采用高光谱CT功能成像的物质识别方法和系统与流程

本发明涉及医学影像无损检测领域，特别是一种采用高光谱CT功能成像的物质识别方法和系统。

背景技术：

医学影像是研究如何无创的获取人体解剖和生理信息，为诊断和评估提供依据。就影像模式可分为两大类：一是提供解剖信息的结构成像；二是提供生理信息的功能成像。对于某些病例，往往无法通过单一的成像方式进行诊断，而不同的成像方式往往能够信息互补，从而出现了近来迅速发展的多模式医学成像技术。当今世界，生物医学越来越趋向于微观层面，分子成像技术也越来越为人们所重视。传统的X射线计算机断层成像(XCT)技术作为一种分子成像手段，对一些医学疾病的诊断发挥着举足轻重的作用，但其采用传统的探测器，物质识别能力较低，限制了其在结构和功能成像方面的应用。传统的CT属于典型的结构成像，若要进行非结构改变的病灶定位则必须结合功能成像信息。器官组织的差异主要是分子和细胞层面的物质成分差异所导致的，故多模式医学成像需要用到多种成像系统：若各种成像方式分别成像然后数据融合会给图谱配准带来很大困难，若将所有成像装置集成为一套系统又会增加系统复杂度与操作难度，降低整机可靠性与检测安全性。如果只用一种检测手段既能完成结构成像又能实现病灶定位，则可以为临床诊断提供极大的帮助。本发明将把CT由结构成像领域拓展到功能成像领域，它能获取每个像素(Pixel)/体素(Voxel)的X射线高光谱信息，从而判断其组分/病灶特征。因此它融合了CT高空间分辨率和高光谱检测强辨识能力二者的优势。

当X射线连续谱被物质吸收时，不同波长的射线被吸收的程度不同，对应一定的波长，吸收系数会发生突变，这些突变被称为吸收边，在吸收边及其高能延伸段存在一些分立的峰或波状起伏，被称作X射线吸收精细结构(X-rayAbsorption Fine Structure)。XAFS信号是由吸收原子周围的近邻结构决定的，并且对化学环境敏感，精细结构振荡的频率、振幅和形状均由原子的排布决定，它提供的是小范围内原子簇结构的信息，包括近邻原子的配位数、原子间距、热扰动等几何结构以及电子结构。XAFS对价态、未占据电子态和电荷转移等化学信息敏感，可做特定化学成分和官能团的指纹识别，可用于研究化学键、原子位置和原子排布、氧化态、配位结构、分子的三维轮廓特征、分子构型等。XAFS的机理说明不同物质的吸收光谱必然会有所区别，但是XAFS对均匀的物质检测是有效的，如果要对多种物质的复杂结构体进行分区域检测却难以实现。射线的吸收光谱是其通过路径上所有衰减累积的结果，损失了深度信息，路径上哪一段对应哪种物质无法判断，而XCT成像的优势正好可以提供深度信息，能对物质进行精确定位。本发明将融合XCT的空间定位能力与XAFS的物质辨识能力，生成一套新的成像系统理论。

现今主流的双能CT的高、低能量是通过X射线球管电压来划分的，都是宽带光，有很大的重叠部分，会对物质辨识带来一定的干扰。光子计数探测器理论上各通道之间的能量是完全分离的，不存在重叠部分。但是目前所使用的CZT线阵列探测器只能把整个传感光谱区域划分为5个波段，虽然这相对于双能CT已经有很大的进步，可是5个波段的特征编码对于纷繁复杂的病灶种类来说还太少，距离临床应用还有很大的差距。

技术实现要素：

本发明的主要目的在于克服现有技术中的上述缺陷，提出一种结合X射线计算机断层摄影的结构重建和X射线吸收光谱的物质识别的优点，使得复杂结构物质辨识能力大幅提高。

本发明采用如下技术方案：

采用高光谱CT功能成像的物质识别方法，其特征在于，包括如下步骤

1)采用X射线对被测样本进行扫描，通过光子计数探测器采集高光谱数据；

2)检测X射线强度并结合高光谱数据作去背景处理得到输入数据；

3)对输入数据采用CT重建算法重建被测样本的内部结构，得到全谱段断层影像；

4)对全谱段断层影像进行图像分析和处理，圈定感兴趣区域的坐标；

5)再次利用CT重建算法重建得到感兴趣区域的坐标分谱线进行重建，得到重建光谱曲线；

6)把重建光谱曲线与数据库中的光谱数据进行相关性对比，从而判断被测样本的感兴趣区域的物质分类。

优选的，所述的CT重建算法为滤波反投影算法，其先对输入数据做滤波处理，再做反投影重建。

优选的，所述CT重建算法为迭代算法。

优选的，先对未知图像向量赋初值：j＝1,2,3…N,，所述迭代算法包括如下步骤：

3.1)计算第i条光线的估计投影值：W_ij是投影系数。

3.2)计算误差也即校正伪影：P_i是第i条射线的投影值。

3.3)计算第j个像素点的修正值：其中N_i从表示第i条光线穿过图像区域的上像素点的总个数；

3.4)计算第j个像素点的修正值:

3.5)第i条光线上的点都加V_ij进行修正，重复3.2)到3.4)，直至所有图像的所有光线，此为一次迭代；

3.6)将上一轮迭代结果作为初值，重复3.2)到3.4)得到第K轮结果，从而得到一序列

优选的，所述的去背景处理，如下：

其中I₀是X射线强度，I是所述的高光谱数据，μ是物质的衰减系数，L是X射线穿过该物质的长度。

优选的，在步骤6)中，使用闵式距离作为相关性比较的标准来识别不同的物质分类。

一种高光谱CT功能成像系统，其特征在于，包括X射线管、光子计数探测器、二维平移台、旋转台、三维运动控制器和控制中心；该X射线管通与高压发生器相连以发出X射线对被测样本进行扫描；该旋转台位于X射线管发射端前方以放置被测样本；该光子计数探测器位于二维平移台上以采集高光谱数据；该三维运动控制器与旋转台相连以控制器其旋转，该三维运动器与二维平移台相连以控制其平移；该控制中心与三维运动控制器、光子计数探测器、高压发生器相连以控制三维运动控制器和高压发生器，接收光谱数据并采用上述的任意一种采用高光谱CT功能成像的物质识别方法识别被测样本。

由上述对本发明的描述可知，与现有技术相比，本发明具有如下有益效果：

1、本发明的方法和系统，基于光子计数原理，结合X射线计算机断层摄影的结构重建和X射线吸收光谱的物质识别的优点，使得复杂结构物质辨识能力大幅提高，

2、本发明的方法和系统，第一次重建属于结构成像，用于观察被测对象的解剖结构；第二次重建属于功能成像，用于获取感兴趣区域物质的X射线吸收系数高光谱数据，用于进行物质分类以达到生理功能判定的目的。

3、本发明的方法和系统，具备检测被测对象内部结构的能力，还可以在不损坏被测对象的前提下识别各个部位的功能成分，经验证其识别正确率极高。该发明在疾病诊断，食品安全和非破坏性测试中的具有很好的应用前景。

4、本发明的方法和系统，光谱分辨率高，可达几百甚至几千个谱段，而且各谱段之间完全分离，没有重叠部分，比目前市面上的双能\多能CT要先进。

5、本发明的方法和系统，只需要一套成像系统一次数据采集就可同时完成三维空间的结构成像和功能成像。

6、本发明的方法和系统，通过使用来自X射线吸收光谱的数据分析复杂材料的结构，具有更高的检测能力，与常规CT和双能CT相比，高光谱CT功能成像可以实现更多更复杂的化合物的识别与鉴定，达到功能成像的目的。

附图说明

图1为本发明的系统结构示意图；

图2为本发明的俯视光路图

图3本重建后样本的断层图；

图4为本发明方法的工作流程图；

图5为光谱特征库中部分样本的光谱曲线；

图6为特定样本重建后所得的光谱曲线。

具体实施方式

以下通过具体实施方式对本发明作进一步的描述。

参照图1至图6，一种高光谱CT功能成像系统，包括X射线管、光子计数探测器、二维平移台、旋转台、三维运动控制器和控制中心。该X射线管通与高压发生器相连，通过高电压驱动X射线管发射连续的X射线对被测样本进行扫描。该旋转台位于X射线管发射端前方以放置被测样本。该光子计数探测器位于二维平移台上以采集高光谱数据，其可以是SDD、Si-PIN或CdZnTe等，对于CdZnTe(碲化镉探测器)，使用碲化镉晶体作为X射线和γ射线检测器，将晶体安装在热电冷却器上并耦合至定制的电荷敏感前置放大器上，这种探测器具有较高的分辨率及探测范围，一次曝光可记录多个能量段光子数。该旋转台位于X射线管和光子计数探测器之间。

该三维运动控制器与旋转台相连以控制其360°旋转，该三维运动器与二维平移台相连以控制其沿水平面平移，该旋转台每次旋转的角度和二维平移台运动的步数是基于被测样本的尺寸和重建图像的分辨率要求设定，以保证整个待测样本能被X射线完整地扫描，以便清晰地重建被测样本的内部结构。该控制中心与三维运动控制器、光子计数探测器、高压发生器相连以控制三维运动控制器和高压发生器，接收光子计数探测器的光谱数据并采用高光谱CT功能成像的物质识别方法识别被测样本。

另外，在测量光谱前，还需装调整系统的光路。将两个激光器固定至磁性底座上，通过调节两个激光器的空间姿态，使得两束激光的交线同时穿过探测器中心和X射线源中心。

本发明还提出，采用高光谱CT功能成像的物质识别方法，包括如下步骤

1)采用X射线对被测样本进行扫描，通过光子计数探测器采集高光谱数据。

2)检测X射线强度并结合高光谱数据作去背景处理得到输入数据。由于在特定X射线能量范围所探测的X射线光子数目有限，会得到不准确的数据，这种数据进行重构图像结果会带有明显的噪声，由此，需要两组光谱数据做去背景处理。通过不放置待测样本，用于检测入射X射线强度。去背景处理，如下：

其中I₀是X射线强度即没有待测样本的空气的数据，I是放置待测样本时采集的高光谱数据，μ是物质的衰减系数，L是X射线穿过该物质的长度。

3)对输入数据采用CT重建算法重建被测样本的内部结构，用相应的投影测量所有的角度，然后对每个投影的数据进行高通滤波处理，最后累加各个角度的投影滤波值，以获得每个像素的衰减值，得到重建的全谱段断层影像。该CT重建算法可采用滤波反投影算法(FBP算法)或迭代算法。其中，滤波反投影算法，即为先对输入数据即投影数据做滤波处理，再做反投影重建具体如下：

其中，f(x,y)为待求密度函数，p(t,θ)为在步进为t，待测样本在角度θ时的投影数据，可选用S-L滤波器：

得到全谱段断层影像的重建光谱后，对光谱数据进行极大-极小标准归一化处理。断层图影像重建的效果如图3所示，高光谱重建的效果如图6所示。

迭代算法包括如下步骤：先对未知图像向量赋初值：j＝1,2,3…N。

3.1)计算第i条光线的估计投影值：W_ij是投影系数。

3.2)计算误差也即校正伪影：P_i是第i条射线的投影值。

3.3)计算第j个像素点的修正值：其中N_i从表示第i条光线穿过图像区域的上像素点的总个数。

3.4)计算第j个像素点的修正值:

3.5)第i条光线上的点都加V_ij进行修正，即对该条射线所穿过的像素值进行修正，将修正的值代入下一个方程，重复3.2)到3.4)，直至所有图像的所有光线处理完毕，此为一次迭代。

3.6)将上一轮迭代结果作为初值，重复3.2)到3.4)得到第K轮结果，从而得到一序列若符合收敛要求，即对事先给定的很小的正数ε，存在正整数K，使得当k>K时，有

4)对全谱段断层影像进行图像分析和处理。针对某一断面的投影数据，用ART算法和SL算法均可重建得到的断层图像，根据图像结构在该断层图像上圈定感兴趣区域的坐标。

5)再次利用CT重建算法重建得到感兴趣区域的坐标分谱线进行重建，得到重建光谱曲线。使用滤波反投影算法或迭代算法重建指定的感兴趣区域的吸收光谱。对感兴趣的区域分谱线进行重建，然后把重建后的该谱线衰减系数排列起来，即为该区域的重建光谱曲线。在重建光谱数据的过程中需要归一化处理，使得所有光谱曲线的最大值和最小值保持一致。为了消除系统噪声，需引入小波去噪，小波变换的引入降低了噪声对重建结果的影响，使得光谱数据曲线更平滑，从而提高后续物质识别的准确性。

6)把重建光谱曲线与数据库中的光谱数据进行相关性对比，从而判断被测样本的感兴趣区域的物质分类。通过重建图像得到的相应区域的光谱信息，根据它们的吸收系数对样本进行分类，并且将其与光谱特征数据库匹配对比，把重建的光谱和数据库中的数据之间执行相关性对比，使用Minkowski距离作为相关测试的标准，就可以识别出不同的样本，Minkowski距离公式如下：

可令p＝3，Minkowski距离是欧几里德距离的推广，它可以描述两个变量之间的相似性，其值越小说明两个变量越相似。

数据处理后，使用每个样本的所有的像素来获得每种材料的重建光谱的平均值，如图5，6所示，重建后的光谱数据与数据库中的光谱数据做相关性检验，可以看到重建后的光谱曲线与数据库中的SG的光谱曲线基本吻合，则可以认为这种材料是SG。经多次测试证明，本发明所涉及的系统和方法可以达到很高的辨识准确度。

数据库由多种材料组成，这里只列了其中四种，(如表1所示)，测量多次，把它们的平均值存储在数据库中。

表1

上述仅为本发明的具体实施方式，但本发明的设计构思并不局限于此，凡利用此构思对本发明进行非实质性的改动，均应属于侵犯本发明保护范围的行为。