CN114762003A - 使用小波校正的边缘相位效应去除以及使用组合的吸收和相位衬度的颗粒分类 - Google Patents

使用小波校正的边缘相位效应去除以及使用组合的吸收和相位衬度的颗粒分类 Download PDF

Info

Publication number
CN114762003A
CN114762003A CN202080081956.2A CN202080081956A CN114762003A CN 114762003 A CN114762003 A CN 114762003A CN 202080081956 A CN202080081956 A CN 202080081956A CN 114762003 A CN114762003 A CN 114762003A
Authority
CN
China
Prior art keywords
phase
wavelet
ray
sample
particles
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
Application number
CN202080081956.2A
Other languages
English (en)
Other versions
CN114762003B (zh
Inventor
马修·安德鲁
拉斯·奥马尔
赫里希凯什·贝尔
克里斯托夫·格拉夫·沃姆·哈根
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Carl Zeiss Ltd
Original Assignee
Carl Zeiss Ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Carl Zeiss Ltd filed Critical Carl Zeiss Ltd
Publication of CN114762003A publication Critical patent/CN114762003A/zh
Application granted granted Critical
Publication of CN114762003B publication Critical patent/CN114762003B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T11/00—2D [Two Dimensional] image generation
    • G06T11/003—Reconstruction from projections, e.g. tomography
    • G06T11/008—Specific post-processing after tomographic reconstruction, e.g. voxelisation, metal artifact correction
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N23/00—Investigating or analysing materials by the use of wave or particle radiation, e.g. X-rays or neutrons, not covered by groups G01N3/00 – G01N17/00, G01N21/00 or G01N22/00
    • G01N23/20—Investigating or analysing materials by the use of wave or particle radiation, e.g. X-rays or neutrons, not covered by groups G01N3/00 – G01N17/00, G01N21/00 or G01N22/00 by using diffraction of the radiation by the materials, e.g. for investigating crystal structure; by using scattering of the radiation by the materials, e.g. for investigating non-crystalline materials; by using reflection of the radiation by the materials
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N23/00—Investigating or analysing materials by the use of wave or particle radiation, e.g. X-rays or neutrons, not covered by groups G01N3/00 – G01N17/00, G01N21/00 or G01N22/00
    • G01N23/22—Investigating or analysing materials by the use of wave or particle radiation, e.g. X-rays or neutrons, not covered by groups G01N3/00 – G01N17/00, G01N21/00 or G01N22/00 by measuring secondary emission from the material
    • G01N23/2206—Combination of two or more measurements, at least one measurement being that of secondary emission, e.g. combination of secondary electron [SE] measurement and back-scattered electron [BSE] measurement
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N23/00—Investigating or analysing materials by the use of wave or particle radiation, e.g. X-rays or neutrons, not covered by groups G01N3/00 – G01N17/00, G01N21/00 or G01N22/00
    • G01N23/22—Investigating or analysing materials by the use of wave or particle radiation, e.g. X-rays or neutrons, not covered by groups G01N3/00 – G01N17/00, G01N21/00 or G01N22/00 by measuring secondary emission from the material
    • G01N23/223—Investigating or analysing materials by the use of wave or particle radiation, e.g. X-rays or neutrons, not covered by groups G01N3/00 – G01N17/00, G01N21/00 or G01N22/00 by measuring secondary emission from the material by irradiating the sample with X-rays or gamma-rays and by measuring X-ray fluorescence
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/10—Segmentation; Edge detection
    • G06T7/13—Edge detection
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/10—Segmentation; Edge detection
    • G06T7/155—Segmentation; Edge detection involving morphological operators
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
    • G06V10/764—Arrangements for image or video recognition or understanding using pattern recognition or machine learning using classification, e.g. of video objects
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V20/00—Scenes; Scene-specific elements
    • G06V20/70—Labelling scene content, e.g. deriving syntactic or semantic representations
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N2223/00—Investigating materials by wave or particle radiation
    • G01N2223/045—Investigating materials by wave or particle radiation combination of at least 2 measurements (transmission and scatter)
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N2223/00—Investigating materials by wave or particle radiation
    • G01N2223/05—Investigating materials by wave or particle radiation by diffraction, scatter or reflection
    • G01N2223/056—Investigating materials by wave or particle radiation by diffraction, scatter or reflection diffraction
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N2223/00—Investigating materials by wave or particle radiation
    • G01N2223/07—Investigating materials by wave or particle radiation secondary emission
    • G01N2223/076—X-ray fluorescence
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N2223/00—Investigating materials by wave or particle radiation
    • G01N2223/40—Imaging
    • G01N2223/419—Imaging computed tomograph
    • 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
    • G06T2207/10116—X-ray image
    • G06T2207/10121—Fluoroscopy
    • 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
    • G06T2207/20—Special algorithmic details
    • G06T2207/20021—Dividing image into blocks, subimages or windows
    • 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
    • G06T2207/20—Special algorithmic details
    • G06T2207/20036—Morphological image processing
    • 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
    • G06T2207/20—Special algorithmic details
    • G06T2207/20212—Image combination
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2211/00—Image generation
    • G06T2211/40—Computed tomography
    • G06T2211/461—Phase contrast imaging or dark field imaging

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Health & Medical Sciences (AREA)
  • General Health & Medical Sciences (AREA)
  • Chemical & Material Sciences (AREA)
  • Biochemistry (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Analytical Chemistry (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Immunology (AREA)
  • Pathology (AREA)
  • Multimedia (AREA)
  • Computational Linguistics (AREA)
  • Crystallography & Structural Chemistry (AREA)
  • Artificial Intelligence (AREA)
  • Computing Systems (AREA)
  • Databases & Information Systems (AREA)
  • Evolutionary Computation (AREA)
  • Medical Informatics (AREA)
  • Software Systems (AREA)
  • Analysing Materials By The Use Of Radiation (AREA)

Abstract

一种x射线显微镜方法，通过结合图像处理在不同的材料相之间进行区分，从而获得不同颗粒的分类，其中图像处理包括形态学边缘增强和相之间可能分辨的吸收衬度差异以及可选的小波滤波。

Description

使用小波校正的边缘相位效应去除以及使用组合的吸收和相 位衬度的颗粒分类
相关申请
本申请依据35USC 119(e)主张于2019年12月20日提交的第62/951,857号的美国临时申请的权益，其全部内容以引用的方式并入本文。
背景技术
多相材料通常包括具有两种或更多种材料相的颗粒，在两种或更多种材料相中，不同的材料相具有不同的化学性质，其中不同的化学性质具有可能不显著的密度差异和/或不同的结构，例如非晶态或晶态或不同的晶体结构。这些材料的过程控制和质量检查需要调查大量的这些颗粒，并需要识别不同材料相，特别是识别不同材料相的相对体积分数以及其他表征度量。
这种多相材料的一个示例是用于药品递送的吸入器。用于干粉吸入器的粉末制剂通常由粗载体颗粒(例如，乳糖)和活性药物成分的混合物组成，有时添加细乳糖颗粒以改善性能。参见2019年RDD欧洲版(第1卷第155-168页)中Gajjar等人的多尺度断层扫描：探测吸入粉末结构的纳米、微米和中尺度分辨率(Multiscale Tomography:Probing TheNano-,Micro-,And Meso-Scale Resolution Of Inhalation Powder Structure,byGajjar,et al.,RDD Europe 2019(Vol.1,pp.155-168))。
不同颗粒的分布，不同材料相的颗粒尺寸和分布以及颗粒形状是评估药品如何被患者吸收的重要度量，因此质量控制至关重要。微观结构等效性(Q3)涉及在非平衡状态下对同一浓度(Q2)中同一成分(Q1)之间的差异进行表征和评估。微观结构等效性(Q3)与物质的排列和/或其聚合状态有关。这对于确定样本将按预期用途发挥作用或表现非常重要。这通常出现在评估生物等效性(bioequivalence,BE)的药物制造环境中。这被定义为在适当设计的研究中，在类似条件下以同一摩尔剂量给药时，药物等效物中的活性成分或活性部分在药品作用部位处可用的速率和程度没有显着差异。必须建立BE以推断制造的药物和相应的参考药物之间的治疗等效性(therapeutic equivalence,TE)。用于评估等效性的吸入器的重要维度包括：药品和载体的多态性、晶体习性和药品颗粒尺寸分布，以及颗粒表面积。
传统上，使用二维(two dimensional,2D)表面成像技术进行控制和检查，该二维表面成像技术使用扫描电子显微镜或光学显微镜。这些方法在处理一批样本时具有成像速度限制。此外，表面扫描方法不能很好地估计通常是不规则形状的三维(three-dimensional,3D)颗粒的尺寸。另外，这些分析方式可能与真空环境下的气溶胶支持药物不兼容。此外，电子显微镜的样本准备通常很广泛。对于晶体学/刻面信息，通过电子背散射衍射(Electron Backscatter Diffraction,EBSD)的细粒取向只能在样本准备广泛的单个颗粒或压实块上进行。
发明内容
本方法采用X射线分析和可能的计算机断层扫描。3D X射线断层扫描可以通过在单次扫描中对大量给定样本进行扫描来提供非常快速的颗粒体积分类。然而，材料相之间的最小密度差异对辨别不同材料相提出了巨大挑战，因为两种材料相之间的x射线吸收衬度极低。即使在X射线断层扫描中以足够高的分辨率对低密度颗粒进行成像时，即使在使用基于实验室的多色x射线管的扫描仪上，重建的图像切片也会表现出明显的相信号或围绕颗粒边缘的条纹，明显的相信号或围绕颗粒边缘的条纹掩盖所得到的断层扫描切片中存在的任何极小的吸收衬度差异。
本方法依赖于x射线显微镜，但是通过图像处理的组合获得了不同材料相的类别，所述图像处理涉及形态学边缘增强和材料相之间可能分辨的吸收衬度差异。
在示例中，它使用相关的多模态工作流程，并获得用于在三个维度上对外观相似的颗粒进行分类的标记，其中在该工作流程中，模态可以是相信号和/或衍射和/或X射线荧光对比。
在由混合材料相微观颗粒组成的混合制剂中，个体材料相的类别和本体样本中每种材料相的体积分数的量化一直具有挑战性。相比之下，本方法利用相位条纹信息以便用于改进的特征检测并利用吸收信息以便用于分辨材料相。可以从单个断层扫描中提取这两个独特的信息集合，后者即吸收信息是通过算法后处理提取的。这两个数据集合结合起来以生成最终的对比增强数据集合，该最终的对比增强数据集合可直接用于标记颗粒和不同材料相的体积分数的量化。
此外，可以使用不同的样本。他们甚至可以被冻结。
关于相关主题，在过去，通过小波反卷积的相位衬度去除采用小波的理想化表示——该过程没有描述其在现实条件下对真实样本的实际确定。这类似于绘制线轮廓并通过该线轮廓估计适当的值。它们没有描述如何使用自动化方法或由用户直观地准确地确定最佳小波参数(如此处所描述的)。
因此，本发明还涉及通过小波式反卷积的形式来确定用于去除相位衬度伪影的参数。这用于材料分离相关多模态工作流程。该过程包括通过对线轮廓的自动化测量来对小波宽度进行初步估计。然后使用多次扫描系列，对小波振幅和宽度进行扫描以获得最佳参数选择。
此方法可以在子体积(sub-volume)上执行，以提高计算效率。通过信噪比(signalto noise ratio,SNR)最大化来执行自动化强度选择。可以通过非局部均值应用图像去噪。此外，可以使用通过平均噪声测量进行非局部均值滤波的自动化参数选择。
通常，根据经验，小波宽度必须确定在+/-0.5像素，并且，尽管对于振幅的低估与高估的影响是不同的，但小波振幅必须在因数2以内。如果小波振幅被低估，则相位条纹不会被有效去除。如果小波振幅被高估，则相位伪影被去除，但噪声也会加剧。
例如，该技术的应用是用于吸入器、药品递送，尤其是通过附着的抗癌药品递送至肺部。该技术可用于确定药品是否会在剂量中均匀分布。其他应用包括：分析其他低原子序数材料，例如锂离子电池中的碳材料、石墨、岩石样本、琥珀中的石化虫、任何具有低固有对比的样本，然后去除相位条纹伪影。
此外，可以对源光谱进行整形以增强相位条纹。可以使用具有不同滤波器的样本图像，以在不同条件下(特别是当源的有效波长未知时)构建不同的图像。
一般而言，根据一个方面，本发明的特征在于一种用于材料分析的方法，该材料包括具有两个或更多个相的颗粒，在两个或更多个相中，不同的相的化学性质具有微不足道的密度差异和具有非晶态或晶态。该方法包括获取x射线投影集合，该投影集合包含吸收和相位信息以用于重建样本的断层扫描；获取重建的体积数据集；从重建的体积数据集获取形态学边缘信息；以及对样本内的颗粒进行分类。
在一些示例中，在对颗粒进行分类之前，对该投影集合执行差分吸收衬度增强(differential absorption contrast enhancement)，获得第二重建的体积数据集。然后对体积数据集进行组合。
在一些示例中，对体积数据集进行组合包括对体积数据集之一执行体素标记(voxel labeling)以创建应用于其他体积数据集的3D二元掩码。
可以使用基于小波的滤波来获取形态学边缘信息，形态学边缘信息用于从重建的体积数据集中去除边缘相位效应。
在可能的自动化过程中，基于小波的滤波包括通过对子体积的自动化测量来估计小波宽度。这可以通过以各种强度执行一系列小波反卷积并选择使信噪比最大化的强度来实现。
在实施方式中，生成提供信息的报告，该信息包括各个相的体积分数估计、颗粒的纵横比(aspect ratios)和/或样本内的颗粒尺寸分布。
在一些用途中，样本是药物，例如吸入器。
此外，x射线荧光可用于检测不同元素以创建元素图。
一般而言，根据另一方面，本发明的特征在于一种x射线显微镜系统，该x射线显微镜系统包括用于获得投影的x射线成像系统和用于应用所描述方法的计算机系统。
一般而言，根据另一方面，本发明提供一种用于相位衬度去除的方法。该方法包括使用具有多色x射线源的x射线显微镜系统获取样本的投影，并以不同的强度执行一系列小波反卷积，对图像噪声进行评估以确定校正强度值。
本发明的上述和其他特征包括各种新颖的结构细节和部件组合，以及其他优点，现在将参照附图更具体地描述并在权利要求中指出。应当理解的是，体现本发明的具体方法和装置是通过说明的方式示出的，而且不是对本发明的限制。在不脱离本发明的范围的情况下，本发明的原理和特征可以用于各种和众多的实施例中。
附图说明
在附图中，附图标记在不同视图中指代相同的部分。附图并非必须按比例绘制；相反，重点放在说明本发明的原理上。附图中：
图1是用于通过体积扫描对样本中的颗粒进行体积分类的x射线显微镜系统的示意图；
图2是示出了用于3D重建和用于多相分类和量化的处理的图像处理工作流程的第一示例的流程图；
图3示出了用于3D重建和用于多相分类和量化的处理的另一种方法；
图4示出了用于3D重建和用于多相分类和量化的处理的另一种方法，该方法使用衍射衬度断层扫描(diffraction contrast tomography)来分辨晶体材料相；
图5示出了用于3D重建和用于多相分类和量化的处理的另一种方法，该方法使用x射线荧光以检测元素从而检测元素图；
图6A和图6B是示出了如何使用吸收和相位条纹增强图像来改进颗粒分析的示意图；
图7A是灰度值随距离变化的图像，图7B是灰度值随距离变化的曲线图，该图像和该曲线图示出了x射线显微镜图像上的特征亮条纹，不同的亮区和暗区限定了图像边缘的相界面；
图8是表现出显著灰度对比度的图像的灰度直方图；
图9示出了一种通过小波反卷积确定相位衬度去除所需参数的方法；
图10A是灰度值随距离变化的图像，图10B是灰度值随距离变化的曲线图，该图像和该曲线图示出了x射线显微镜图像上的特征亮条纹，明显的亮区和暗区限定了图像边缘的材料相界面以及条纹宽度测量；
图11A是灰度值随距离变化的图像，图11B是灰度值随距离变化的曲线图，该图像和该曲线图示出了x射线显微镜图像上突出的条纹和条纹宽度测量；图12A是灰度值随距离变化的图像，图12B是灰度值随距离变化的曲线图，该图像和该曲线图示出了x射线显微镜图像上减弱的条纹和条纹宽度测量；图13A是灰度值随距离变化的图像，图13B是灰度值随距离变化的曲线图，该图像和该曲线图示出了x射线显微镜图像上的模糊边缘和条纹宽度测量；图14A是灰度值随距离变化的图像，图14B是灰度值随距离变化的曲线图，该图像和该曲线图示出了不正确的条纹宽度测量；
图15A是灰度值随距离变化的图像，图15B是灰度值随距离变化的曲线图，该图像和该曲线图示出了正确的条纹宽度测量。
具体实施方式
下面将参照附图更全面地描述本发明，附图中示出了本发明的说明性实施例。然而，本发明可以以许多不同的形式体现，并且不应被解释为限于本文所阐述的实施例；相反，提供这些实施例是为了使本公开彻底和完整，并将本发明的范围充分传达给本领域的技术人员。
如本文所用，术语“和/或”包括一个或更多个相关列出术语的任何和所有组合。此外，除非另有明确说明，否则单数形式和冠词“一”(a)、“一”(an)和“该”(the)也包括复数形式。将进一步理解的是，当在本说明书中使用时，术语“包括(includes)”、“包含(comprises)”、“包括(including)”和/或“包含(comprising)”规定了所述特征、整数、步骤、操作、元素、和/或组件的存在，但不排除存在或添加一个或更多个其他特征、整数、步骤、操作、元素、组件、和/或它们的组。将进一步理解的是，当包括组件或子系统的元素被称为和/或示出为连接或耦接到另一元素时，该包括组件或子系统的元素可以直接连接或耦接到其他元素或可以存在中间元素。
除非另有定义，否则本文使用的所有术语(包括技术术语和科学术语)具有与本发明所属领域的普通技术人员通常理解的含义相同的含义。将进一步理解的是，诸如在常用词典中定义的那些术语，应当被解释为具有与其在相关技术的上下文中的含义一致的含义，并且除非在本文中明确定义，否则不会以理想化或过于正式的意义来解释那些术语。
本方法一般涉及相关的多模态成像技术。该方法可以使用衍射计算机断层扫描进行颗粒和/或材料相分离。即使颗粒或材料相之间的绝对衬度相似，该方法也可以工作。
图1是用于对样本214进行体积扫描以对样本中的颗粒进行包括评估和量化的分类的x射线显微镜系统200的示意图。
显微镜200通常包括X射线成像系统，该X射线成像系统具有X射线源系统202和载物台系统210，该X射线源系统202生成多色的或可能单色的X射线束102，并且该载物台系统210带有样本架212，该样本架212用于固定样本214，并将样本214定位以便能够在固定束102中对样本214进行扫描。
X射线检测系统100在光束102被样本214调制之后对光束102进行检测。目前，x射线检测系统100是如在美国专利第7,800,072号或PCT国际申请第PCT/US2019/059916号中描述的x射线检测系统。
该系统200通常包括x射线检测系统100，如在美国专利第7,800,072号或国际公开号为WO 2020/097111的PCT国际申请第PCT/US2019/059916号中描述的那样。
诸如平台或光学台207之类的底座为显微镜200提供了稳定的基础。载物台系统210具有使样本214在光束102中定位和旋转的能力。因此，载物台系统210将通常包括精准3轴载物台250，该精准3轴载物台250沿x轴、y轴和z轴对样本进行平移和定位，在相对较小的行程范围内非常精确。这允许样本214的感兴趣区域位于光束102内。3级载物台250安装在θ(theta)载物台252上，θ载物台252使得样本214在光束中围绕y轴旋转以实现样本扫描。θ载物台252又安装在底座107上。
在一些实施例中，源系统102通常将是同步加速器x射线辐射源或替代地是“实验室x射线源”。如本文所用，“实验室x射线源”是任何合适的x射线源，该合适的x射线源不是同步加速器x射线辐射源。实验室x射线源202可以是X射线管，在该X射线管中，电子在真空中被电场加速并射入金属靶件，随着电子在金属中减速而发射x射线。通常，此类源会根据所用金属靶材的类型而产生具有背景x射线并在某些能量下产生尖锐的强度峰值的连续光谱，这些峰值源自所选靶材的特征线。此外，x射线束是发散的并且缺乏空间相干性和时间相干性。
在一个示例中，源202是具有钨靶的旋转阳极型或微聚焦源。也可以使用包括钼、金、铂、银或铜的靶材。优选地，使用透射配置，在该透射配置中，电子束从其背面撞击薄靶材。从靶材的另一侧发射的x射线用作光束102。
由源202产生的x射线束优选地被调节以抑制不需要的能量或辐射波长。例如，使用例如保持在滤光轮260中的能量滤光片(设计用于选择期望的x射线波长范围(带宽))消除或衰减光束中存在的不期望的波长。调节也经常由准直仪或由诸如波带片透镜的聚光镜和/或x射线透镜提供。
当样本214暴露于X射线束102时，透射过样本的X射线光子形成由检测系统204接收的调制x射线束。在一些其他示例中，波带片物镜x射线透镜用于在x射线检测系统204上形成图像。
通常，在检测系统204上形成样本214的放大投影图像。放大率等于源到对象距离302与源到检测器距离304的反比。
通常，x射线源系统202和检测系统204安装在各自的z轴载物台上。例如，在所示示例中，x射线源系统202经由源载物台254安装到底座207，检测系统204经由检测器载物台256安装到底座207。
由通常包括图像处理器子系统和控制器子系统的计算机系统224对系统200的操作和样本214的扫描进行控制。计算机系统用于读出由检测系统204的相机110检测到的光学图像。计算机系统224在其图像处理器的可能帮助下，接收来自检测系统204的与样本214的每个旋转角相关联的图像集合以建立扫描。如上文所述，图像处理器使用电子计算机断层扫描(Computed Tomography,CT)重建算法对投影图像进行组合以创建样本的3D断层扫描体积信息。重建算法可以是分析的，投影数据的卷积或频域滤波与反投影结合到重建网格上。或者，可以是迭代的，来自数值线性代数或优化理论的技术用于求解投影过程的离散版本，该技术可能包括成像系统的物理特性的建模。
根据投影图像和/或3D断层扫描体积信息，计算机系统224对样本进行分析。然而，相位条纹衬度效应是x射线成像中的主要问题，尤其是在高分辨率下。它们是由于不同组成材料和材料相中的不同波速引起的波前相互作用而发展的。这些会导致典型的明亮条纹，该明亮条纹对进一步的定量图像分割和分析产生阻碍，从而对样本内颗粒的分类产生阻碍。它们还阻碍了图像去噪算法，这些算法被设计为在应用于表现出清晰和可区分灰度对比的图像时最有效。
这些条纹的尺寸(在检测器处测量)通常非常小(在微米量级)，因此当以低分辨率成像或当使用大像素尺寸检测器(诸如作为平板探测器)时，它们通常不会扮演重要角色。也就是说，由于闪烁体处的像素尺寸极小(尤其是在更高的(20x/40x)放大倍率下)，由蔡司(ZEISS)x射线显微镜所使用的成像结构体系特别容易受到这些伪影的影响，该成像结构体系在美国专利第7,800,072号或如WO 2020/097111公开的PCT国际申请第PCT/US2019/059916号中公开。
当以这些长度尺度成像时，这种效应会合成，因为通常使用小样本和低能量成像(以使对比最大化)，并且当以高分辨率对大样本进行成像时，这些低能量表现出比更常用的高能量更强的相位条纹衬度效应。对于低kV或高分辨率图像，这些效应的振幅可能是任何(实际)吸收衬度的振幅的许多倍。
图2示出了根据本发明的原理的用于样本214的多相标记和量化100的3D重建和处理的工作流程的第一示例。该示例利用条纹效应通过对颗粒及其材料相进行区分来对颗粒进行分类。例如，该示例可用于对干粉吸入器中的乳糖颗粒和活性药物成分颗粒进行区分。然后可以通过其他度量对颗粒进行进一步量化，其他度量包括各个材料相的体积分数估计、颗粒的纵横比和颗粒尺寸分布。通常由计算机系统224或另一个计算机系统基于由x射线显微镜系统200获得的投影来执行该工作流程。
更详细地说，获取投影集合，这些投影在步骤110中由显微镜系统200重建成高分辨率三维(3D)x射线断层扫描体积集合。最佳地，通过相位条纹衬度增强该投影集合。
计算机系统224以两种方式使用该投影集合，但应当注意的是，并不总是需要两条路径。
首先，在步骤112中，从重建的体积数据中对形态学边缘信息进行检索。任何相位条纹优选地沿边缘减小。如以下所描述的，可以使用基于小波的滤波。
并行地，由计算机系统224在步骤116中对该投影集合执行差分吸收衬度增强。具体地，对2D投影图像执行自动化相检索因数估计。相被检索并且在该投影集合上执行增强的吸收衬度3D重建。优选地，使用布龙尼科夫(Bronnikov)算法、帕格宁(Paganin)算法、改进的布龙尼科夫算法(modified Bronnikov Algorithm,MBA)或布龙尼科夫辅助校正(Bronnikov-aided correction,BAC)。这些方法/算法对混合(吸收和相位条纹衬度)投影应用校正以去除相位条纹信号。然后可以使用标准过滤反投影算法对这些校正后的投影图像进行多次处理，以获得具有较低或没有相位条纹伪影的重建。
然后由计算机系统224在步骤118中对吸收衬度3D重建执行体积强度平均。
并行地，在步骤120中对相位校正体积集合114执行3D颗粒分离工作流程、3D分水岭分割以及对象分裂。
相位校正的3D重建112和差分吸收衬度增强的3D重建116都用于步骤122中的基于强度的对象标记过程，该过程允许根据材料相(即，不同的化学和/或不同的结构(例如，无定形或晶态或不同的晶体结构))对不同颗粒进行分类。根据该分类，可以确定进一步的统计测量值，如颗粒尺寸分布、颗粒分布和其他度量。然后在步骤124中执行基于直方图的相分离。
最后，在步骤126中由计算机系统224基于分类(包括提供诸如标记颗粒、各个材料相的体积分数估计、颗粒的纵横比和颗粒尺寸分布之类的信息)生成报告。
应当注意的是，当单独应用基于2D投影的相位条纹检索算法116时，存在特征的不希望的过度平滑化(在Paganin和Bronnikov的情况下)，这导致模糊的边缘，当对接近成像系统的分辨率限制的小颗粒进行分辨或在精确的颗粒尺寸估计中对小颗粒进行分辨时，该模糊的边缘可能是相当大的缺点。
图3示出了根据本发明原理的用于多相标记和量化的3D重建和处理的另一种方法200，以通过计算机系统对颗粒进行分类。
同样，获取投影集合，用于在步骤110中由显微镜系统200重建高分辨率3D x射线断层扫描体积集合。最佳地，通过相位条纹衬度对该投影集合进行增强。
计算机系统224可以以两种方式使用该投影集合。
可选地，并行地，在步骤210中将Paganin滤波器应用于该投影集合。这去除或减少了投影中的相位条纹和/或放大了材料相中的吸收差异。
FDK(Feldkamp,Davis and Kress)重建算法优选地用于在步骤212中对相位校正体积数据集进行重建。这是一种广泛使用的滤波反投影(filtered-backprojection,FBP)算法，用于根据由诸如实验室x射线源产生的圆锥形束投影来进行3D图像重建。
通常，所得到的相位校正体积数据114集合将具有一些模糊的边界，但对于不同但相似的密度颗粒具有高吸收衬度。
首先，在步骤214中，还在原始的投影集合中直接执行FDK重建。然后在步骤216中将小波滤波器应用于增强的吸收衬度3D重建以产生增强的吸收衬度体积集合217。这产生具有吸收衬度、无相位条纹和模糊边缘的体积集合。然后在增强的吸收衬度体积集合上执行3D颗粒分离。
在步骤218中，然后可以在增强的吸收衬度体积集合中执行3D颗粒分离。通过参考可以用于体素标记的相位校正的体积数据集114来促进该过程。这产生了3D二元掩码220。
然后，在步骤222中，以组合操作将3D二元掩码220应用于相位校正体积数据集114，以在步骤224中对图像进行改进并产生3D分类的颗粒体积。
图4示出了使用衍射对比断层扫描对多相标记和量化进行3D重建和处理的另一种方法300，以对材料相之间的晶体进行分辨，并因此由计算机系统执行对不同颗粒的分类。
这类似于前面的示例，但是在步骤310中使用衍射衬度断层扫描来对具有晶体结构的材料相和那些结构的取向进行检测。
图5示出了用于由计算机系统对多相标记和量化进行3D重建和处理的又一方法。
这与前面的示例类似，但x射线荧光410用于对不同的元素进行检测以创建元素图。
图6A和图6B是示出了用于改进颗粒分析的吸收和相位增强图像的示意图。
小波滤波：
图7A是灰度值随距离变化的图像，图7B是灰度值随距离变化的曲线图，示出了x射线显微镜图像上的特征亮条纹，该特征亮条纹具有明显的明暗区域，该明暗区域限定了图像边缘的材料相界面。
图8是示出了显著灰度对比的图像的灰度直方图。这种分布没有示出明确的阈值，这将允许在不同材料相之间进行图像分割和随后的定量分析。
应当注意的是，图像中的这些效应有时被视为理想的，因为它们允许手动观察者轻松确定边缘轮廓，但是它们为定量分割和分析提供极具挑战性的图像，因此通常被视为不适合这些其他的应用程序。
由于这些相位条纹衬度效应在理论上显示出非常可预测的特性(在频域中)，因此已经提出了无论是在投影域还是重建域中从图像中去除相位条纹效应的几种方法(例如2002年发表于《显微镜杂志》第206卷第1期第33-40页的Paganin等人的“从均匀对象的单个离焦图像中同时提取相位和振幅”(Paganin,et al.,“Simultaneous phase andamplitude extraction from a single defocused image of a homogeneous object,”published Journal of Microscopy,Vol.206,Issue 1,pages 33-40(2002))(https://onlinelibrary.wiley.com/doi/abs/10.1046/j.1365-2818.2002.01010.x))。然而，此类算法通常是为同步加速器群组开发的，或者是为单色x射线束开发的，或者在处理多色x射线时使用“有效波长”的概念。他们还需要对采集参数(特别是样本检测器距离和像素尺寸)有广泛的了解，从而执行有效的相位条纹去除。在真实条件下为真实样本确定这些参数通常极具挑战性。
所公开的工作流程允许为基于实验室的(多色)x射线源有效地确定这些参数。具体来说，该工作流程涉及根据对作为边缘卷积小波的相位条纹的描述而确定属性“A”和“W”，如：理解微计算机吸收断层扫描中的相位衬度伪影，其2014年在瑞典自动图像分析协会(SSBA)的SSBA研讨会论文集中由Wernersson,Erik LG等人的“理解微计算机吸收断层扫描中的相位衬度伪影”中描述(Wernersson,Erik LG et al.“Understanding PhaseContrast Artefacts in Micro Computed Absorption Tomography.”SSBA Symposium,Proceedings.Swedish Society for Automated Image Analysis(SSBA),2014(https://biblio.ugent.be/publication/5721759))。
图9示出了工作流程500，该工作流程500使得计算机系统能够准确且稳健地确定经由小波反卷积进行相位衬度去除所需的参数。
它包括几个步骤。
首先在步骤510中跨特定边缘绘制线轮廓，然后在步骤512中通过测量线轮廓的最大部分和最小部分之间的距离(沿线轮廓)来对小波宽度进行估计。这如图10A和图10B所示。
然后在步骤514中从大图像中提取小的子体积(用于计算速度)。
然后在步骤516中在该子体积上以从0到50的多个强度执行一系列小波反卷积。
在步骤518中，通过选择相位衬度被最小化的参数范围，该序列可被视为“扫描系列”。图11A和图11B以及图12A和图12B示出了不同强度的几个示例。
太高的相位条纹强度值虽然具有去除相位伪影的效果，但会增加图像中的噪声。因此，提出了一种自动化最佳反卷积强度选择的方法。
更详细地，在步骤520中，在该扫描系列中的每个点处执行自动化(基于通用阈值的)分割。可以使用多种自动阈值技术中的任何一种。大津法(Otsu’smethod)已经过测试。
在步骤522中，在扫描系列中的每个点处使用该分割来对信噪比进行测量。其定义为：
Figure BDA0003661212000000121
其中，μ1和μ2分别是平均灰度值，并且σ1和σ2分别是材料相1和材料相2的灰度值的标准偏差(如在自动化分割步骤中定义的)。
在过低的校正值下，相位条纹会增加每个相的标准偏差，从而降低SNR。在过高的校正值下，图像的随机噪声含量会增加，从而降低SNR。因此，存在使SNR(如以上所定义的)最大化的校正强度值，对应于在步骤524中确定的最佳参数选择。
然后执行条纹宽度扫描(从0到10像素的条纹宽度)，允许用户在步骤524中选择最适合图像的精确宽度值。图13A/图13B中示出了不正确和正确参数选择的示例，在该示例中，小波宽度太小，并且从图像中去除了太多的高频域信息，从而使数据模糊。图14A和图14B中的示例示出了小波宽度过大并且遗漏条纹的情况，小波峰出现在相位衬度峰之后。图15A和图15B中的示例示出了正确的小波宽度，因为没有使图像模糊但去除了相位条纹。
然后可以重复前面的步骤以在步骤526中确定正确强度参数选择。
在任何情况下，一旦选择了强度参数，就可以在步骤528中对图像执行去噪。这可能比在包含相位伪影的原始图像上执行时更有效，因为边缘保持噪声抑制滤波器通常假设图像表现出显著的吸收型衬度。
还提出了一种算法，由此非局部均值去噪滤波器的噪声阈值参数被确定为去噪步骤528的一部分。参见2011年9月13日Buades等人的非局部均值去噪、在线图像处理(IPOL)(Buades,et al.,Non-Local Means Denoising,Image Processing On Line(IPOL),Sept.13,2011)http://www.ipol.im/pub/art/2011/bcm_nlm/article.pdf)。
a.对(校正的相位)图像执行自动化分割。可以使用多种自动阈值技术中的任何一种。大津法已经过测试。
b.确定平均噪声水平：
σav＝(σ1+σ2/2
其中，σav是标记间平均标准偏差并且σ1和σ2是使用自动化分割步骤定义的每个标记区域中的灰度的标准偏差。
c.非局部均值算法的适当的噪声阈值可以被分配为该值的简单倍数。根据经验确定1.2xσav的值在大多数情况下是合适的。
最后，回到图9，使用由步骤530中的扫描系列确定的参数执行最终的体积反卷积(和后续去噪)。
通常，重要的是确定用于经由小波反卷积去除相位衬度伪影，并经由在线轮廓上的自动化测量对小波宽度进行初步估计。使用多个扫描序列对小波振幅和宽度进行扫描以获得最佳参数选择也很重要。
另一方面，对于计算效率，采用子体积并不总是至关重要的。此外，经由SNR最大化的自动强度选择以及经由非局部均值的图像去噪是可选的。
根据经验，小波宽度必须在+/-0.5像素确定，并且尽管对于振幅估计不足与过度估计的影响不同，小波振幅也必须在因数2内。如果小波振幅被低估，则不能有效去除相位条纹。如果小波振幅被高估，则去除相位伪影，但噪声也会加剧。
虽然已参照本发明的优选实施例具体示出和描述了本发明，但本领域的技术人员将理解的是，在不脱离所附权利要求所涵盖的本发明的范围的情况下，可以对本发明进行形式和细节上的各种改变。

Claims (13)

1.一种用于材料分析的方法，其中，所述材料包括具有两个或更多个相的颗粒，在两个或更多个相中，不同相在化学性质上具有微不足道的密度差异并且具有非晶态或晶态，所述方法包括：
获得x射线投影集合，所述x射线投影集合包含用于重建样本的断层扫描的吸收信息和相位信息；
获得重建的体积数据集；
获得来自所重建的体积数据集的形态学边缘信息；以及
对所述样本中的颗粒进行分类。
2.根据权利要求1所述的方法，进一步包括，在对所述颗粒进行分类之前，对所述投影集合执行差分吸收衬度增强，获得第二重建的体积数据集，并对所述体积数据集进行组合。
3.根据权利要求2所述的方法，其中，对所述体积数据集进行组合包括对所述体积数据集之一执行体素标记以创建应用于另一体积数据集的三维二元掩码。
4.根据权利要求1所述的方法，进一步包括，在对所述颗粒进行分类之前，执行衍射衬度断层扫描，获得第二重建的体积数据集，以及对所述体积数据集进行组合。
5.根据权利要求1所述的方法，进一步包括，在对所述颗粒进行分类之前，执行x射线荧光以对不同元素进行检测以创建元素分布图，并将所述分布图与所述体积数据集进行组合。
6.根据权利要求1-5中任一项所述的方法，进一步包括，使用基于小波的滤波来获得形态学边缘信息。
7.根据权利要求6所述的方法，其中，所述基于小波的滤波用于从所重建的体积数据集中去除边缘相位效应。
8.根据权利要求6或7所述的方法，其中，所述基于小波的滤波包括经由对子体积的自动测量来对小波宽度进行估计。
9.根据权利要求6所述的方法，进一步包括，以各种强度执行一系列小波反卷积。
10.根据权利要求9所述的方法，进一步包括，选择使信噪比最大化的强度。
11.根据权利要求1-10中任一项所述的方法，进一步包括，生成提供信息的报告，所述信息包括各个相的体积分数估计、所述颗粒的纵横比和/或所述样本内的颗粒尺寸分布。
12.根据权利要求1-11中任一项所述的方法，其中，所述样本是药物，诸如吸入器。
13.一种x射线显微镜系统，包括：
用于获得所述投影的X射线成像系统；以及
计算机系统，配置为执行根据权利要求1-12中任一项所述的方法。
CN202080081956.2A 2019-12-20 2020-12-18 使用小波校正的边缘相位效应去除以及使用组合的吸收和相位衬度的颗粒分类 Active CN114762003B (zh)

Applications Claiming Priority (3)

Application Number Priority Date Filing Date Title
US201962951857P 2019-12-20 2019-12-20
US62/951,857 2019-12-20
PCT/US2020/066148 WO2021127522A1 (en) 2019-12-20 2020-12-18 Edge phase effects removal using wavelet correction and particle classification using combined absorption and phase contrast

Publications (2)

Publication Number Publication Date
CN114762003A true CN114762003A (zh) 2022-07-15
CN114762003B CN114762003B (zh) 2023-08-25

Family

ID=74191898

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202080081956.2A Active CN114762003B (zh) 2019-12-20 2020-12-18 使用小波校正的边缘相位效应去除以及使用组合的吸收和相位衬度的颗粒分类

Country Status (4)

Country Link
US (1) US11645792B2 (zh)
EP (1) EP4078527B1 (zh)
CN (1) CN114762003B (zh)
WO (1) WO2021127522A1 (zh)

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN107895360A (zh) * 2017-10-21 2018-04-10 天津大学 一种基于小波域正则化的相位重建方法
CN108680589A (zh) * 2018-05-31 2018-10-19 北京航空航天大学 基于横向错位光栅的x射线光栅差分相位衬度三维锥束计算机层析成像方法及装置
CN110310347A (zh) * 2019-06-21 2019-10-08 上海交通大学 一种x射线光栅相衬成像滤波迭代重建方法和系统

Family Cites Families (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US7057187B1 (en) 2003-11-07 2006-06-06 Xradia, Inc. Scintillator optical system and method of manufacture
US9488605B2 (en) * 2012-09-07 2016-11-08 Carl Zeiss X-ray Microscopy, Inc. Confocal XRF-CT system for mining analysis
US20210311211A1 (en) 2018-11-05 2021-10-07 Carl Zeiss X-ray Microscopy, Inc. High Resolution Light Valve Detector for Detecting X-Ray

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN107895360A (zh) * 2017-10-21 2018-04-10 天津大学 一种基于小波域正则化的相位重建方法
CN108680589A (zh) * 2018-05-31 2018-10-19 北京航空航天大学 基于横向错位光栅的x射线光栅差分相位衬度三维锥束计算机层析成像方法及装置
CN110310347A (zh) * 2019-06-21 2019-10-08 上海交通大学 一种x射线光栅相衬成像滤波迭代重建方法和系统

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
MUNCH B ET AL: "Stripe and ring artifact removal with combined wavelet-Fourier filtering", 《OPTICS EXPRESS OPTICAL SOCIETY OF AMERICA USA》 *
THOMPSON DARREN A. ET AL: "Fast three-dimensional phase retrieval in propagation-based X-ray tomography", 《JOURNAL OF SYNCHROTRON RADIATION》 *

Also Published As

Publication number Publication date
US20220366620A1 (en) 2022-11-17
CN114762003B (zh) 2023-08-25
US11645792B2 (en) 2023-05-09
EP4078527A1 (en) 2022-10-26
WO2021127522A1 (en) 2021-06-24
EP4078527B1 (en) 2024-02-07
WO2021127522A9 (en) 2022-08-18

Similar Documents

Publication Publication Date Title
JP6999576B2 (ja) 空間とスペクトル情報に基づく複数エネルギーのｃｔ画像におけるノイズ制御のためのシステムと方法
NL1024855C2 (nl) Werkwijze en inrichting voor zacht-weefselvolumevisualisatie.
Bruns et al. Looking for the Signal: A guide to iterative noise and artefact removal in X-ray tomographic reconstructions of porous geomaterials
CN109195526B (zh) X射线成像系统和定量成像方法及其计算单元
JP6076981B2 (ja) 異なるモダリティのｘ線画像の周波数依存複合
FR2830741A1 (fr) Procede et appareil pour etalonner un systeme d'imagerie
AU2016200833B2 (en) A computed tomography imaging process and system
WO2015156711A1 (en) Spectral x-ray imaging
JP6793469B2 (ja) データ処理装置、ｘ線ｃｔ装置及びデータ処理方法
US10388000B2 (en) Noise reduction in radiation image
WO2011145040A1 (en) Edge-preserving noise filtering
Cho et al. Cone-beam digital tomosynthesis for thin slab objects
Hwang et al. Towards the low-dose characterization of beam sensitive nanostructures via implementation of sparse image acquisition in scanning transmission electron microscopy
Hayashida et al. Parameters affecting the accuracy of nanoparticle shape and size measurement in 3D
CN114762003B (zh) 使用小波校正的边缘相位效应去除以及使用组合的吸收和相位衬度的颗粒分类
Arcadu et al. Fast iterative reconstruction of data in full interior tomography
Gusenbauer et al. Multi-modal Talbot-Lau grating interferometer XCT data for the characterization of carbon fibre reinforced polymers with metal components
Kim et al. A blind-deblurring method based on a compressed-sensing scheme in digital breast tomosynthesis
Körner et al. Sinogram interpolation to decrease acquisition time in X-ray computed tomography measurement of surface topography
EP4177597A1 (en) Method and system for analytical x-ray calibration, reconstruction and indexing using simulation
Modregger et al. Accelerated iterative tomographic reconstruction with x-ray edge illumination
Gravel et al. Resolution enhancement in digital x-ray imaging
Babykala et al. Noise reduction in CT lung images

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