CN113392509B - 一种x射线实际能谱精确估计方法 - Google Patents
一种x射线实际能谱精确估计方法 Download PDFInfo
- Publication number
- CN113392509B CN113392509B CN202110583539.4A CN202110583539A CN113392509B CN 113392509 B CN113392509 B CN 113392509B CN 202110583539 A CN202110583539 A CN 202110583539A CN 113392509 B CN113392509 B CN 113392509B
- Authority
- CN
- China
- Prior art keywords
- energy spectrum
- weight
- ray
- exposure voltage
- basis
- 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
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/20—Design optimisation, verification or simulation
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01T—MEASUREMENT OF NUCLEAR OR X-RADIATION
- G01T1/00—Measuring X-radiation, gamma radiation, corpuscular radiation, or cosmic radiation
- G01T1/36—Measuring spectral distribution of X-rays or of nuclear radiation spectrometry
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
- G06F17/10—Complex mathematical operations
- G06F17/15—Correlation function computation including computation of convolution operations
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T17/00—Three dimensional [3D] modelling, e.g. data description of 3D objects
Landscapes
- Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- General Engineering & Computer Science (AREA)
- Mathematical Physics (AREA)
- Geometry (AREA)
- Spectroscopy & Molecular Physics (AREA)
- Computational Mathematics (AREA)
- Software Systems (AREA)
- Mathematical Analysis (AREA)
- Mathematical Optimization (AREA)
- Pure & Applied Mathematics (AREA)
- Data Mining & Analysis (AREA)
- Algebra (AREA)
- High Energy & Nuclear Physics (AREA)
- Databases & Information Systems (AREA)
- Computing Systems (AREA)
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Computer Graphics (AREA)
- Molecular Biology (AREA)
- Computer Hardware Design (AREA)
- Evolutionary Computation (AREA)
- Analysing Materials By The Use Of Radiation (AREA)
- Apparatus For Radiation Diagnosis (AREA)
Abstract
一种X射线实际能谱精确估计方法,通过7个步骤得到目标机器的最终估计能谱。本发明充分考虑了CT曝光时电压波动的实际情况,以及射线的硬化和散射效应,本发明具有如下有益效果:(1)避免了单一电压下的基能谱由于模拟的粒子能量范围有限而出现部分区域缺失模拟的现象;(2)保留了同一能谱中不同能量粒子之间的相对比例关系;(3)不需要特殊的模体和高精度要求的测量工具,避免了工艺制作误差、测量误差等误差的引入;(4)与间接测量法一相比,本发明的计算速度有所提高;(5)本发明可以采用大范围能量段去估计真实能谱,从而能保证估计精度不变。(6)本发明在源头处抑制甚至消除由于能谱不匹配引起的误差,避免其给后续的图像处理、剂量给定等工作增加难度,而且本发明能更加精确地进行能谱估计。
Description
技术领域
本发明涉及肿瘤放射物理技术领域,特别涉及一种X射线实际能谱精确估计方法。
背景技术
X射线能谱经常会被直接或者间接地应用于临床场景中,如射线硬化校正、双能材料分析分解等技术,其准确性将对诊断分析和治疗效果有一定程度的影响;另外,能谱并非一成不变,其可能会随着机器使用时间或者重复使用次数的增加而发生改变,偏离原来厂家给出的能谱数据;因此,获得机器当前的实际能谱数据就相当重要了。
已知用于能谱估计的方法主要有:1、直接测量法,使用X射线光谱仪等设备直接测量X射线的能谱。2、间接测量法一,将能谱分为多个能量段,为每个能量段设定一组基能谱,测量出每个基能谱下穿过特殊多楔形块体模后的投影数据,将各个投影数据与实际投影数据相比,通过EM方法得到每个基能谱的权重,各权重与相应基能谱的乘积之和即为能谱估计结果。3、间接测量法二,测量同一能量的X射线穿过不同厚度已知材料体模的投影数据,将其与X射线能谱、穿过体模厚度、体模的线性衰减系数建立定量关系,得到关于X射线能谱的方程组,通过求解方程组即可获得X射线能谱信息。
然而直接测量法对测量设备的精度要求很高,且会随着设备的老化而产生测量误差,测量难度比较大。间接测量法一需要将能谱分为多个能量段,为了估计结果更好,分成的能量段的数目比较大,计算难度增加,不仅如此,还需要精确测量射线穿过模体的路径长度,且对特殊多楔形块体模的制作精度要求较高,另外,该方法割裂了同一真实能谱中不同能量粒子之间的相对比例关系。间接测量法二并没有考虑到实际CT曝光时电压的波动,进而仅使用单一曝光电压下的射线穿过不同厚度滤过板的基能谱去估计真实能谱,不符合现实曝光电压的实际波动情况,这样得到的估计结果与真实能谱间存在差异,且由于单一曝光电压下的基能谱能量范围有限,将导致有一小部分真实能谱没有进行估计,出现截断现象。并且在计算时没有考虑射线硬化和散射效应,导致结果不精确。
因此,针对现有技术不足,提供一种X射线实际能谱精确估计方法以解决现有技术不足甚为必要。
发明内容
本发明其中一个的目的在于避免现有技术的不足之处而提供一种X射线实际能谱精确估计方法。该X射线实际能谱精确估计方法具有精确度高和计算速度快。
本发明的上述目的通过以下技术措施实现:
提供一种X射线实际能谱精确估计方法,包括步骤有:
步骤一、通过初始真实曝光电压采集目标机器的真实投影数据P_GT;
步骤二、对步骤一得到的真实投影数据P_GT进行重建,得到三维模体数据;
步骤三、设置曝光电压范围,在曝光电压范围的每个曝光电压下的X射线分别穿过不同厚度附加铝滤过板所得的基能谱Sij组建基能谱数据库,初始真实曝光电压位于曝光电压范围内;
步骤四、将初始真实曝光电压定义为A,在步骤三得到的基能谱数据库中选择曝光电压为A+αA至A-αA范围内对应的部分基能谱,并将这部分基能谱定义为选定基能谱,且α>0;
步骤五、初始化步骤四得到的选定基能谱的权重,得到初始基能谱权重;
步骤六、将初始基能谱权重进行加权求和得到的估计能谱S_est,然后根据步骤二得到的三维模体数据与估计能谱得到估计投影,再根据步骤一的真实投影数据P_GT与估计投影作差作为目标函数,最后通过迭代优化算法得到最优目标函数值,并将最优目标函数值对应的基能谱权重定义为最优基能谱权重;
步骤七、根据步骤六的最优基能谱权重对选定基能谱进行加权得到目标机器的最终估计能谱。
优选的,上述步骤六包括有:
步骤6.1、将步骤四得到的选定基能谱根据初始基能谱权重进行加权求和得到的估计能谱S_est,式(Ⅰ)所示,
其中Sij表示第i个曝光电压下,X射线穿过第j种厚度的附加铝滤过板得到的基能谱,wij为Sij对应的权重;
步骤6.2、步骤二得到的三维模体数据与估计能谱S_est载入蒙特卡罗模拟算法得到估计投影P_est,其中估计投影P_est为矩阵;
步骤6.3、将步骤一的真实投影数据P_GT与步骤6.2得到估计投影P_est作差得到目标函数值ERR,式(Ⅱ)所示,
其中P_GTpq为真实投影中第p行、第q列的像素值,P_estpq为估计投中第p行、第q列的像素值;
步骤6.4、通过迭代优化算法更新基能谱权重;
步骤6.5、判断累计迭代次数,当累计迭代次数达到目标迭代次数则进入步骤6.7,当累计迭代次数小于目标迭代次数则进入步骤6.6;
步骤6.6、令更新后的基能谱权重为初始基能谱权重,并返回步骤6.1;
步骤6.7、在所有迭代结果中选择目标函数值最小的一个,将最小目标函数值定义为最优目标函数值,并将对应的基能谱权重定义为最优基能谱权重。
优选的,上述迭代优化算法为平衡优化器算法。
优选的,上述平衡优化器算法式(Ⅲ)所示,
[xx]=EO(Particles_no,Max_iteration,lb,ub,dim,fobj,Run_no) 式(Ⅲ),
其中,Particles_no为算法每次给每个变量生成随机数的数目,然后随机抽取一个作为当前变量的值;Max_iteration为每个变量的随机生成次数,lb为变量的下限,ub为变量的上限,dim为变量的数目,fobj为目标函数,Run_no为独立运行EO算法的次数,xx为最终输出的最优基能谱权重。
优选的,上述步骤三的基能谱Sij通过能谱发生器产生得到。
优选的,上述步骤三具体为设置曝光电压范围,在所述曝光电压范围内每间隔电压值为β时得到一个曝光电压,存在β>0,在所述曝光电压范围内得到多个曝光电压,在每个曝光电压下的X射线分别穿过不同厚度附加铝滤过板所得的基能谱Sij组建基能谱数据库。
优选的,上述步骤二具体为对步骤一得到的真实投影数据P_GT进行FDK三维重建,得到三维模体数据。
优选的,上述α为5%~20%。
优选的,上述β为0.5kV~2kV。
优选的,上述附加铝滤过板的厚度范围1mm~30mm。
优选的,上述附加铝滤过板的厚度3mm、4mm、6mm、8mm、12mm和18mm。
优选的,上述目标机器为医学X射线成像设备。
本发明的一种X射线实际能谱精确估计方法,通过7个步骤得到目标机器的最终估计能谱。本发明充分考虑了CT曝光时电压波动的实际情况,以及射线的硬化和散射效应,本发明具有如下有益效果:(1)避免了单一电压下的基能谱由于模拟的粒子能量范围有限而出现部分区域缺失模拟的现象;(2)保留了同一能谱中不同能量粒子之间的相对比例关系;(3)不需要特殊的模体和高精度要求的测量工具,避免了工艺制作误差、测量误差等误差的引入;(4)与间接测量法一相比,本发明的计算速度有所提高;(5)本发明可以采用大范围能量段去估计真实能谱,从而能保证估计精度不变。(6)本发明在源头处抑制甚至消除由于能谱不匹配引起的误差,避免其给后续的图像处理、剂量给定等工作增加难度,而且本发明能更加精确地进行能谱估计。
附图说明
利用附图对本发明作进一步的说明,但附图中的内容不构成对本发明的任何限制。
图1为X射线实际能谱精确估计方法的流程图。
图2为实施例2得到的最优估计能谱图。
图3为利用图2的最优估计能谱对重建出来的水模进行前向投影的结果图。
图4为真实投影与估计投影在中线处的投影值比较曲线。
图5为未进行校正的投影重建出来的图像。
图6为图5中直线处的投影值曲线。
图7为将最优估计能谱作为先验知识对投影进行射线硬化校正后重建出来的结果图。
图8为图7中直线处的投影值曲线。
具体实施方式
结合以下实施例对本发明的技术方案作进一步说明。
实施例1。
一种X射线实际能谱精确估计方法,如图1所示,包括步骤有:
步骤一、通过初始真实曝光电压采集目标机器的真实投影数据P_GT,其中真实投影数据P_GT为矩阵;
步骤二、对步骤一得到的真实投影数据P_GT进行重建,得到三维模体数据;
步骤三、设置曝光电压范围,在曝光电压范围的每个曝光电压下的X射线分别穿过不同厚度附加铝滤过板所得的基能谱Sij组建基能谱数据库,初始真实曝光电压位于曝光电压范围内;
步骤四、将初始真实曝光电压定义A,在步骤三得到的基能谱数据库中选择曝光电压为A+αA至A-αA范围内对应的部分基能谱,并将这部分基能谱定义为选定基能谱,且α>0;
步骤五、初始化步骤四得到的选定基能谱的权重,得到初始基能谱权重;
步骤六、将初始基能谱权重进行求和得到的估计能谱S_est,然后根据步骤二得到的三维模体数据与估计能谱得到估计投影,再根据步骤一的真实投影数据P_GT与估计投影作差作为目标函数,最后通过迭代优化算法得到最优目标函数值,并将最优目标函数值对应的基能谱权重定义为最优基能谱权重;
步骤七、根据步骤六的最优基能谱权重对选定基能谱进行加权得到目标机器的最终估计能谱。
其中,步骤六包括有:
步骤6.1、将步骤四得到的选定基能谱根据初始基能谱权重进行加权求和得到的估计能谱S_est,式(Ⅰ)所示,
其中Sij表示第i个曝光电压下,X射线穿过第j种厚度的附加铝滤过板得到的基能谱,wij为Sij对应的权重;
步骤6.2、步骤二得到的三维模体数据与估计能谱S_est载入蒙特卡罗模拟算法得到估计投影P_est,其中估计投影P_est为矩阵;
步骤6.3、将步骤一的真实投影数据P_GT与步骤6.2得到估计投影P_est作差得到目标函数值ERR,式(Ⅱ)所示,
其中P_GTpq为真实投影中第p行、第q列的像素值,P_estpq为估计投中第p行、第q列的像素值;
步骤6.4、通过迭代优化算法更新基能谱权重;
步骤6.5、判断累计迭代次数,当累计迭代次数达到目标迭代次数则进入步骤6.7,当累计迭代次数小于目标迭代次数则进入步骤6.6;
步骤6.6、令更新基能谱权重为初始基能谱权重,并返回步骤6.1;
步骤6.7、在所有迭代结果中选择目标函数值最小的一个,将最小目标函数值定义为最优目标函数值,并将对应的基能谱权重定义为最优基能谱权重。
本发明的迭代优化算法为平衡优化器算法。平衡优化器算法式(Ⅲ)所示,
[xx]=EO(Particles_no,Max_iteration,lb,ub,dim,fobj,Run_no) 式(Ⅲ),
其中,Particles_no为算法每次给每个变量生成随机数的数目,然后随机抽取一个作为当前变量的值;Max_iteration为每个变量的随机生成次数,lb为变量的下限,ub为变量的上限,dim为变量的数目,fobj为目标函数,Run_no为独立运行EO算法的次数,xx为最终输出的最优基能谱权重。
需要说明的是,本发明的EO是输出最终的最优基能谱权重,在多次迭代过程的更新基能谱权重,只在EO内部自行产生并不会输出,EO自动求出目标函数值。
需要说的是,输入参数包括有Particles_no、Max_iteration、lb、ub、dim、fobj和Run_no,而输出参数为xx。
其中目标迭代次数为Particles_no和Max_iteration的乘积。
其中,本发明的步骤三的基能谱Sij通过能谱发生器产生得到。步骤三具体为设置曝光电压范围,在所述曝光电压范围内每间隔电压值为β时得到一个曝光电压,存在β>0,在所述曝光电压范围内得到多个曝光电压,在每个曝光电压下的X射线分别穿过不同厚度附加铝滤过板所得的基能谱Sij组建基能谱数据库。
本发明的步骤二具体为对步骤一得到的真实投影数据P_GT进行FDK三维重建,得到三维模体数据。
本发明的α为5%~20%,β为0.5kV~2kV;附加铝滤过板的厚度范围1mm~30mm。
附加铝滤过板具体的厚度3mm、4mm、6mm、8mm、12mm和18mm。本发明的目标机器为医学X射线成像设备。
本发明的能谱发生器,仅需要设定曝光电压、附加滤过板的材料和厚度、固有滤过的材料和厚度后即可生成所需能谱数据。
本发明进行前向投影所使用的蒙特卡罗模拟算法是肿瘤放射物理粒子传输领域的金标准,模拟了粒子从放射源出射,穿过模体并在其内发生光电效应、康普顿散射、瑞利散射三种作用,最后沉积到探测器的整个过程,并记录下相关结果。
本发明所使用的平衡优化器算法是一个根据固定容积内、质量动态平衡方程提出的优化算法,只要输入目标函数、变量的上下限以及维度等参数后,便可输出最优解,即更新基能谱权重。
本发明考虑到CT在实际曝光时,其电压脉冲的非完全阶跃性,即电压会先快速升高至预定值以上的某一值,然后再以波动的形式回落到预定值附近,其回落过程也不符合理想的函数,换而言之,存在电压波动现象,这种情况下产生的射线能谱必然不会单纯等于所预设电压下产生的理想能谱。因此本发明针对这种电压波动现象的存在,采用不同曝光电压下射线穿过不同厚度附加铝滤过板所得的基本谱去估计真实能谱。同时射线的硬化、散射效应,也必须纳入求解因素中,从而提高结果的精确度。
本发明具有如下有益效果:(1)避免了单一电压下的基能谱由于模拟的粒子能量范围有限而出现部分区域缺失模拟的现象;(2)保留了同一能谱中不同能量粒子之间的相对比例关系;(3)不需要特殊的模体和高精度要求的测量工具,避免了工艺制作误差、测量误差等误差的引入;(4)与间接测量法一相比,本发明的计算速度有所提高;(5)本发明可以采用大范围能量段去估计真实能谱,从而能保证估计精度不变。(6)本发明在源头处抑制甚至消除由于能谱不匹配引起的误差,避免其给后续的图像处理、剂量给定等工作增加难度,而且本发明能更加精确地进行能谱估计。
实施例2。
一种X射线实际能谱精确估计方法,以机械臂CT成像实验系统设定90kV曝光电压的实验为例:
步骤一、设置机械臂CT成像实验系统的曝光电压为90kV,电流为85mA,对一瓶矿泉水进行360°的曝光,且每间隔1°采集一张投影,总共采集360张真实投影数据P_GT。
步骤二、利用360张真实投影数据P_GT进行FDK三维重建,得到一个三维模体数据。
步骤三、设置曝光电压范围,在曝光电压范围的每个曝光电压下的X射线分别穿过不同厚度附加铝滤过板所得的基能谱Sij组建基能谱数据库,初始真实曝光电压位于曝光电压范围内。本实施例设置曝光电压范围为81kV到99kV,且每间隔电压值为1kV是得到一个曝光电压,共19个曝光电压,在每个曝光电压下的X射线分别穿过3、4、6、8、12、18mm附加铝滤过板,因此每个曝光电压包含了6个基能谱,因此总得到由114个基能谱组成基能谱数据库。
步骤四、将初始真实曝光电压定义A,在步骤二得到的基能谱数据库中选择曝光电压为A+10%A至A-10%A范围内对应的部分基能谱,并这部分基能谱定义选定基能谱,因此本实施例并将全部的基能谱定义选定基能谱。
步骤五、对114个基能谱的权重进行初始化,将每个基能谱的权重设为均等,即权重均为1/114。
步骤六、将将步骤四得到的选定基能谱根据初始基能谱权重进行加权求和得到的估计能谱,把模体数据和估计能谱载入到蒙特卡罗模拟算法中得到估计投影,将真实投影和估计投影之间投影值的差之和作为目标函数值ERR。
将目标函数输入到EO算法中,设定每个变量可搜索的数目Particles_no为20,每个变量的最大迭代次数Max_iteration为200,变量的下限lb为0,上限ub为1,变量数目dim为114,独立运行EO算法的次数Run_no为1,总共迭代4000次。最后优化迭代算法会输出一个最优的基能谱权重和最优的估计能谱。
其中,本实施例得到的最优基能谱权重:
81kV:0.000000e+00、4.516295e-04、1.694470e-05、1.955803e-07、6.427876e-05、3.557109e-04。
82kV:1.390681e-09、3.907350e-06、2.546861e-05、4.386501e-07、3.853699e-05、7.735119e-05。
83kV:0.000000e+00、0.000000e+00、1.510186e-04、0.000000e+00 3.303015e-05、2.869222e-06。
84kV:6.626625e-05、4.361803e-06、1.183727e-07、1.739095e-05、3.613604e-07、1.062390e-03。
85kV:5.104433e-05、3.547485e-07、1.365077e-06、0.000000e+00、3.487576e-05、6.281206e-03。
86kV:1.100556e-06、6.300897e-06、5.220787e-07、4.125750e-05、2.941801e-04、3.309040e-04。
87kV:7.944644e-07、1.511700e-03、2.116216e-04、8.722111e-07、3.091814e-04、1.624638e-04。
88kV:0.000000e+00、0.000000e+00、7.170909e-05、3.961505e-05、0.000000e+00、9.431227e-04。
89kV:1.655676e-04、2.499768e-05、1.084199e-04、2.490181e-05、4.223692e-06、3.862804e-04。
90kV:1.659763e-04、2.703922e-04、2.892218e-04、6.563080e-07、1.250814e-05、2.036351e-04。
91kV:4.461028e-06、0.000000e+00、2.523437e-04、2.349084e-04、2.817736e-06、2.698042e-03。
92kV:3.102178e-03、0.000000e+00、2.564998e-04、1.089835e-05、1.479570e-06、9.239587e-04。
93kV:1.715229e-05、1.125986e-05、3.810037e-05、1.127764e-04、2.837961e-04、1.280347e-05。
94kV:3.655821e-06、9.148442e-07、1.838388e-04、2.291394e-06、4.825326e-07、0.000000e+00。
95kV:3.906350e-03、7.966165e-05、1.034926e-06、8.427251e-04、3.450444e-06、6.140145e-05。
96kV:0.000000e+00、4.031683e-11、8.990564e-04、1.206827e-05、2.620338e-03、1.944034e-06。
97kV:1.838346e-01、7.322030e-04、7.987588e-04、6.292262e-05、2.421093e-03、7.771708e-02。
98kV:8.129882e-03、4.132438e-05、9.771121e-07、0.000000e+00、4.877836e-03、3.438481e-01。
99kV:1.014174e-08、1.510072e-06、1.186524e-05、1.885911e-03、8.819136e-04、3.438481e-01。
步骤七、根据步骤六的最优基能谱权重对选定基能谱进行加权得到目标机器的最终估计能谱,如图2,该最终估计能谱是在3980次迭代得到。
图4是真实投影和图3的估计投影在中线的投影值曲线对比图,从图4中可知两者是比较贴合的,其中GT为真实投影的投影曲线,est为估计投影的投影曲线,err为两者之间的差。
由于真实实验中并无法知道真实能谱,因此通过射线硬化校正的结果来间接地评价所使用的估计能谱的质量,从图5可以看出,利用为未校正的投影重建出来的图像存在比较严重的射线硬化伪影;从图7可知将最优估计能谱作为先验知识对投影进行射线硬化校正后重建出来的结果基本上将射线硬化伪影消除。因此通过本发明的X射线实际能谱精确估计方法得到的最优估计能谱是比较准确的。
最后应当说明的是,以上实施例仅用以说明本发明的技术方案而非对本发明保护范围的限制,尽管参照较佳实施例对本发明作了详细说明,本领域的普通技术人员应当理解,可以对本发明技术方案进行修改或者等同替换,而不脱离本发明技术方案的实质和范围。
Claims (10)
1.一种X射线实际能谱精确估计方法,其特征在于,包括步骤有:
步骤一、通过初始真实曝光电压采集目标机器的真实投影数据P_GT;
步骤二、对步骤一得到的真实投影数据P_GT进行重建,得到三维模体数据;
步骤三、设置曝光电压范围,在曝光电压范围的每个曝光电压下的X射线分别穿过不同厚度附加铝滤过板所得的基能谱Sij组建基能谱数据库,初始真实曝光电压位于曝光电压范围内;
步骤四、将初始真实曝光电压定义为A,在步骤三得到的基能谱数据库中选择曝光电压为A+αA至A-αA范围内对应的部分基能谱,并将这部分基能谱定义为选定基能谱,且α>0;
步骤五、初始化步骤四得到的选定基能谱的权重,得到初始基能谱权重;
步骤六、将初始基能谱权重进行加权求和得到的估计能谱S_est,然后根据步骤二得到的三维模体数据与估计能谱得到估计投影,再根据步骤一的真实投影数据P_GT与估计投影作差作为目标函数,最后通过迭代优化算法得到最优目标函数值,并将最优目标函数值对应的基能谱权重定义为最优基能谱权重;
步骤七、根据步骤六的最优基能谱权重对选定基能谱进行加权得到目标机器的最终估计能谱。
2.根据权利要求1所述的X射线实际能谱精确估计方法,其特征在于,所述步骤六包括有:
步骤6.1、将步骤四得到的选定基能谱根据初始基能谱权重进行加权求和得到的估计能谱S_est,式(Ⅰ)所示,
其中Sij表示第i个曝光电压下,X射线穿过第j种厚度的附加铝滤过板得到的基能谱,wij为Sij对应的权重;
步骤6.2、步骤二得到的三维模体数据与估计能谱S_est载入蒙特卡罗模拟算法得到估计投影P_est,其中估计投影P_est为矩阵;
步骤6.3、将步骤一的真实投影数据P_GT与步骤6.2得到估计投影P_est作差得到目标函数值ERR,式(Ⅱ)所示,
其中P_GTpq为真实投影中第p行、第q列的像素值,P_estpq为估计投影中第p行、第q列的像素值;
步骤6.4、通过迭代优化算法更新基能谱权重;
步骤6.5、判断累计迭代次数,当累计迭代次数达到目标迭代次数则进入步骤6.7,当累计迭代次数小于目标迭代次数则进入步骤6.6;
步骤6.6、令更新后的基能谱权重为初始基能谱权重,并返回步骤6.1;
步骤6.7、在所有迭代结果中选择目标函数值最小的一个,将最小目标函数值定义为最优目标函数值,并将对应的基能谱权重定义为最优基能谱权重。
3.根据权利要求2所述的X射线实际能谱精确估计方法,其特征在于:所述迭代优化算法为平衡优化器算法。
4.根据权利要求3所述的X射线实际能谱精确估计方法,其特征在于:所述平衡优化器算法式(Ⅲ)所示,
[xx]=EO(Particles_no,Max_iteration,lb,ub,dim,fobj,Run_no) 式(Ⅲ),
其中,Particles_no为算法每次给每个变量生成随机数的数目,然后随机抽取一个作为当前变量的值;Max_iteration为每个变量的随机生成次数,lb为变量的下限,ub为变量的上限,dim为变量的数目,fobj为目标函数,Run_no为独立运行EO算法的次数,xx为最终输出的最优基能谱权重。
5.根据权利要求4所述的X射线实际能谱精确估计方法,其特征在于:所述步骤三的基能谱Sij通过能谱发生器产生得到。
6.根据权利要求5所述的X射线实际能谱精确估计方法,其特征在于:所述步骤三具体为设置曝光电压范围,在所述曝光电压范围内每间隔电压值为β时得到一个曝光电压,存在β>0,在所述曝光电压范围内得到多个曝光电压,在每个曝光电压下的X射线分别穿过不同厚度附加铝滤过板所得的基能谱Sij组建基能谱数据库。
7.根据权利要求6所述的X射线实际能谱精确估计方法,其特征在于:所述步骤二具体为对步骤一得到的真实投影数据P_GT进行FDK三维重建,得到三维模体数据。
8.根据权利要求7所述的X射线实际能谱精确估计方法,其特征在于:所述α为5%~20%;
所述β为0.5kV~2kV;
所述附加铝滤过板的厚度范围1mm~30mm。
9.根据权利要求7所述的X射线实际能谱精确估计方法,其特征在于:所述附加铝滤过板的厚度为3mm、4mm、6mm、8mm、12mm和18mm。
10.根据权利要求9所述的X射线实际能谱精确估计方法,其特征在于:所述目标机器为医学X射线成像设备。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110583539.4A CN113392509B (zh) | 2021-05-27 | 2021-05-27 | 一种x射线实际能谱精确估计方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110583539.4A CN113392509B (zh) | 2021-05-27 | 2021-05-27 | 一种x射线实际能谱精确估计方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113392509A CN113392509A (zh) | 2021-09-14 |
CN113392509B true CN113392509B (zh) | 2022-08-23 |
Family
ID=77619159
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110583539.4A Active CN113392509B (zh) | 2021-05-27 | 2021-05-27 | 一种x射线实际能谱精确估计方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113392509B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115097513B (zh) * | 2022-06-20 | 2023-03-21 | 上海市计量测试技术研究院 | 能谱计数窗口的定位方法、装置、电子设备及存储介质 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2006101926A (ja) * | 2004-09-30 | 2006-04-20 | M & C:Kk | 放射線検出装置、放射線画像診断装置、及び放射線画像の生成方法 |
JP2017127638A (ja) * | 2016-01-18 | 2017-07-27 | 東芝メディカルシステムズ株式会社 | X線ct装置、情報処理装置、および情報処理方法 |
CN108051458A (zh) * | 2017-11-27 | 2018-05-18 | 首都师范大学 | 一种基于有理分式拟合多能投影曲线的x射线能谱估计方法 |
CN109875593A (zh) * | 2019-02-02 | 2019-06-14 | 中北大学 | Ct成像方法、存储介质和装置 |
CN110533734A (zh) * | 2019-04-25 | 2019-12-03 | 南方医科大学 | 基于传统单能ct的多能谱分段稀疏扫描迭代重建方法 |
Family Cites Families (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR20110055870A (ko) * | 2009-11-20 | 2011-05-26 | 삼성전자주식회사 | 엑스선 디텍터의 에너지 응답 특성을 추정하는 방법 및 장치 |
DE102013217852B3 (de) * | 2013-09-06 | 2014-10-30 | Siemens Aktiengesellschaft | Verfahren und Röntgensystem zur Zwei-Energiespektren-CT-Abtastung und Bildrekonstruktion |
JP6133231B2 (ja) * | 2014-04-18 | 2017-05-24 | 株式会社日立製作所 | X線エネルギースペクトル測定方法およびx線エネルギースペクトル測定装置およびx線ct装置 |
US10937206B2 (en) * | 2019-01-18 | 2021-03-02 | Canon Medical Systems Corporation | Deep-learning-based scatter estimation and correction for X-ray projection data and computer tomography (CT) |
-
2021
- 2021-05-27 CN CN202110583539.4A patent/CN113392509B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2006101926A (ja) * | 2004-09-30 | 2006-04-20 | M & C:Kk | 放射線検出装置、放射線画像診断装置、及び放射線画像の生成方法 |
JP2017127638A (ja) * | 2016-01-18 | 2017-07-27 | 東芝メディカルシステムズ株式会社 | X線ct装置、情報処理装置、および情報処理方法 |
CN108051458A (zh) * | 2017-11-27 | 2018-05-18 | 首都师范大学 | 一种基于有理分式拟合多能投影曲线的x射线能谱估计方法 |
CN109875593A (zh) * | 2019-02-02 | 2019-06-14 | 中北大学 | Ct成像方法、存储介质和装置 |
CN110533734A (zh) * | 2019-04-25 | 2019-12-03 | 南方医科大学 | 基于传统单能ct的多能谱分段稀疏扫描迭代重建方法 |
Non-Patent Citations (6)
Title |
---|
CT射束硬化校正算法研究;连亚琴;《中国优秀博硕士学位论文全文数据库(硕士)信息科技辑》;20091115;第I138-1083页 * |
Optimization of Metal Anode Layer for Transmission Anode Flat Panel X-ray Source using ZnO Nanowire FEAs;Wang, K et al.;《30th International Vacuum Nanoelectronics Conference (IVNC)》;20170714;第302-303页 * |
Uncertainty analysis in X-ray spectra simulation: Effect of geometric tube features: (Anode angle and filter thickness);A. Querol et al.;《2011 4th International Conference on Biomedical Engineering and Informatics (BMEI)》;20111212;第887-891页 * |
双能CT图像重建算法研究;李磊;《中国优秀博硕士学位论文全文数据库(博士)信息科技辑》;20190515;第I138-37页 * |
多电压X射线图像分解的高对比度CT成像;魏交统等;《光电工程》;20160815;第43卷(第8期);第59-63页 * |
探测器分块排列的CT系统及其图像重建;罗宁等;《核电子学与探测技术》;20170820;第37卷(第8期);第847-851页 * |
Also Published As
Publication number | Publication date |
---|---|
CN113392509A (zh) | 2021-09-14 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US4217641A (en) | Correction for polychromatic X-ray distortion in CT images | |
US8605857B1 (en) | Method and system to reconstruct treatment dose to a patient from integrated exit-transit images of radiation fields taken during treatment | |
Du et al. | Model-based compensation for quantitative 123I brain SPECT imaging | |
US7471759B2 (en) | Method for estimating the scattered radiation in X-ray tomography | |
CN107802280B (zh) | 校正曲线生成方法、投影图像的校正方法、系统及存储介质 | |
CN110175957B (zh) | 多能量ct基材料物质分解方法 | |
GB1594627A (en) | Computerized tomography | |
US11992356B2 (en) | X-ray imaging system | |
CN113392509B (zh) | 一种x射线实际能谱精确估计方法 | |
Maltz et al. | Focused beam‐stop array for the measurement of scatter in megavoltage portal and cone beam CT imaging | |
CN115270075B (zh) | 基于钨靶x射线球管的双能ct系统的能谱数据校正方法 | |
CN103262124B (zh) | 用于对感兴趣区域成像的成像系统 | |
Ruth et al. | Estimation of a photon energy spectrum for a computed tomography scanner | |
US8351572B1 (en) | Method and system to reconstruct treatment dose to a patient from integrated exit-transit images of radiation fields taken during treatment | |
JP4994225B2 (ja) | 2パラメータスペクトルの処理方法及び装置 | |
Rinkel et al. | Equalization method for Medipix3RX | |
WO2019014447A1 (en) | METHOD, APPARATUS AND SYSTEM FOR ENERGY-RESOLVED DIFFUSION IMAGING DURING RADIATION THERAPY | |
CN113804709B (zh) | 基于拟蒙特卡罗和强制探测的校正ct散射信号的方法 | |
JP2017113526A (ja) | スペクトルを修正するための方法 | |
CN113125476A (zh) | 一种面阵工业ct散射校正方法 | |
Wei et al. | Narrow‐Energy‐Width CT Based on Multivoltage X‐Ray Image Decomposition | |
Podorozhnyi et al. | Application of a multivariate statistical technique to interpreting data from multichannel equipment for the example of the KLEM spectrometer | |
Jalbout et al. | Spectral reconstruction by scatter analysis for a linear accelerator photon beam | |
Pan et al. | A transmission measurement-based spectrum estimation method incorporating X-ray tube voltage fluctuation | |
Baker | Reconstruction of clinical bremsstrahlung spectra in the range 4 to 30 MeV |
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 |