基于X射线探测的滤波片设计方法、设备及计算机可读存储介质技术

本公开涉及一种基于X射线探测的滤波片设计方法、设备及计算机可读存储介质。所述方法包括：获取基于X射线探测的探测指标；根据所述探测指标确定待设计的一个或者多个滤波片的特征参数集和目标滤波效果；基于所述目标滤波效果，并且通过利用深度学习网络模型对所述一个或者多个滤波片的特征参数集进行特征识别来确定目标特征参数；以及根据所述目标特征参数进行滤波片设计。利用本公开的方案，可以快速地获得目标特征参数，从而缩短了滤波片的设计周期，提高了工作效率。提高了工作效率。提高了工作效率。

【技术实现步骤摘要】
基于X射线探测的滤波片设计方法、设备及计算机可读存储介质


[0001]本公开一般地涉及X射线探测
更具体地，本公开涉及一种基于X射线探测的滤波片设计方法、设备及计算机可读存储介质。

技术介绍

[0002]目前，针对X射线探测的技术例如EDXRF等，其对于微量、痕量元素的检测通常需要设计滤波片来提高特征峰背比，以获得目标滤波效果。传统滤波片的设计方案包括采用Geant4、MCNP5或者EGS软件，并且通过蒙特卡罗法模拟粒子的传输过程来进行X射线能谱过滤的设计。然而，该方法主要针对单一滤波片的过滤方式，对组合滤波片设计的实际效果缺乏有效手段和真实性。另外，直接制作组合滤波片需要大量测试，制作难度大并且周期长，这使得组合滤波片的使用受限、设计效果差以及提升峰背比不理想，从而无法更好地突出特征谱线来完成微量或者痕量元素的检测。
[0003]2014年，陈志强等人提出了一种滤波装置和方法及一种物质探测装置和方法，其通过对不同能量的X射线采用同样的高原子序数的滤波片。该方案克服了检测能谱中有较多低能成分的问题，实现了更大可分性系数的物质探测方式，并且能够获得更优越的系统分类检测性能。然而，前述方案对于微量或者痕量元素的检测作用有限。
[0004]2015年，代志力等人提出了一种射线滤波片的设计方法，其通过蒙特卡罗软件快速模拟射线滤波片，有效地解决了设计周期长，设计成本高的问题。该方案克服了无法直接分析滤波效果准确性的问题，但存在蒙特卡罗法迭代周期长、组合滤波片仿真效果差的问题。
[0005]2016年，J
·
D
·
佩克等人提出了一种X射线滤波器组件，其通过在具有X射线衰减片堆中布置多个X射线衰减片，并与多个X射线穿透片交替地布置，使得实现对患者处所观察的X射线点大小的动态调节。该方法是依靠实物制造来进行验证的，并且制作方法相对复杂。
[0006]2020年，庞慰异等人提出了一种滤波器组件及其制造方法，其通过多个滤波器在水平方向上彼此相邻设置的第一滤波器和第二滤波器，有效地解决了传统射频滤波器受结构和性能限制的问题。然而，该设计方法应用于通信领域，与X射线滤波原理和应用存在很大的差异性。
[0007]此外，在X射线谱的测量过程中，环境因素、X射线管的靶材材料、滤波片的材料、厚度、个数及组合关系等都会影响X射线的传输损耗，通过单一形式的滤波片可以滤去一些噪声达到部分滤波需求，但在实际中对于微量或者痕量元素的探测精度却远远不足。虽然部分软件可以通过多个滤波片的直接叠加来进行计算，但该设计方法与实际同步加工出的滤波片效果差距很大，很多耦合因素无法得到仿真和设计。这使得当前的组合滤波片设计方法效果不准确、灵活性差，难以有效地进行检测的针对性设计，进而影响滤波效果，导致连续谱峰背比不高、特征谱线不够明显。

技术实现思路

[0008]为了至少部分地解决
技术介绍
中提到的技术问题，本公开的方案提供了一种基于X射线探测的滤波片设计方案。利用本公开的方案，可以快速且准确地获得目标特征参数，以便基于目标特征参数进行单个滤波片或者组合滤波片的设计。为此，本公开在如下的多个方面提供解决方案。
[0009]在第一方面，本公开提供一种基于X射线探测的滤波片设计方法，包括：获取基于X射线探测的探测指标；根据所述探测指标确定待设计的一个或者多个滤波片的特征参数集和目标滤波效果；基于所述目标滤波效果，并且通过利用深度学习网络模型对所述一个或者多个滤波片的特征参数集进行特征识别来确定目标特征参数；以及根据所述目标特征参数进行滤波片设计。
[0010]在一个实施例中，其中所述探测指标至少包括探测目标和探测目标的能量谱位置以及X射线的剂量和/或X射线的能谱分布。
[0011]在另一个实施例中，其中所述目标特征参数包括单个滤波片的材料元素、厚度、形状以及多个滤波片之间的位置和角度配合比中的一项或者多项。
[0012]在又一个实施例中，其中基于所述目标滤波效果，并且通过利用深度学习网络模型对所述一个或者多个滤波片的特征参数集进行特征识别来确定目标特征参数包括：基于所述目标滤波效果，向所述深度学习网络模型输入当前迭代的一个或者多个滤波片的特征参数集进行特征识别，以获得当前迭代的一个或者多个滤波片对应的当前特征参数；以及基于所述当前迭代的一个或者多个滤波片对应的当前特征参数确定当前滤波效果；以及根据所述当前滤波效果确定目标特征参数。
[0013]在又一个实施例中，其中根据所述当前滤波效果确定目标特征参数包括：根据所述当前滤波效果计算当前迭代的X射线的剂量和/或X射线的能谱分布；将所述当前迭代的X射线的剂量和/或X射线的能谱分布与预设滤波需求进行比较；以及基于所述当前迭代的X射线的剂量和/或X射线的能谱分布与所述预设滤波需求的比较结果来确定目标特征参数。
[0014]在又一个实施例中，其中基于所述当前迭代的X射线的剂量和/或X射线的能谱分布与所述预设滤波需求的比较结果来确定目标特征参数包括：响应于所述当前迭代的X射线的剂量和X射线的能谱分布满足所述预设滤波需求，确定所述当前迭代的一个或者多个滤波片对应的当前特征参数为所述目标特征参数；或者响应于所述当前迭代的X射线的剂量和X射线的能谱分布不满足所述预设滤波需求，基于下一次迭代的一个或者多个滤波片的特征参数集以及目标滤波效果确定目标特征参数。
[0015]在又一个实施例中，其中基于下一次迭代的一个或者多个滤波片的特征参数集以及目标滤波效果确定目标特征参数包括：基于所述目标滤波效果，向所述深度学习网络模型输入下一次迭代的一个或者多个滤波片的特征参数集进行特征识别，以获得下一次迭代的一个或者多个滤波片的特征参数；以及根据所述下一次迭代的一个或者多个滤波片的特征参数确定下一次迭代的滤波效果，直至所述下一次迭代的滤波效果对应的X射线的剂量和/或X射线的能谱分布满足所述预设滤波需求，确定所述下一次迭代的一个或者多个滤波片的特征参数为所述目标特征参数。
[0016]在又一个实施例中，其中根据所述目标特征参数进行滤波片设计包括：根据所述目标特征参数确定一个或者多个目标滤波片；以及基于单个所述目标滤波片或者组合多个
目标滤波片进行滤波片设计。
[0017]在第二方面，本公开还提供基于X射线探测的滤波片设计设备，包括：处理器；以及存储器，其存储有基于X射线探测的滤波片设计程序指令，当所述程序指令由所述处理器执行时，使得所述设备实现前述多个实施例。
[0018]在第三方面，本公开还提供一种计算机可读存储介质，其上存储有基于X射线探测的滤波片设计计算机可读指令，该计算机可读指令被一个或多个处理器执行时，实现前述多个实施例。
[0019]本公开的方案通过利用深度学习网络模型，并且以目标滤波效果为标准，能够高效且准确地确定目标特征参数，从而快速地进行滤波片设计，极大地缩短了滤波片的设计周期。进一步地，本公开实施例还通过预设滤波需求对滤波效果进行约束，以提高目标特征参数的精度，使得基于目标特征参数设计本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于X射线探测的滤波片设计方法，包括：获取基于X射线探测的探测指标；根据所述探测指标确定待设计的一个或者多个滤波片的特征参数集和目标滤波效果；基于所述目标滤波效果，并且通过利用深度学习网络模型对所述一个或者多个滤波片的特征参数集进行特征识别来确定目标特征参数；以及根据所述目标特征参数进行滤波片设计。2.根据权利要求1所述的方法，其中所述探测指标至少包括探测目标和探测目标的能量谱位置以及X射线的剂量和/或X射线的能谱分布。3.根据权利要求1所述的方法，其中所述目标特征参数包括单个滤波片的材料元素、厚度、形状以及多个滤波片之间的位置和角度配合比中的一项或者多项。4.根据权利要求2所述的方法，其中基于所述目标滤波效果，并且通过利用深度学习网络模型对所述一个或者多个滤波片的特征参数集进行特征识别来确定目标特征参数包括：基于所述目标滤波效果，向所述深度学习网络模型输入当前迭代的一个或者多个滤波片的特征参数集进行特征识别，以获得当前迭代的一个或者多个滤波片对应的当前特征参数；以及基于所述当前迭代的一个或者多个滤波片对应的当前特征参数确定当前滤波效果；以及根据所述当前滤波效果确定目标特征参数。5.根据权利要求4所述的方法，其中根据所述当前滤波效果确定目标特征参数包括：根据所述当前滤波效果计算当前迭代的X射线的剂量和/或X射线的能谱分布；将所述当前迭代的X射线的剂量和/或X射线的能谱分布与预设滤波需求进行比较；以及基于所述当前迭代的X射线的剂量和/或X射线的能谱分布与所述预设滤波需求的比较结果来确定所述目标特征参数。6.根据权利要求5所述的方法，其中基于所述当前迭代的X射线的剂量和/或X射线的能谱分布与所述预设滤波需求的比较结果来确定目标特...

【专利技术属性】
技术研发人员：黄谦，江晟，李野，赵鹏，徐伟，
申请(专利权)人：北京山水云图科技有限公司，
类型：发明
国别省市：