CN113100802A - 一种校正机械偏差的方法和系统 - Google Patents
一种校正机械偏差的方法和系统 Download PDFInfo
- Publication number
- CN113100802A CN113100802A CN202110414441.6A CN202110414441A CN113100802A CN 113100802 A CN113100802 A CN 113100802A CN 202110414441 A CN202110414441 A CN 202110414441A CN 113100802 A CN113100802 A CN 113100802A
- Authority
- CN
- China
- Prior art keywords
- projection data
- convolution kernel
- deviation
- auxiliary model
- mechanical
- 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.)
- Granted
Links
- 238000000034 method Methods 0.000 title claims abstract description 89
- 238000012549 training Methods 0.000 claims abstract description 53
- 238000001514 detection method Methods 0.000 claims description 123
- 239000011159 matrix material Substances 0.000 claims description 47
- 230000005855 radiation Effects 0.000 claims description 22
- 238000012937 correction Methods 0.000 claims description 18
- 230000004044 response Effects 0.000 description 31
- 230000008569 process Effects 0.000 description 26
- 238000009434 installation Methods 0.000 description 20
- 230000006870 function Effects 0.000 description 18
- 238000004364 calculation method Methods 0.000 description 11
- 238000010586 diagram Methods 0.000 description 9
- 239000000523 sample Substances 0.000 description 8
- 238000013527 convolutional neural network Methods 0.000 description 5
- PCHJSUWPFVWCPO-UHFFFAOYSA-N gold Chemical compound [Au] PCHJSUWPFVWCPO-UHFFFAOYSA-N 0.000 description 5
- 238000013459 approach Methods 0.000 description 4
- 238000012545 processing Methods 0.000 description 4
- 230000000694 effects Effects 0.000 description 3
- 230000006872 improvement Effects 0.000 description 3
- 239000000463 material Substances 0.000 description 3
- 239000007769 metal material Substances 0.000 description 3
- 238000012986 modification Methods 0.000 description 3
- 230000004048 modification Effects 0.000 description 3
- 230000000644 propagated effect Effects 0.000 description 3
- 238000004088 simulation Methods 0.000 description 3
- XEEYBQQBJWHFJM-UHFFFAOYSA-N Iron Chemical compound [Fe] XEEYBQQBJWHFJM-UHFFFAOYSA-N 0.000 description 2
- PXHVJJICTQNCMI-UHFFFAOYSA-N Nickel Chemical compound [Ni] PXHVJJICTQNCMI-UHFFFAOYSA-N 0.000 description 2
- 230000006978 adaptation Effects 0.000 description 2
- 238000003491 array Methods 0.000 description 2
- 238000004590 computer program Methods 0.000 description 2
- 238000003384 imaging method Methods 0.000 description 2
- 230000001788 irregular Effects 0.000 description 2
- 238000005259 measurement Methods 0.000 description 2
- 238000003062 neural network model Methods 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 238000012935 Averaging Methods 0.000 description 1
- RYGMFSIKBFXOCR-UHFFFAOYSA-N Copper Chemical compound [Cu] RYGMFSIKBFXOCR-UHFFFAOYSA-N 0.000 description 1
- 238000010521 absorption reaction Methods 0.000 description 1
- 229910045601 alloy Inorganic materials 0.000 description 1
- 239000000956 alloy Substances 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 230000000712 assembly Effects 0.000 description 1
- 238000000429 assembly Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000007796 conventional method Methods 0.000 description 1
- 229910052802 copper Inorganic materials 0.000 description 1
- 239000010949 copper Substances 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 239000000835 fiber Substances 0.000 description 1
- 230000014509 gene expression Effects 0.000 description 1
- 238000011478 gradient descent method Methods 0.000 description 1
- 229910010272 inorganic material Inorganic materials 0.000 description 1
- 239000011147 inorganic material Substances 0.000 description 1
- 229910052742 iron Inorganic materials 0.000 description 1
- 239000010977 jade Substances 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 239000003607 modifier Substances 0.000 description 1
- 229910052759 nickel Inorganic materials 0.000 description 1
- 239000011368 organic material Substances 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 241000894007 species Species 0.000 description 1
- 230000000007 visual effect Effects 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
- A61B6/02—Arrangements for diagnosis sequentially in different planes; Stereoscopic radiation diagnosis
- A61B6/03—Computed tomography [CT]
- A61B6/032—Transmission computed tomography [CT]
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/0059—Measuring for diagnostic purposes; Identification of persons using light, e.g. diagnosis by transillumination, diascopy, fluorescence
- A61B5/0062—Arrangements for scanning
-
- 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
-
- 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]
- A61B6/037—Emission tomography
-
- 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
- A61B6/42—Arrangements for detecting radiation specially adapted for radiation diagnosis
- A61B6/4266—Arrangements for detecting radiation specially adapted for radiation diagnosis characterised by using a plurality of detector units
-
- 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
- A61B6/44—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 or devices for radiation diagnosis; Apparatus or devices for radiation diagnosis combined with radiation therapy equipment
- A61B6/44—Constructional features of apparatus for radiation diagnosis
- A61B6/4417—Constructional features of apparatus for radiation diagnosis related to combined acquisition of different diagnostic modalities
-
- 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
- A61B6/52—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 or devices for radiation diagnosis; Apparatus or devices for radiation diagnosis combined with radiation therapy equipment
- A61B6/58—Testing, adjusting or calibrating thereof
- A61B6/582—Calibration
-
- 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
- A61B6/582—Calibration
- A61B6/583—Calibration using calibration phantoms
- A61B6/584—Calibration using calibration phantoms determining position of components of the apparatus or device using images of the phantom
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/04—Architecture, e.g. interconnection topology
- G06N3/045—Combinations of networks
Landscapes
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Engineering & Computer Science (AREA)
- Medical Informatics (AREA)
- Physics & Mathematics (AREA)
- Biomedical Technology (AREA)
- General Health & Medical Sciences (AREA)
- Biophysics (AREA)
- Molecular Biology (AREA)
- Surgery (AREA)
- Veterinary Medicine (AREA)
- Pathology (AREA)
- Radiology & Medical Imaging (AREA)
- Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
- Heart & Thoracic Surgery (AREA)
- Animal Behavior & Ethology (AREA)
- Public Health (AREA)
- High Energy & Nuclear Physics (AREA)
- Optics & Photonics (AREA)
- Theoretical Computer Science (AREA)
- Artificial Intelligence (AREA)
- General Engineering & Computer Science (AREA)
- Pulmonology (AREA)
- Computational Linguistics (AREA)
- Data Mining & Analysis (AREA)
- Evolutionary Computation (AREA)
- Computing Systems (AREA)
- Computer Vision & Pattern Recognition (AREA)
- General Physics & Mathematics (AREA)
- Mathematical Physics (AREA)
- Software Systems (AREA)
- Apparatus For Radiation Diagnosis (AREA)
- Projection Apparatus (AREA)
- Exposure And Positioning Against Photoresist Photosensitive Materials (AREA)
Abstract
本说明书实施例提供了一种校正机械偏差的方法和系统。包括获取参考对象的第一投影数据和第二投影数据,第一投影数据是基于待校正设备得到的投影数据,待校正设备包括机械偏差,第一投影数据包括对应机械偏差的偏差投影数据;第二投影数据不包括偏差投影数据;以第一投影数据和第二投影数据作为训练样本,对初始辅助模型进行训练得到辅助模型,辅助模型包括至少一个卷积层,至少一个卷积层中的每一个卷积层包括至少一个候选卷积核;基于辅助模型的至少一个候选卷积核确定目标卷积核;基于目标卷积核确定待校正设备的机械偏差信息,机械偏差信息用于校正待校正设备的机械偏差或偏差投影数据。
Description
技术领域
本申请涉及扫描设备以及计算机技术领域,特别涉及一种校正机械偏差的方法和系统。
背景技术
在射线扫描设备例如X光扫描设备、CT设备、PET-CT设备、激光扫描设备等的使用中,为了达到理想的成像效果,需要根据设计的理想位置安装扫描设备。但是扫描设备的实际安装位置与理想位置可能存在偏差(也称为机械偏差),例如探测器的实际安装位置、实际安装后的射线源(例如,球管)的焦点位置等与设计的理想位置可能有偏差。带有机械偏差的设备扫描得到的扫描数据可能会受到机械偏差的影响,使得成像质量不好,达不到理想效果。
因此,亟需一种校正机械偏差的方法和系统。
发明内容
本说明书一个方面提供一种校正机械偏差的方法。所述方法包括:获取参考对象的第一投影数据,所述第一投影数据是基于待校正设备得到的投影数据,所述待校正设备包括机械偏差,所述第一投影数据包括对应所述机械偏差的偏差投影数据;获取所述参考对象的第二投影数据,所述第二投影数据不包括所述偏差投影数据;以所述第一投影数据和所述第二投影数据作为训练样本,对初始辅助模型进行训练得到辅助模型,所述辅助模型包括至少一个卷积层,所述至少一个卷积层中的每一个卷积层包括至少一个候选卷积核;基于所述辅助模型的所述至少一个候选卷积核确定目标卷积核;基于所述目标卷积核确定所述待校正设备的机械偏差信息,所述机械偏差信息用于校正所述待校正设备的所述机械偏差或所述偏差投影数据。
本说明书另一个方面提供一种校正机械偏差的系统。所述系统包括:获取模块:用于获取参考对象的第一投影数据,所述第一投影数据是基于待校正设备得到的投影数据,所述待校正设备包括机械偏差,所述第一投影数据包括对应所述机械偏差的偏差投影数据;获取所述参考对象的第二投影数据,所述第二投影数据不包括所述偏差投影数据;模型确定模块:以所述第一投影数据和所述第二投影数据作为训练样本,对初始辅助模型进行训练得到辅助模型,所述辅助模型包括至少一个卷积层,所述至少一个卷积层中的每一个卷积层包括至少一个候选卷积核;卷积核确定模块;用于基于所述辅助模型的所述至少一个候选卷积核确定目标卷积核;机械偏差确定模块:用于基于所述目标卷积核确定所述待校正设备的机械偏差信息,所述机械偏差信息用于校正所述待校正设备的所述机械偏差或所述偏差投影数据。
本说明书另一个方面提供一种校正机械偏差的装置,包括处理器,所述处理器用于执行校正机械偏差的方法。
本说明书另一个方面提供计算机可读存储介质,所述存储介质存储计算机指令,当计算机读取存储介质中的计算机指令后,计算机执行校正机械偏差的方法。
附图说明
本说明书将以示例性实施例的方式进一步说明,这些示例性实施例将通过附图进行详细描述。这些实施例并非限制性的,在这些实施例中,相同的编号表示相同的结构,其中:
图1是根据本说明书一些实施例所示的校正机械偏差的系统的应用场景示意图;
图2是根据本说明书的一些实施例所示的示例性校正机械偏差的系统的模块图;
图3是根据本说明书一些实施例所示的校正机械偏差的方法的示例性流程图;
图4是根据本说明书一些实施例所示的基于目标卷积核确定待校正设备的机械偏差信息的方法的示例性流程图;
图5是根据本说明书一些实施例所示的根据第一投影数据的像素矩阵确定对应目标卷积核的示例性示意图。
具体实施方式
为了更清楚地说明本说明书实施例的技术方案,下面将对实施例描述中所需要使用的附图作简单的介绍。显而易见地,下面描述中的附图仅仅是本说明书的一些示例或实施例,对于本领域的普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图将本说明书应用于其它类似情景。除非从语言环境中显而易见或另做说明,图中相同标号代表相同结构或操作。
应当理解,本说明书中所使用的“系统”、“装置”、“单元”和/或“模组”是用于区分不同级别的不同组件、元件、部件、部分或装配的一种方法。然而,如果其他词语可实现相同的目的,则可通过其他表达来替换所述词语。
如本说明书和权利要求书中所示,除非上下文明确提示例外情形,“一”、“一个”、“一种”和/或“该”等词并非特指单数,也可包括复数。一般说来,术语“包括”与“包含”仅提示包括已明确标识的步骤和元素,而这些步骤和元素不构成一个排它性的罗列,方法或者设备也可能包含其它的步骤或元素。
本说明书中使用了流程图用来说明根据本说明书的实施例的系统所执行的操作。应当理解的是,前面或后面操作不一定按照顺序来精确地执行。相反,可以按照倒序或同时处理各个步骤。同时,也可以将其他操作添加到这些过程中,或从这些过程移除某一步或数步操作。
图1是根据本说明书的一些实施例所示的校正机械偏差的系统的应用场景示意图。
校正机械偏差的系统可以用于各种射线扫描设备的机械偏差校正,例如可以用于X光扫描设备的机械偏差校正、CT设备的机械偏差校正、PET-CT设备的机械偏差校正、激光扫描设备的机械偏差校正等等。
如图1所示,校正机械偏差的系统的应用场景100中可以包括第一计算系统130、第二计算系统120。
第一计算系统130和第二计算系统120可以相同也可以不同。
第一计算系统130和第二计算系统120是指具有计算能力的系统,可以包括各种计算机,比如服务器、个人计算机,也可以是由多台计算机以各种结构连接组成的计算平台。
第一计算系统130和第二计算系统120中可以包括处理器,处理器可以执行程序指令。处理器可以包括各种常见的通用中央处理器(Central Processing Unit,CPU),图形处理器(Graphics Processing Unit,GPU),微处理器(Microprocessor Unit,MPU),特殊应用集成电路(Application-Specific Integrated Circuit,ASIC),或其他类型的集成电路。
第一计算系统130和第二计算系统120中可以包括存储介质,存储介质可以存储指令,也可以存储数据。存储介质可包括大容量存储器、可移动存储器、易失性读写存储器、只读存储器(ROM)等或其任意组合。
第一计算系统130和第二计算系统120还可以包括用于内部连接和与外部连接的网络,也可以包括用于输入或输出的终端。网络可以是有线网络或无线网络中的任意一种或多种。终端可以包括各类具有信息接收和/或发送功能的设备,如计算机、手机、文字扫描设备、显示设备、打印机等。
第二计算系统120可以获取训练样本110。训练样本110可以包括参考对象的第一投影数据和第二投影数据。其中,第一投影数据可以包括基于待校正设备得到的数据。所述待校正设备包括机械偏差,所述第一投影数据包括对应所述机械偏差的偏差投影数据。第二投影数据不包括所述偏差投影数据。第二投影数据可以包括基于标准设备对参考对象进行扫描得到的数据。所述标准设备的机械偏差已被校正或者所述标准设备不包括机械偏差。训练样本110可以通过各种常见的方式进入第二计算系统120。
第二计算系统120可以包括初始辅助模型。在一些实施例中,该初始辅助模型可以包括神经网络模型。第二投影数据可以作为第一投影数据的标签,来对初始辅助模型进行训练。初始辅助模型训练好后,可以得到辅助模型。第二计算系统120可以基于辅助模型确定目标卷积核,并基于目标卷积核确定得到待校正设备的机械偏差信息125。关于该过程的详细描述可以参见图3、图4的说明,此处不再赘述。
第一计算系统130可以获取待校正设备的投影数据140和待校正设备的机械偏差信息125。待校正设备的投影数据140和待校正设备的机械偏差信息125可以通过各种常见的方式进入第一计算系统130。
通过基于待校正设备的机械偏差信息125对待校正设备的投影数据140进行校正,第一计算系统130可以得到校正机械偏差后的投影数据150。可以实现通过少量训练样本110数据学习得到的目标卷积核来得到比较稳定的几个位置偏差信息数据,基于通过目标卷积核确定的机械偏差信息来实现待校正设备的机械偏差或偏差投影数据校正,不需大量的训练样本来支撑,实用性更强,能够更方便地校正机械偏差。
图2是根据本说明书的一些实施例所示的示例性校正机械偏差的系统的模块图。
如图2所示,在一些实施例中,校正机械偏差的系统200可以包括获取模块210、模型确定模块220、卷积核确定模块230、机械偏差确定模块240。
获取模块210可以用于:用于获取参考对象的第一投影数据,所述第一投影数据是基于待校正设备得到的投影数据,所述待校正设备包括机械偏差,所述第一投影数据包括对应所述机械偏差的偏差投影数据;以及获取所述参考对象的第二投影数据,所述第二投影数据不包括所述偏差投影数据。关于获取模块210的详细描述可以参见步骤310,此处不再赘述。
模型确定模块220可以用于:以第一投影数据和第二投影数据作为训练样本,对初始辅助模型进行训练得到辅助模型,所述辅助模型包括至少一个卷积层,所述至少一个卷积层中的每一个卷积层包括至少一个候选卷积核。
在一些实施例中,模型确定模块220还可以用于:根据第一投影数据、第二投影数据以及损失函数对初始辅助模型进行迭代更新,得到辅助模型;其中,损失函数包括根据中间卷积核的中心元素的值与预设值的差异确定的第一损失函数,中间卷积核根据初始辅助模型或更新模型的参数确定。关于模型确定模块220的详细描述可以参见步骤320,此处不再赘述。
卷积核确定模块230可以用于:基于辅助模型的至少一个候选卷积核确定目标卷积核。
在一些实施例中,卷积核确定模块230还可以用于:对至少一个候选卷积核执行卷积操作,得到目标卷积核。
在一些实施例中,卷积核确定模块230还可以用于:确定输入矩阵,所述输入矩阵的大小基于所述至少一个候选卷积核的大小确定;将所述输入矩阵输入辅助模型,通过输入矩阵,基于至少一个候选卷积核,从辅助模型中提取目标卷积核。关于卷积核确定模块230的详细描述可以参见步骤330,此处不再赘述。
机械偏差确定模块240可以用于:基于目标卷积核确定待校正设备的机械偏差信息,所述机械偏差信息用于校正所述待校正设备的机械偏差或所述偏差投影数据。关于该过程的详细描述可以参见步骤340,此处不再赘述。
在一些实施例中,机械偏差确定模块240还可以用于:确定所述目标卷积核中心元素与所述目标卷积核至少一个方向上的元素的第一差异;确定所述目标探测单元与所述探测单元矩阵的至少一个方向上的探测单元的投影位置的第二差异,所述目标卷积核的至少一个方向与所述探测单元矩阵的至少一个方向对应;基于所述第一差异和所述第二差异,确定所述目标探测单元在所述至少一个方向上的距离偏差,所述机械偏差信息包括所述目标探测单元在所述至少一个方向上的所述距离偏差。关于该过程的详细描述可以参见步骤410~430,此处不再赘述。
应当理解,所示的校正机械偏差的系统200及其模块可以利用各种方式来实现。例如,在一些实施例中,系统及其模块可以通过硬件、软件或者软件和硬件的结合来实现。其中,硬件部分可以利用专用逻辑来实现;软件部分则可以存储在存储器中,由适当的指令执行系统,例如微处理器或者专用设计硬件来执行。本领域技术人员可以理解上述的方法和系统可以使用计算机可执行指令和/或包含在处理器控制代码中来实现,例如在诸如磁盘、CD或DVD-ROM的载体介质、诸如只读存储器(固件)的可编程的存储器或者诸如光学或电子信号载体的数据载体上提供了这样的代码。本申请的系统及其模块不仅可以有诸如超大规模集成电路或门阵列、诸如逻辑芯片、晶体管等的半导体、或者诸如现场可编程门阵列、可编程逻辑设备等的可编程硬件设备的硬件电路实现,也可以用例如由各种类型的处理器所执行的软件实现,还可以由上述硬件电路和软件的结合(例如,固件)来实现。
需要注意的是,以上对于校正机械偏差的系统200及其模块的描述,仅为描述方便,并不能把本说明书限制在所举实施例范围之内。可以理解,对于本领域的技术人员来说,在了解该系统的原理后,可能在不背离这一原理的情况下,对各个模块进行任意组合,或者构成子系统与其他模块连接。例如,获取模块210、模型确定模块220、卷积核确定模块230、机械偏差确定模块240可以共用一个存储模块,各个模块也可以分别具有各自的存储模块。诸如此类的变形,均在本申请的保护范围之内。
图3是根据本说明书的一些实施例所示的校正机械偏差的方法的示例性流程图。
如图3所示,该校正机械偏差的方法300可以包括:
步骤310,获取参考对象的第一投影数据,所述第一投影数据是基于待校正设备得到的投影数据,所述待校正设备包括机械偏差,所述第一投影数据包括对应所述机械偏差的偏差投影数据;获取所述参考对象的第二投影数据,所述第二投影数据不包括所述偏差投影数据。
具体的,该步骤310可以由获取模块210执行。
在一些实施例中,设备(例如,待校正设备和/或标准设备)可以包括射线扫描装置。射线扫描装置可以包括X光扫描设备、CT设备、PET-CT设备、激光扫描设备或其它射线扫描装置。在一些实施例中,射线扫描装置可以包括射线源(例如,球管)和探测器。射线源可以放出射线(例如,X射线、γ射线等)。探测器可以包括探测单元矩阵,探测单元矩阵包括多个探测单元。探测单元可以是像素单元,探测单元矩阵对应包括多个像素单元构成的像素矩阵。
所述设备可以用来对对象进行扫描,对象可以包括能够被射线扫描的实体对象,例如人体、物品等的至少一部分。扫描的方式可以包括普通扫描或特殊扫描。在一些实施例中,普通扫描可以包括横断扫描、冠状扫描。在一些实施例中,特殊扫描可以包括定位扫描、薄层扫描、放大扫描、靶扫描、高分辨力扫描等。
在一些实施例中,参考对象是指用于获取训练样本的扫描对象,参考对象可以包括模体。模体是指用于模拟实际所要扫描的对象(例如,人体)的物体,模体对辐射的吸收或散射作用可以与实际要扫描的对象相同。在一些实施例中,模体可以为非金属材料或金属材料,金属材料可以包括铜、铁、镍、合金等;非金属材料可以包括有机材料、无机材料等。模体的大小可以为1CM×1CM、2CM×2CM、10CM×10CM等,本实施例对模体的大小不做限制。在一些实施例中,模体的形状可以为带有梯度的规则形状或不规则形状,例如圆形,不规则多边形等。本实施例对模体的形状不做限制。
在一些实施例中,在设备对对象进行扫描过程中,从设备的射线源放出的射线穿过对象,被设备的探测器探测到,探测器对探测到的射线产生响应得到投影数据(也可以称为响应数据)。在一些实施例中,由一个探测单元响应得到的数据可以被称为像素数据。投影数据可以包括与探测器的探测单元对应的像素数据,例如,设备的探测器包括一个3×3的探测单元矩阵(如图5所示),投影数据可以包括对应3×3的探测单元阵列的像素数据。
在一些实施例中,待校正设备可以是包含有机械偏差的射线扫描设备。
机械偏差是指设备的部件的实际安装位置(也可以称为实际位置)与理想位置的偏差。例如,机械偏差可以包括探测器的目标探测单元的实际安装位置与理想位置的偏差。目标探测单元是指需要校正机械偏差的探测单元,例如,探测其中实际安装位置与理想位置存在偏差的至少一个探测单元。又例如,机械偏差可以包括射线源的实际安装位置与理想位置的偏差。
标准设备可以是不包含机械偏差的设备或机械偏差已经被校正的设备。
在一些实施例中,待校正设备与标准设备可以为同一类型的设备。同一类型可以包括设备种类型号相同,例如,探测器的型号、探测单元的数量、排列方式相同。例如,待校正设备和标准设备的区别包括待校正设备包括机械偏差而标准设备不包括机械偏差或标准设备的机械偏差已经被校正。
在一些实施例中,基于待校正设备对参考对象进行扫描得到的投影数据,可以称为第一投影数据。基于标准设备对参考对象进行扫描得到的投影数据,可以称为第二投影数据。在一些实施例中,由于待校正设备包括机械偏差,在对参考对象进行扫描时所述机械偏差会导致探测器产生的响应出现偏差。例如,如果一个探测单元的实际安装位置与理想位置存在偏差,该探测单元对接收的射线的响应就会出现偏差。因此,所述偏差投影数据包括探测器在机械偏差的影响下进行响应得到的投影数据,例如,包括存在机械偏差的探测单元响应得到的投影数据。由于标准设备中不包括机械偏差或者机械偏差已被校正,在对参考对象进行扫描时获取的第二投影数据不包括所述偏差投影数据。第二投影数据可以作为金标准投影数据。
在一些实施例中,获取第一投影数据与第二投影数据的扫描方式可以相同。在一些实施例中,相同的扫描的方式可以包括设备可以利用相同的扫描参数对对象进行扫描,例如,设备可以利用相同的射线强度,在相同的投影角度、相同转速下对参考对象的相同位置进行扫描。
在一些实施例中,还可以利用已有的校正方法或模拟的方法获取第一投影数据与第二投影数据。例如可以基于待校正设备对参考对象进行扫描得到第一投影数据,采用已有的校正方法或模拟方法基于第一投影数据确定得到对应的第二投影数据,还可以基于标准设备对参考对象进行扫描得到第二投影数据,采用已有的校正方法或模拟方法基于第二投影数据确定得到对应的第一投影数据。
在一些实施例中,还可以利用一些其它测量工具获取第一投影数据与第二投影数据。例如测量投影仪等。
步骤320,以所述第一投影数据和所述第二投影数据作为训练样本,对初始辅助模型进行训练得到辅助模型,所述辅助模型包括至少一个卷积层,所述至少一个卷积层中的每一个卷积层包括至少一个候选卷积核。
具体的,该步骤320可以由模型确定模块220执行。
初始辅助模型可以包括初始化未经训练的神经网络模型。初始辅助模型的模型参数还处于初始化的状态。初始辅助模型训练好后,初始辅助模型中的初始模型参数得到更新,可以得到辅助模型。
在一些实施例中,初始辅助模型可以为包括至少一个卷积层的卷积神经网络。在一些实施例中,在至少一个卷积层的基础上,可以结合其它的网络结构来构成卷积神经网络作为初始辅助模型。例如,可以是包括输入层、m个卷积层、输出层的卷积神经网络,也可以是包括输入层、m个卷积层、全连接层、输出层的卷积神经网络,m为大于等于1的整数。初始辅助模型训练好后可以得到同样包括至少一个卷积层的卷积神经网络的辅助模型。
候选卷积核指辅助模型中卷积层包含的卷积核。初始辅助模型可以包括一个或多个卷积层,每一个卷积层可以包括一个或多个初始卷积核,对应地,初始辅助模型训练好后得到的辅助模型包括一个或多个卷积层,每一个卷积层包括一个或多个候选卷积核。例如,辅助模型可以包括三个卷积层,每个卷积层包括一个候选卷积核,再例如,辅助模型可以为一个卷积层,卷积层中包含有两个候选卷积核。辅助模型的一个或多个卷积层中的多个候选卷积核的大小是一致的。在一些实施例中,候选卷积核的大小可以与探测器中的探测单元的数量一致。例如,探测器包括3×3的探测单元矩阵,候选卷积核可以是一个3×3的矩阵。
在一些实施例中,采用第一投影数据和第二投影数据作为训练样本,对初始辅助模型进行训练,是指将第一投影数据作为初始辅助模型的输入,并将第二投影数据作为初始辅助模型根据第一投影数据的输出的金标准数据,也就是第一投影数据的标签,来对初始辅助模型进行训练。具体地,在初始辅助模型的训练过程中,输入第一投影数据训练初始辅助模型,并将初始辅助模型的输出与对应的第二投影数据进行比较,根据比较结果调整初始辅助模型的参数。随着初始辅助模型的训练,初始辅助模型中的初始参数(例如,初始卷积核)可以得到更新,从而获得辅助模型。
在一些实施例中,初始辅助模型可以基于训练样本,通过常用的方法进行训练,学习模型参数。例如,可以基于梯度下降法、牛顿法等进行训练。在一些实施例中,当满足预设条件时,训练结束。其中,预设条件可以包括损失函数结果收敛或小于第一预设阈值和/或训练中的迭代次数等于第二预设阈值。
在一些实施例中,可以根据第一投影数据、第二投影数据以及损失函数对初始辅助模型进行迭代更新,得到辅助模型。
在一些实施例中,损失函数可以包括第一损失函数。第一损失函数可以根据中间卷积核的中心元素的值与预设值的差异确定。在一些实施例中,损失函数可以包括第二损失函数。第二损失函数可以基于模型的实际输出与对应的金标准数据即第二投影数据的差异确定。
中间卷积核是指在初始辅助模型训练过程中,所确定的单一卷积核,该单一卷积核在初始辅助模型训练好后,即对应为目标卷积核,关于目标卷积核的具体内容可以参见步骤330的相关描述,此处不再赘述。
中间卷积核可以根据初始辅助模型或更新模型的参数确定,具体地,可以根据初始辅助模型的至少一个初始卷积核确定,或根据在训练过程中的更新模型的至少一个卷积核确定。例如,在训练过程的第一次迭代中,中间卷积核可以根据初始辅助模型的至少一个初始卷积核确定。又例如,在训练过程的第M(M大于1)次迭代中,中间卷积核可以根据M-1次迭代中根据损失函数确定的更新模型的至少一个卷积核确定。在一些实施例中,根据初始辅助模型或更新模型的至少一个卷积核确定中间卷积核的方法,与基于辅助模型的至少一个候选卷积核确定目标卷积核的方法相似,其中基于辅助模型的至少一个候选卷积核对应本实施例中基于初始辅助模型或更新模型的至少一个卷积核,确定目标卷积核对应本实施例中确定中间卷积核。关于基于辅助模型的至少一个候选卷积核确定目标卷积核的方法可以参见步骤330的相关描述,此处不再赘述。
中间卷积核的中心元素是指中间卷积核的中心位置的元素。预设值为预先设定好的值,具体地,预设值可以为1。在一些实施例中,中间卷积核的中心元素的值与预设值的差异可以包括中心元素与预设值的差值的绝对值、平方差等。在一些实施例中,在对初始辅助模型训练得到辅助模型时,可以通过调整模型参数,令第二损失函数最小化,例如,可以通过调整模型参数,令模型的实际输出与对应的金标准数据即第二投影数据的差异逐渐趋近于0。在一些实施例中,在对初始辅助模型训练得到辅助模型时,可以通过调整模型参数,令第一损失函数最小化,例如,可以通过调整模型参数,令中间卷积核的中心元素的值与预设值例如1的差异逐渐趋近于0,以使得在初始辅助模型训练好后,根据得到的辅助模型的候选卷积核确定的目标卷积核的中心元素接近1,一方面可以加速模型的训练过程,另一方面也能使训练得到的模型参数更加准确。
通过本实施例,辅助模型的至少一个候选卷积核是根据初始辅助模型的训练过程来学习得到的,训练时,包括与机械偏差对应的偏差投影数据的第一投影数据输入模型,不包括偏差投影数据的第二投影数据作为模型输出的金标准,所以通过训练得到辅助模型,学习得到的至少一个候选卷积核的卷积可以代表对输入的包括偏差投影数据的待校正投影数据进行计算得到校正偏差投影数据后的校正后投影数据的计算过程,例如根据插值的方法对待校正投影数据计算校正后投影数据的计算过程,插值方法可以包括线性插值、拉格朗日插值等常用的插值方法,关于使用插值方法计算校正后投影数据的具体内容可以参见图4中步骤410的相关描述,此处不再赘述。当辅助模型包括多个卷积层或多个候选卷积核时,可以对待校正投影数据进行多次校正计算,实现提高校正精度,对应的基于辅助模型得到的模型参数也更加精确。
步骤330,基于所述辅助模型的所述至少一个候选卷积核确定目标卷积核。
具体的,该步骤320可以由卷积核确定模块230执行。
目标卷积核是指最终所需的一个单一卷积核。具体地,可以基于辅助模型的至少一个候选卷积核来确定。例如,当辅助模型包括一个卷积层,卷积层包括一个候选卷积核时,将该候选卷积核作为目标卷积核。当辅助模型包括多个卷积层,每个卷积层包括至少一个候选卷积核或者辅助模型包括一个卷积层,卷积层包括多个候选卷积核时,可以基于多个候选卷积核得到一个单一卷积核作为目标卷积核。
在一些实施例中,基于多个候选卷积核得到一个单一卷积核作为目标卷积核,可以采用对辅助模型的多个候选卷积核进行卷积得到一个单一卷积核作为目标卷积核的方法。例如,辅助模型包括3个3×3的候选卷积核A、B、C,对3个候选卷积核进行卷积,为A*B*C(*表示卷积运算符号),得到一个新的3×3的单一卷积核,将该3×3的单一卷积核作为目标卷积核。
在一些实施例中,基于至少一个候选卷积核得到一个单一卷积核作为目标卷积核,可以通过确定特定的输入矩阵,将输入矩阵输入辅助模型,通过输入矩阵,基于至少一个候选卷积核,从所述辅助模型中提取所述目标卷积核。输入矩阵可以基于候选卷积核的大小确定。仅作为示例,候选卷积核的大小为3×3,即对应的目标卷积核大小也为3×3,输入矩阵的大小可以为5×5,将5×5输入矩阵输入辅助模型,在辅助模型的至少一个卷积层中卷积时的步长为1,辅助模型输出得到3×3的单一卷积核,即为目标卷积核。候选卷积核的大小为3×3,输入矩阵的大小可以为7×7,将7×7的输入矩阵输入辅助模型,在辅助模型的至少一个卷积层中卷积时的步长为2,辅助模型输出得到3×3的单一卷积核,即为目标卷积核。在一些实施例中,输入矩阵可以包括但不限于卷积核的单位元、2倍单位元、3倍单位元等。在一些实施例中,输入矩阵的每一行中,只有一个元素为1,其余元素为0。具体地,可以是输入矩阵的第n行的第n个元素为1,其余元素为0。通过本实施例,输入矩阵等同于一个脉冲冲击函数,辅助模型的至少一个卷积层的至少一个候选卷积核可以被看做一个单一的目标卷积核,将等同于一个脉冲冲击函数的输入矩阵输入辅助模型,可以输出得到这个目标卷积核本身。通过本实施例,可以简便且快速地得到目标卷积核。
步骤340,基于所述目标卷积核确定所述待校正设备的机械偏差信息,所述机械偏差信息用于校正所述待校正设备的所述机械偏差。
具体的,该步骤320可以由机械偏差确定模块240执行。
机械偏差信息是指机械偏差的相关信息,例如机械偏差的数值。机械偏差信息可以包括方向信息和距离信息。例如,机械偏差信息可以包括部件的实际安装位置与理想位置在至少一个方向(例如,图5所示的X、Y、C1、C2方向)上的距离偏差。以一个探测单元的机械偏差信息为例,机械偏差信息可以包括该探测单元的实际安装位置与理想位置在探测器对应的坐标系中的水平方向(例如,图5中的X方向)上的距离偏差值为300微米,其中,“X方向”为方向信息,“距离偏差值300微米”为距离信息。又例如,机械偏差信息可以包括该探测单元的实际安装位置与理想位置在探测器对应的坐标系中的垂直方向(例如,图5中的Y方向)上的距离偏差值为400微米,其中,“Y方向”为方向信息,“距离偏差值400微米”为距离信息。再例如,机械偏差信息可以包括该探测单元的实际安装位置与理想位置在探测器对应的坐标系中与X正方向夹角45度的方向(例如,图5中的C1方向)上的距离偏差值为100微米,其中,“C1方向”为方向信息,“距离偏差值100微米”为距离信息。再例如,机械偏差信息可以包括该探测单元的实际安装位置与理想位置在探测器对应的坐标系中与X正方向夹角135度的方向(例如,图5中的C2方向)上的距离偏差值为250微米,其中,“C2方向”为方向信息,“距离偏差值250微米”为距离信息。其中坐标系可以依据设备的安装所需进行确定。
由前述可知,训练得到的辅助模型,学习得到的至少一个候选卷积核,代表了对输入的待校正投影数据进行计算得到校正机械偏差后的校正后投影数据的计算过程。所以至少一个候选卷积核中,包括了可以用于校正待校正设备的机械偏差的信息。进而根据至少一个候选卷积核确定的目标卷积核,可以确定待校正设备的机械偏差信息。在一些实施例中,当辅助模型包括多个卷积层或多个候选卷积核时,可以实现对待校正投影数据进行多次校正计算,实现提高校正精度。基于多个候选卷积核确定的目标卷积核,其对应确定的待校正设备的机械偏差信息也就可以精度更高,可以更好地用于校正机械偏差。
基于目标卷积核确定待校正设备的机械偏差信息的具体内容可以参见图4的相关描述,此处不再赘述。
确定得到待校正设备的机械偏差信息后,当利用待校正设备对目标对象(例如,病人)进行扫描得到包括由待校正设备的机械偏差导致的偏差投影数据的待校正投影数据后,可以根据机械偏差信息对待校正投影数据进行校正,例如,对待校正投影数据的偏差投影数据进行校正。例如,得到待校正设备的目标探测单元的机械偏差信息后,可以基于机械偏差信息、各个探测单元的实际安装位置和实际响应值计算(例如,根据插值的方法)目标探测单元的理想位置和理想响应值,即对待校正投影数据进行校正。一个探测单元的响应值可以对应该探测单元接收射线产生响应得到的投影数据。目标探测单元的实际响应值包括目标探测单元在实际安装位置的响应值,例如,待校正投影数据的偏差投影数据可以包括目标探测单元的实际响应值。目标探测单元的理想响应值包括目标探测单元在理想位置的响应值。计算目标探测单元的理想响应值的过程可以看作对待校正投影数据进行校正的过程,例如,对待校正投影数据的偏差投影数据进行校正的过程。利用校正后的投影数据进行图像重建,可以提到图像质量。在一些实施例中,得到的机械偏差信息还可以用于校正待校正设备的机械偏差,例如,调整待校正设备的部件如探测单元的安装位置,令部件如探测单元的安装位置为理想位置。
图4是根据本说明书的一些实施例所示的基于目标卷积核确定待校正设备的机械偏差信息的方法的示例性流程图。
在一些实施例中,待校正设备的机械偏差包括待校正设备的探测器的多个探测单元中的目标探测单元的位置偏差(例如目标探测单元的实际安装位置与理想位置的偏差)时,可以根据方法400确定待校正设备的机械偏差信息。
图5包括目标卷积核的一个示例图和一个探测器的探测单元阵列示例图。如图5所示,以初始辅助模型的训练样本的第一投影数据包括1、2、3、4、5、6、7、8、N这9个探测单元构成的3×3探测单元矩阵510获取的响应数据,N为目标探测单元,N的实际安装位置(如图5中实线矩形)与理想位置(如图5中的虚线矩形N’)存在偏差。训练得到的辅助模型的至少一个候选卷积核大小与探测单元矩阵510中的探测单元的数量相同,为3×3,基于辅助模型的至少一个候选卷积核确定的目标卷积核530的大小也为3×3,如图5中所示,确定的目标卷积核530包括元素k、k1、k2、k3、k4、k5、k6、k7、k8,中心元素为k。探测单元1、2、3、4、5、6、7、8、N在实际安装位置的响应值(也可以称为实际响应值)可以分别表示为Val1、Val2、Val3、Val4、Val5、Val6、Val7、Val8、ValN,探测单元N位于理想位置N’时的响应值(也可以称为N的理想响应值)可以表示为ValN’。一个探测单元的响应值可以对应该探测单元接收射线产生响应得到的投影数据。探测单元矩阵510中可以包括方向X(如图5中的水平方向)、方向Y(如图5中的垂直方向)、方向C1和方向C2。方向C1和C2为探测单元矩阵510的对角线方向,例如,方向C1与X正方向夹角小于90度(例如,如图5所示,为45度),方向C2与X正方向夹角大于90度(例如,如图5所示,为135度)。
以线性插值为例,采用线性插值计算N的理想响应值ValN’可以根据探测单元1-8的实际响应值和投影位置(探测单元的投影位置与探测单元的实际安装位置对应,投影位置是指探测单元在射线入射下的投影的位置)D1、D2、D3、D4、D5、D6、D7、D8,计算沿方向X的斜率K1=(Val5-Val4)/(D5-D4)、沿方向Y的斜率K2=(Val7-Val2)/(D7-D2)、沿方向C1的斜率K3=(Val6-Val3)/(D6-D3)、沿方向C2的斜率K4=(Val8-Val1)/(D8-D1),根据目标探测单元N的实际安装位置与理想位置在方向X、Y、C1、C2上的距离偏差ΔL1、ΔL2、ΔL3、ΔL4,和斜率K1、K2、K3、K4,可以分别得到N的实际响应值和理想响应值沿方向X、Y、C1、C2的偏差ΔN1=K1×ΔL1、ΔN2=K2×ΔL1、ΔN3=K3×ΔL1、ΔN4=K4×ΔL1,根据线性插值得到ValN’=ValN+(ΔN1+ΔN2+ΔN3+ΔN4)/2,可以进一步表示为图5所示的公式520:ValN’=ValN×1+Val1×-ΔL4/2(D8-D1)+Val2×-ΔL2/2(D7-D2)+Val3×-ΔL3/2(D6-D3)+Val4×-ΔL1/2(D5-D4)+Val5×ΔL1/2(D5-D4)+Val6×ΔL3/2(D6-D3)+Val7×ΔL2/2(D7-D2)+Val8×ΔL4/2(D8-D1)。从公式520可以看出,确定探测单元N的理想响应值的过程可以看作是对机械偏差的校正过程。这一过程可以看作实际响应值Val1-ValN与一个卷积核的卷积,所述卷积核包括公式520中对应Val1-ValN的系数,并且包括探测单元N的机械偏差信息。根据第一投影数据和第二投影数据学习得到的辅助模型的过程可以表示上述插值计算ValN’的计算过程,辅助模型的至少一个候选卷积核所对应的目标卷积核530可以对应公式520中对应Val1-ValN的系数,具体地,目标卷积核530中的中心元素k对应ValN’的计算公式520中目标探测单元N的实际响应值ValN的系数,为1或接近1,目标卷积核530的其它元素k1-k8分别对应探测单元1-8的实际响应值Val1-Val8的系数,k1对应为-ΔL4/2(D8-D1),k2对应为-ΔL2/2(D7-D2),k3对应为-ΔL3/2(D6-D3),k4对应为-ΔL1/2(D5-D4),k5对应为ΔL1/2(D5-D4),k6对应为ΔL3/2(D6-D3),k7对应为ΔL2/2(D7-D2),k8对应为ΔL4/2(D8-D1)。可以看出,目标卷积核530的各个元素包括了目标探测单元N的机械偏差信息ΔL1、ΔL2、ΔL3、ΔL4。
根据上述原理,获取目标卷积核后,可以根据目标卷积核反推出机械偏差信息。如图4所示,该方法400可以包括:
步骤410,确定所述目标卷积核中心元素与所述目标卷积核至少一个方向上的元素的第一差异。
具体的,步骤410可以由机械偏差确定模块240执行。
所述目标卷积核的至少一个方向是指在目标卷积核元素阵列中的至少一个方向,可以对应探测单元矩阵中的至少一个方向,例如,图5所示的方向X、Y、C1、C2中的至少一个。
第一差异是指目标卷积核的元素之间的差值。至少一个方向上的元素的第一差异是指在目标卷积核的至少一个方向上,目标卷积核的元素之间的差值。具体地,第一差异可以包括中心元素与方向X上元素k4、k5的差值(k5-k)和(k-k4)、中心元素与方向Y上元素k2、k7的差值(k7-k)和(k-k2)、中心元素与方向C1上元素k3、k6的差值(k6-k)和(k-k3)、和/或中心元素与方向C2上元素k1、k8的差值(k8-k)和(k-k1)。
步骤420,确定所述目标探测单元与所述多个探测单元的至少一个方向上的探测单元的投影值的第二差异。
具体的,该步骤420可以由机械偏差确定模块240执行。
作为示例,如图5所示,探测单元矩阵的至少一个方向可以包括方向X、Y、C1、C2中的至少一个,与所述目标卷积核的至少一个方向对应。
第二差异是指探测单元矩阵中的探测单元之间的投影位置差值。至少一个方向上探测单元的投影位置的第二差异是指在探测单元矩阵的至少一个方向上,目标探测单元与其它探测单元之间的投影位置差值。具体地,第二差异可以包括方向X上目标探测单元N分别与探测单元4、5的投影位置差值(D5-DN)和(DN-D4)、方向Y上目标探测单元N分别与探测单元2、7的投影位置差值(D7-DN)和(DN-D2)、方向C1上目标探测单元N分别与探测单元3、6的投影位置差值(D6-DN)和(DN-D3)、和/或方向C2上目标探测单元N分别与探测单元1、8的投影位置差值(D8-DN)和(DN-D1)。
步骤430,基于所述第一差异和所述第二差异,确定所述目标探测单元的所述位置偏差。
具体的,该步骤430可以由机械偏差确定模块240执行。
机械偏差信息可以包括至少一个方向上目标探测单元的距离偏差,例如可以包括X方向的距离偏差,C1方向的距离偏差,Y方向的距离偏差,C2方向的距离偏差中的至少一个。
在一些实施例中,可以基于第一差异和第二差异,即基于目标卷积核的中心元素与至少一个方向上的其它元素之间的差值,以及探测单元矩阵的目标探测单元与至少一个方向上的其它探测单元之间的投影位置差值,确定目标探测单元的机械偏差信息。
在一些实施例中,计算目标探测单元某一方向的距离偏差,可以单独基于目标卷积核的中心元素在这一方向对应的第一差异和目标探测单元在这一方向对应的第二差异计算出这一方向上目标探测单元的位置偏差。例如,可以计算中心元素与方向X上元素k4、k5的差值(k5-k)和(k-k4)之和,即k5-k4。Y、C1、C2方向同理,分别得到k7-k2,k6-k3,k8-k1。计算目标探测单元与X方向上的探测单元的投影位置的差值(D5-DN)和(DN-D4)之和,即D5-D4。Y、C1、C2方向同理,分别得到D7-D2,D6-D3,D8-D1。基于上述插值计算ValN’的计算公式520,可以计算得到目标探测单元在X方向的距离偏差为ΔL1=(D5-D4)(k5-k4),目标探测单元在Y方向的距离偏差为ΔL2=(D7-D2)(k7-k2),目标探测单元在C1方向上的距离偏差为ΔL3=(D6-D3)(k6-k3),目标探测单元在C2方向上的距离偏差为ΔL4=(D8-D1)(k8-k1)。
在一些实施例中,计算目标探测单元某一方向距离偏差,也可以基于计算出目标探测单元在各个方向上的距离偏差后,将各个方向的距离偏差在该方向上的分量求和再平均来得到这一方向上目标探测单元的距离偏差。例如,以图5为例,基于上述插值计算DN’的计算公式520,可以利用公式(1),根据X、Y、C1、C2方向上的第一差异和第二差异计算出目标探测单元在X方向的距离偏差:
基于上述插值计算ValN’的计算公式520,可以利用公式(2),根据X、Y、C1、C2方向上的第一差异和第二差异计算出目标探测单元在Y方向的距离偏差:
基于上述插值计算ValN’的计算公式520,可以利用公式(3),根据X、Y、C1、C2方向上的第一差异和第二差异计算出目标探测单元在C1方向(例如,与X正方向夹角为45度)上的距离偏差:
基于上述插值计算ValN’的计算公式520,可以利用公式(4),根据X、Y、C1、C2方向上的第一差异和第二差异计算出目标探测单元在C2方向(例如,与X正方向夹角为135度)上的距离偏差:
在一些实施例中,机械偏差信息可以包括ΔL1、ΔL2、ΔL3、ΔL4中的至少一个。
在一些实施例中,方法400可以适用于任意探测单元矩阵,例如,探测单元矩阵可以包括任意数量的探测单元(如像素单元),探测单元可以以任意方式排列,例如,4×4,4×5,5×4等。在一些实施例中,方法400可以适用于任意存在机械偏差的探测单元,例如,探测单元矩阵中位于中心位置的探测单元,位于边缘的探测单元等。在一些实施例中,待校正设备的射线源的实际安装位置与理想位置的偏差信息也可以根据方法400确定。例如,当射线源存在机械偏差时,可以相对的看成所有探测单元都存在一个共同的机械偏差,比如,可以根据方法400分别确定图5中的探测单元1-N的机械偏差信息ΔU1-ΔUN,则射线源的机械偏差信息Δtube为
在一些实施例中,可以利用线性插值的方法根据目标卷积核确定机械偏移信息,也可以利用其它方法根据目标卷积核确定机械偏移信息,例如,拉格朗日插值等常用的插值方法。
通过本实施例,可以基于确定的目标卷积核计算得到各个方向上目标探测单元的位置偏差信息,这些位置偏差信息可以用于待校正投影数据的校正,还可以用于调整待校正设备的部件如探测单元的安装位置,令部件如探测单元的安装位置为理想位置,以及其它误差分析等方面。根据目标卷积核确定的机械偏差信息数据量是较少的,只有几个方向上的位置偏差信息,所以训练得到辅助模型时,可以实现通过少量训练样本数据来学习得到的目标卷积核能够得到比较稳定的几个位置偏差信息数据。所以通过根据目标卷积核确定机械偏差信息来实现待校正设备的机械偏差校正的方法,不需大量的训练样本来支撑,实用性更强,能够更方便地校正机械偏差。
本说明书实施例还提供一种装置,包括处理器,所述处理器用于执行前述的校正机械偏差的方法。所述校正机械偏差的方法可以包括:获取参考对象的第一投影数据,所述第一投影数据是基于待校正设备得到的投影数据,所述待校正设备包括机械偏差,所述第一投影数据包括对应所述机械偏差的偏差投影数据;获取所述参考对象的第二投影数据,所述第二投影数据不包括所述偏差投影数据;以所述第一投影数据和所述第二投影数据作为训练样本,对初始辅助模型进行训练得到辅助模型,所述辅助模型包括至少一个卷积层,所述至少一个卷积层中的每一个卷积层包括至少一个候选卷积核;基于所述辅助模型的所述至少一个候选卷积核确定目标卷积核;基于所述目标卷积核确定所述待校正设备的机械偏差信息,所述机械偏差信息用于校正所述待校正设备的所述机械偏差或所述偏差投影数据。
本说明书实施例还提供一种计算机可读存储介质,所述存储介质存储计算机指令,当计算机读取存储介质中的计算机指令后,计算机执行前述的校正机械偏差的方法。所述校正机械偏差的方法可以包括:获取参考对象的第一投影数据,所述第一投影数据是基于待校正设备得到的投影数据,所述待校正设备包括机械偏差,所述第一投影数据包括对应所述机械偏差的偏差投影数据;获取所述参考对象的第二投影数据,所述第二投影数据不包括所述偏差投影数据;以所述第一投影数据和所述第二投影数据作为训练样本,对初始辅助模型进行训练得到辅助模型,所述辅助模型包括至少一个卷积层,所述至少一个卷积层中的每一个卷积层包括至少一个候选卷积核;基于所述辅助模型的所述至少一个候选卷积核确定目标卷积核;基于所述目标卷积核确定所述待校正设备的机械偏差信息,所述机械偏差信息用于校正所述待校正设备的所述机械偏差或所述偏差投影数据。
本说明书实施例可能带来的有益效果包括但不限于:(1)实现通过少量训练样本数据学习得到目标卷积核来得到比较稳定的几个机械偏差信息数据,基于确定的机械偏差信息来实现待校正设备的机械偏差校正,不需大量的训练样本来支撑,实用性更强,能够更方便地校正设备的机械偏差;(2)根据中间卷积核的中心元素的值与预设值的差异确定额外的损失函数来训练初始辅助模型,一方面可以加速模型的训练过程,另一方面也能使训练得到的模型参数更加准确;(3)通过构建输入矩阵,将输入矩阵输入辅助模型来提取所述目标卷积核,令提取得到目标卷积核更加高效;(4)构建的辅助模型采用多个卷积层,基于多个卷积层的多个候选卷积核确定得到目标卷积核,多个卷积层的多次卷积令机械偏差的校正计算精度更高,对应得到的目标卷积核所确定的机械偏差信息的也更加精确。需要说明的是,不同实施例可能产生的有益效果不同,在不同的实施例里,可能产生的有益效果可以是以上任意一种或几种的组合,也可以是其他任何可能获得的有益效果。
上文已对基本概念做了描述,显然,对于本领域技术人员来说,上述详细披露仅仅作为示例,而并不构成对本说明书的限定。虽然此处并没有明确说明,本领域技术人员可能会对本说明书进行各种修改、改进和修正。该类修改、改进和修正在本说明书中被建议,所以该类修改、改进、修正仍属于本说明书示范实施例的精神和范围。
同时,本说明书使用了特定词语来描述本说明书的实施例。如“一个实施例”、“一实施例”、和/或“一些实施例”意指与本说明书至少一个实施例相关的某一特征、结构或特点。因此,应强调并注意的是,本说明书中在不同位置两次或多次提及的“一实施例”或“一个实施例”或“一个替代性实施例”并不一定是指同一实施例。此外,本说明书的一个或多个实施例中的某些特征、结构或特点可以进行适当的组合。
此外,本领域技术人员可以理解,本说明书的各方面可以通过若干具有可专利性的种类或情况进行说明和描述,包括任何新的和有用的工序、机器、产品或物质的组合,或对他们的任何新的和有用的改进。相应地,本说明书的各个方面可以完全由硬件执行、可以完全由软件(包括固件、常驻软件、微码等)执行、也可以由硬件和软件组合执行。以上硬件或软件均可被称为“数据块”、“模块”、“引擎”、“单元”、“组件”或“系统”。此外,本说明书的各方面可能表现为位于一个或多个计算机可读介质中的计算机产品,该产品包括计算机可读程序编码。
计算机存储介质可能包含一个内含有计算机程序编码的传播数据信号,例如在基带上或作为载波的一部分。该传播信号可能有多种表现形式,包括电磁形式、光形式等,或合适的组合形式。计算机存储介质可以是除计算机可读存储介质之外的任何计算机可读介质,该介质可以通过连接至一个指令执行系统、装置或设备以实现通讯、传播或传输供使用的程序。位于计算机存储介质上的程序编码可以通过任何合适的介质进行传播,包括无线电、电缆、光纤电缆、RF、或类似介质,或任何上述介质的组合。
本说明书各部分操作所需的计算机程序编码可以用任意一种或多种程序语言编写,包括面向对象编程语言如Java、Scala、Smalltalk、Eiffel、JADE、Emerald、C++、C#、VB.NET、Python等,常规程序化编程语言如C语言、Visual Basic、Fortran2003、Perl、COBOL2002、PHP、ABAP,动态编程语言如Python、Ruby和Groovy,或其他编程语言等。该程序编码可以完全在用户计算机上运行、或作为独立的软件包在用户计算机上运行、或部分在用户计算机上运行部分在远程计算机运行、或完全在远程计算机或处理设备上运行。在后种情况下,远程计算机可以通过任何网络形式与用户计算机连接,比如局域网(LAN)或广域网(WAN),或连接至外部计算机(例如通过因特网),或在云计算环境中,或作为服务使用如软件即服务(SaaS)。
此外,除非权利要求中明确说明,本说明书所述处理元素和序列的顺序、数字字母的使用、或其他名称的使用,并非用于限定本说明书流程和方法的顺序。尽管上述披露中通过各种示例讨论了一些目前认为有用的发明实施例,但应当理解的是,该类细节仅起到说明的目的,附加的权利要求并不仅限于披露的实施例,相反,权利要求旨在覆盖所有符合本说明书实施例实质和范围的修正和等价组合。例如,虽然以上所描述的系统组件可以通过硬件设备实现,但是也可以只通过软件的解决方案得以实现,如在现有的处理设备或移动设备上安装所描述的系统。
同理,应当注意的是,为了简化本说明书披露的表述,从而帮助对一个或多个发明实施例的理解,前文对本说明书实施例的描述中,有时会将多种特征归并至一个实施例、附图或对其的描述中。但是,这种披露方法并不意味着本说明书对象所需要的特征比权利要求中提及的特征多。实际上,实施例的特征要少于上述披露的单个实施例的全部特征。
一些实施例中使用了描述成分、属性数量的数字,应当理解的是,此类用于实施例描述的数字,在一些示例中使用了修饰词“大约”、“近似”或“大体上”来修饰。除非另外说明,“大约”、“近似”或“大体上”表明所述数字允许有±20%的变化。相应地,在一些实施例中,说明书和权利要求中使用的数值参数均为近似值,该近似值根据个别实施例所需特点可以发生改变。在一些实施例中,数值参数应考虑规定的有效数位并采用一般位数保留的方法。尽管本说明书一些实施例中用于确认其范围广度的数值域和参数为近似值,在具体实施例中,此类数值的设定在可行范围内尽可能精确。
针对本说明书引用的每个专利、专利申请、专利申请公开物和其他材料,如文章、书籍、说明书、出版物、文档等,特此将其全部内容并入本说明书作为参考。与本说明书内容不一致或产生冲突的申请历史文件除外,对本说明书权利要求最广范围有限制的文件(当前或之后附加于本说明书中的)也除外。需要说明的是,如果本说明书附属材料中的描述、定义、和/或术语的使用与本说明书所述内容有不一致或冲突的地方,以本说明书的描述、定义和/或术语的使用为准。
最后,应当理解的是,本说明书中所述实施例仅用以说明本说明书实施例的原则。其他的变形也可能属于本说明书的范围。因此,作为示例而非限制,本说明书实施例的替代配置可视为与本说明书的教导一致。相应地,本说明书的实施例不仅限于本说明书明确介绍和描述的实施例。
Claims (12)
1.一种校正机械偏差的方法,其特征在于,包括:
获取参考对象的第一投影数据,所述第一投影数据是基于待校正设备得到的投影数据,所述待校正设备包括机械偏差,所述第一投影数据包括对应所述机械偏差的偏差投影数据;
获取所述参考对象的第二投影数据,所述第二投影数据不包括所述偏差投影数据;
以所述第一投影数据和所述第二投影数据作为训练样本,对初始辅助模型进行训练得到辅助模型,所述辅助模型包括至少一个卷积层,所述至少一个卷积层中的每一个卷积层包括至少一个候选卷积核;
基于所述辅助模型的所述至少一个候选卷积核确定目标卷积核;
基于所述目标卷积核确定所述待校正设备的机械偏差信息,所述机械偏差信息用于校正所述待校正设备的所述机械偏差或所述偏差投影数据。
2.如权利要求1所述的方法,以所述第一投影数据和所述第二投影数据作为训练样本,对初始辅助模型进行训练得到所述辅助模型包括:
根据所述第一投影数据、所述第二投影数据以及损失函数对所述初始辅助模型进行迭代更新,得到所述辅助模型;其中,所述损失函数包括根据中间卷积核的中心元素的值与预设值的差异确定的第一损失函数,所述中间卷积核根据所述初始辅助模型或更新模型的参数确定。
3.如权利要求1所述的方法,基于所述辅助模型的所述至少一个候选卷积核确定所述目标卷积核包括:
对所述至少一个候选卷积核执行卷积操作,得到所述目标卷积核。
4.如权利要求1所述的方法,基于所述辅助模型的所述至少一个候选卷积核确定所述目标卷积核包括:
确定输入矩阵,所述输入矩阵基于所述至少一个候选卷积核的大小确定;
将所述输入矩阵输入所述辅助模型,通过所述输入矩阵,基于所述至少一个候选卷积核,从所述辅助模型中提取所述目标卷积核。
5.如权利要求4所述的方法,所述输入矩阵的每一行中,只有一个元素为1,其它元素为0。
6.如权利要求1所述的方法,所述待校正设备包括射线源和探测器,所述探测器包括排列成探测单元矩阵的多个探测单元,所述多个探测单元包括与所述机械偏差相关的目标探测单元。
7.如权利要求6所述的方法,基于所述目标卷积核确定所述待校正设备的所述机械偏差信息包括:
确定所述目标卷积核中心元素与所述目标卷积核至少一个方向上的元素的第一差异;
确定所述目标探测单元与所述探测单元矩阵的至少一个方向上的探测单元的投影位置的第二差异,所述目标卷积核的至少一个方向与所述探测单元矩阵的至少一个方向对应;
基于所述第一差异和所述第二差异,确定所述目标探测单元在所述至少一个方向上的距离偏差,所述机械偏差信息包括所述目标探测单元在所述至少一个方向上的所述距离偏差。
8.如权利要求6所述的方法,所述机械偏差包括所述目标探测单元的实际位置与理想位置的偏差,和/或所述射线源的实际位置与理想位置的偏差。
9.如权利要求1所述的方法,所述第二投影数据是基于标准设备得到的投影数据,所述标准设备的所述机械偏差已被校正或者所述标准设备不包括所述机械偏差。
10.一种校正机械偏差的系统,其特征在于,包括:
获取模块:用于获取参考对象的第一投影数据,所述第一投影数据是基于待校正设备得到的投影数据,所述待校正设备包括机械偏差,所述第一投影数据包括对应所述机械偏差的偏差投影数据;以及获取所述参考对象的第二投影数据,所述第二投影数据不包括所述偏差投影数据;
模型确定模块:以所述第一投影数据和所述第二投影数据作为训练样本,对初始辅助模型进行训练得到辅助模型,所述辅助模型包括至少一个卷积层,所述至少一个卷积层中的每一个卷积层包括至少一个候选卷积核;
卷积核确定模块;用于基于所述辅助模型的所述至少一个候选卷积核确定目标卷积核;
机械偏差确定模块:用于基于所述目标卷积核确定所述待校正设备的机械偏差信息,所述机械偏差信息用于校正所述待校正设备的所述机械偏差或所述偏差投影数据。
11.如权利要求10所述的系统,所述模型确定模块还用于:
根据所述第一投影数据、所述第二投影数据以及损失函数对所述初始辅助模型进行迭代更新,得到所述辅助模型;其中,所述损失函数包括根据中间卷积核的中心元素的值与预设值的差异确定的第一损失函数,所述中间卷积核根据所述初始辅助模型或更新模型的参数确定。
12.一种计算机可读存储介质,所述存储介质存储计算机指令,当计算机读取存储介质中的计算机指令后,计算机执行如权利要求1~9任一项所述的方法。
Priority Applications (3)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110414441.6A CN113100802B (zh) | 2021-04-16 | 2021-04-16 | 一种校正机械偏差的方法和系统 |
PCT/CN2022/087408 WO2022218438A1 (en) | 2021-04-16 | 2022-04-18 | Calibration methods and systems for imaging field |
US18/488,012 US20240070918A1 (en) | 2021-04-16 | 2023-10-16 | Calibration methods and systems for imaging field |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110414441.6A CN113100802B (zh) | 2021-04-16 | 2021-04-16 | 一种校正机械偏差的方法和系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113100802A true CN113100802A (zh) | 2021-07-13 |
CN113100802B CN113100802B (zh) | 2023-07-28 |
Family
ID=76718203
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110414441.6A Active CN113100802B (zh) | 2021-04-16 | 2021-04-16 | 一种校正机械偏差的方法和系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113100802B (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2022218438A1 (en) * | 2021-04-16 | 2022-10-20 | Shanghai United Imaging Healthcare Co., Ltd. | Calibration methods and systems for imaging field |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20080260234A1 (en) * | 2007-03-19 | 2008-10-23 | Advanced Mask Inspection Technology | Pattern inspection apparatus, corrected image generation method, and computer-readable recording medium storing program |
CN107945132A (zh) * | 2017-11-29 | 2018-04-20 | 深圳安科高技术股份有限公司 | 一种基于神经网络的ct图像的伪影校正方法及装置 |
CN108243332A (zh) * | 2016-12-23 | 2018-07-03 | 深圳点石创新科技有限公司 | 车载抬头显示系统影像调节方法及车载抬头显示系统 |
CN108542414A (zh) * | 2018-05-14 | 2018-09-18 | 广州华端科技有限公司 | 计算机断层图像的散射校正方法以及装置 |
CN109801234A (zh) * | 2018-12-28 | 2019-05-24 | 南京美乐威电子科技有限公司 | 图像几何校正方法及装置 |
US20200078605A1 (en) * | 2018-09-12 | 2020-03-12 | Shanghai United Imaging Healthcare Co., Ltd. | Systems and methods for calibrating radiation device |
CN112561914A (zh) * | 2019-09-10 | 2021-03-26 | 阿里巴巴集团控股有限公司 | 图像的处理方法、系统、计算设备及存储介质 |
-
2021
- 2021-04-16 CN CN202110414441.6A patent/CN113100802B/zh active Active
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20080260234A1 (en) * | 2007-03-19 | 2008-10-23 | Advanced Mask Inspection Technology | Pattern inspection apparatus, corrected image generation method, and computer-readable recording medium storing program |
CN108243332A (zh) * | 2016-12-23 | 2018-07-03 | 深圳点石创新科技有限公司 | 车载抬头显示系统影像调节方法及车载抬头显示系统 |
CN107945132A (zh) * | 2017-11-29 | 2018-04-20 | 深圳安科高技术股份有限公司 | 一种基于神经网络的ct图像的伪影校正方法及装置 |
CN108542414A (zh) * | 2018-05-14 | 2018-09-18 | 广州华端科技有限公司 | 计算机断层图像的散射校正方法以及装置 |
US20200078605A1 (en) * | 2018-09-12 | 2020-03-12 | Shanghai United Imaging Healthcare Co., Ltd. | Systems and methods for calibrating radiation device |
CN109801234A (zh) * | 2018-12-28 | 2019-05-24 | 南京美乐威电子科技有限公司 | 图像几何校正方法及装置 |
CN112561914A (zh) * | 2019-09-10 | 2021-03-26 | 阿里巴巴集团控股有限公司 | 图像的处理方法、系统、计算设备及存储介质 |
Non-Patent Citations (1)
Title |
---|
张晓玲 等: "基于双摄像机的立体视觉图像预处理研究", 导航与控制 * |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2022218438A1 (en) * | 2021-04-16 | 2022-10-20 | Shanghai United Imaging Healthcare Co., Ltd. | Calibration methods and systems for imaging field |
Also Published As
Publication number | Publication date |
---|---|
CN113100802B (zh) | 2023-07-28 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN113096211B (zh) | 一种校正散射的方法和系统 | |
US11893738B2 (en) | System and method for splicing images | |
US10960227B2 (en) | Systems and methods for correcting a position error of a motion terminal | |
WO2014083209A1 (en) | Method for detecting geometrical imaging properties of a flat panel detector, correspondingly configured x-ray testing system and calibrating body | |
KR20140114308A (ko) | 3차원 의료 영상에서 랜드마크들의 자동 등록을 위한 장치 및 방법 | |
US20180172606A1 (en) | Image acquisition device, image acquisition method, and image correction program | |
US20230083657A1 (en) | Systems and methods for image evaluation | |
US20200303151A1 (en) | Method and system for adjusting focal point position | |
Yang et al. | Sub-pixel chessboard corner localization for camera calibration and pose estimation | |
CN112734877B (zh) | 一种校正伪影的方法和系统 | |
CN113100802A (zh) | 一种校正机械偏差的方法和系统 | |
CN114387317A (zh) | Ct图像和mri三维图像的配准方法、装置 | |
KR102036834B1 (ko) | 이미지 처리 방법 | |
Wu et al. | Calibration and image reconstruction in a spot scanning detection system for surface defects | |
CN112991228B (zh) | 一种校正串扰的方法和系统 | |
Shui et al. | A comparison of semilandmarking approaches in the analysis of size and shape | |
US8867809B2 (en) | Image processing method | |
EP3827879B1 (en) | Treatment system, calibration method, and program | |
US11885754B2 (en) | Tolerance error estimating apparatus, method, program, reconstruction apparatus and control apparatus | |
CN113902823B (zh) | 一种用于pet图像重建的投影方法和系统 | |
US20240070918A1 (en) | Calibration methods and systems for imaging field | |
CN108827985B (zh) | 检验x射线检验系统中轮胎元件方位的方法、系统及应用 | |
US11620811B2 (en) | Automated measurement of positional accuracy in the qualification of high-accuracy plotters | |
WO2023087260A1 (en) | Systems and methods for data processing | |
WO2021078133A1 (en) | Systems and methods for image processing |
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 |