一种基于大数据的锥束CT散射校正系统及校正方法与流程

本发明涉及一种基于大数据的锥束CT散射校正系统及校正方法，属于锥束CT检测技术领域。

背景技术：

锥束CT因为轴向覆盖增大导致X射线曝光面积比扇束CT大很多，所以散射成分在探测器探测到的总能量中的贡献很大，造成散射伪影、对比度降低、图像细节减少、CT值不准确等问题，最终降低图像质量。因此，锥束CT常常采用许多方法进行散射校正。散射校正的目标是在校正的效果、剂量、运算时间等方面满足用户应用的需求。

常用的散射校正方法包括：

1、空气间隙法：因为散射是不沿光源到探测器连线的，因此增大物体与探测器的距离，可使部分散射线不能进入探测器区域。

此方法的缺点是，相比其它方法对同样的物体成像时需要更大的探测器。

2、防散栅法：防散栅由一系列有间隔的对X射线衰减强的薄片组成。可让射束方向的射线通过，并对偏离射束方向的射线进行有效的衰减，从而降低散射线被探测的几率。防散栅分为一维防散栅和二维防散栅。

此方法的缺点是，因为强衰减材料对射束造成部分阻挡，使剂量利用率降低。

3、蝴蝶结补偿器：在CT系统中选用蝴蝶结补偿器的初衷是，使探测器单元接收到的X射线量相同，以弥补探测器动态范围不足的问题。蝴蝶结补偿器的使用还会带来其他好处，如患者受照剂量的降低、散射成分的降低。

此方法的缺点是，蝴蝶结补偿器降低部分散射，但也带来了自身的散射；另外蝴蝶结补偿器如果设计不好，也可能引入新的伪影。

4、投影预处理法：

最简单的方法是均匀散射成分法（Uniform Scatter Fraction），根据投影中的最小计数和物体的大小直接估计散射量，然后从投影中去除。另外一种投影预处理的方法是散射核方法（Scatter Kernel Method），将物体等效在通过等中心、平行于探测器的平面，通过与散射核的卷积计数散射成分，然后从投影中扣除。

5、迭代法：

此方法先基于原始投影重建物体，在通过解析方法（卷积核）或蒙特卡洛模拟方法获得散射对投影的贡献，然后从原始投影中扣除散射影响后，重建物体。

此方法，特别是蒙特卡洛模拟的方法，缺点是计算时间过长。但随着计算平台的改善特别是图像处理卡（GPU）的应用，以及算法的简化与优化，相信不久的将来会有越来越多的实际应用。

6、挡线板法：

除了正常的投影采集，此方法还要额外进行一次带挡线板的采集，挡线板有点状和（静止或运动的）线状两种。挡线板的区域被分为两种，一种是X射线自由通过区域，该种区域占比较高；另外一种是X射线高衰减区域；直射的X射线基本上不可能透过高衰减区域进入探测器，因此高衰减区域对应的探测器像素探测到的X射线，均为散射线的贡献。考虑到散射成分的慢空间变化，可以根据高衰减区域测量得到的散射，内插、外推获得所有区域的散射贡献。在正常采集的投影中减去散射贡献，即可得到无散射的投影图。

此方法的缺点是，额外一次扫描增加了患者的受照剂量，同时因为移动的存在，可能引入校正伪影。

技术实现要素：

因此，本发明的目的在于克服现有技术中的缺陷，提供一种能够快速得到精确重建结果的基于大数据的锥束CT散射校正系统及校正方法。

为了实现上述目的，本发明的一种基于大数据的锥束CT散射校正系统，包括：

锥束CT系统，与计算机系统相连，用于采集患者被测部位的原始投影，并将采集到的原始投影发送至计算机系统；

计算机系统，包括散射数据库用于存储若干患者信息和被测部位的外形信息及其对应的散射数据；所述计算机系统，用于接收输入的患者信息和被测部位的外形信息以及接收所述锥束CT系统采集的原始投影，用于根据接收到的患者信息和被测部位的外形信息在散射数据库中调取相近的散射数据，用于对调取到的散射数据进行调整后形成各投影角度下的散射投影贡献，用于在原始投影中减去所述散射投影贡献后进行初步模型重建，用于采用基于蒙特卡洛方法的迭代法进行精确模型重建和计算出对应的散射数据，并对计算出的散射数据进行存储从而更新散射数据库。

所述计算机系统包括本地计算机以及云服务器，所述本地计算机通过网络连接于所述云服务器，所述本地计算机包括本地散射数据库，所述云服务器包括云散射数据库。

所述锥束CT系统包括X射线焦点和平板探测器，被测对象处于X射线焦点和平板探测器之间，所述X射线焦点与被测对象之间依次设置本征过滤器、前准直器和蝴蝶结补偿器，被测对象与平板探测器之间设置防散栅。

一种基于大数据的锥束CT散射校正方法，通过如前所述的校正系统予以实现，包括以下步骤：

1）收集被测对象的患者信息以及采集被测对象的患者被测部位的外形信息；

2）通过锥束CT系统对被测对象的患者被测部位进行断层扫描以获得原始投影；

3）根据患者信息和被测部位的外形信息在散射数据库中调取相近的散射数据，对调取到的散射数据进行调整后形成各投影角度下的散射投影贡献；

4）在原始投影中减去所述散射投影贡献后进行初步模型重建；

5）采用基于蒙特卡洛方法的迭代法进行精确模型重建和计算出对应的散射数据；

6）对计算出的散射数据进行存储从而更新散射数据库。

一种基于大数据的锥束CT散射校正方法，通过如前所述的校正系统予以实现，包括以下步骤：

11）收集被测对象的患者信息以及采集被测对象的患者被测部位的外形信息；

12）通过锥束CT系统对被测对象的患者被测部位进行断层扫描以获得原始投影；

13）本地计算机根据患者信息和被测部位的外形信息在本地散射数据库中调取相近的散射数据，对调取到的散射数据进行调整后形成各投影角度下的散射投影贡献；

14）本地计算机在原始投影中减去所述散射投影贡献后进行初步模型重建；

15）将被测对象的患者信息、被测部位的外形信息和原始投影数据发送至云服务器；

16）云服务器采用基于蒙特卡洛方法的迭代法进行精确模型重建和计算出对应的散射数据；

17）云服务器对计算出的散射数据进行存储从而更新云散射数据库；

18）本地计算机下载步骤17中云服务器计算出的散射数据并进行存储从而更新本地散射数据库。

在所述步骤15之前还有以下步骤：

151）本地计算机判断是否与云服务器通过网络连通，如果判断结果为是，则进入步骤15；如果判断结果为否，则进入步骤152；

152）本地计算机采用基于蒙特卡洛方法的迭代法进行精确模型重建和计算出对应的散射数据；

153）本地计算机对计算出的散射数据进行存储从而更新本地散射数据库，并在本地计算机与云服务器的网络连通后将计算出的散射数据上传至云服务器进行存储从而更新云散射数据库。

所述患者信息包括患者的民族、籍贯、姓氏、年龄、体重和身高。

在所述步骤11中，通过定位像或摄像头采集被测对象的被测部位的外形信息。

在所述步骤13中，对调取到的散射数据的调整包括平移、旋转、缩放和内插。

采用上述技术方案，本发明的基于大数据的锥束CT散射校正系统及校正方法中，采用云计算、云存储技术，构建相互同步的本地散射数据库和云散射数据库，形成患者和检查数据、散射数据的大数据，在重建的过程中，将最接近于被测对象的散射数据，通过适当的二维计算调整估计散射投影贡献，在数据量充分的前提下，可给出误差较小的散射估计，从而使锥束CT快速得到较为精确的重建结果。

附图说明

图1为本发明的基于大数据的锥束CT散射校正系统中的锥束CT系统的结构示意图；

图2是本发明的基于大数据的锥束CT散射校正系统中网络架构的示意图。

具体实施方式

以下通过附图和具体实施方式对本发明作进一步的详细说明。

如图所示，本实施例提供一种基于大数据的锥束CT散射校正系统，包括相互连接的锥束CT系统和本地计算机，其中锥束CT系统又包括X射线焦点1和平板探测器7，被测对象5处于X射线焦点1和平板探测器7之间，X射线焦点与被测对象之间依次设置本征过滤器2、前准直器3和蝴蝶结补偿器4，被测对象与平板探测器之间设置防散栅6；防散栅的规格参数利用蒙特卡洛方法模拟计算得出；本地计算机设置在锥束CT系统的本地，通过网络连接到通讯服务器，通讯服务器连接于远端的云服务器，云服务器包括云计算服务器和云存储服务器相连接，本地计算机上设置本地散射数据库，云存储服务器上设置云散射数据库，上述散射数据库中的散射数据采集于不同患者并依不同患者信息和被测部位的外形信息及其对应的散射数据而储存。

所述锥束CT系统，用于采集患者被测部位的原始投影，并将采集到的原始投影发送至计算机系统；

计算机系统，用于接收输入的患者信息和被测部位的外形信息以及接收所述锥束CT系统采集的原始投影，用于根据接收到的患者信息和被测部位的外形信息在散射数据库中调取相近的散射数据，用于对调取到的散射数据进行调整后形成各投影角度下的散射投影贡献，用于在原始投影中减去所述散射投影贡献后进行初步模型重建，用于采用基于蒙特卡洛方法的迭代法进行精确模型重建和计算出对应的散射数据，并对计算出的散射数据进行存储从而更新散射数据库。

本发明还提供一种基于大数据的锥束CT散射校正方法，通过如前所述的校正系统予以实现，包括以下步骤：

1）收集被测对象的患者信息以及采集被测对象的患者被测部位的外形信息；

2）通过锥束CT系统对被测对象的患者被测部位进行断层扫描以获得原始投影；

3）根据患者信息和被测部位的外形信息在散射数据库中调取相近的散射数据，对调取到的散射数据进行调整后形成各投影角度下的散射投影贡献；

4）在原始投影中减去所述散射投影贡献后进行初步模型重建；

5）采用基于蒙特卡洛方法的迭代法进行精确模型重建和计算出对应的散射数据；

6）对计算出的散射数据进行存储从而更新散射数据库。

本发明还提供另一种基于大数据的锥束CT散射校正方法，通过如前所述的校正系统予以实现，包括以下步骤：

11）收集被测对象的患者信息以及采集被测对象的患者被测部位的外形信息；

12）通过锥束CT系统对被测对象的患者被测部位进行断层扫描以获得原始投影；

13）本地计算机根据患者信息和被测部位的外形信息在本地散射数据库中调取相近的散射数据，对调取到的散射数据进行调整后形成各投影角度下的散射投影贡献；

14）本地计算机在原始投影中减去所述散射投影贡献后进行初步模型重建；

15）将被测对象的患者信息、被测部位的外形信息和原始投影数据发送至云服务器；

16）云服务器采用基于蒙特卡洛方法的迭代法进行精确模型重建和计算出对应的散射数据；

17）云服务器对计算出的散射数据进行存储从而更新云散射数据库；

18）本地计算机下载步骤17中云服务器计算出的散射数据并进行存储从而更新本地散射数据库。

在所述步骤15之前还有以下步骤：

151）本地计算机判断是否与云服务器通过网络连通，如果判断结果为是，则进入步骤15；如果判断结果为否，则进入步骤152；

152）本地计算机采用基于蒙特卡洛方法的迭代法进行精确模型重建和计算出对应的散射数据；

153）本地计算机对计算出的散射数据进行存储从而更新本地散射数据库，并在本地计算机与云服务器的网络连通后将计算出的散射数据上传至云服务器进行存储从而更新云散射数据库，以使本地和云端的散射数据库保持同步更新，以不断扩充散射数据库中的数据量，以适应不同患者，提高重建结果的精度。

所述患者信息包括患者的民族、籍贯、姓氏、年龄、体重和身高。提供的患者信息越为详尽，参考的维度就越多，最终匹配到的散射数据与被测对象的实际状况就越为贴近。

在所述步骤11中，通过定位像或摄像头采集被测对象的被测部位的外形信息，上述两种采集方式任选其一即可。

在所述步骤13中，对调取到的散射数据的调整包括平移、旋转、缩放和内插。具体的调整方式根据实际的应用状况进行选取。

采用上述技术方案，本发明的基于大数据的锥束CT散射校正系统及校正方法中，采用云计算、云存储技术，构建相互同步的本地散射数据库和云散射数据库，形成患者和检查数据、散射数据的大数据，在重建的过程中，将最接近于被测对象的散射数据，通过适当的二维计算调整估计散射投影贡献，在数据量充分的前提下，可给出误差较小的散射估计，从而使锥束CT快速得到较为精确的重建结果。

显然，上述实施例仅是为清楚地说明所作的举例，而并非对实施方式的限定。对于所属领域的普通技术人员来说，在上述说明的基础上还可以做出其它不同形式的变化或变动。这里无需也无法对所有的实施方式予以穷举。而由此所引伸出的显而易见的变化或变动仍处于本发明创造的保护范围之中。