线图像设置程序设置采集X光影像所需的X光曝光剂量、曝光能量范围和拍摄角度；
X射线图像采集模块，与主控模块连接，用于通过X射线探测器采集穿过目标区域的X射线；
信号转换模块，与主控模块连接，用于通过信号转换程序将采集的目标区域的X射线转换为图像信号；
图像判断模块，与主控模块连接，用于通过图像判断程序判断采集的X射线图像数据是否与已设置的目标扫描区域信息匹配；若是则连接X射线图像增强模块，若不是则连接预警模块；
主控模块，与目标区域划分模块、X射线图像设置模块、X射线图像采集模块、信号转换模块、图像判断模块、X射线图像增强模块、降噪模块、特征提取模块、AI分析模块、图像存储模块、预警模块、显示模块连接，用于通过主控器控制各个模块正常工作；
X射线图像增强模块，与主控模块连接，用于通过图像增强程序对采集的X射线图像进行增强处理；
降噪模块，与主控模块连接，用于通过降噪算法对采集的X射线图像进行降噪处理；
特征提取模块，与主控模块连接，用于通过提取程序对采集的X射线图像提取特征元素；
AI分析模块，与主控模块连接，用于通过AI分析程序根据采集的图像特征进行分析；
图像存储模块，与主控模块连接，用于通过存储器存储设置的目标扫描区域信息、采集的X射线图像、预警信息及AI分析结果的实时数据；
预警模块，与主控模块连接，用于通过声光预警装置进行采集的X射线图像数据与已设置的目标扫描区域信息不匹配的异常情况的预警；
显示模块，与主控模块连接，用于通过显示器显示设置的目标扫描区域信息、采集的X射线图像、预警信息及AI分析结果的实时数据。
2.一种如权利要求1所述基于AI的X射线成像分析装置的基于AI的X射线成像分析方法，其特征在于，所述基于AI的X射线成像分析方法包括以下步骤：
步骤一，划分并设置目标扫描区域信息，所述目标扫描区域信息包括待扫描的目标区域；通过X射线图像设置程序设置采集X光影像所需的X光曝光剂量、曝光能量范围和拍摄角度；
步骤二，通过X射线探测器采集穿过目标区域的X射线；通过信号转换程序将采集的目标区域的X射线转换为图像信号；
步骤三，通过图像判断程序判断采集的X射线图像数据是否与已设置的目标扫描区域信息匹配；若是则连接X射线图像增强模块，若不是则连接预警模块；
步骤四，通过主控器控制各个模块正常工作；通过图像增强程序对采集的X射线图像进行增强处理；
步骤五，通过降噪算法对采集的X射线图像进行降噪处理；通过提取程序对采集的X射线图像提取特征元素；
步骤六，通过AI分析程序根据采集的图像特征进行分析；通过存储器存储设置的目标扫描区域信息、采集的X射线图像、预警信息及AI分析结果的实时数据；
步骤七，通过声光预警装置进行采集的X射线图像数据与已设置的目标扫描区域信息不匹配的异常情况的预警；通过显示器显示设置的目标扫描区域信息、采集的X射线图像、预警信息及AI分析结果的实时数据。
3.如权利要求2所述基于AI的X射线成像分析方法，其特征在于，步骤五中，所述通过降噪算法对采集的X射线图像进行降噪处理的方法如下：
(1)通过X射线辐射对安置在检查区域中的检查对象进行照射的X射线源，并且通过X射线探测器将X射线辐射转换为检查对象的图像数据；获取X射线的图像帧序列，所述图像帧序列包括当前图像帧、当前图像帧的前n个图像帧和后n个图像帧；
(2)对所述图像帧序列中的每个图像帧进行灰度划分，并针对不同的灰度等级进行对应的线性变换；
(3)对线性变换后的所述图像帧进行归一化处理；
(4)对归一化后的所述图像帧进行边缘扩增；
(5)对边缘扩增后的所述当前图像帧进行当前图像帧的降噪处理；对降噪处理后的当前图像帧进行反归一化处理；对反归一化处理后的当前图像帧进行反线性变换处理。
4.如权利要求3所述基于AI的X射线成像分析方法，其特征在于，所述降噪处理包括以下步骤：
①依次将所述图像帧序列中的每一图像帧处理为一行数据，以得到2n+1行数据；
②获取所述当前图像帧数据中每个像素上下左右各d个像素，生成以该像素点为中心的(2d+1)*(2d+1)的第一矩阵；
③将所述矩阵的每个像素的像素值减去中心像素的像素值，得到第二矩阵；
④生成与所述第二矩阵尺寸大小相同、方差为σ的高斯矩阵；
⑤基于所述高斯矩阵和第二矩阵，利用双边滤波计算所述2n+1行数据中的每个像素降噪后的数值。
5.如权利要求2所述基于AI的X射线成像分析方法，其特征在于，步骤六中，所述通过存储器存储设置的目标扫描区域信息、采集的X射线图像、预警信息及AI分析结果的实时数据的具体方法如下：
1)当接收到图像存储请求时，根据使用的X射线探测器获取X射线检测图像数据，以及X射线检测图像宽度和检测图像高度数据；所述X射线检测图像数据包括信息块、数据块和检测块，其中信息块和数据块采用静态存储方式，检测块采用动态存储方式；
2)在存储器中为信息块分配静态存储空间，所分配的静态存储空间大小为信息块数据结构长度；
3)向信息块数据结构中的参数赋值；所述信息块中存储的检测图像信息数据包括标识、图像宽度、图像高度、数据类型、总长度、信息长度、数据长度、检测条目数；
4)在存储器中信息块静态存储空间之后，为数据块分配静态存储空间，所分配的静态存储空间大小为信息块数据结构中的数据长度参数值；
5)将步骤1)获得的X射线检测图像数据赋值给数据块静态存储空间；
6)在存储器中数据块静态存储空间之后，为检测块分配动态存储空间；所述检测块数据结构采用链表，检测块链表中的检测条目包括检测信息参数和信息值参数；
7)对步骤1)获取的X射线检测图像进行检测，并根据检测过程，在检测块中增加、删除或者修改检测条目，并相应对信息块数据结构中总长度参数值和检测条目参数值进行更新；
8)判断对X射线检测图像是否检测完毕，如检测完毕，保存信息块、数据块和检测块数据，若未完毕则返回执行步骤7)；
9)对检测完毕的X射线检测图像进行加密存储。
6.如权利要求5所述基于AI的X射线成像分析方法，其特征在于，步骤2)中，所述信息块数据结构中的参数包括标识、图像宽度、图像高度、数据类型、总长度、信息长度、数据长度、检测条目数；其中图像宽度和图像高度为以像素数表示的X射线检测图像的宽度和高度，数据类型为图像数据的量化精度，总长度为存储所占用的总字节数，信息长度为存储信息块所占用的字节数、数据长度为存储数据块所占用的字节数，检测条目数为检测块中检测信息的条目数。
7.如权利要求2所述基于AI的X射线成像分析方法，其特征在于，步骤六中，所述通过AI分析程序根据采集的图像特征进行分析的方法包括：
(Ⅰ)输入X射线图像提取的特征元素，作为照射样本；使用检测器来检测响应于所述照射从该样本放射出的输出X射线的通量；
(Ⅱ)使用检测器来截获所述通量的至少一部分以便产生该样本的至少一部分的像素化图像Ij的集合{Ij}，所述集合{Ij}的势为M>1；
(Ⅲ)针对每个图像Ij中的每个像素pi，确定累积信号强度Sij，从而产生相关联的信号强度集合{Sij}；
(Ⅳ)使用集合{Sij}来计算每个像素位置i的平均信号强度S、每个像素位置i的S中的方差σ2S；
(Ⅴ)使用值S和σ2S并借助每个像素位置i的函数相关性E～σS 2/S来产生每个像素的平均X射线光子能量E的图。
8.如权利要求7所述基于AI的X射线成像分析方法，其特征在于，所述集合{Ij}的生成方法为：
通过迭代地重复藉此在继续捕获整个第(n+1)个图像In+1之前捕获整个第n个图像In的过程来产生集合{Ij}；
通过迭代地重复藉此在继续至第(n+1)个像素位置之前在第n个像素位置处收集M多个不同的检测器样品的过程来产生集合{Ij}。
9.如权利要求2所述基于AI的X射线成像分析方法，其特征在于，步骤六中，所述通过AI分析程序根据采集的图像特征进行分析的方法还包括：
通过控制器分析目标区域的图像信号并针对X射线检测器的每个检测区域设置X射线检测器的增益；
所述X射线检测器包括多个像素区域，X射线检测器的每个检测区域包括至少一个像素区域；控制器分析对象的图像信号，并提取噪声区域和饱和区域；
所述提取噪声区域和饱和区域的方法为：
控制器将X射线检测器的检测区域中的图像信号的电平等于或大于第一预定参考电平的检测区域确定为饱和区域，并将X射线检测器的检测区域中的图像信号的电平等于或小于第二预定参考电平的检测区域确定为噪声区域；
控制器将高于原始增益的值设置为针对X射线检测器的噪声区域的增益，并将低于原始增益的值设置为针对X射线检测器的饱和区域的增益。
10.一种可读存储介质，包括指令，当其在计算机上运行时，使得计算机执行如权利要求2～9任意一项所述的基于AI的X射线成像分析方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201911352835.2A CN111012370A (zh) | 2019-12-25 | 2019-12-25 | 基于ai的x射线成像分析方法、装置及可读存储介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201911352835.2A CN111012370A (zh) | 2019-12-25 | 2019-12-25 | 基于ai的x射线成像分析方法、装置及可读存储介质 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN111012370A true CN111012370A (zh) | 2020-04-17 |
Family
ID=70213482
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201911352835.2A Pending CN111012370A (zh) | 2019-12-25 | 2019-12-25 | 基于ai的x射线成像分析方法、装置及可读存储介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN111012370A (zh) |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN112205996A (zh) * | 2020-11-01 | 2021-01-12 | 南昌华亮光电有限责任公司 | 基于光子随机偏移量的图像加密系统与方法 |
| CN114004880A (zh) * | 2021-04-08 | 2022-02-01 | 四川大学华西医院 | 双目相机的点云和强反光目标实时定位方法 |
Citations (12)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20090123048A1 (en) * | 2007-05-09 | 2009-05-14 | Jean-Daniel Leroux | Image Reconstruction Methods Based on Block Circulant System Matrices |
| US20100098216A1 (en) * | 2008-10-17 | 2010-04-22 | Moxtek, Inc. | Noise Reduction In Xray Emitter/Detector Systems |
| CN102609904A (zh) * | 2012-01-11 | 2012-07-25 | 云南电力试验研究院（集团）有限公司电力研究院 | 双变量非局部平均滤波x射线图像消噪方法 |
| CN203354563U (zh) * | 2013-06-06 | 2013-12-25 | 中国人民解放军南京军区南京总医院 | 牙科x射线摄片机用低密度分辨率检测模 |
| KR20140046156A (ko) * | 2012-10-10 | 2014-04-18 | (주)씨에스프로바이더 | 디지털 Ｘ-ｒａｙ 영상 정보를 이용한 골밀도 분석 방법 및 디지털 Ｘ-ｒａｙ 영상 정보를 이용한 골밀도 분석프로그램을 기록한 컴퓨터로 판독가능한 기록매체 |
| US20140185762A1 (en) * | 2013-01-03 | 2014-07-03 | Samsung Electronics Co., Ltd. | X-ray imaging apparatus and x-ray imaging method |
| CN104777178A (zh) * | 2015-04-07 | 2015-07-15 | 同方威视技术股份有限公司 | 一种x射线扫描方法及扫描系统 |
| CN105808703A (zh) * | 2016-03-04 | 2016-07-27 | 西安邮电大学 | 一种x射线检测图像存储方法 |
| CN206044645U (zh) * | 2016-07-18 | 2017-03-29 | 四川大学华西医院 | 一种带有保护套的x光平板探测器 |
| CN108318513A (zh) * | 2017-01-16 | 2018-07-24 | Fei 公司 | X射线成像中的统计分析 |
| CN109493290A (zh) * | 2018-10-26 | 2019-03-19 | 上海奕瑞光电子科技股份有限公司 | X射线图像降噪的方法、系统及装置 |
| CN110353711A (zh) * | 2019-07-19 | 2019-10-22 | 江苏康众数字医疗科技股份有限公司 | 基于ai的x射线成像分析方法、装置及可读存储介质 |
-
2019
- 2019-12-25 CN CN201911352835.2A patent/CN111012370A/zh active Pending
Patent Citations (13)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20090123048A1 (en) * | 2007-05-09 | 2009-05-14 | Jean-Daniel Leroux | Image Reconstruction Methods Based on Block Circulant System Matrices |
| US20100098216A1 (en) * | 2008-10-17 | 2010-04-22 | Moxtek, Inc. | Noise Reduction In Xray Emitter/Detector Systems |
| CN102609904A (zh) * | 2012-01-11 | 2012-07-25 | 云南电力试验研究院（集团）有限公司电力研究院 | 双变量非局部平均滤波x射线图像消噪方法 |
| KR20140046156A (ko) * | 2012-10-10 | 2014-04-18 | (주)씨에스프로바이더 | 디지털 Ｘ-ｒａｙ 영상 정보를 이용한 골밀도 분석 방법 및 디지털 Ｘ-ｒａｙ 영상 정보를 이용한 골밀도 분석프로그램을 기록한 컴퓨터로 판독가능한 기록매체 |
| CN103908272A (zh) * | 2013-01-03 | 2014-07-09 | 三星电子株式会社 | X射线成像设备和x射线成像方法 |
| US20140185762A1 (en) * | 2013-01-03 | 2014-07-03 | Samsung Electronics Co., Ltd. | X-ray imaging apparatus and x-ray imaging method |
| CN203354563U (zh) * | 2013-06-06 | 2013-12-25 | 中国人民解放军南京军区南京总医院 | 牙科x射线摄片机用低密度分辨率检测模 |
| CN104777178A (zh) * | 2015-04-07 | 2015-07-15 | 同方威视技术股份有限公司 | 一种x射线扫描方法及扫描系统 |
| CN105808703A (zh) * | 2016-03-04 | 2016-07-27 | 西安邮电大学 | 一种x射线检测图像存储方法 |
| CN206044645U (zh) * | 2016-07-18 | 2017-03-29 | 四川大学华西医院 | 一种带有保护套的x光平板探测器 |
| CN108318513A (zh) * | 2017-01-16 | 2018-07-24 | Fei 公司 | X射线成像中的统计分析 |
| CN109493290A (zh) * | 2018-10-26 | 2019-03-19 | 上海奕瑞光电子科技股份有限公司 | X射线图像降噪的方法、系统及装置 |
| CN110353711A (zh) * | 2019-07-19 | 2019-10-22 | 江苏康众数字医疗科技股份有限公司 | 基于ai的x射线成像分析方法、装置及可读存储介质 |
Cited By (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN112205996A (zh) * | 2020-11-01 | 2021-01-12 | 南昌华亮光电有限责任公司 | 基于光子随机偏移量的图像加密系统与方法 |
| CN112205996B (zh) * | 2020-11-01 | 2023-05-26 | 南昌华亮光电有限责任公司 | 基于光子随机偏移量的图像加密系统与方法 |
| CN114004880A (zh) * | 2021-04-08 | 2022-02-01 | 四川大学华西医院 | 双目相机的点云和强反光目标实时定位方法 |
| CN114004880B (zh) * | 2021-04-08 | 2023-04-25 | 四川大学华西医院 | 双目相机的点云和强反光目标实时定位方法 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US11328391B2 (en) | System and method for controlling noise in multi-energy computed tomography images based on spatio-spectral information | |
| US7526065B2 (en) | Volumetric X-ray imaging system with automatic image resolution enhancement | |
| CN105486702B (zh) | 一种基于x射线的目标缺陷检测系统 | |
| BOCKER, T. BAUCH, W.-U. MULLER and C. STREFFER | Technical report image analysis of comet assay measurements | |
| JPH07184886A (ja) | コンピュータ断層撮影用の装置及び方法 | |
| US6415049B1 (en) | Apparatus for detecting and processing a radiation image | |
| CN111012370A (zh) | 基于ai的x射线成像分析方法、装置及可读存储介质 | |
| US6356652B1 (en) | Visualization of diagnostically irrelevant zones in a radiographic image | |
| JPWO2020022038A1 (ja) | 情報処理装置、情報処理方法、情報処理システム、およびプログラム | |
| US7295689B2 (en) | System and method for real-time processing and display of digital medical images | |
| JP6479772B2 (ja) | Ｘ線撮像装置及び方法 | |
| US20020154802A1 (en) | Apparatus for and method of generating an enhanced contrast information digital image | |
| JP2001238868A (ja) | 画像処理方法及び画像処理装置 | |
| KR20150089382A (ko) | 디지털 유방 엑스선 촬영용 시스템을 위한 검출양자효율의 검출방법, 검출시스템 및 그 방법을 실행하는 프로그램이 기록된 기록매체 | |
| JPH0924039A (ja) | 骨塩定量分析方法および装置 | |
| CN101147683A (zh) | 图像处理装置和图像处理方法 | |
| JPH057579A (ja) | 放射線画像の照射野領域抽出装置 | |
| CN110292392A (zh) | 一种荧光ct稀疏角度投影自吸收校正方法 | |
| CN113313649B (zh) | 图像重建方法及装置 | |
| CN1307944C (zh) | 数字异物定位仪 | |
| JPH0690406B2 (ja) | 放射線画像情報の読取条件決定方法 | |
| JP4101392B2 (ja) | 画像定量方法および装置 | |
| CN111474568B (zh) | 一种智能化放射物质平衡分析方法 | |
| CN111595874A (zh) | 一种动态定量成像的整环spect/能谱ct | |
| JPH08146137A (ja) | 差分画像処理を用いた放射線透視法 |
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 | ||
| RJ01 | Rejection of invention patent application after publication | ||
| RJ01 | Rejection of invention patent application after publication |
Application publication date: 20200417 |