X辐射检测制造技术

本发明专利技术涉及一种用于检测x射线辐射的系统。该系统包括光子计数X射线CT扫描仪和相关的边缘设备。每个边缘设备基于扫描仪数据确定质量指示符，该质量指示符指示传感器数据的质量。此外，每个边缘设备通过优化质量指示符来生成参数化机器学习模型。服务器设备从边缘设备接收所生成的参数化的机器学习模型，将参数化的机器学习模型聚合为经聚合的参数化的机器学习模型，并将经聚合的参数化的机器学习模型的至少一部分发送回边缘设备。型的至少一部分发送回边缘设备。型的至少一部分发送回边缘设备。

【技术实现步骤摘要】
X辐射检测


[0001]本专利技术涉及用于检测x射线辐射的系统和方法。本专利技术还涉及耦合到光子计数x射线计算机断层摄影(CT)扫描仪，并且耦合到光子计数x射线CT扫描仪的边缘设备。

技术介绍

[0002]CT扫描仪包括放置在龙门架(gantry)中的旋转X射线源和检测器，其测量穿过患者身体后的X射线。X射线被患者体内的不同组织衰减。因此，CT扫描仪可以提供用于诊断目的的身体的详细图像。
[0003]已知的CT系统包括固态闪烁检测器。在检测器中，X射线被转换成可见光。在另一步骤中，由附接到检测器单元背面的光电二极管将光转换成电信号。
[0004]另一方法使用光子计数检测器，其可以直接将x射线光子转换为电信号，而无需将x射线转换为可见光的中间步骤。光子计数检测器吸收x射线并在半导体中产生电子空穴对。施加强电场以分离电荷。
[0005]从US 9 164 183 B2中已知一种使用至少一个直接转换检测器对x射线辐射进行光子计数检测的方法。
[0006]与固态闪烁检测器相比，光子计数检测器可以避免光学串扰。因此，与固态本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种用于检测x射线辐射的系统，包括：多个光子计数x射线CT扫描仪(11
‑
1n)，其中每个光子计数x射线CT扫描仪(11
‑
1n)包括：x射线源(4)和多个光子计数检测器(5)，所述x射线源(4)被配置为发射x射线辐射，所述多个光子计数检测器(5)被配置为检测所述x射线辐射并基于所述检测生成传感器数据；多个边缘设备(21
‑
2n)，其中每个边缘设备(21
‑
2n)耦合到相关联的光子计数x射线CT扫描仪(11
‑
1n)，并且被配置为从所述相关联的光子计数x射线CT扫描仪(11
‑
1n)接收扫描仪数据，其中所述扫描仪数据包括所述传感器数据的至少一部分，其中每个边缘设备(21
‑
2n)被配置为基于所述扫描仪数据来确定质量指示符，所述质量指示符指示所述传感器数据的质量，并且每个边缘设备(21
‑
2n)被配置为通过优化所述质量指示符来生成参数化的机器学习模型，其中所述边缘设备(21
‑
2n)被配置为将所述扫描仪数据的至少一部分作为输入数据提供给所述机器学习模型，并且其中所述机器学习模型提供关于所述光子计数x射线CT扫描仪(11
‑
1n)的信息作为输出数据；以及服务器设备(3)，耦合到所述多个边缘设备(21
‑
2n)，并且被配置为从所述边缘设备(21
‑
2n)接收所生成的参数化的所述机器学习模型，将参数化的所述机器学习模型聚合成经聚合的参数化的机器学习模型，以及将经聚合的参数化的所述机器学习模型的至少一部分发送回所述多个边缘设备(21
‑
2n)。2.根据权利要求1所述的系统，其中所述扫描仪数据还包括与所述光子计数x射线CT扫描仪(11
‑
1n)的环境有关的环境数据。3.根据权利要求1或2所述的系统，其中所述边缘设备(21
‑
2n)被配置为向用户提供由所述机器学习模型生成的关于所述光子计数x射线CT扫描仪(11
‑
1n)的所述信息的至少一部分。4.根据前述权利要求中任一项所述的系统，其中由所述机器学习模型作为输出数据提供的关于所述光子计数x射线CT扫描仪(11
‑
1n)的所述信息包括所述光子计数x射线CT扫描仪(11
‑
1n)的至少一个部件的健康状态。5.根据前述权利要求中任一项所述的系统，其中由所述机器学习模型作为输出数据提供的关于所述光子计数x射线CT扫描仪(11
‑
1n)的所述信息包括所述光子计数x射线CT扫描仪(11
‑
1n)的至少一个配置参数。6.根据前述权利要求中任一项所述的系统，其中所述边缘设备(21
‑
2n)被配置为：向用户输出所述光子计数x射线CT扫描仪(11
‑
1n)的所述至少一个配置参数，从所述用户接收选择信号，以及如果所述边缘设备(21
‑
2n)从所述用户接收到所述选择信号，则根据所述至少一个配置参数来配置所述光子计数x射线CT扫描仪(11
‑
1n)。7.根据前述权利要求中任一项所述的系统，其中所述边缘设备(21
‑
2n)被配置为基于由所述机器学习模型作为输出数据提供的关于所述光子计数x射线CT扫描仪(11
‑
1n)的所述信息向用户输出错误信号。8.根据前述权利要求中任一项所述的系统，其中所述服务器设备(3)被配置为基于参数化的所述机器学习模型的所述质量指示符，将参数化的所述机器学习模型聚合为经聚合的参数化的所述机器学习模型。9.根据权利要求8所述的系统，其中所述服务器设备(3)被配置为选择具有最高质量指示符的参数化的所述机...

【专利技术属性】
技术研发人员：M，
申请(专利权)人：西门子医疗有限公司，
类型：发明
国别省市：