CN114707416B - 一种人体内照射剂量检测方法、装置、系统及计算机设备 - Google Patents
一种人体内照射剂量检测方法、装置、系统及计算机设备 Download PDFInfo
- Publication number
- CN114707416B CN114707416B CN202210406892.XA CN202210406892A CN114707416B CN 114707416 B CN114707416 B CN 114707416B CN 202210406892 A CN202210406892 A CN 202210406892A CN 114707416 B CN114707416 B CN 114707416B
- Authority
- CN
- China
- Prior art keywords
- human body
- detector
- organ
- monte carlo
- image
- 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
- G06F30/27—Design optimisation, verification or simulation using machine learning, e.g. artificial intelligence, neural networks, support vector machines [SVM] or training a model
-
- 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
-
- 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
- G06N3/08—Learning methods
-
- 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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/0002—Inspection of images, e.g. flaw detection
- G06T7/0012—Biomedical image inspection
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/10—Image acquisition modality
- G06T2207/10072—Tomographic images
- G06T2207/10081—Computed x-ray tomography [CT]
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Evolutionary Computation (AREA)
- Software Systems (AREA)
- Artificial Intelligence (AREA)
- General Engineering & Computer Science (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Computational Linguistics (AREA)
- Molecular Biology (AREA)
- Mathematical Physics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Life Sciences & Earth Sciences (AREA)
- Computing Systems (AREA)
- Biomedical Technology (AREA)
- Biophysics (AREA)
- Medical Informatics (AREA)
- Data Mining & Analysis (AREA)
- Geometry (AREA)
- Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
- Radiology & Medical Imaging (AREA)
- Computer Graphics (AREA)
- Quality & Reliability (AREA)
- Computer Hardware Design (AREA)
- Apparatus For Radiation Diagnosis (AREA)
Abstract
本发明涉及人体内照射检测技术领域,公开了一种人体内照射剂量检测方法、装置、系统及计算机设备。通过本发明创造,提供了一种基于神经网络算法的人体内照射剂量检测方案,可兼顾个体间形态和器官体积的差异性,并由于是以人体CT数据为支撑,可确保建立较高精度的人体组织等效模型,实现器官位置精准定位,并通过内照射放射源参数定义,可在进行内照射剂量的直接测量时,对每个病人开展针对性辐射探测器效率刻度,使得内照射剂量计算的精度大为提高。
Description
技术领域
本发明属于人体内照射检测技术领域,具体地涉及一种人体内照射剂量检测方法、装置、系统及计算机设备。
背景技术
在核事故中,放射性物质可能向周边环境大范围释放,最终对人体产生不利影响。放射性核素摄入到体内以后,将沉积和滞留在它们所亲和的组织或器官中,对其产生辐射剂量,造成危害,一直到它全部被排出为止。放射性核素可以通过诸如食入、吸入、皮肤或伤口等进入体内,在人体内产生不均匀分布,且主要沉积在人体特定器官中,如肺部、甲状腺和肠胃等。
针对通常的γ放射物质来说,因其射线的射程长,使得内照射与外照射并无多大差别;而对于释放β和α射线衰变的核素,将会引起生物体内极高能量的局部吸收,致使内照射产生特异的生物学效应。对内照射来说,一旦放射性核素摄入体内,对人体的照射将持续一段时间,有的放射性核素甚至导致人体终身受照。内照射剂量评价的量是放射性核素的摄入量、待积有效剂量或组织器官的待积当量剂量。常用的检测方法选择顺序为:体外直接测量、排泄物或其他生物样品分析以及空气采样分析。在实际情况中则需根据具体情况选择其中一种或多种测量方法进行测量。
体外直接测量是进行内照射剂量估算最有效的方法,是将辐射探测器接近人体,以探测从人体内发射的且可以穿过人体组织的射线。它可用于发射特征X射线、γ射线、正电子和高能β粒子的放射性核素,也可用于一些发射特征X射线的α辐射体。用于直接测量的设备由一个或多个安装在低本底环境下的高效率探测器组成。
在应用测量装置对人体进行测量之前,必须应用体模进行探测效率的校准。体模一般由人体组织等效材料制成,具有与人体组织相似的密度和有效原子序数。在理想情况下的测量过程中,体模对辐射产生的衰减效应与人体对辐射产生的衰减效应完全相同。同时放射性核素活体测量的效率校准受到多个参数的影响,如探测几何、人体模型差异和校准源配置与分布等。以往的方式是采用体模、物理模拟和实验方法进行校准,改变任一参数都将带来大量工作,有时甚至不可能。此外,由于有源效率刻度技术存在操作复杂、耗费时间且难以评估误差等问题,目前逐渐被无源效率刻度技术所替代;在无源效率刻度技术中,可在获得探测器和体源的精准尺寸参数、基质成分和密度后,使用蒙特卡洛模拟程序(即蒙特卡洛方法,是一种以概率统计理论为基础,采用统计抽样理论近似求解数学或物理问题的模拟计算方法;在核物理计算领域中,主要程序包括有MCNP、GEANT4和FLUKA等,可用于模拟粒子的输运和碰撞;大量实验表明,基于蒙特卡洛程序进行模拟剂量计算是所有剂量计算方法中最精确的)建立测量结构的物理计算模型,计算不同情况下探测器的探测效率。
在现有技术中,对于人体内照射剂量的测量主要是基于国际放射防护委员会(International Commission on Radiological Protection,简称ICRP)推荐的参考人模型进行开展,然而现实中人体的个体性差异极大,体内器官受污染情况不同,利用参考人模型计算人体内照射剂量的方法较为简单粗糙,使得其计算得出的数值并不能真实反映实际的器官辐射剂量。此外,还具有在测量过程中难以精准确定不同个体被污染组织的位置,以及探测器效率刻度精度不足的问题。
发明内容
为了解决现有人体内照射剂量检测技术所存在因参考人模型统一而导致所得数值并不能真实反映实际器官辐射剂量、在测量过程中难以精准确定不同个体被污染组织的位置以及探测器效率刻度精度不足的问题,本发明目的在于提供一种人体内照射剂量检测方法、装置、系统、计算机设备及计算机可读存储介质。
第一方面,本发明提供了一种人体内照射剂量检测方法,包括:
获取目标患者的电子计算机断层扫描CT数据;
根据所述CT数据,通过神经网络算法进行针对CT图像中人体器官的图像识别分割处理,得到器官位置信息,其中,所述器官位置信息包含有所有被识别出器官的空间位置;
根据所述CT数据和HU值与人体组织材料类型及材料密度的已知规律关系,利用蒙特卡洛程序的建模工具进行人体模型三维重建,得到所述目标患者的人体模型;
根据所述器官位置信息和基于放射性物质摄入情况预先确定的受污染器官,在所述人体模型中的且与所述受污染器官对应的空间位置进行蒙特卡洛放射源参数的定义,得到新人体模型;
使用蒙特卡洛程序建立探测器的蒙特卡洛仿真模型,并应用所述蒙特卡洛仿真模型开展该探测器对所述新人体模型的无源效率刻度计算及刻度标定处理,得到所述探测器对所述新人体模型的空间中各点源的探测效率;
根据所述探测效率和由所述探测器对所述目标患者的探测结果,计算得到所述目标患者的人体内照射剂量检测结果。
基于上述发明内容,提供了一种基于神经网络算法的人体内照射剂量检测方案,即先根据CT数据,通过神经网络算法进行针对CT图像中人体器官的图像识别分割处理,得到器官位置信息,以及根据所述CT数据和HU值与人体组织材料类型及材料密度的已知规律关系,利用蒙特卡洛程序的建模工具进行人体模型三维重建,得到所述目标患者的人体模型,然后根据所述器官位置信息和基于放射性物质摄入情况预先确定的受污染器官,在所述人体模型中的且与所述受污染器官对应的空间位置进行蒙特卡洛放射源参数的定义,得到新人体模型,最后使用蒙特卡洛程序建立探测器的蒙特卡洛仿真模型,并应用所述蒙特卡洛仿真模型开展该探测器对所述新人体模型的无源效率刻度计算及刻度标定处理,如此可兼顾个体间形态和器官体积的差异性,并由于是以人体CT数据为支撑,可确保建立较高精度的人体组织等效模型,实现器官位置精准定位,并通过内照射放射源参数定义,可在进行内照射剂量的直接测量时,对每个病人开展针对性辐射探测器效率刻度,使得内照射剂量计算的精度大为提高。此外,从实验结果来看,本实施例具有泛化性好,准确率高等优点,具有较强的实际应用前景,可解决当前内照射剂量直接测量过程中难以精准确定不同个体被污染组织的位置,以及探测器效率刻度精度不足的问题,并针对于每个病人的CT数据,进行差异化组织建模,利用神经网络算法实现体模标准源精准配置,使用蒙特卡洛程序模拟计算以提升探测器效率刻度精度。
在一个可能的设计中,根据所述CT数据,通过神经网络算法进行针对CT图像中人体器官的图像识别分割处理,得到器官位置信息,包括:
根据所述CT数据,成像得到多张CT图像;
针对所述多张CT图像中的各张CT图像,将对应的图片转化为灰度图片并进行二值化处理,得到对应的二值化图片及蒙版图片;
将与所述各张CT图像对应的二值化图片及蒙版图片,输入已完成训练的且基于全卷积神经网络建模而得的器官图像识别分割模型中,输出得到被识别出器官的器官图像;
针对各个所述被识别出器官,根据对应的器官图像在所属CT图像中的位置以及该所属CT图像的已知扫描位置,确定对应的空间位置;
汇总所有所述被识别出器官的空间位置,得到器官位置信息。
在一个可能的设计中,所述全卷积神经网络采用U-Net网络结构。
在一个可能的设计中,根据所述CT数据和HU值与人体组织材料类型及材料密度的已知规律关系,利用蒙特卡洛程序的建模工具进行人体模型三维重建,得到所述目标患者的人体模型,包括:
根据所述CT数据,成像得到多张CT图像;
利用蒙特卡洛程序的建模工具,根据所述多张CT图像中各个像素点的对应体素的实际大小,将人体模型分成若干个格子;
针对各个所述格子,根据所述CT数据中的且在对应的所有像素点上的HU值和HU值与人体组织材料类型及材料密度的已知规律关系,确定对应的人体组织材料及材料密度;
汇总所有所述格子的人体组织材料及材料密度,三维重建得到所述目标患者的人体模型。
在一个可能的设计中,所述探测器包括有一套NaI晶体探测器和至少一套高纯锗半导体探测器;
所述NaI晶体探测器,在测量时置于所述目标患者的平躺下方,用于确定在所述新人体模型中的且具有放射性强度最大值的位置;
所述高纯锗半导体探测器,在测量时置于所述目标患者的平躺上方,用于针对在所述新人体模型中的且具有放射性强度最大值的位置,精准测量得到对应的射线信息。
在一个可能的设计中,使用蒙特卡洛程序建立探测器的蒙特卡洛仿真模型,并应用所述蒙特卡洛仿真模型开展该探测器对所述新人体模型的无源效率刻度计算及刻度标定处理,得到所述探测器对所述新人体模型的空间中各点源的探测效率,包括:
在蒙特卡洛程序中,针对所述新人体模型,使用探测器对所述目标患者测定放射源在多个能量条件下发射粒子数的计数结果,其中,所述探测器用于探测所述目标患者;
根据所述计数结果,拟合得到在所述多个能量条件下的且全能峰探测效率值的探测效率曲线。
第二方面,本发明提供了一种人体内照射剂量检测装置,包括有数据获取单元、位置确定单元、体模重建单元、参数定义单元、刻度标定单元和剂量计算单元;
所述数据获取单元,用于获取目标患者的电子计算机断层扫描CT数据;
所述位置确定单元,通信连接所述数据获取单元,用于根据所述CT数据,通过神经网络算法进行针对CT图像中人体器官的图像识别分割处理,得到器官位置信息,其中,所述器官位置信息包含有所有被识别出器官的空间位置;
所述体模重建单元,通信连接所述数据获取单元,用于根据所述CT数据和HU值与人体组织材料类型及材料密度的已知规律关系,利用蒙特卡洛程序的建模工具进行人体模型三维重建,得到所述目标患者的人体模型;
所述参数定义单元,分别通信连接所述位置确定单元和所述体模重建单元,用于根据所述器官位置信息和基于放射性物质摄入情况预先确定的受污染器官,在所述人体模型中的且与所述受污染器官对应的空间位置进行蒙特卡洛放射源参数的定义,得到新人体模型;
所述刻度标定单元,通信连接所述参数定义单元,用于使用蒙特卡洛程序建立探测器的蒙特卡洛仿真模型,并应用所述蒙特卡洛仿真模型开展该探测器对所述新人体模型的无源效率刻度计算及刻度标定处理,得到所述探测器对所述新人体模型的空间中各点源的探测效率;
所述剂量计算单元,通信连接所述刻度标定单元,用于根据所述探测效率和由所述探测器对所述目标患者的探测结果,计算得到所述目标患者的人体内照射剂量检测结果。
第三方面,本发明提供了一种人体内照射剂量检测系统,包括有电子计算机断层扫描CT仪器、探测器和检测设备,其中,所述检测设备分别通信连接所述CT仪器和所述探测器;
所述检测设备,用于执行如第一方面或第一方面中任意可能设计所述的人体内照射剂量检测方法。
第四方面,本发明提供了一种计算机设备,包括有依次通信连接的存储器、处理器和收发器,其中,所述存储器用于存储计算机程序,所述收发器用于收发消息,所述处理器用于读取所述计算机程序,执行如第一方面或第一方面中任意可能设计所述的人体内照射剂量检测方法。
第五方面,本发明提供了一种计算机可读存储介质,所述计算机可读存储介质上存储有指令,当所述指令在计算机上运行时,执行如第一方面或第一方面中任意可能设计所述的人体内照射剂量检测方法。
第六方面,本发明提供了一种包含指令的计算机程序产品,当所述指令在计算机上运行时,使所述计算机执行如第一方面或第一方面中任意可能设计所述的人体内照射剂量检测方法。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本发明的一些实施例,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的附图。
图1是本发明提供的人体内照射剂量检测方法的流程示意图。
图2是本发明提供的CT图片、二值化图片及肺器官图像的依次处理所得示例图。
图3是本发明提供的U-Net网络结构的示例图。
图4是本发明提供的NaI晶体探测器和高纯锗半导体探测器的布置示意图。
图5是本发明提供的探测效率曲线的示例图。
图6是本发明提供的人体内照射剂量检测装置的结构示意图。
图7是本发明提供的人体内照射剂量检测系统的结构示意图。
图8是本发明提供的计算机设备的结构示意图。
具体实施方式
下面结合附图及具体实施例来对本发明作进一步阐述。在此需要说明的是,对于这些实施例方式的说明虽然是用于帮助理解本发明,但并不构成对本发明的限定。本文公开的特定结构和功能细节仅用于描述本发明示例的实施例。然而,可用很多备选的形式来体现本发明,并且不应当理解为本发明限制在本文阐述的实施例中。
应当理解,尽管本文可能使用术语第一和第二等等来描述各种对象,但是这些对象不应当受到这些术语的限制。这些术语仅用于区分一个对象和另一个对象。例如可以将第一对象称作第二对象,并且类似地可以将第二对象称作第一对象,同时不脱离本发明的示例实施例的范围。
应当理解,对于本文中可能出现的术语“和/或”,其仅仅是一种描述关联对象的关联关系,表示可以存在三种关系,例如,A和/或B,可以表示:单独存在A、单独存在B或者同时存在A和B等三种情况;对于本文中可能出现的术语“/和”,其是描述另一种关联对象关系,表示可以存在两种关系,例如,A/和B,可以表示:单独存在A或者同时存在A和B等两种情况;另外,对于本文中可能出现的字符“/”,一般表示前后关联对象是一种“或”关系。
如图1所示,本实施例第一方面提供的所述人体内照射剂量检测方法,可以但不限于由具有一定计算资源的且分别通信连接有CT仪器和探测器的计算机设备执行,例如由个人计算机(Personal Computer,PC,指一种大小、价格和性能适用于个人使用的多用途计算机;台式机、笔记本电脑到小型笔记本电脑和平板电脑以及超级本等都属于个人计算机)、智能手机、个人数字助理(Personal digital assistant,PAD)或可穿戴设备等电子设备执行,以便解决当前内照射剂量直接测量过程中难以精准确定不同个体被污染组织的位置,以及探测器效率刻度精度不足的问题,并针对于每个病人的CT数据,进行差异化组织建模,利用神经网络算法实现体模标准源精准配置,使用蒙特卡洛程序模拟计算以提升探测器效率刻度精度。如图1所示,所述人体内照射剂量检测方法,可以但不限于包括有如下步骤S1~S6。
S1.获取目标患者的电子计算机断层扫描CT(Computed Tomography)数据。
在所述步骤S1中,所述CT数据来源于CT仪器,可以但不限于使用Python中的Pydicom包来读取原始的CT数据。
S2.根据所述CT数据,通过神经网络算法进行针对CT图像中人体器官的图像识别分割处理,得到器官位置信息,其中,所述器官位置信息包含但不限于有所有被识别出器官的空间位置。
在所述步骤S2中,具体的,根据所述CT数据,通过神经网络算法进行针对CT图像中人体器官的图像识别分割处理,得到器官位置信息,包括但不限于有如下步骤S21~S25。
S21.根据所述CT数据,成像得到多张CT图像。
S22.针对所述多张CT图像中的各张CT图像,将对应的图片转化为灰度图片并进行二值化处理,得到对应的二值化图片及蒙版图片。
在所述步骤S22中,由于不同来源的CT图像数据差异很大,需要通过预处理过程统一转化为灰度图片,并进一步二值化处理以及生成图像蒙版(即将所述灰度图片中灰度为255的像素点变为灰度为1),如图2所示。
S23.将与所述各张CT图像对应的二值化图片及蒙版图片,输入已完成训练的且基于全卷积神经网络建模而得的器官图像识别分割模型中,输出得到被识别出器官的器官图像。
在所述步骤S23中,所述全卷积神经网络优选采用U-Net网络结构。所述U-Net网络结构是建立在全卷积神经网络的架构上,可使用很少的训练图像就能得到很精确的分割结果,如图3所示;所述U-Net网络结构是使用卷积层提取图形特征,获取每个像素点的信息,通过上采样提高输出图像分辨率。所述器官图像识别分割模型可使用图像分割中常用的交叉熵损失函数,即基于PyTorch的神经网络工具箱中nn.CrossEntropyLoss()函数,构建所需损失函数,具体使用方式为loss=nn.CrossEntropyLoss(input,target),其中,input是函数输入值,target为目标值,使用loss.backward()进行误差反向传播。所述器官图像识别分割模型的训练数据可来自于专业人员人工勾画的且诸如肺部CT图片等的器官CT图像,并分为训练集、验证集和测试集,然后通过调整网络的学习率和momentum动量,训练直到最后的损失函数收敛。此外,还可将得到的图片尺寸作为神经网络的输入参数之一。
S24.针对各个所述被识别出器官,根据对应的器官图像在所属CT图像中的位置以及该所属CT图像的已知扫描位置,确定对应的空间位置。
S25.汇总所有所述被识别出器官的空间位置,得到器官位置信息。
S3.根据所述CT数据和HU值与人体组织材料类型及材料密度的已知规律关系,利用蒙特卡洛程序的建模工具进行人体模型三维重建,得到所述目标患者的人体模型。
在所述步骤S3中,具体的,根据所述CT数据和HU值与人体组织材料类型及材料密度的已知规律关系,利用蒙特卡洛程序的建模工具进行人体模型三维重建,得到所述目标患者的人体模型,包括但不限于有如下步骤S31~S34。
S31.根据所述CT数据,成像得到多张CT图像。
S32.利用蒙特卡洛程序的建模工具,根据所述多张CT图像中各个像素点的对应体素的实际大小,将人体模型分成若干个格子。
在所述步骤S32中,具体分格情况可根据不同规格的CT图像做相应调整。
S33.针对各个所述格子,根据所述CT数据中的且在对应的所有像素点上的HU值和HU值与人体组织材料类型及材料密度的已知规律关系,确定对应的人体组织材料及材料密度。
在所述步骤S32中,所述人体组织材料类型可按照HU值(即在计算机断层扫描中普遍使用的无量纲单位,用于标准、便捷的表达CT数值)范围分为25类,这25类的组织等效材料详细组分见表1,其中,H10.3表示氢元素,原子质量占比为10.3%,其余元素类似。
表1. 25类组织等效材料元素的组成
而对于材料密度的设定,可根据不同HU值范围具有如下计算公式:
当HU∈[-1000,-98)时,density=0.00121+0.001029700665188*(1000.0+HU);
当HU∈[-98,15)时,density=1.018+0.000893*HU;
当HU∈[15,23)时,density=1.03;
当HU∈[23,101)时,density=1.003+0.001169*HU;
当HU∈[101,2001)时,density=1.017+0.000592*HU;
当HU∈[2001,2995)时,density=2.201+0.0005*(-2000.0+HU);
当HU∈[2995,2996]时,density=4.54;
式中,density表示材料密度,单位统一为g/cm3。
S34.汇总所有所述格子的人体组织材料及材料密度,三维重建得到所述目标患者的人体模型。
S4.根据所述器官位置信息和基于放射性物质摄入情况预先确定的受污染器官,在所述人体模型中的且与所述受污染器官对应的空间位置进行蒙特卡洛放射源参数的定义,得到新人体模型。
在所述步骤S4中,所述受污染器官可以但不限于包括有肺器官,因此可根据所述器官位置信息中记录的肺器官的空间位置,在所述人体模型中对肺部区域进行蒙特卡洛放射源参数的定义。至此,用于检测人体内照射剂量的体模建立完毕,为了更好地指导实际人体测量过程,接下来步骤S5即是进行针对单个病人测量过程中辐射探测器所需的效率刻度。
S5.使用蒙特卡洛程序建立探测器的蒙特卡洛仿真模型,并应用所述蒙特卡洛仿真模型开展该探测器对所述新人体模型的无源效率刻度计算及刻度标定处理,得到所述探测器对所述新人体模型的空间中各点源的探测效率。
在所述步骤S5中,如图4所示,所述探测器包括但不限于有一套NaI晶体探测器和至少一套高纯锗半导体探测器;所述NaI晶体探测器,在测量时置于所述目标患者的平躺下方,用于确定在所述新人体模型中的且具有放射性强度最大值的位置;所述高纯锗半导体探测器,在测量时置于所述目标患者的平躺上方,用于针对在所述新人体模型中的且具有放射性强度最大值的位置,精准测量得到对应的射线信息。具体的,所述NaI晶体探测器可通过进行一次移动扫描,记录γ放射性强度最大点的位置,并将该位置传递给所述高纯锗半导体探测器,以便移动至该位置进行γ能谱的精细测量。
在所述步骤S5中,具体的,使用蒙特卡洛程序建立探测器的蒙特卡洛仿真模型,并应用所述蒙特卡洛仿真模型开展该探测器对所述新人体模型的无源效率刻度计算及刻度标定处理,得到所述探测器对所述新人体模型的空间中各点源的探测效率,包括但不限于:先在蒙特卡洛程序中,针对所述新人体模型,使用探测器对所述目标患者测定放射源在多个能量条件下发射粒子数的计数结果,其中,所述探测器用于探测所述目标患者;然后根据所述计数结果,拟合得到在所述多个能量条件下的且全能峰探测效率值的探测效率曲线。由于所述NaI晶体探测器只需找到γ放射性强度最大点的位置,故仅有必要对所述高纯锗半导体探测器进行无源效率刻度的测量,即对于所述高纯锗半导体探测器,可在准确获得探测器晶体及其灵敏区尺寸后,直接利用蒙特卡洛程序直接进行模拟计算,获得多个能量条件下全能峰探测效率值的探测效率曲线,如图5所示,从而实现对所述探测器进行无源效率刻度标定的目的。
S6.根据所述探测效率和由所述探测器对所述目标患者的探测结果,计算得到所述目标患者的人体内照射剂量检测结果。
在所述步骤S6,所需的具体计算方式可采用现有算法实现,例如先参照论文《基于中国参考人人体数学模型的内照射剂量计算》(核电子学与探测技术,2006-06:915-918+931)进行算法的常规改动设计,然后根据所述探测效率和由所述探测器对所述目标患者的探测结果,计算得到所述目标患者的人体内照射剂量检测结果。
由此基于前述步骤S1~S6所描述的人体内照射剂量检测方法,提供了一种基于神经网络算法的人体内照射剂量检测方案,即先根据CT数据,通过神经网络算法进行针对CT图像中人体器官的图像识别分割处理,得到器官位置信息,以及根据所述CT数据和HU值与人体组织材料类型及材料密度的已知规律关系,利用蒙特卡洛程序的建模工具进行人体模型三维重建,得到所述目标患者的人体模型,然后根据所述器官位置信息和基于放射性物质摄入情况预先确定的受污染器官,在所述人体模型中的且与所述受污染器官对应的空间位置进行蒙特卡洛放射源参数的定义,得到新人体模型,最后使用蒙特卡洛程序建立探测器的蒙特卡洛仿真模型,并应用所述蒙特卡洛仿真模型开展该探测器对所述新人体模型的无源效率刻度计算及刻度标定处理,如此可兼顾个体间形态和器官体积的差异性,并由于是以人体CT数据为支撑,可确保建立较高精度的人体组织等效模型,实现器官位置精准定位,并通过内照射放射源参数定义,可在进行内照射剂量的直接测量时,对每个病人开展针对性辐射探测器效率刻度,使得内照射剂量计算的精度大为提高。此外,从实验结果来看,本实施例具有泛化性好,准确率高等优点,具有较强的实际应用前景,可解决当前内照射剂量直接测量过程中难以精准确定不同个体被污染组织的位置,以及探测器效率刻度精度不足的问题,并针对于每个病人的CT数据,进行差异化组织建模,利用神经网络算法实现体模标准源精准配置,使用蒙特卡洛程序模拟计算以提升探测器效率刻度精度。
如图6所示,本实施例第二方面提供了一种实现第一方面所述的人体内照射剂量检测方法的虚拟装置,包括有数据获取单元、位置确定单元、体模重建单元、参数定义单元、刻度标定单元和剂量计算单元;
所述数据获取单元,用于获取目标患者的电子计算机断层扫描CT数据;
所述位置确定单元,通信连接所述数据获取单元,用于根据所述CT数据,通过神经网络算法进行针对CT图像中人体器官的图像识别分割处理,得到器官位置信息,其中,所述器官位置信息包含有所有被识别出器官的空间位置;
所述体模重建单元,通信连接所述数据获取单元,用于根据所述CT数据和HU值与人体组织材料类型及材料密度的已知规律关系,利用蒙特卡洛程序的建模工具进行人体模型三维重建,得到所述目标患者的人体模型;
所述参数定义单元,分别通信连接所述位置确定单元和所述体模重建单元,用于根据所述器官位置信息和基于放射性物质摄入情况预先确定的受污染器官,在所述人体模型中的且与所述受污染器官对应的空间位置进行蒙特卡洛放射源参数的定义,得到新人体模型;
所述刻度标定单元,通信连接所述参数定义单元,用于使用蒙特卡洛程序建立探测器的蒙特卡洛仿真模型,并应用所述蒙特卡洛仿真模型开展该探测器对所述新人体模型的无源效率刻度计算及刻度标定处理,得到所述探测器对所述新人体模型的空间中各点源的探测效率;
所述剂量计算单元,通信连接所述刻度标定单元,用于根据所述探测效率和由所述探测器对所述目标患者的探测结果,计算得到所述目标患者的人体内照射剂量检测结果。
本实施例第二方面提供的前述装置的工作过程、工作细节和技术效果,可以参见第一方面所述的人体内照射剂量检测方法,于此不再赘述。
如图7所示,本实施例第三方面提供了一种应用第一方面所述的人体内照射剂量检测方法的人体内照射剂量检测系统,包括有电子计算机断层扫描CT仪器、探测器和检测设备,其中,所述检测设备分别通信连接所述CT仪器和所述探测器;所述检测设备,用于执行如第一方面所述的人体内照射剂量检测方法。
本实施例第三方面提供的前述系统的工作过程、工作细节和技术效果,可以参见第一方面所述的人体内照射剂量检测方法,于此不再赘述。
如图8所示,本实施例第四方面提供了一种执行如第一方面所述的人体内照射剂量检测方法的计算机设备,包括有依次通信连接的存储器、处理器和收发器,其中,所述存储器用于存储计算机程序,所述收发器用于收发消息,所述处理器用于读取所述计算机程序,执行如第一方面所述的人体内照射剂量检测方法。具体举例的,所述存储器可以但不限于包括随机存取存储器(Random-Access Memory,RAM)、只读存储器(Read-Only Memory,ROM)、闪存(Flash Memory)、先进先出存储器(First Input First Output,FIFO)和/或先进后出存储器(First Input Last Output,FILO)等等;所述处理器可以但不限于采用型号为STM32F105系列的微处理器。此外,所述计算机设备还可以但不限于包括有电源模块、显示屏和其它必要的部件。
本实施例第四方面提供的前述计算机设备的工作过程、工作细节和技术效果,可以参见第一方面所述的人体内照射剂量检测方法,于此不再赘述。
本实施例第五方面提供了一种存储包含如第一方面所述的人体内照射剂量检测方法的指令的计算机可读存储介质,即所述计算机可读存储介质上存储有指令,当所述指令在计算机上运行时,执行如第一方面所述的人体内照射剂量检测方法。其中,所述计算机可读存储介质是指存储数据的载体,可以但不限于包括软盘、光盘、硬盘、闪存、优盘和/或记忆棒(Memory Stick)等计算机可读存储介质,所述计算机可以是通用计算机、专用计算机、计算机网络、或者其他可编程装置。
本实施例第五方面提供的前述计算机可读存储介质的工作过程、工作细节和技术效果,可以参见如第一方面所述的人体内照射剂量检测方法,于此不再赘述。
本实施例第六方面提供了一种包含指令的计算机程序产品,当所述指令在计算机上运行时,使所述计算机执行如第一方面所述的人体内照射剂量检测方法。其中,所述计算机可以是通用计算机、专用计算机、计算机网络、或者其他可编程装置。
最后应说明的是,本发明不局限于上述可选的实施方式,任何人在本发明的启示下都可得出其他各种形式的产品。上述具体实施方式不应理解成对本发明的保护范围的限制,本发明的保护范围应当以权利要求书中界定的为准,并且说明书可以用于解释权利要求书。
Claims (10)
1.一种人体内照射剂量检测方法,其特征在于,包括:
获取目标患者的电子计算机断层扫描CT数据;
根据所述CT数据,通过神经网络算法进行针对CT图像中人体器官的图像识别分割处理,得到器官位置信息,其中,所述器官位置信息包含有所有被识别出器官的空间位置;
根据所述CT数据和HU值与人体组织材料类型及材料密度的已知规律关系,利用蒙特卡洛程序的建模工具进行人体模型三维重建,得到所述目标患者的人体模型;
根据所述器官位置信息和基于放射性物质摄入情况预先确定的受污染器官,在所述人体模型中的且与所述受污染器官对应的空间位置进行蒙特卡洛放射源参数的定义,得到新人体模型;
使用蒙特卡洛程序建立探测器的蒙特卡洛仿真模型,并应用所述蒙特卡洛仿真模型开展该探测器对所述新人体模型的无源效率刻度计算及刻度标定处理,得到所述探测器对所述新人体模型的空间中各点源的探测效率;
根据所述探测效率和由所述探测器对所述目标患者的探测结果,计算得到所述目标患者的人体内照射剂量检测结果。
2.如权利要求1所述的人体内照射剂量检测方法,其特征在于,根据所述CT数据,通过神经网络算法进行针对CT图像中人体器官的图像识别分割处理,得到器官位置信息,包括:
根据所述CT数据,成像得到多张CT图像;
针对所述多张CT图像中的各张CT图像,将对应的图片转化为灰度图片并进行二值化处理,得到对应的二值化图片及蒙版图片;
将与所述各张CT图像对应的二值化图片及蒙版图片,输入已完成训练的且基于全卷积神经网络建模而得的器官图像识别分割模型中,输出得到被识别出器官的器官图像;
针对各个所述被识别出器官,根据对应的器官图像在所属CT图像中的位置以及该所属CT图像的已知扫描位置,确定对应的空间位置;
汇总所有所述被识别出器官的空间位置,得到器官位置信息。
3.如权利要求2所述的人体内照射剂量检测方法,其特征在于,所述全卷积神经网络采用U-Net网络结构。
4.如权利要求1所述的人体内照射剂量检测方法,其特征在于,根据所述CT数据和HU值与人体组织材料类型及材料密度的已知规律关系,利用蒙特卡洛程序的建模工具进行人体模型三维重建,得到所述目标患者的人体模型,包括:
根据所述CT数据,成像得到多张CT图像;
利用蒙特卡洛程序的建模工具,根据所述多张CT图像中各个像素点的对应体素的实际大小,将人体模型分成若干个格子;
针对各个所述格子,根据所述CT数据中的且在对应的所有像素点上的HU值和HU值与人体组织材料类型及材料密度的已知规律关系,确定对应的人体组织材料及材料密度;
汇总所有所述格子的人体组织材料及材料密度,三维重建得到所述目标患者的人体模型。
5.如权利要求1所述的人体内照射剂量检测方法,其特征在于,所述探测器包括有一套NaI晶体探测器和至少一套高纯锗半导体探测器;
所述NaI晶体探测器,在测量时置于所述目标患者的平躺下方,用于确定在所述新人体模型中的且具有放射性强度最大值的位置;
所述高纯锗半导体探测器,在测量时置于所述目标患者的平躺上方,用于针对在所述新人体模型中的且具有放射性强度最大值的位置,精准测量得到对应的射线信息。
6.如权利要求1所述的人体内照射剂量检测方法,其特征在于,使用蒙特卡洛程序建立探测器的蒙特卡洛仿真模型,并应用所述蒙特卡洛仿真模型开展该探测器对所述新人体模型的无源效率刻度计算及刻度标定处理,得到所述探测器对所述新人体模型的空间中各点源的探测效率,包括:
在蒙特卡洛程序中,针对所述新人体模型,使用探测器对所述目标患者测定放射源在多个能量条件下发射粒子数的计数结果,其中,所述探测器用于探测所述目标患者;
根据所述计数结果,拟合得到在所述多个能量条件下的且全能峰探测效率值的探测效率曲线。
7.一种人体内照射剂量检测装置,其特征在于,包括有数据获取单元、位置确定单元、体模重建单元、参数定义单元、刻度标定单元和剂量计算单元;
所述数据获取单元,用于获取目标患者的电子计算机断层扫描CT数据;
所述位置确定单元,通信连接所述数据获取单元,用于根据所述CT数据,通过神经网络算法进行针对CT图像中人体器官的图像识别分割处理,得到器官位置信息,其中,所述器官位置信息包含有所有被识别出器官的空间位置;
所述体模重建单元,通信连接所述数据获取单元,用于根据所述CT数据和HU值与人体组织材料类型及材料密度的已知规律关系,利用蒙特卡洛程序的建模工具进行人体模型三维重建,得到所述目标患者的人体模型;
所述参数定义单元,分别通信连接所述位置确定单元和所述体模重建单元,用于根据所述器官位置信息和基于放射性物质摄入情况预先确定的受污染器官,在所述人体模型中的且与所述受污染器官对应的空间位置进行蒙特卡洛放射源参数的定义,得到新人体模型;
所述刻度标定单元,通信连接所述参数定义单元,用于使用蒙特卡洛程序建立探测器的蒙特卡洛仿真模型,并应用所述蒙特卡洛仿真模型开展该探测器对所述新人体模型的无源效率刻度计算及刻度标定处理,得到所述探测器对所述新人体模型的空间中各点源的探测效率;
所述剂量计算单元,通信连接所述刻度标定单元,用于根据所述探测效率和由所述探测器对所述目标患者的探测结果,计算得到所述目标患者的人体内照射剂量检测结果。
8.一种人体内照射剂量检测系统,其特征在于,包括有电子计算机断层扫描CT仪器、探测器和检测设备,其中,所述检测设备分别通信连接所述CT仪器和所述探测器;
所述检测设备,用于执行如权利要求1~6中任意一项所述的人体内照射剂量检测方法。
9.一种计算机设备,其特征在于,包括有依次通信连接的存储器、处理器和收发器,其中,所述存储器用于存储计算机程序,所述收发器用于收发消息,所述处理器用于读取所述计算机程序,执行如权利要求1~6中任意一项所述的人体内照射剂量检测方法。
10.一种计算机可读存储介质,其特征在于,所述计算机可读存储介质上存储有指令,当所述指令在计算机上运行时,执行如权利要求1~6中任意一项所述的人体内照射剂量检测方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210406892.XA CN114707416B (zh) | 2022-04-18 | 2022-04-18 | 一种人体内照射剂量检测方法、装置、系统及计算机设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210406892.XA CN114707416B (zh) | 2022-04-18 | 2022-04-18 | 一种人体内照射剂量检测方法、装置、系统及计算机设备 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN114707416A CN114707416A (zh) | 2022-07-05 |
CN114707416B true CN114707416B (zh) | 2023-04-07 |
Family
ID=82173920
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210406892.XA Active CN114707416B (zh) | 2022-04-18 | 2022-04-18 | 一种人体内照射剂量检测方法、装置、系统及计算机设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114707416B (zh) |
Families Citing this family (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117350965A (zh) * | 2023-10-07 | 2024-01-05 | 中国原子能科学研究院 | 对象内放射性微球的指标预估装置 |
CN117708507B (zh) * | 2024-02-05 | 2024-04-26 | 成都麦特斯科技有限公司 | 一种基于人工智能的高效α和β射线的识别与分类方法 |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2014041029A (ja) * | 2012-08-21 | 2014-03-06 | Natl Inst Of Radiological Sciences | 放射線測定装置、放射線測定方法及び電離箱 |
CN104700698A (zh) * | 2015-03-20 | 2015-06-10 | 四川林大全科技有限公司 | 一种基于辐射检测的仿真人体模型的制作方法 |
CN109191462A (zh) * | 2018-10-18 | 2019-01-11 | 天津大学 | 一种ct仿真体模生成方法 |
CN110907983A (zh) * | 2019-11-29 | 2020-03-24 | 成都理工大学 | 一种监测电离辐射剂量的热释光剂量计测量方法 |
CN111308538A (zh) * | 2020-03-11 | 2020-06-19 | 江苏超敏科技有限公司 | 一种模拟空间站辐射环境对人体损伤的检测设备 |
CN112669450A (zh) * | 2020-12-31 | 2021-04-16 | 武汉联影智融医疗科技有限公司 | 人体模型构建方法和个性化人体模型构建方法 |
CN113608252A (zh) * | 2021-06-09 | 2021-11-05 | 中国疾病预防控制中心 | 一种核医学受检者周围辐射剂量率确定方法及系统 |
-
2022
- 2022-04-18 CN CN202210406892.XA patent/CN114707416B/zh active Active
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2014041029A (ja) * | 2012-08-21 | 2014-03-06 | Natl Inst Of Radiological Sciences | 放射線測定装置、放射線測定方法及び電離箱 |
CN104700698A (zh) * | 2015-03-20 | 2015-06-10 | 四川林大全科技有限公司 | 一种基于辐射检测的仿真人体模型的制作方法 |
CN109191462A (zh) * | 2018-10-18 | 2019-01-11 | 天津大学 | 一种ct仿真体模生成方法 |
CN110907983A (zh) * | 2019-11-29 | 2020-03-24 | 成都理工大学 | 一种监测电离辐射剂量的热释光剂量计测量方法 |
CN111308538A (zh) * | 2020-03-11 | 2020-06-19 | 江苏超敏科技有限公司 | 一种模拟空间站辐射环境对人体损伤的检测设备 |
CN112669450A (zh) * | 2020-12-31 | 2021-04-16 | 武汉联影智融医疗科技有限公司 | 人体模型构建方法和个性化人体模型构建方法 |
CN113608252A (zh) * | 2021-06-09 | 2021-11-05 | 中国疾病预防控制中心 | 一种核医学受检者周围辐射剂量率确定方法及系统 |
Non-Patent Citations (3)
Title |
---|
Dwenda Dexiana等.Radiation dose measurement on computed tomography scanner using thermoluminescent dosemeter.《2013 3rd International Conference on Instrumentation, Communications, Information Technology and Biomedical Engineering (ICICI-BME)》.2014,第349 - 353页. * |
刘潇.基于蒙特卡洛数学模型冠状动脉CTA辐射剂量检测的研究.《cnki优秀硕士学位论文全文库 医药卫生科技辑》.2018,(第05期),第E076-10页. * |
熊茂淋等.多能量γ射线源屏蔽下活度估算方法研究.《核技术》.2020,(第11期),第17-23页. * |
Also Published As
Publication number | Publication date |
---|---|
CN114707416A (zh) | 2022-07-05 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN114707416B (zh) | 一种人体内照射剂量检测方法、装置、系统及计算机设备 | |
Abreu et al. | Design and evaluation of the Clear-PEM scanner for positron emission mammography | |
US8008625B2 (en) | Method and apparatus for high-sensitivity single-photon emission computed tomography | |
CN118058764A (zh) | 射线透射和荧光ct成像系统和成像方法 | |
Hussein | Computed radiation imaging: physics and mathematics of forward and inverse problems | |
CN106659452B (zh) | 在定量单光子发射计算机断层扫描中利用多个光电峰的重构 | |
Rahman et al. | Fisher information analysis of list-mode SPECT emission data for joint estimation of activity and attenuation distribution | |
EP1631844B1 (en) | Generating detector efficiency estimates for a oet scanner | |
WO1997024632A1 (en) | Method and apparatus for accurately calibrating an attenuation map for emission computed tomography | |
Hunt et al. | Calibration of in-vivo measurement systems and evaluation of lung measurement uncertainties using a mathematical voxel phantom | |
Floyd et al. | Neutron-stimulated emission computed tomography of a multi-element phantom | |
KR101030927B1 (ko) | 환자맞춤형 방사선 측정 방법 및 시스템 | |
Momennezhad et al. | Development of GATE Monte Carlo simulation for a dual-head gamma camera | |
Nguyen et al. | On a novel approach to Compton scattered emission imaging | |
Zhang et al. | An analysis of dependency of counting efficiency on worker anatomy for in vivo measurements: whole-body counting | |
Kapadia | Accuracy and patient dose in neutron stimulated emission computed tomography for diagnosis of iron overload: simulations in GEANT4 | |
Saull et al. | A two-pixel Compton imager | |
Andreyev et al. | Reconstructed image spatial resolution of multiple coincidences Compton imager | |
Hesterman | The multi-module multi-resolution SPECT system: a tool for variable-pinhole small-animal imaging | |
Torres Espallardo | Image reconstruction and correction methods for madpet-ii based on monte carlo techniques | |
Hegenbart | Numerical efficiency calibration of in vivo measurement systems | |
Gong et al. | Implementation and evaluation of an expectation maximization reconstruction algorithm for gamma emission breast tomosynthesis | |
Yu et al. | Compton-camera-based SPECT for thyroid cancer imaging | |
Ranjbar | Reconstruction Algorithms for Novel Joint Imaging Techniques in PET | |
Marfo | Development of a Monte-Carlo based tool for dosimetry studies with spectral scanners |
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 |