采用高光譜CT功能成像的物質識別方法和系統與流程

本發明涉及醫學影像無損檢測領域，特別是一種采用高光譜CT功能成像的物質識別方法和系統。

背景技術：

醫學影像是研究如何無創的獲取人體解剖和生理信息，為診斷和評估提供依據。就影像模式可分為兩大類：一是提供解剖信息的結構成像；二是提供生理信息的功能成像。對于某些病例，往往無法通過單一的成像方式進行診斷，而不同的成像方式往往能夠信息互補，從而出現了近來迅速發展的多模式醫學成像技術。當今世界，生物醫學越來越趨向于微觀層面，分子成像技術也越來越為人們所重視。傳統的X射線計算機斷層成像(XCT)技術作為一種分子成像手段，對一些醫學疾病的診斷發揮著舉足輕重的作用，但其采用傳統的探測器，物質識別能力較低，限制了其在結構和功能成像方面的應用。傳統的CT屬于典型的結構成像，若要進行非結構改變的病灶定位則必須結合功能成像信息。器官組織的差異主要是分子和細胞層面的物質成分差異所導致的，故多模式醫學成像需要用到多種成像系統：若各種成像方式分別成像然后數據融合會給圖譜配準帶來很大困難，若將所有成像裝置集成為一套系統又會增加系統復雜度與操作難度，降低整機可靠性與檢測安全性。如果只用一種檢測手段既能完成結構成像又能實現病灶定位，則可以為臨床診斷提供極大的幫助。本發明將把CT由結構成像領域拓展到功能成像領域，它能獲取每個像素(Pixel)/體素(Voxel)的X射線高光譜信息，從而判斷其組分/病灶特征。因此它融合了CT高空間分辨率和高光譜檢測強辨識能力二者的優勢。

當X射線連續譜被物質吸收時，不同波長的射線被吸收的程度不同，對應一定的波長，吸收系數會發生突變，這些突變被稱為吸收邊，在吸收邊及其高能延伸段存在一些分立的峰或波狀起伏，被稱作X射線吸收精細結構(X-rayAbsorption Fine Structure)。XAFS信號是由吸收原子周圍的近鄰結構決定的，并且對化學環境敏感，精細結構振蕩的頻率、振幅和形狀均由原子的排布決定，它提供的是小范圍內原子簇結構的信息，包括近鄰原子的配位數、原子間距、熱擾動等幾何結構以及電子結構。XAFS對價態、未占據電子態和電荷轉移等化學信息敏感，可做特定化學成分和官能團的指紋識別，可用于研究化學鍵、原子位置和原子排布、氧化態、配位結構、分子的三維輪廓特征、分子構型等。XAFS的機理說明不同物質的吸收光譜必然會有所區別，但是XAFS對均勻的物質檢測是有效的，如果要對多種物質的復雜結構體進行分區域檢測卻難以實現。射線的吸收光譜是其通過路徑上所有衰減累積的結果，損失了深度信息，路徑上哪一段對應哪種物質無法判斷，而XCT成像的優勢正好可以提供深度信息，能對物質進行精確定位。本發明將融合XCT的空間定位能力與XAFS的物質辨識能力，生成一套新的成像系統理論。

現今主流的雙能CT的高、低能量是通過X射線球管電壓來劃分的，都是寬帶光，有很大的重疊部分，會對物質辨識帶來一定的干擾。光子計數探測器理論上各通道之間的能量是完全分離的，不存在重疊部分。但是目前所使用的CZT線陣列探測器只能把整個傳感光譜區域劃分為5個波段，雖然這相對于雙能CT已經有很大的進步，可是5個波段的特征編碼對于紛繁復雜的病灶種類來說還太少，距離臨床應用還有很大的差距。

技術實現要素：

本發明的主要目的在于克服現有技術中的上述缺陷，提出一種結合X射線計算機斷層攝影的結構重建和X射線吸收光譜的物質識別的優點，使得復雜結構物質辨識能力大幅提高。

本發明采用如下技術方案：

采用高光譜CT功能成像的物質識別方法，其特征在于，包括如下步驟

1)采用X射線對被測樣本進行掃描，通過光子計數探測器采集高光譜數據；

2)檢測X射線強度并結合高光譜數據作去背景處理得到輸入數據；

3)對輸入數據采用CT重建算法重建被測樣本的內部結構，得到全譜段斷層影像；

4)對全譜段斷層影像進行圖像分析和處理，圈定感興趣區域的坐標；

5)再次利用CT重建算法重建得到感興趣區域的坐標分譜線進行重建，得到重建光譜曲線；

6)把重建光譜曲線與數據庫中的光譜數據進行相關性對比，從而判斷被測樣本的感興趣區域的物質分類。

優選的，所述的CT重建算法為濾波反投影算法，其先對輸入數據做濾波處理，再做反投影重建。

優選的，所述CT重建算法為迭代算法。

優選的，先對未知圖像向量賦初值：j＝1,2,3…N,，所述迭代算法包括如下步驟：

3.1)計算第i條光線的估計投影值：W_ij是投影系數。

3.2)計算誤差也即校正偽影：P_i是第i條射線的投影值。

3.3)計算第j個像素點的修正值：其中N_i從表示第i條光線穿過圖像區域的上像素點的總個數；

3.4)計算第j個像素點的修正值:

3.5)第i條光線上的點都加V_ij進行修正，重復3.2)到3.4)，直至所有圖像的所有光線，此為一次迭代；

3.6)將上一輪迭代結果作為初值，重復3.2)到3.4)得到第K輪結果，從而得到一序列

優選的，所述的去背景處理，如下：

其中I₀是X射線強度，I是所述的高光譜數據，μ是物質的衰減系數，L是X射線穿過該物質的長度。

優選的，在步驟6)中，使用閔式距離作為相關性比較的標準來識別不同的物質分類。

一種高光譜CT功能成像系統，其特征在于，包括X射線管、光子計數探測器、二維平移臺、旋轉臺、三維運動控制器和控制中心；該X射線管通與高壓發生器相連以發出X射線對被測樣本進行掃描；該旋轉臺位于X射線管發射端前方以放置被測樣本；該光子計數探測器位于二維平移臺上以采集高光譜數據；該三維運動控制器與旋轉臺相連以控制器其旋轉，該三維運動器與二維平移臺相連以控制其平移；該控制中心與三維運動控制器、光子計數探測器、高壓發生器相連以控制三維運動控制器和高壓發生器，接收光譜數據并采用上述的任意一種采用高光譜CT功能成像的物質識別方法識別被測樣本。

由上述對本發明的描述可知，與現有技術相比，本發明具有如下有益效果：

1、本發明的方法和系統，基于光子計數原理，結合X射線計算機斷層攝影的結構重建和X射線吸收光譜的物質識別的優點，使得復雜結構物質辨識能力大幅提高，

2、本發明的方法和系統，第一次重建屬于結構成像，用于觀察被測對象的解剖結構；第二次重建屬于功能成像，用于獲取感興趣區域物質的X射線吸收系數高光譜數據，用于進行物質分類以達到生理功能判定的目的。

3、本發明的方法和系統，具備檢測被測對象內部結構的能力，還可以在不損壞被測對象的前提下識別各個部位的功能成分，經驗證其識別正確率極高。該發明在疾病診斷，食品安全和非破壞性測試中的具有很好的應用前景。

4、本發明的方法和系統，光譜分辨率高，可達幾百甚至幾千個譜段，而且各譜段之間完全分離，沒有重疊部分，比目前市面上的雙能\多能CT要先進。

5、本發明的方法和系統，只需要一套成像系統一次數據采集就可同時完成三維空間的結構成像和功能成像。

6、本發明的方法和系統，通過使用來自X射線吸收光譜的數據分析復雜材料的結構，具有更高的檢測能力，與常規CT和雙能CT相比，高光譜CT功能成像可以實現更多更復雜的化合物的識別與鑒定，達到功能成像的目的。

附圖說明

圖1為本發明的系統結構示意圖；

圖2為本發明的俯視光路圖

圖3本重建后樣本的斷層圖；

圖4為本發明方法的工作流程圖；

圖5為光譜特征庫中部分樣本的光譜曲線；

圖6為特定樣本重建后所得的光譜曲線。

具體實施方式

以下通過具體實施方式對本發明作進一步的描述。

參照圖1至圖6，一種高光譜CT功能成像系統，包括X射線管、光子計數探測器、二維平移臺、旋轉臺、三維運動控制器和控制中心。該X射線管通與高壓發生器相連，通過高電壓驅動X射線管發射連續的X射線對被測樣本進行掃描。該旋轉臺位于X射線管發射端前方以放置被測樣本。該光子計數探測器位于二維平移臺上以采集高光譜數據，其可以是SDD、Si-PIN或CdZnTe等，對于CdZnTe(碲化鎘探測器)，使用碲化鎘晶體作為X射線和γ射線檢測器，將晶體安裝在熱電冷卻器上并耦合至定制的電荷敏感前置放大器上，這種探測器具有較高的分辨率及探測范圍，一次曝光可記錄多個能量段光子數。該旋轉臺位于X射線管和光子計數探測器之間。

該三維運動控制器與旋轉臺相連以控制其360°旋轉，該三維運動器與二維平移臺相連以控制其沿水平面平移，該旋轉臺每次旋轉的角度和二維平移臺運動的步數是基于被測樣本的尺寸和重建圖像的分辨率要求設定，以保證整個待測樣本能被X射線完整地掃描，以便清晰地重建被測樣本的內部結構。該控制中心與三維運動控制器、光子計數探測器、高壓發生器相連以控制三維運動控制器和高壓發生器，接收光子計數探測器的光譜數據并采用高光譜CT功能成像的物質識別方法識別被測樣本。

另外，在測量光譜前，還需裝調整系統的光路。將兩個激光器固定至磁性底座上，通過調節兩個激光器的空間姿態，使得兩束激光的交線同時穿過探測器中心和X射線源中心。

本發明還提出，采用高光譜CT功能成像的物質識別方法，包括如下步驟

1)采用X射線對被測樣本進行掃描，通過光子計數探測器采集高光譜數據。

2)檢測X射線強度并結合高光譜數據作去背景處理得到輸入數據。由于在特定X射線能量范圍所探測的X射線光子數目有限，會得到不準確的數據，這種數據進行重構圖像結果會帶有明顯的噪聲，由此，需要兩組光譜數據做去背景處理。通過不放置待測樣本，用于檢測入射X射線強度。去背景處理，如下：

其中I₀是X射線強度即沒有待測樣本的空氣的數據，I是放置待測樣本時采集的高光譜數據，μ是物質的衰減系數，L是X射線穿過該物質的長度。

3)對輸入數據采用CT重建算法重建被測樣本的內部結構，用相應的投影測量所有的角度，然后對每個投影的數據進行高通濾波處理，最后累加各個角度的投影濾波值，以獲得每個像素的衰減值，得到重建的全譜段斷層影像。該CT重建算法可采用濾波反投影算法(FBP算法)或迭代算法。其中，濾波反投影算法，即為先對輸入數據即投影數據做濾波處理，再做反投影重建具體如下：

其中，f(x,y)為待求密度函數，p(t,θ)為在步進為t，待測樣本在角度θ時的投影數據，可選用S-L濾波器：

得到全譜段斷層影像的重建光譜后，對光譜數據進行極大-極小標準歸一化處理。斷層圖影像重建的效果如圖3所示，高光譜重建的效果如圖6所示。

迭代算法包括如下步驟：先對未知圖像向量賦初值：j＝1,2,3…N。

3.1)計算第i條光線的估計投影值：W_ij是投影系數。

3.2)計算誤差也即校正偽影：P_i是第i條射線的投影值。

3.3)計算第j個像素點的修正值：其中N_i從表示第i條光線穿過圖像區域的上像素點的總個數。

3.4)計算第j個像素點的修正值:

3.5)第i條光線上的點都加V_ij進行修正，即對該條射線所穿過的像素值進行修正，將修正的值代入下一個方程，重復3.2)到3.4)，直至所有圖像的所有光線處理完畢，此為一次迭代。

3.6)將上一輪迭代結果作為初值，重復3.2)到3.4)得到第K輪結果，從而得到一序列若符合收斂要求，即對事先給定的很小的正數ε，存在正整數K，使得當k>K時，有

4)對全譜段斷層影像進行圖像分析和處理。針對某一斷面的投影數據，用ART算法和SL算法均可重建得到的斷層圖像，根據圖像結構在該斷層圖像上圈定感興趣區域的坐標。

5)再次利用CT重建算法重建得到感興趣區域的坐標分譜線進行重建，得到重建光譜曲線。使用濾波反投影算法或迭代算法重建指定的感興趣區域的吸收光譜。對感興趣的區域分譜線進行重建，然后把重建后的該譜線衰減系數排列起來，即為該區域的重建光譜曲線。在重建光譜數據的過程中需要歸一化處理，使得所有光譜曲線的最大值和最小值保持一致。為了消除系統噪聲，需引入小波去噪，小波變換的引入降低了噪聲對重建結果的影響，使得光譜數據曲線更平滑，從而提高后續物質識別的準確性。

6)把重建光譜曲線與數據庫中的光譜數據進行相關性對比，從而判斷被測樣本的感興趣區域的物質分類。通過重建圖像得到的相應區域的光譜信息，根據它們的吸收系數對樣本進行分類，并且將其與光譜特征數據庫匹配對比，把重建的光譜和數據庫中的數據之間執行相關性對比，使用Minkowski距離作為相關測試的標準，就可以識別出不同的樣本，Minkowski距離公式如下：

可令p＝3，Minkowski距離是歐幾里德距離的推廣，它可以描述兩個變量之間的相似性，其值越小說明兩個變量越相似。

數據處理后，使用每個樣本的所有的像素來獲得每種材料的重建光譜的平均值，如圖5，6所示，重建后的光譜數據與數據庫中的光譜數據做相關性檢驗，可以看到重建后的光譜曲線與數據庫中的SG的光譜曲線基本吻合，則可以認為這種材料是SG。經多次測試證明，本發明所涉及的系統和方法可以達到很高的辨識準確度。

數據庫由多種材料組成，這里只列了其中四種，(如表1所示)，測量多次，把它們的平均值存儲在數據庫中。

表1

上述僅為本發明的具體實施方式，但本發明的設計構思并不局限于此，凡利用此構思對本發明進行非實質性的改動，均應屬于侵犯本發明保護范圍的行為。