基于K边缘成像的优化阈值方法、装置、设备和介质制造方法及图纸

本发明专利技术实施例公开了一种基于K边缘成像的优化阈值方法、装置、设备和介质。该方法包括：光子计数探测器根据预设阈值组预扫描待探测物体，得到第一探测数据；依据第一探测数据，确定每条射线中基函数组合的分解系数的线积分值，每条射线均是固定的基函数组合；在每条射线中基函数组合的分解系数的线积分值中，筛选出基函数组合的造影剂材料基函数的线积分值大于预设线积分阈值的射线；将筛选得到的每条射线对应的探测数据输入预训练神经网络模型中，得到筛选得到的每条射线的局部最优化阈值组；依据局部最优化阈值组，确定光子计数探测器的K边缘成像的整体最优化阈值组。

Optimized threshold method, device, device and medium based on K-edge imaging

The embodiment of the invention discloses an optimized threshold method, device, device and medium based on K-edge imaging. The method includes: the photon counting detector pre scans the object to be detected according to the preset threshold group to obtain the first detection data; according to the first detection data, determines the line integral value of the decomposition coefficient of the basis function combination in each ray, and each ray is a fixed basis function combination; in the line integral value of the decomposition coefficient of the basis function combination in each ray, selects the basis function combination The line integral value of the basic function of the contrast agent material is greater than the preset line integral threshold value of the ray; the detection data corresponding to each ray is input into the pre training neural network model to obtain the local optimization threshold group of each ray; according to the local optimization threshold group, the overall optimization threshold group of the K-edge imaging of the photon counting detector is determined.

【技术实现步骤摘要】
基于K边缘成像的优化阈值方法、装置、设备和介质
本专利技术涉及能谱电子计算机断层扫描(ComputedTomography，CT)领域，尤其涉及一种基于K边缘成像的优化阈值方法、装置、设备和介质。
技术介绍
对于能谱K边缘(K-edge)成像来说，需要使用光子计数探测器。然而一旦使用光子计数探测器，就需要确定光子计数探测器的阈值，从而获取质量较高的图像。对于阈值选取的方式，目前有两种经验性方法：一种是在整个能谱区间范围内进行能量均分，即让每个能窗的宽度都大致相同。另一种是对光子数进行均分，即让每个能窗的光子数都大致相同，但这种方法需要已知能谱。上述这两种方法都无法在未知待探测物体的组成成分情况下，选择最优的光子计数探测器的阈值。
技术实现思路
本专利技术实施例提供及一种基于K边缘成像的优化阈值方法、装置、设备和介质，可以在未知待探测物体的组成成分情况下，选择最优的光子计数探测器的阈值。根据本专利技术实施例的第一方面，提供一种基于K边缘成像的优化阈值方法，处理方法包括：光子计数探测器根据预设阈值本文档来自技高网...

【技术保护点】
1.一种基于K边缘成像的优化阈值方法，其特征在于，所述优化阈值方法包括：/n光子计数探测器根据预设阈值组预扫描待探测物体，得到第一探测数据；/n依据所述第一探测数据，确定每条射线中基函数组合的分解系数的线积分值，所述每条射线均是固定的基函数组合；/n在所述每条射线中基函数组合的分解系数的线积分值中，筛选出所述固定的基函数组合的造影剂材料基函数的线积分值大于预设线积分阈值的射线；/n将筛选得到的每条射线对应的探测数据输入预训练神经网络模型中，得到筛选得到的每条射线的局部最优化阈值组；/n依据所述局部最优化阈值组，确定所述光子计数探测器的K边缘成像的整体最优化阈值组。/n

【技术特征摘要】
1.一种基于K边缘成像的优化阈值方法，其特征在于，所述优化阈值方法包括：
光子计数探测器根据预设阈值组预扫描待探测物体，得到第一探测数据；
依据所述第一探测数据，确定每条射线中基函数组合的分解系数的线积分值，所述每条射线均是固定的基函数组合；
在所述每条射线中基函数组合的分解系数的线积分值中，筛选出所述固定的基函数组合的造影剂材料基函数的线积分值大于预设线积分阈值的射线；
将筛选得到的每条射线对应的探测数据输入预训练神经网络模型中，得到筛选得到的每条射线的局部最优化阈值组；
依据所述局部最优化阈值组，确定所述光子计数探测器的K边缘成像的整体最优化阈值组。


2.根据权利要求1所述的优化阈值方法，其特征在于，所述预设阈值组包括固定阈值和待优化阈值，所述待优化阈值是由能量均分的方式得到的阈值。


3.根据权利要求2所述的优化阈值方法，其特征在于，所述依据所述局部最优化阈值组，确定所述光子计数探测器的K边缘成像的整体最优化阈值组之后，还包括：
以所述整体最优化阈值组替换所述待优化阈值，所述光子计数探测器对所述待探测物体进行扫描，得到第二探测数据；
依据所述第二探测数据，分解和/或重建所述待探测物体的图像。


4.根据权利要求1所述的优化阈值方法，其特征在于，所述依据所述局部最优化阈值组，包括：
统计相同的所述局部最优化阈值组中所述射线的条数，将条数最多的所述局部最优化阈值组作为所述整体最优化阈值组。


5.根据权利要求1所述的优化阈值方法，其特征在于，所述预扫描包括：稀疏角度扫描和/或低剂量扫描。


6.根据权利要求1所述的优化阈值方法，其特征在于，所述依据所述第一探测数据，确定每条射线中每个基函数的分解系数的线积分值，包括：
通过最大似然分解法计算所述第一探测数据，确定每条射线中每个基函数的分解系数的线积分值。


7.根据权利要求1所述的优化阈值方法，其特征在于，所述基函数组合包括：光电系数基函数和康普顿系数基函数。


8.根据权利要求1所述的优化阈值方法，其特征在于，所述预训练神经网络模型是通过以所述局部最优化阈值组作为神经网络模型的输出，以及以所述筛选得到的每条射线对应的探测数据作为神经网络模型的输入训练得到的模型，
其中，所述局部最优化阈值组是根据枚举法确定在所述造影剂材料基函数的噪声下限最小值时所述光子计数探测器的K边缘成像的阈值，所述造影剂材料基函数的噪声下限是通过Cramer-Rao下界理论确定的。


9.一种基于K边缘成像的优化阈值装置，其特征在于，所述优化阈值装置包括：
确定线积分值模块、筛选模块、预训练神经网络模型模块和整合模块；
所述确定线积分值模块，用于依据第一探测数据，确定每条射线中基函数组合的分解系数的线积分值，每条射线均是固定的基函数组合；其中所述第...

【专利技术属性】
技术研发人员：邢宇翔，黄凯鑫，张丽，沈乐，邓智，陈志强，刘以农，
申请(专利权)人：同方威视技术股份有限公司，清华大学，
类型：发明
国别省市：北京;11