相位衬度图像生成方法及系统与流程

本申请涉及x射线成像的方法及系统，具体地，涉及一种基于吸收衬度图像生成相位衬度图像的方法及系统。

背景技术：

x射线成像常用于医学诊断，以揭示患者器官或组织的状况。吸收衬度成像是一种简单而常用的x射线成像技术，它通常生成高质量的硬组织图像和低质量的软组织图像。不同的x射线成像技术，相位衬度成像，可以生成具有质量更优的软组织图像。目前，相位衬度成像可以使用相位衬度成像设备进行，此方式昂贵且不便。此外，与普通x射线成像设备相比，当前的相位衬度成像设备通常视场(fov，fieldofview)较小，从而生成的相位衬度图像尺寸有限。因此，有必要找到一种在不直接使用相位衬度成像设备的情况下获取任何期望尺寸的相位衬度图像的方法。

技术实现要素：

根据本申请的一方面，提供了一种系统。该系统可以包括存储一组指令的存储设备和与该存储设备通信的至少一个处理器。当至少一个处理器执行该组指令时，该系统被配置为获取第一对象的吸收衬度图像。该系统可以进一步用于获取相位衬度图像生成模型，其中相位衬度图像生成模型可以与第二对象的至少一个吸收衬度图像样本和第二对象的至少一个相位衬度图像样本相关联。该系统还可以执行相位衬度图像生成模型，基于第一对象的吸收衬度图像生成第一对象的相位衬度图像。

根据本申请的另一方面，提供了一种方法。该方法可以在具有存储设备的计算设备上实现，并且至少一个处理器与该存储设备通信。该方法可以包括获取第一对象的吸收衬度图像。该方法还可以包括获取相位衬度图像生成模型，其中相位衬度图像生成模型可以与第二对象的至少一个吸收衬度图像样本和第二对象的至少一个相位衬度图像样本相关联。该方法还可以包括执行相位衬度图像生成模型，基于第一对象的吸收衬度图像生成第一对象的相位衬度图像。

根据本申请的另一方面，提供了一种系统。该系统包括获取模块和处理模块。获取模块可以获取第一对象的吸收衬度图像。获取模块还可以获取相位衬度图像生成模型，其中相位衬度图像生成模型可以与第二对象的至少一个吸收衬度图像样本和第二对象的至少一个相位衬度图像样本相关联。处理模块可以执行相位衬度图像生成模型，基于第一对象的吸收衬度图像生成第一对象的相位衬度图像。

根据本申请的另一方面，提供了一种非暂时性计算机可读介质。非暂时性计算机可读介质可以包括可执行指令，当该指令由电子设备的至少一个处理器执行时，所述至少一个处理器执行操作。该操作包括获取第一对象的吸收衬度图像。该操作还包括获取相位衬度图像生成模型，其中相位衬度图像生成模型可以与第二对象的至少一个吸收衬度图像样本和第二对象的至少一个相位衬度图像样本相关联。该操作还包括执行相位衬度图像生成模型，基于第一对象的吸收衬度图像生成第一对象的相位衬度图像。

在一些实施例中，第一对象的吸收衬度图像和第二对象的至少一个吸收衬度图像样本可以是通过相同的扫描参数扫描以及基于相同的重建参数重建而成的。

在一些实施例中，相位衬度图像生成模型可以是神经网络模型。

在一些实施例中，该方法还包括获取暗场图像生成模型，并执行暗场图像生成模型，基于第一对象的吸收衬度图像生成第一对象的暗场图像。

在一些实施例中，可以基于第二对象的至少一个吸收衬度图像样本和第二对象的至少一个暗场图像样本来训练暗场图像生成模型。

根据本申请的另一方面，提供了一种系统。该系统可以包括存储一组指令的存储设备和与该存储设备通信的至少一个处理器。当至少一个处理器执行该组指令时，系统被配置为获取初始模型。该系统还可以获取对象的至少一对训练图像，包括吸收衬度图像样本和对应的相位衬度图像样本。该系统还可以基于至少一对训练图像训练初始模型以生成相位衬度图像生成模型。

根据本申请的另一方面，提供了一种方法。该方法可以在具有存储设备的计算设备上实现，并且至少一个处理器与存储设备通信。该方法可以包括获取初始模型。该方法还包括获取对象的至少一对训练图像，包括吸收衬度图像样本和对应的相位衬度图像样本。该方法还包括基于至少一对训练图像训练初始模型以生成相位衬度图像生成模型。

根据本申请的另一方面，提供了一种系统。该系统可以包括获取模块和训练模块。获取模块可以获取初始模型。获取模块还可以获取对象的至少一对训练图像，包括对象的吸收衬度图像样本和对应的相位衬度图像样本。训练模块可以基于至少一对训练图像训练初始模型以生成相位衬度图像生成模型。

根据本申请的另一方面，提供了一种非暂时性计算机可读介质。非暂时性计算机可读介质可以包括可执行指令，当该指令由电子设备的至少一个处理器执行时，所述至少一个处理器执行操作。该操作包括获取初始模型。该操作还包括获取对象的至少一对训练图像，包括吸收衬度图像样本和对应的相位衬度图像样本。该操作还包括基于至少一对训练图像训练初始模型以生成相位衬度图像生成模型。

在一些实施例中，获取第二对象的训练图像对进一步包括获取对象的光子信号样本并将光子信号样本分离为吸收衬度信号样本和相位衬度信号样本。获取第二对象的训练图像对还包括，基于吸收衬度信号样本生成吸收衬度图像样本，并基于相位衬度信号样本生成对应的相位衬度图像样本。

在一些实施例中，获取第二对象的光子信号样本还包括使用同步辐射光源扫描对象。

在一些实施例中，对象可以是模拟对象。产生至少一个光子信号样本还可以包括对对象执行至少一次数值模拟以获取至少一个光子信号样本。

在一些实施例中，相位衬度图像生成模型可以是神经网络模型。

在一些实施例中，可以使用深度学习算法来训练初始模型。

在一些实施例中，基于至少一对训练图像训练初始模型以生成相位衬度图像生成模型还包括执行初始模型，基于吸收衬度图像样本生成至少一个输出图像。基于至少一对训练图像训练初始模型以生成相位衬度图像生成模型还包括通过最小化至少一个输出图像与对应的相位衬度图像样本之间的差异来训练初始模型，以生成相位衬度图像生成模型。

附加特征将部分地在下面的描述中阐述，并且部分地对于本领域技术人员在研究以下和附图时将变得显而易见，或者可以通过实施例的制造或操作来学习。可以通过实施或使用下面讨论的详细示例中阐述的各个方面的方法、手段和组合来实现和获取本申请的特征。

附图说明

本申请将结合示例性实施例进一步进行描述。这些示例性的实施例将结合参考图示进行详细描述。这些实施例并非限制性的，在这些实施例中，相同的标号表示相同的结构，其中：

图1是根据本申请一些实施例所示的示例性成像系统的示意图；

图2是根据本申请一些实施例所示的计算设备的示例性硬件和软件组件的示意图；

图3是根据本申请一些实施例所示的可在其上实现终端移动设备的示例性硬件和/或软件组件的示意图；

图4是根据本申请一些实施例所示的示例性处理设备的框图；

图5是根据本申请一些实施例所示的确定相位衬度图像的示例性过程的流程图；

图6是根据本申请一些实施例所示的示例性训练模型的框图；

图7是根据本申请一些实施例所示的模型训练的示例性过程的流程图；

图8是示例性神经网络模型的结构示意图；

图9a是根据本申请一些实施例所示的示例性吸收衬度图像的示意图；以及

图9b是根据本申请一些实施例所示的示例性相位衬度图像的示意图。

具体实施方式

以下描述可以使本领域技术人员能够执行和使用本申请，并且在特定应用及其要求的背景下提供以下描述。对于本领域技术人员来说，对申请的实施例的各种修改是显而易见的，并且在不脱离本申请的精神和范围的情况下，可以将这里定义的一般原理应用于其他实施例和应用。因此，本申请并不限制于所描述的实施例，而是依托于权利要求的最宽泛保护范围。

应当理解，这里使用的术语“系统”、“引擎”、“单元”、“模块”和/或“块”是以升序的形式区分不同组件、元件、部件、不同级别的部分或组件的一种方法。然而，如果它们实现相同的目的，则可以通过另一种表达来替换这些术语。

通常，这里使用的词语“模块”、“单元”或“块”是指体现在硬件或固件中的逻辑，或者是软件指令的集合。本文描述的模块、单元或块可以实现为软件和/或硬件，并且可以存储在任何类型的非暂时性计算机可读介质或其他存储设备中。在一些实施例中，可以编译软件模块/单元/块并将其链接到可执行程序中。应当理解，软件模块可以从其他模块/单元/块或从它们自身调用，和/或可以响应于检测到的事件或中断来调用。配置用于在计算设备(如图2中所示的中央处理器220)上执行的软件模块/单元/块可以在计算机可读介质上提供，例如光盘、数字视频盘、闪存驱动器、磁盘或任何其他有形介质，或者作为数字下载(并且最初可以以压缩或可安装的格式存储，在执行之前需要安装、解压缩或解密)。这里的软件代码可以被部分的或全部的储存在执行操作的计算设备的存储设备中，并应用在计算设备的操作之中。软件指令可以嵌入固件中，例如可擦除可编程只读存储器(erasableprogrammablerom，eprom)。还应当理解，硬件模块/单元/块可以包括在连接的逻辑组件中，例如门和触发器，和/或可以包括可编程单元，例如可编程门阵列或处理器。本文描述的模块/单元/块或计算设备功能可以实现为软件模块/单元/块，但是可以用硬件或固件表示。通常，这里描述的模块/单元/块指的是逻辑模块/单元/块，其在物理组织或存储上可以与其他模块/单元/块组合或者分成子模块/子单元/子块。该描述可适用于系统、引擎或其中部分。

本文中所使用的术语仅用于描述特定示例性实施例，并不限制本申请的范围。如本文使用的单数形式“一”、“一个”及“该”可以同样包括复数形式，除非上下文明确提示例外情形。还应当理解，如在本说明书中，术语“包括”、“包含”仅提示存在所述特征、整体、步骤、操作、组件和/或部件，但并不排除存在或添加一个或多个其他特征、整体、步骤、操作、组件、部件和/或其组合的情况。

参照附图并考虑以下描述，本申请的这些和其他特征以及相关的结构元件以及制造的部件和经济的结合的操作和功能的方法可以变得更加明显，且都构成本申请的部分类别。然而，应当明确理解的是，附图仅用于说明和描述的目的，并不意图限制本申请的范围。应当知晓的是，这些附图并不依照比例。

本申请中使用了流程图用于说明根据本申请一些实施例的系统所执行的操作。应当明确理解，流程图中的操作可以不按顺序实施。相反，可以按照倒序或同时处理各种步骤。同时，也可以将一个或多个其他操作添加到这些流程图中，一个或多个操作也可以从流程图中删除。

本申请的方法和系统可以应用于生成相位衬度图像。该方法示出了基于吸收衬度图像和相位衬度图像生成模型生成相位衬度图像的方法。本申请还包括用于基于神经网络模型训练相位衬度图像生成模型的系统和方法。

图1示出的是根据本申请一些实施例的示例性成像系统的示意图。如图1所示，成像系统100包括扫描仪110、网络120、一个或多个终端130、处理设备140和存储器150。成像系统100中的所有组件可以通过网络120互连。

扫描仪110可以扫描对象并生成与对象有关的扫描数据。在一些实施例中，扫描仪110可以是医学成像设备，例如，x射线设备，计算机断层扫描(ct)设备，数字射线照相(dr)设备等。扫描仪110可以包括机架111、检测器112、检测区域113和扫描检测床114。在一些实施例中，扫描仪110还可以包括放射性扫描源115。机架111可以支撑检测器112和放射性扫描源115。对象可以放置在扫描检测床114上进行扫描。放射性扫描源115可以向对象发射放射线。检测器112可以检测从检测区域113发射的辐射(例如，x射线)。在一些实施例中，扫描仪110可以是ct扫描设备，并且检测器112可以包括用于检测和接收x射线信号的电路。

网络120可以包括能够促进成像系统100的信息和/或数据交换的任何合适的网络。在一些实施例中，成像系统100的一个或多个组件(例如，扫描仪110，终端130，处理设备140，存储器150)可以通过网络120将信息和/或数据发送给成像系统100的一个或多个其他组件。例如，处理设备140可以通过网络120从扫描仪110获取图像数据。又例如，处理设备140可以通过网络120从终端130获取用户指令。网络120可以是和/或包括公共网络(如互联网)、私有网络(如局域网(lan)、广域网(wan)等)、有线网(如以太网)、无线网络(如802.11网络、wifi网络等)、蜂窝网络(如长期演进网络)、帧中继网络，虚拟专用网络(vpn)、卫星网络、电话网络、路由器、集线器、服务器计算机和/或以上任意组合。仅作为示例，网络120可以包括有线电视网络、有线网络、光纤网络、电信网络、内联网、无线局域网(wlan)、城域网(man)、公共电话交换网络(pstn)、蓝牙网络、zigbee网络、近场通信(nfc)网络等，或其任意组合。在一些实施例中，网络120可以包括至少一个网络接入点。例如，网路120可以包括有线或无线网路接入点，如基站和/或网路接入点，通过该网路接入点，成像系统100的一个或多个部件可以连接到网络120以交换数据和/或信息。

在一些实施例中，终端130可以包括移动设备130-1、平板电脑130-2、手提电脑130-3等或其任意组合。在一些实施例中，移动设备130-1可以包括智能家居设备、可穿戴设备、智能移动设备、虚拟现实设备、混合现实设备等或其任意组合。在一些实施例中，智能家居设备可以包括智能照明设备、智能电气设备的控制设备、智能监控设备、智能电视、智能摄像机、对讲机等或其任意组合。在一些实施例中，可穿戴设备可以包括智能手镯、智能鞋袜、智能眼镜、智能头盔、智能手表、智能服装、智能背包、智能配件等或其任意组合。在一些实施例中，智能移动设备可以包括智能手机、个人数字助理(personaldigitalassistance，pda)、游戏设备、导航设备、销售点(pointofsale，pos)设备、笔记本电脑、平板电脑、台式机等或其任意组合。在一些实施例中，虚拟现实设备和/或混合现实设备可以包括虚拟现实头盔、虚拟现实眼镜、虚拟现实眼罩、混合现实头盔、混合现实眼镜、混合现实眼罩等或其任意组合。例如，虚拟现实设备和/或混合现实设备可以包括google眼镜、oculusrift头戴式显示设备、全息透镜、vr头盔等。在一些实施例中，终端130可以是处理设备140的一部分。

处理设备140可以处理从扫描仪110、终端130和/或存储器150获取数据和/或信息。在一些实施例中，处理设备140可以是单个服务器或服务器组。服务器组可以是集中式的或分布式的。在一些实施例中，处理设备140可以是本地的或远程的。例如，处理设备140可以通过网络120访问存储在扫描仪110、终端130和/或存储器150中的信息和/或数据。又例如，处理设备140可以直接连接到扫描仪110、终端130和/或存储器150访问存储的信息和/或数据。在一些实施例中，处理设备140可以在云平台上实现。仅作为示例，云平台可以包括私有云、公共云、混合云、社区云、分布式云、云间云、多层云等，或其任意组合。在一些实施例中，处理设备140可以由具有如图2所示的一个或多个组件的计算设备200实现。

存储器150可以存储数据、指令和/或其他信息。在一些实施例中，存储器150可以存储从终端130或者处理设备140获取的数据。在一些实施例中，存储器150可以存储处理设备140将执行或使用来完成本申请中描述的示例性方法的数据及/或指令。在一些实施例中，存储器150可以包括大容量存储器、可移动存储器、易失性读写存储器、只读存储器(rom)等或其任意组合。示例性的大容量存储器可以包括磁盘、光盘、固态磁盘等。示例性可移动存储器可以包括闪存驱动器、软盘、光盘、存储卡、压缩盘、磁带等。示例性的易失性读写存储器可以包括随机存取存储器(randomaccessmemory，ram)。示例性的ram可以包括动态ram(dynamicram，dram)、双倍数据速率同步动态ram(doubledateratesynchronousdynamicram，ddrsdram)、静态ram(staticram，sram)，晶闸管ram(thyristorram，t-ram)和零电容器ram(zero-capacitorram，z-ram)等。示例性rom可以包括屏蔽式堆读内存(maskrom，mrom)、可编程存储器(programmablerom，prom)、可擦除可编程rom(erasableprogrammablerom，perom)、电可擦除可编程rom(electricallyerasableprogrammablerom，eeprom)、光盘rom(compactdisk，cd-rom)和数字多功能盘rom等。在一些实施例中，存储器150可以在云平台上实现。仅作为示例，所述云平台可以包括私有云、公共云、混合云、社区云、分布云、内部云、多层云等或上述举例的任意组合。

在一些实施例中，存储器150可以连接到网络120与成像系统100中的一个或多个其他组件(例如，处理设备140，终端130等)通信。成像系统100中的一个或多个组件可以经由网络120访问存储在存储器150中的数据或指令。在一些实施例中，存储器150可以直接连接到成像系统100中的一个或多个其他组件(例如，处理设备140，终端130等)或与之通信。在一些实施例中，存储器150可以是处理设备140的一部分。

图2示出的是根据本申请一些实施例的计算设备的示例性硬件和软件组件的示意图。

计算设备200可以是通用计算机或专用计算机，两者都可以用于实现本申请的成像系统。在一些实施例中，处理设备140可以通过其硬件、软件程序、固件或其组合在计算设备200上实现。例如，计算设备200可以获取初始模型。计算设备200可以基于至少一个吸收衬度图像样本和至少一个相位衬度图像样本来训练初始模型以获取训练好的模型。计算设备200可以执行相位衬度图像生成模型(例如，该训练好的模型)，基于吸收衬度图像生成相位衬度图像。尽管仅示出了一个这样的计算机，但是为了方便起见，可以在多个类似平台上以分布式方式实现与这里描述的ct成像有关的计算机功能，以分配处理负荷。

例如，计算设备200可以包括连接和来自网络的com端口250，以促进数据通信。计算设备200还可以包括一个或多个处理器形式的中央处理单元(cpu)220，用于执行程序指令。示例性计算机平台可以包括内部通信总线210，不同类型的程序存储器和数据存储器，例如，磁盘270、以及只读存储器(rom)230、或随机存取存储器(ram)240，适用于计算机处理和/或通信的各种数据文件。示例性计算机平台还可以包括存储在rom230、ram240的程序指令，和/或将由cpu220执行的其他类型的非暂时性存储介质中的程序指令。本申请的方法和/或过程可以以程序指令实现。计算设备200还包括i/o设备260，其可以支持计算机与其中的其他组件(例如用户界面元件280)之间的输入/输出。计算设备200还可以经由网络通信接收编程和数据。

计算设备200还可以包括与硬盘通信的硬盘控制器、与小键盘/键盘通信的小键盘/键盘控制器、与串行外围设备通信的串行接口控制器、与并行外围设备通信的并行接口控制器、与显示器通信的显示控制器等，或其任意组合。

仅仅为了说明，在计算设备200中仅描述了一个cpu和/或处理器。然而，应当注意，本申请中的计算设备200还可以包括多个cpu和/或处理器，因此操作和/或由本申请中描述的由一个cpu和/或处理器执行的方法步骤也可以由多个cpu和/或处理器联合或单独执行。例如，如果在本申请中计算设备200的cpu和/或处理器执行操作a和操作b，则应当理解，操作a和操作b也可以由计算设备200中两个不同的cpu和/或处理器共同或者单独执行(例如，第一处理器执行操作a并且第二处理器执行操作b，或者第一和第二处理器共同执行操作a和b)。

图3示出的是根据本申请一些实施例的可在其上实现终端的移动设备的示例性硬件和/或软件组件的示意图。如图3所示，移动设备300可以包括通信单元310、显示器320、图形处理单元(gpu)330、中央处理单元(cpu)340、i/o350、存储器360和存储器390。在一些实施例中，任何其它合适的组件，包括但不限于系统总线或控制器(未示出)，也可以包括在移动设备300中。在一些实施例中，移动操作系统370(例如，ios、android、windowsphone等)和一个或多个应用程序380可以从存储器360加载到存储器390中，以便由cpu340执行。应用程序380可以包括浏览器或任何其他合适的移动应用程序，用于从处理设备140接收和显示与图像处理或其他信息有关的信息。用户与信息流的交互可以通过i/o350实现，并通过网络120提供给处理设备140和/或成像系统100的其他组件。在一些实施例中，用户可以通过移动设备300向成像系统100输入参数，以便成像系统100执行相位衬度图像生成模型。可选地或附加地，用户可以通过移动设备300向成像系统100输入参数，以便成像系统100训练初始模型。

为了实现上述各种模块、单元及其功能，计算机硬件平台可以用作一个或多个元件的硬件平台(例如，处理设备140和/或图1中所描述的成像系统100的其他部分)。由于这些硬件元件、操作系统和程序语言很常见，可以假设本领域技术人员熟悉这些技术，并且本领域技术人员可以根据本申请中描述的技术提供成像所需的信息。具有用户界面的计算机可以用作个人计算机(pc)或其他类型的工作站或终端设备。在正确编程之后，具有用户界面的计算机可以用作服务器。可以认为本领域技术人员也熟悉该类型计算机设备的这种结构、程序或一般操作。因此，没有针对附图描述额外的解释。

图4示出的是根据本申请一些实施例的示例性处理引擎的框图。处理设备140可以包括获取模块410、训练模块420、处理模块430和存储模块440。

获取模块410可以获取图像、模型或其他信息。在一些实施例中，图像包括吸收衬度图像、相位衬度图像、暗场图像等，或其任意组合。模型包括相位衬度图像生成模型和暗场图像生成模型等，或其任意组合。

训练模块420可以用于训练初始模型并获取训练好的模型。初始模型和/或训练好的模型可以是神经网络模型。训练模块420可以使用深度学习算法训练初始模型。训练模块420可以执行初始模型和/或训练好的模型，基于吸收衬度图像生成相位衬度图像。在一些实施例中，训练模块420可以包括获取单元610、分离单元620、训练单元630和处理单元640。关于训练模块420的更多描述可以参见本申请其他部分。例如，可参见图6及其描述。

处理模块430可以用于执行模型和/或生成图像。在一些实施例中，处理模块430可以执行相位衬度图像生成模型，基于吸收衬度图像生成相位衬度图像。当执行相位衬度图像生成模型时，处理模块430可以将模型应用于吸收衬度图像。在生成对应于对象的不同器官和组织的专用模型的情况下，处理模块430可以首先识别吸收衬度图像中的器官和/或组织，并将该吸收衬度图像输入到对应的模型。例如，对于与患者的头部相关的吸收衬度图像，处理模块430可以选择并使用头部的相位衬度图像生成模型。

在一些实施例中，处理模块430可以执行暗场图像生成模型，基于吸收衬度图像生成暗场图像。处理模块430可以基于至少一个吸收衬度图像样本和至少一个暗场图像样本来训练暗场图像生成模型。

存储模块440可以存储在生成相位衬度图像的过程的信息。在一些实施例中，存储模块440可以存储第一对象的吸收衬度图像、第二对象的至少一个吸收衬度图像样本和第二对象的至少一个相位衬度图像样本等，或其任意组合。处理设备140的其他模块(例如，获取模块410、训练模块420或处理模块430)可以访问存储在存储模块440中的信息。

处理设备140中的模块可以经由有线连接或无线连接彼此连接或通信。有线连接可以包括金属线缆、光缆、混合线缆等，或其任意组合。无线连接可以包括局域网(lan)、广域网(wan)、蓝牙、zigbee、近场通信(nfc)等，或其任意组合。两个或更多个模块可以组合成单个模块，并且任何一个模块可以分成两个或更多个模块。例如，获取模块410和处理模块430可以组合为执行相应功能的单个模块。作为另一示例，训练模块420和处理模块430可以集成到执行相应功能的单个模块中。作为另一示例，可以省略训练模块420，并且可以通过外部设备训练模型。这些模型可以存储在例如存储模块440中，或者通过例如获取模块410从外部设备寻找。

图5示出的是根据本申请一些实施例的用于确定相位衬度图像的示例性过程的流程图。过程500可以由处理设备140执行。例如，过程500可以是存储在存储器(例如rom230、ram240、存储器150、存储器390、存储模块440、成像系统100外部的且可由成像系统100访问的存储设备)的一组指令(例如，应用程序)。cpu220可以执行该组指令，并且当执行该指令时，它可以用于执行过程500。

在510中，获取模块410可以获取第一对象的吸收衬度图像。在一些实施例中，第一对象可包括身体的特定部分、特定器官或特定组织，例如头部、大脑、颈部、身体、肩部、手臂、胸部、心脏、胃、血管、软组织、膝盖、脚等，或其任意组合。在一些实施例中，第一对象可以是人类患者或其一部分。第一对象可以是动物、物质、材料等，或其任意组合。在一些实施例中，吸收衬度图像可以由x射线成像设备获取，例如，数字射线照相(dr)设备、计算机断层扫描(ct)设备、c型臂x射线机、四维ct设备等，或其任意组合。吸收衬度图像可以是阴影图。根据第一对象中的各个部分的不同衰减系数(也称为衰减率)，可以生成吸收衬度图像中的像素的灰度值的衬度。例如，对象的不同部分可基于其衰减系数不同地衰减或吸收x射线剂量。检测器(例如，检测器112)可以检测穿过对象的不同部分并撞击在检测器112上的x射线的强度。获取模块410可基于检测器检测到x射线的不同强度重建对象的吸收衬度图像。

在一些实施例中，吸收衬度图像可以是任意尺寸。例如，吸收衬度图像的长度(或宽度)可以在3cm和100cm之间变化。仅作为示例，吸收衬度图像的长度(或宽度)可以是15cm、30cm、40cm、44cm、50cm、60cm等。在一些实施例中，第一对象的吸收衬度图像的尺寸和吸收衬度图像样本(可用于训练适用于吸收衬度图像的模型)的尺寸可以是不同的。例如，吸收衬度图像样本可以是长度(或宽度)在3cm和15cm之间变化的小图像。吸收衬度图像可以是长度(或宽度)在5cm和100cm之间变化的大图像。吸收衬度图像可以包括轴向图像、冠状图像、矢状图像等，或其任意组合。吸收衬度图像可以是包括一堆二维(2d)图像的三维(3d)图像。

在520中，获取模块410可以获取相位衬度图像生成模型。相位衬度图像生成模型可用于基于吸收衬度图像生成相位衬度图像。在一些实施例中，获取模块410可以通过基于与被成像的第一对象不同的第二对象的至少一个吸收衬度图像样本和至少一个相位衬度图像样本的训练来获得相位衬度图像生成模型。获取模块410可以通过用一个或多个相同的扫描参数扫描并基于一个或多个相同的重建参数进行重建，以获取第一对象的吸收衬度图像和第二对象的至少一个吸收衬度图像样本。扫描参数可以包括管电压、管电流、管频率、扫描模式、扫描持续时间等，或其任意组合。重建参数可以包括重建中的图像层厚度、滤波器类型、滤波强度等，或其任意组合。在一些实施例中，获取模块410可以通过使用相同或相似能级的辐射源扫描获取第一对象的吸收衬度图像和第二对象的至少一个吸收衬度图像样本。例如，获取模块410可以均使用120kv的辐射源扫描获取第一对象的吸收衬度图像和第二对象的至少一个样品吸收衬度图像。

在一些实施例中，相位衬度图像生成模型可以是神经网络模型。神经网络模型包括人工神经网络(ann)模型、生物神经网络模型、卷积神经网络(cnn)等，或其任意组合。关于相位衬度图像生成训练的更多描述可以参见本申请其他部分。例如，参见图7及其描述。关于神经网络结构的更多描述可以参见本申请的其他部分。例如，参见图8及其描述。

在530中，处理模块430可以执行相位衬度图像生成模型，基于第一对象的吸收衬度图像生成第一对象的相位衬度图像。相位衬度图像可以与第一对象对应。例如，如果吸收衬度图像是头部的吸收衬度图像，则相位衬度图像可以是该头部的相位衬度图像。在一些实施例中，相位衬度图像生成模型可以是通用模型或专用模型。通用模型可用于生成对应于多个对象或一个对象多个部分的多种类型的吸收衬度图像的一个或多个相位衬度图像。该通用模型可以基于与一种对象(例如，人体、动物(如狗、猫))的一个或多个不同部分相关联多个吸收衬度图像样本和多个相位衬度图像样本来训练得到。在一些实施例中，训练中使用的多个吸收衬度图像样本和多个相位衬度图像样本可以覆盖整个人体。专用模型可以对应于特定的对象或身体部分。例如，大脑的专用模型可以用于基于大脑的吸收衬度图像生成大脑的相位衬度图像。如果将大脑的专用模型用于胸部的吸收衬度图像，则可能不会生成相位衬度图像或者所生成的相位衬度图像可能是低质量图像。又例如，针对特定对象组的专用模型可以仅用于处理该组对象的图像。例如，对于特定年龄组的儿童，该模型的使用可以仅限于该年龄组儿童的吸收衬度图像。专用模型可以基于与特定对象、对象的特定部分、特定组的对象或特定组对象的特定部分相关的吸收衬度图像样本和相位衬度图像样本来训练。

在一些实施例中，获取模块410可以获取暗场图像生成模型。处理模块430可执行暗场图像，基于吸收衬度图像生成模型以生成暗场图像。在一些实施例中，暗场图像生成模型可以基于第二对象的至少一个吸收衬度图像样本和第二对象的至少一个暗场图像样本来训练。

应当注意的是，以上描述仅出于说明的目的而提供，并不旨在限制本申请的范围。对于本领域普通技术人员，可以在本申请的指导下进行多种变化和修改。然而，这些变化和修改不脱离本申请的范围。例如，可以在示例性过程500中添加一个或多个其他可选操作(例如，存储中间或最终结果的操作)。

图6示出的是根据本申请一些实施例的示例性训练模型的框图。如图6所示，训练模块420包括获取单元610、分离单元620、训练单元630和处理单元640。

获取单元610可以用于获取初始模型。初始模型可以是具有默认内部结构(也称为内部参数)的通用模型。获取单元610可以获取至少一个光子信号样本。可选的，获取单元610可以获取至少一个吸收衬度图像样本和至少一个相位衬度图像样本。在一些实施例中，获取单元610可以获取半训练的模型或训练好的模型。

分离单元620可以用于执行分离操作。在一些实施例中，分离单元620可以将光子信号分离为吸收衬度信号样本和相位衬度信号样本。在一些实施例中，分离单元620可以通过信息提取技术分离光子信号。示例性的信息提取技术包括相位步进技术、反向投影技术、傅里叶变换技术、窗口傅里叶变换技术、共轭光线对算法等，或其任意组合。

训练单元630可以用于训练初始模型。训练单元630可以基于至少一个吸收衬度图像样本和至少一个相位衬度图像样本来训练初始模型。训练单元630可以训练初始模型以生成相位衬度图像生成模型。在一些实施例中，训练单元630可以使用深度学习算法训练初始模型。关于训练初始模型过程的更多描述可以参见本申请的其他部分。例如，可参见图7及其描述。

处理单元640可以处理生成或获取的信息并相应地生成处理结果。在一些实施例中，处理单元640可以执行初始模型，基于其中一个吸收衬度图像样本以生成输出图像。处理单元640可以确定输出图像与对应于该吸收衬度图像样本的相位衬度图像样本之间的差异。处理单元640可以确定预设条件是否被满足。

图7示出的是根据本申请一些实施例的用于模型训练的示例性过程的流程图。过程700可以由处理设备140执行。例如，过程700可以是存储在存储器150、rom230、ram240、存储器390、存储模块440和/或可由成像系统100访问的外部存储设备中的一组指令(例如，应用程序)。cpu220可以执行该组指令，并且当执行该指令时，cpu220可以被配置为执行过程700。以下所示的操作的过程旨在说明。在一些实施例中，过程700在操作时可以附加一个或多个未描述的操作和/或省略一个或多个所描述的操作。另外，如图7所示的过程操作的顺序和以下描述是非限制性的。

在710中，获取单元610可以获取初始模型。初始模型可以被训练成为相位衬度图像生成模型。在一些实施例中，初始模型可以是神经网络模型。在一些实施例中，初始模型可以根据不同情况被预定义。例如，初始模型的内部结构或参数可根据与初始模型(和/或训练好的模型)相关联的特定对象的一个或多个特征(例如，大小、复杂度)进行预定义。在一些实施例中，初始模型可以是适用于多个对象的相位衬度图像生成模型，训练过程700可以为了一组期望的对象或其部分而重新训练该相位衬度图像生成模型。

在720中，获取单元610可获取至少一个光子信号样本。对象的光子信号样本可以被处理用于提供对象的吸收衬度信号样本和相位衬度信号样本。例如，可以基于光子信号样本获取折射率。样品吸收衬度信号和样品相位衬度信号可以分别与折射率的实部和虚部相关。

仅作为示例，吸收衬度信号μ可以表示为：

其中，uk表示吸收截面积，λ表示x射线的波长，k表示波数。

相位吸收衬度信号φ可以表示为：

其中，pk表示相移横截面积。

折射率可表示为：

n＝1-δ+iβ,(5)

其中n表示折射率(例如，对象的折射率)，折射率的实部δ，与公式(3)中的相位吸收衬度信号φ有关，折射率的虚部β，与公式(1)中的吸收衬度信号μ有关。

在一些实施例中，可以通过使用同步辐射光源扫描对象来获取光子信号样本。在一些实施例中，该对象可以是模拟对象(例如，计算机模拟对象)。可以对模拟对象执行至少一次模拟扫描以生成至少一个光子信号样本。例如，可以对模拟对象执行数值模拟(例如，蒙特卡罗模拟)以生成至少一个光子信号样本。

在730中，分离单元620可以将每一个光子信号样本中分离为吸收衬度信号样本和相位衬度信号样本。在一些实施例中，分离单元620可通过信息提取技术分离光子信号样本。示例性的信息提取技术可以包括相位步进技术、反向投影技术、傅里叶变换技术、窗口傅里叶变换技术、共轭光线对算法等，或其任意组合。相位步进算法包括交叉相位步进算法、电磁相位步进算法等。

在740中，获取单元610可以获取至少一对训练图像，包括吸收衬度图像样本和对应的相位衬度图像样本。其中，如果吸收衬度图像和相位衬度图像的至少一部分与同个对象或对象的同个部分相关联，则可以认为该吸收衬度图像对应于该相位衬度图像。在一些实施例中，吸收衬度图像样本和相位衬度图像样本可以分别通过基于吸收衬度信号样本和对应的相位衬度信号样本的图像重建来获取。在一些实施例中，吸收衬度信号样本和对应的相位衬度信号样本可以由分离单元620基于本文其他地方描述的光子信号来确定。在一些实施例中，可以通过扫描对象直接获取吸收衬度信号样本和对应的相位衬度信号样本。在一些实施例中，可以从图像库检索吸收衬度信号样本和对应的相位衬度信号样本(或对应的吸收衬度图像样本和相位衬度图像样本)。在一些实施例中，吸收衬度图像样本可以对应于相位衬度图像样本。例如，吸收衬度图像样本和样本相衬度图像可以对应于相同的对象。

在一些实施例中，可以分别获取对象的吸收衬度图像样本和相位衬度图像样本。例如，可通过x射线成像设备获取对象的吸收衬度图像样本，并且可以通过x射线光栅相位衬度成像设备获取该对象的相位衬度图像样本。在一些实施例中，当对象是模拟对象时，可以通过数值模拟(例如，蒙特卡罗模拟)获取对象的吸收衬度图像样本和相位衬度图像样本。

在一些实施例中，被成像的对象的吸收衬度图像的尺寸和用于训练初始模型的吸收衬度图像样本(用于训练模型)的尺寸可以是不同的。例如，吸收衬度图像样本可以是长度(或宽度)在3cm和15cm之间变化的小图像。被成像对象的吸收衬度图像可以是长度(或宽度)在5cm和100cm之间变化的大图像。

在一些实施例中，过程700可以是迭代过程。例如，训练单元630可执行多次迭代训练初始模型。在每次迭代中，可以对同一对象的一对吸收衬度图像样本和对应的相位衬度图像样本执行操作750、操作760、操作770和操作780，并可以相应地更新初始模型。当780中的预设条件满足时，迭代过程可以结束。

在750中，处理单元640可以执行初始模型或更新的初始模型，基于吸收衬度图像样本生成输出图像。输出图像可以是与吸收衬度图像样本对应的输出相位衬度图像。

在760中，处理单元640可以确定输出图像与对应于吸收衬度图像样本的相位衬度图像样本之间的差异。在一些实施例中，可以根据损失函数评估输出图像和相位衬度图像样本之间的差异。损失函数可以包括但不限于l1范数损失函数、l2范数损失函数、二次代价函数、交叉熵损失函数、对数似然成本函数等，或其任意组合。

在770中，处理单元640可以基于该差异更新初始模型(或进一步更新已更新的初始模型)。在一些实施例中，处理单元640可通过不同策略更新初始模型。例如，如果当前迭代中的输出图像和相位衬度图像样本之间的差异小于阈值(例如，在先前迭代中确定的差异)，则处理单元640可以更新初始模型的部分或全部参数。如果当前迭代中输出图像和相位衬度图像样本之间的差异大于前一次迭代中的差异，则在当前的迭代循环中不更新初始模型。

在780中，处理单元640可以确定是否满足预设条件。如果满足预设条件，则过程700可以进行到790；否则，过程700可以返回到750。在一些实施例中，预设条件可以包括利用所有可用的吸收衬度图像样本和对应的相位衬度图像样本训练初始模型。作为另一示例，预设条件可以包括在一次或多次连续迭代中输出图像和相位衬度图像样本之间的差小于某阈值。作为另一示例，预设条件可以包括当前迭代中的输出图像和相位衬度图像样本之间的差异在预设的迭代次数中不改变。作为又一示例，预设条件可以是训练模型收敛，例如训练模型的参数在一定次数的迭代中不改变或仅在一定范围内改变。

在790中，处理单元640可以提供训练好的模型。训练好的模型可以是用于基于吸收衬度图像生成相位衬度图像的相位衬度图像生成模型。关于使用训练好的模型的更多描述可以参见图5及其相关描述。

图8示出的是示例性神经网络模型的结构示意图。神经网络模型可用于构建相位衬度图像生成模型。在一些实施例中，神经网络模型可以包括人工神经网络(ann)模型、生物神经网络(bnn)模型、卷积神经网络(cnn)模型等，或其任意组合。以cnn模型为例，cnn模型可以基于被称为人工神经元(类似于生物脑中的轴突)的连接单元的集合来执行。神经元之间的每个连接(突触)可促进从一个神经元到另一个神经元的信号传输。接收(突触后)神经元可以处理信号和与其连接的下游神经元。通常，神经元是分层组织的。

如图8所示，神经网络模型可包括多层。多层中的不同层可以基于它们的输入执行不同种类的变换。例如，cnn模型可以包括输入层、卷积层、池化层、全连接层等。神经网络模型的输入810可以包括至少一个吸收衬度图像样本。例如，x1,x2,…xn中的每一个可以表示一个吸收衬度图像样本。神经网络模型的输出820可以包括至少一个相位衬度图像样本。例如，y1,y2,…ym中的每一个可以表示一个相位衬度图像样本。在训练过程中，模型可以根据其输入和输出发展其内部结构或层的参数。

图9a和图9b分别示出的是示例性吸收衬度图像和对应的相位衬度图像的示意图。图9a示出的是通过使用x射线成像设备扫描对象获取的吸收衬度图像。图9b示出的是通过本申请中披露的方法生成的相位衬度图像(例如，通过基于图9a中的吸收衬度图像执行相位衬度图像生成模型)。可以看出，图9b所示软组织的相位衬度图像比图9a所示的该软组织的吸收衬度图像具有更好的质量(例如，更高的信噪比，更高的衬度)。

在一些实施例中，图9a所示的吸收衬度图像和图9b所示的相位衬度图像可以用来训练初始模型。在一些实施例中，处理设备140(例如，处理模块430)可执行相位衬度图像生成模型，基于图9a所示的吸收衬度图像以生成图9b所示的相位衬度图像。

上文已对基本概念做了描述，显然，对于阅读此申请后的本领域的普通技术人员来说，上述申请披露仅作为示例，并不构成对本申请的限制。虽然此处并未明确说明，但本领域的普通技术人员可以进行各种变更、改良和修改。该类修改、改进和修正在本申请中被建议，所以该类修改、改进、修正仍属于本申请示范实施例的精神和范围。

同时，本申请使用了特定术语来描述本申请的实施例。如“一个实施例”、“一实施例”、和/或“一些实施例”意指与本申请至少一个实施例相关的某一特征、结构或特性。因此，应强调并注意的是，本说明书中在不同位置两次或多次提及的“一实施例”或“一个实施例”或“一替代性实施例”并不一定是指同一实施例。此外，本申请的一个或多个实施例中的某些特征、结构或特性可以进行适当的组合。

此外，本领域的普通技术人员可以理解，本申请的各方面可以通过若干具有可专利性的种类或情况进行说明和描述，包括任何新的和有用的制程、机器、产品或物质的组合，或对其任何新的和有用的改良。相应地，本申请的各个方面可以完全由硬件执行、可以完全由软件(包括固件、常驻软件、微码等)执行、也可以由硬件和软件组合执行。以上硬件或软件均可被称为“数据块”、“模块”、“引擎”、“单元”、“组件”或“系统”。此外，本申请的各方面可以呈现为位于一个或多个计算机可读媒体中的计算机产品，该产品具有计算机可读程序编码。

计算机可读信号介质可能包含一个内含有计算机程序编码的传播数据信号，例如在基带上或作为载波的一部分。此类传播讯号可以有多种形式，包括电磁形式、光形式等或任何合适的组合形式。计算机可读信号介质可以是除计算机可读存储介质之外的任何计算机可读介质，该介质可以通过连接至一个指令执行系统、设备或设备以实现通讯、传播或传输供使用的程序。位于计算机可读信号介质上的程序编码可以通过任何合适的介质进行传播，包括无线电、电缆、光纤电缆、rf、或类似介质、或任何上述介质的组合。

本申请各方面操作所需的计算机程序码可以用一种或多种程序语言的任意组合编写，包括面向对象程序设计，如java、scala、smalltalk、eiffel、jade、emerald、c++、c#、vb.net，python或类似的常规程序编程语言，如“c”编程语言、visualbasic、fortran1703、perl、cobol1702、php、abap，动态编程语言如python、ruby和groovy或其它编程语言。程序代码可以完全在用户计算机上运行、或作为独立的软件包在用户计算机上运行、或部分在用户计算机上运行部分在远程计算机上运行、或完全在远程计算机或服务器上运行。在后种情况下，远程计算机可以通过任何网络形式与用户计算机连接，比如局域网(lan)或广域网(wan)，或连接至外部计算机(例如通过因特网)，或在云计算环境中，或作为服务使用如软件即服务(saas)。

然而，处理元素或者序列的列举顺序、数字、字母或者其他名称的使用不是用于限制要求的过程和方法的。尽管上述披露中通过各种示例讨论了一些目前认为有用的申请实施例，但应当理解，此类细节仅起说明的目的，本申请权利要求范围并不仅限于披露的实施例，相反，本申请权利要求范围旨在覆盖所有符合本申请实施例精神和范围的修正和等价组合。例如，虽然以上所描述的系统组件可以通过硬件设备实现，但是也可以只通过软件的解决方案得以实现，如在现有的服务器或移动设备上安装所描述的系统。

同理，应当注意的是，为了简化本申请揭示的表述，从而帮助对一个或多个申请实施例的理解，前文对本申请实施例的描述中，有时会将多种特征归并至一个实施例、附图或对其的描述中。然而，此揭示方法并不意味着本申请所需的特征比申请专利范围中涉及的特征多。实际上，实施例的特征可以少于上述披露的单个实施例的全部特征。

在一些实施例中，表达用于描述和要求本申请的某些实施方案的数量或性质的数字应理解为在某些情况下通过术语“约”，“近似”或“基本上”修饰。例如，除非另有说明，否则“约”，“近似”或“基本上”可表示其描述的值的±20％变化。因此，在一些实施例中，书面描述和所附权利要求中列出的数值参数是近似值，其可以根据特定实施方案寻求获取的所需性质而变化。在一些实施例中，数值参数应根据报告的有效数字的数量并通过应用普通的舍入技术来解释。尽管阐述本申请的一些实施例的宽范围的数值范围和参数是近似值，但具体实施例中列出的数值尽可能精确地报告。

本文引用的每篇专利、专利申请、专利申请的出版物和其他材料，例如文章、书籍。说明书、出版物、文献、物品和/或类似物，在此通过引用全部并入本文，除了与本文件相关联的，与本文件不一致或冲突的任何相同的，或任何可能对现在或之后的权利要求的最广泛范围具有限制性影响的任何相同的起诉文件历史。举例来说，在与本文相关联的任何所包含的材料相关联的术语描述、定义和/或使用与本文存在任何不一致或冲突，以本文中的术语描述、定义和/或使用为准。

最后，应当理解的是，本申请的实施例是对本申请的实施例的原理说明。可以在本申请的范围内采用的其他修改。因此，作为示例而非限制，可以根据本文的指导利用本申请的实施例的替代配置。因此，本申请的实施例不限于精确地如所示和所述的那些。