一种X射线曝光指数范围生成方法和X射线系统与流程

本发明涉及一种医学影像处理技术，特别是一种医用x射线影像曝光指数范围的计算方法和采用曝光指数范围的x射线系统。

背景技术：

当病人到医院看病进行拍片诊断或体检时，例如，接受x射线、ct、pet等医疗设备的辐射生成曝光图像时，曝光剂量将对人体产生一定危害。为尽量降低x射线对人体的伤害，曝光剂量的控制是非常重要的，希望在获得高质量图像的前提下尽可能的降低曝光参数，如曝光电压、曝光电流、曝光时间等参数。

一方面，针对相同部位如胸部的曝光，为获得高质量图像，每个病人因胖瘦、体型差异所需的的曝光剂量是不同的。另一方面，针对不同部位如胸部和腿部的曝光，为获得高质量图像，因人体组织密度差异所需的曝光剂量是不同的。再一方面，不同的平板探测器，针对相同病人、相同部位的曝光，为获得高质量图像所需的曝光剂量也是不同的。因此，针对不同体型的病人、不同拍摄部位、不同平板探测器，放射科医生往往需要有针对性的设置曝光参数。

放射科医生通常根据x射线、ct、pet等医疗设备使用说明给出的曝光电压、曝光电流、曝光时间参考值范围或基于多年的操作经验来设置曝光参数。然而，即使基于使用说明给出的参考值范围，放射科医生仍旧不能保证所有不同体型、不同部位的曝光剂量是适当的。曝光剂量不足或曝光剂量过量都会导致曝光图像剂量不足以满足诊断需求，病人往往需要重新拍摄已获得满足诊断需求的高质量图像。

然而，由于电子影像技术的普及，第一次曝光后生成的图像往往经过图像处理技术处理后再显示在用户界面上，因此，基于处理后的图像，放射科医生很难准确的判断出第一次曝光剂量是过量、适当还是不足。若放射科医生无法根据图像准确判断曝光剂量，当需要进行第二次曝光时将无法正确调整曝光参数以获得适当曝光剂量的图像，导致病人需接受多次曝光以最终获得曝光剂量适当的图像，因此，患者将受到x射线的多次照射而导致身体受到不必要的伤害。

因此，亟需一种协助放射科医生判断第一次曝光图像曝光剂量不足、适当或过量的方法和系统来解决上述问题。

技术实现要素：

有鉴于此，本发明提供的x射线曝光指数范围的生成方法，可改善上述问题。

一方面，本发明提供一种x射线曝光指数范围的生成方法，其特征在于，所述方法包括如下步骤：

接收被标记的至少第一组训练数据和第二组训练数据并输入机器学习模型训练得到对应的至少第一分类器和第二分类器；

接收不同曝光条件下采集的多张图像并输入所述至少第一分类器和第二分类器以判断所述多张图像中的至少部分图像为对应于第一分类器的第一分类图像或第二分类器的第二分类图像；

计算每张第一分类图像和第二分类图像的曝光指数值；以及

选择所述第一分类图像的曝光指数值的最大值作为曝光指数范围的下限值，选择所述第二分类图像的曝光指数值的最小值作为曝光指数范围的上限值。

如上所述的方法，其中，所述方法还包括：

接收被标记的第三组训练数据并输入所述机器学习模型训练得到对应的第三分类器；

接收不同曝光条件下采集的多张图像并输入所述第三分类器以判断所述多张图像中的至少部分图像为第三分类器的第三分类图像；

计算每张第三分类图像的曝光指数值；

选择所述第一分类图像的曝光指数值的最大值和所述第三分类图像的曝光指数值的最小值中较大的值作为曝光指数范围的下限值；以及

选择所述第二分类图像的曝光指数值的最小值和所述第三分类图像的曝光指数值的最大值中较小的值作为曝光指数范围的上限值。

如上所述的方法，其中，所述第一组训练数据、所述第二训练数据根据或所述第三训练数据曝光剂量进行标记。

如上所述的方法，其中：

所述第一组训练数据为曝光剂量不足的曝光图像，所述第二组训练数据为曝光剂量过量的曝光图像；

所述第一分类器图像为曝光剂量不足的曝光图像，所述第二分类器图像为曝光剂量过量的曝光图像；以及

所述第三组训练数据为曝光剂量适当的曝光图像，所述第三分类器图像为曝光剂量适当的曝光图像。

如上所述的方法，其中，所述在不同曝光条件下采集的多张图像包括同一规格的平板探测器、大体相同体型、相同部位在不同曝光条件下生成的曝光图像。

如上所述的方法，其中，计算每张第一分类图像和第二分类图像的曝光指数值的步骤包括：

接收针对目标图像的部位曝光生成的不同条件下的多张图像；

计算所述多张图像的图像特征灰度值x与曝光剂量y之间的线性曲线y＝ax+b；

获得图像特征灰度值的上限值xh和下限值x1；

根据所述线性曲线y＝ax+b、所述图像特征灰度值的上限值xh，所述图像特征灰度值的上限值x1计算曝光剂量的上限值yh和下限值y1；

将目标图像分割为低密度组织部分和高密度组织部分；

计算低密度组织的特征值f1和高密度组织的特征值f2；

计算特征值f1和f2的加权特征值f；以及

根据a，xh，x1，yh，y1，f计算目标图像的曝光指数值。

如上所述的方法，其中，计算所述加权特征值f的步骤包括根据目标图像的部位设定特征值f1的权重值w1和特征值f2的权重值w2，w1+w2＝1。

另一方面，本发明还提供一种计算机可读存储介质，所述存储介质上存储有指令，其特征在于，所述指令被处理器执行时实现如上所述的任一项方法的步骤。

再一方面，本发明还提供一种存储有权利要求1所述的曝光指数范围的x射线系统，包括：

高压发生器，用于根据设定的曝光参数将电源转换为高压信号，

球管，用于接收高压发生器生成的高压信号生成x射线；

平板探测器，用于接收所述球管发射的x射线并在影像区域形成相应身体部位的曝光图像；

用户界面，用于输入曝光部位，体型以及曝光参数，

处理器，用于存储权利要求1所述的曝光指数范围，其被配置为：

接收所述曝光参数并传输给所述高压发生器；

根据曝光部位计算曝光图像的实际曝光指数；

将实际曝光指数值与相应曝光部位、体型对应的曝光指数范围进行比较；以及

判断实际曝光指数值与曝光指数范围的上限值和曝光指数范围的下限值的大小关系。

如上所述的x射线系统，其中，

当所述实际曝光指数值被判断为大于所述曝光指数范围的上限值时，所述处理器用于生成曝光过量警报信号；

当所述实际曝光指数值被判断为小于所述曝光指数范围的下限值时，所述处理器用于生成曝光不足警报信号；以及

所述用户界面用于显示所述曝光过量警报信号或所述曝光不足警报信号。

执行根据本发明示例的x射线曝光指数范围的生成方法，一方面，根据人体不同拍摄部位、相同部位的不同胖瘦体型以及不同规格的探测器提供了曝光指数范围，通过处理器的计算可以协助用户判断曝光图像的曝光剂量是不足、适当或过量，判断结果更加高效、准确。另一方面，若实际曝光指数大于或小于曝光指数范围，用户界面会发出警报信息，用户可根据警报信息调整第二次曝光参数，根据曝光参数值与曝光参数范围的数值关系设置第二次曝光参数更加准确，从而降低了病人需要多次进行曝光的风险。

附图说明

可能已通过参考特定实施例以本发明的特征能够被理解的方式详细描述了本发明，特定实施例中的一些被图示在附图中。然而，应当注意，附图仅图示了本发明的特定实施例并且因此将不被认为限制其范围，因为本发明的范围包含其它等同有效的实施例。附图不一定按比例绘制，重点通常被放置在举例说明本发明的特定实施例的特征上。在附图中，同样的附图标记在所有各种视图中用来指示同样的部分。因此，为了进一步理解本发明，可参考以下详细描述连同附图一起阅读，附图中：

图1为一种x射线曝光指数范围的生成方法的步骤示意图；

图2为一种x射线曝光指数的生成方法的步骤示意图；

图3为图2步骤209的图像分割步骤示意图；

图4为采用图1所示曝光指数范围的一种x射线系统结构示意图；

图5为一种用户操作界面示意图；

图6为另一种用户操作界面示意图；以及

图7为为执行图1或图2所示的方法的计算机可读存储介质。

具体实施方式

这里将详细地对示例性实施例进行说明，其示例表示在附图中。下面的描述涉及附图时，除非另有表示，不同附图中的相同数字表示相同或相似的要素。以下示例性实施例中所描述的实施方式并不代表与本申请相一致的所有实施方式。相反，它们仅是与如所附权利要求书中所详述的、本申请的一些方面相一致的装置和方法的例子。

在本申请使用的术语是仅仅出于描述特定实施例的目的，而非旨在限制本申请。在本申请和所附权利要求书中所使用的单数形式的“一种”、“所述”和“该”也旨在包括多数形式，除非上下文清楚地表示其他含义。还应当理解，本文中使用的术语“和/或”是指并包含一个或多个相关联的列出项目的任何或所有可能组合。

应当理解，术语“第一”、“第二”、“第三”等等不一定表示任何次序、顺序或优先级关系，而只是用来更清楚地使一个元件或一组元件与其它元件或其它组元件区分开。本公开中流程图的各步骤间的关系不以所给出的顺序为限，可根据实际应用进行调整但不脱离本申请的保护范围。

本发明提出一种协助用户判断影像曝光剂量是否适当的方法，当第一次曝光剂量过量或不足时，根据提示相应调整曝光参数以保证在第二次曝光时设定合理的曝光参数从而获得曝光剂量适当的高质量曝光图像。更具体地，曝光指数ei(exposureindex)参考值是反馈当前曝光剂量对图像质量影响的重要参数，每一张曝光图像都对应一个曝光指数。本发明通过计算曝光指数以及根据曝光指数值判断曝光剂量是否适当。

当用户如放射科医生采用x射线影像设备如dr设备对患者进行曝光成像时，放射科医生可根据dr设备使用说明给出的曝光电压、曝光电流、曝光时间参考值或根据个人经验设定曝光参数。当生成曝光图像后，计算曝光图像的曝光指数值(ei值)并与如表1所示的在统一规格探测器条件下相应部位、相应体型的ei范围值进行比较，从而协助放射科医生判断曝光图像的曝光剂量是否适当。若曝光剂量过量或者曝光剂量不足，通过用户界面显示相应的警报信号，放射科医生根据提示相应调整第二次曝光参数以在尽量降低曝光剂量的基础上获得高质量图像。

表1为采用本发明获得的在统一规格探测器条件下、不同部位、不同体型条件下的ei值范围。更具体地，表中列出了部位分别为腹部、胸部、骨盆、肢体以及头骨按照拍摄者体型大小(即对应于曝光影像相应部位对应的宽度)分别为大型、中等、小型条件下的ei值范围。在一种实施方式中，例如，以胸部为例，针对于亚洲人，图像胸部宽度26cm～35cm为中等，大于35cm为大型，小于26cm为小型。其他部位体型的大型、中等以及小型根据相应部位的实际获取图像关键部位宽度范围进行定义。在一些实施方式中，还可根据患者的人种进行区分，如黄种人，白种人，黑种人等。在其他实施方式中，还可根据年龄段进行区分，如儿童、青年、老年等。

表1，不同身体部位、不同体型的ei值范围

接下来将对如何获得表1中所述的ei值范围以及如何计算曝光图像的ei值进行说明。

图1为一种x射线曝光指数范围的生成方法100的步骤示意图。所述方法100除包括步骤101～109外，还可选地包括其他步骤。本实施方式中，以胸部为例对中等宽度ei值范围的获得进行说明。

步骤101，训练分类器。更具体地，将标记好的至少第一组训练数据和第二组训练数据输入机器学习模型训练对应的至少第一分类器和第二分类器。

在一种实施例中，利用统一规格的平板探测器在不同曝光条件下对患者胸部进行曝光以获得真实的训练图像/数据。患者胸部的宽度可大致相同，如均在宽度为中等(26cm～35cm)的范围内。在另一种实施例中，利用统一规格的平板探测器在不同曝光条件下对相同部位的体膜进行曝光以获得模拟的训练图像。例如，该训练图像可包括300张不同曝光参数下的图像。

在一种实施方式中，所述第一组训练数据、第二组训练数据根据曝光剂量进行标记。更具体地，拍摄时，根据用作训练数据的影像在拍摄时记录的曝光剂量进行标记。

所述第一组训练数据为曝光剂量不足的曝光图像，所述第二组训练数据为曝光剂量过量的曝光图像。在一些实施方式中，该训练图像还可被标记为第三组训练数据，所述第三组训练数据根据曝光剂量进行标记，所述第三组训练数据为曝光剂量适当的曝光图像。

在一种实施例中，所述第一分类器模型以及所述第二分类器模型可采用相同的模型结构。例如，所述第一分类器模型以及所述第二分类器模型均采用卷积神经网络(convolutionalneuralnetwork，cnn)结构。在另一种实施例中，所述第一分类器模型以及所述第二分类器模型可采用不同的模型结构，例如，所述第一分类器模型采用卷积神经网络结构，所述第二分类器采用逻辑回归模型。

当训练图像包括第三组训练数据时，所述机器学习模型还包括第三分类器模型。相类似地，所述第三分类器模型可与所述第一分类器模型以及所述第二分类器模型采用相同的模型结构，所述第三分类器模型也可采用与所述第一分类器模型以及所述第二分类器模型不同的模型结构。这里不再赘述具体模型结构。

步骤103，利用分类器对图像分类。更具体地，接收不同曝光条件下采集的多张图像并输入所述至少第一分类器和第二分类器以判断所述图像中的至少部分图像为对应于第一分类器的第一分类图像或第二分类器的第二分类图像。

所述不同曝光条件包括但不限于医用诊断x射线设备测定特性用辐射条件rqa2～rqa10的布置环境，具体可参考由中国标准出版社出版《医用诊断x射线设备测定特性用辐射条件(yy/t0481-2004/iec61267：1994)》。所述不同曝光条件还包括其他曝光环境。

所述在不同曝光条件下采集的多张图像包括同一规格的平板探测器、大体相同体型、相同部位如胸部在不同曝光条件下生成的曝光图像。在一种实施例中，所述多张图像中的部分图像被判断为属于所述第一分类图像，例如，属于曝光剂量不足的图像，所述多张图像中的部分图像被判断为属于所述第二分类图像，例如，属于曝光剂量过量的图像。

当所述机器学习模型还包括第三分类器模型时，所述多张图像中的部分图像被判断为属于所述第三分类图像，例如，属于曝光剂量适当的图像。

采用步骤101训练的图像分类器经过步骤103对图像进行分类的优点在于：一方面，机器学习分类方式比人工分类方式高效，另一方面，电子图像通常经过图像处理技术的处理，采用查看图像的人工分类方式错误率高，机器学习分类方式可提高分类准确率。

步骤105，计算每张图像的曝光指数值。更具体地，计算每张第一分类图像和第二分类图像的曝光指数值。当所述机器学习模型还包括第三分类器模型时，计算每张第三分类图像的曝光指数值。

具体如何计算每张目标图像的曝光指数值将在接下来的图2中进行详细说明，这里暂不赘述。

步骤107，选择曝光指数值的上限值和下限值。更具体地，选择所述第一分类图像的曝光指数值的最大值作为曝光指数范围的下限值，选择所述第二分类图像的曝光指数值的最小值作为曝光指数范围的上限值。在一种实施方式中，将所述第一分类图像的曝光指数从大到小依次排列，选择排在第一位的曝光指数为最大值，将所述第二分类图像的曝光指数从大到小依次排列，选择排在最后一位的曝光指数作为最小值。在其他实施方式中，可采用其他排列方式选择所述第一分类图像的曝光指数值的最大值以及所述第二分类图像的曝光指数值的最小值。

在另一种实施方式中，当所述机器学习模型还包括第三分类器模型时，选择所述第一分类图像的曝光指数值的最大值和所述第三分类图像的曝光指数值的最小值中较大的值作为曝光指数范围的下限值，选择所述第二分类图像的曝光指数值的最小值和所述第三分类图像的曝光指数值的最大值中较小的值作为曝光指数范围的上限值。

图2为一种x射线曝光指数的生成方法的步骤示意图。所述方法200除包括步骤201～215外，还可选地包括其他步骤。

步骤201，接收多张图像。更具体地，接收针对目标图像的部位曝光生成的不同条件下的多张图像。例如，针对胸部，接收不同曝光条件下的多张图像。

所述不同曝光条件包括但不限于医用诊断x射线设备测定特性用辐射条件rqa2～rqa10的布置环境，具体可参考由中国标准出版社出版《医用诊断x射线设备测定特性用辐射条件(yy/t0481-2004/iec61267：1994)》。所述不同曝光条件还包括其他曝光环境。

步骤203，计算图像特征灰度值与曝光剂量之间的曲线。更具体地，计算所述多张图像的图像特征灰度值x与曝光剂量y之间的线性曲线y＝ax+b。

步骤205，获得图像特征灰度值的上限值和下限值。更具体地，根据平板探测器说明手册或厂家质量说明获得平板探测器的特征灰度值的上限值xh和下限值x1。

步骤207，计算曝光剂量的上限值和下限值。更具体地，根据特征灰度值的上限值xh和特征灰度值的下限值xl带入线性曲线y＝ax+b计算曝光剂量的上限值yh和下限值y1。

步骤209，将目标图像分割为两部分。更具体地，将目标图像分割为低密度组织部分和高密度组织部分。例如，采用自适应阈值二值化之最大类间方差法(大律法，otsu)、梯度阈值或基于人工神经网络等算法提取低密度组织部分和高密度组织部分。图3所示为胸部的曝光图像根据组织密度被分割为高密度组织图像301和低密度组织图像303。针对于胸部图像，所述高密度组织为骨骼，所述低密度组织为软组织。

步骤211，分别计算两部分的特征值。更具体地，计算低密度组织的特征值f1和高密度组织的特征值f2。所述特征值f1或所述特征值f2可包括根据方向梯度直方图(histogramoforientedgradient，hog)特征，局部二值模式(localbinarypattern，lbp)特征或haar-like特征等可表示图像特征的算法计算出的数值。

步骤213，计算加权特征值。更具体地，计算特征值f1和f2的加权特征值f。在一种实施方式中，根据目标图像的部位设定特征值f1的权重值w1和特征值f2的权重值w2计算所述加权特征值。具体计算公式如下所示：

f＝w1*f1+w2*f2(其中，w1+w2＝1)

w1，w2的选取根据曝光身体部位的组织密度进行设定。例如，当曝光部位为胸部时，由于胸部低密度组织占据更大比重，因此，设定w1和w2时，w1应大于w2，例如，w1＝0.8，w2＝0.2。当曝光部位为头骨时，由于头骨高密度组织占据更大比重，因此，设定w1和w2时，w1应小于w2，例如，w1＝0.2，w2＝0.8。在其他实施方式中，还可采用其他方式设定权重值w1，w2。

步骤215，计算曝光指数值。更具体地，根据步骤203得到的a，步骤205得到的xh，x1，步骤207得到的yh，y1，步骤213得到的f计算目标图像的曝光指数值。具体计算公式如下所示：

ei＝a*(y1+(yh-y1)*f/(xh-x1))

在一些实施方式中，ei值可进行归一化处理，归一化处理后的值为ei’，ei’＝c*ei+c0。c为放大的倍数，c0为一常数。

根据图2所述的步骤方法可计算得到每张目标图像的曝光指数值，从而图1所述步骤107可计算得到所述每张第一分类图像、第二分类图像以及第三分类图像的曝光指数值，进而可获得图1所述步骤109的相应部位、相应体型的曝光指数值范围。

图4为采用图1所示曝光指数范围的一种x射线系统10结构示意图。x射线系统10包括高压发生器13，球管15，平板探测器19，用户界面21和处理器23。

高压发生器13用于根据设定的曝光参数将电源11转换为高压信号。所述曝光参数包括但不限于电压值、电流值。球管15用于接收高压发生器13生成的高压信号生成x射线。平板探测器19用于接收所述球管15发射的x射线并在影像区域17形成相应身体部位(拍摄物体部分或全部)的曝光图像。

用户界面21包括台式电脑显示器、笔记本显示器、pad显示器或手机显示器等具有显示及用户交互功能设备上的用户界面。所述用户界面21用于输入曝光部位，体型以及曝光参数。更具体地，当患者需要进行曝光成像时，用户如放射科医生可根据电子病历emr(electronicmedicalrecord)获取病人曝光部位信息。患者相应曝光部位的体型大小可经由放射科医生目测进行判断。

如图5所示为一种输入曝光部位、体型以及曝光参数的用户界面。在一种实施例中，放射科医生根据emr信息获知患者需曝光的身体部位为胸部正位501，经目测，患者体型为较胖的成年人，因此，选择胖成年人503，其对应表1中胸部体型为大型的条件。放射科医生根据经验设置曝光参数505，曝光参数可包括曝光电压、曝光电流、曝光时间。

处理器23包括台式电脑、笔记本、pad、手机等具有数据处理功能的设备。在一种实施方式中，所述处理器23包括如上所述显示器。所述处理器23与所述平板探测器19可如图所示有线方式连接并将平板探测器19的影像区域17形成的影像数据通过数据线传输至所述处理器23。在其他实施方式中，所述处理器23与所述平板探测器19也可通过无线方式进行影像数据传输。所述处理器23包括一个或多个处理器以及一种存储有指令的非暂时性计算机可读存储介质。

所述存储有指令的非暂时性计算机可读存储介质在被一个或多个处理器执行时，根据用户设置的曝光参数，例如曝光电压、曝光电流、曝光时间等参数向所述高压发生器13和所述球管15传输控制信号并控制所述球管15产生设定曝光电压、曝光电流、曝光时间的x射线从而在所述平板探测器19的影像区域17上生成相应身体部位的曝光图像。

在本实施方式中，处理器23用于存储权利要求1所述的曝光指数范围。更具体地，所述处理器23用于存储表1所示不同部位、不同体型对应的曝光指数范围。

所述处理器23被配置为接收所述曝光参数并传输给所述高压发生器13，高压发生器13在嵌入式芯片如dsp的控制下将电源11的电压、电流转换为相应曝光参数的电压、电流值。

所述处理器23被配置为根据曝光部位计算曝光图像的实际曝光指数。更具体地，当曝光图像生成时，根据图2所述方法计算对应身体部位如胸部的ei值，例如，在本实施例中，经计算ei＝1000。

所述处理器23被配置为将实际曝光指数值与相应曝光部位、体型对应的曝光指数范围进行比较。当如图5所示，用户界面21接收到曝光部位，体型信息后，所述处理器23用于查询存储的不同部位、不同体型对应的曝光指数范围并获得相应部位、相应体型的曝光指数范围。如图5所示实施例，所述处理器23可获得胸部为大型的曝光指数范围1100～2100。获得曝光指数范围1100～2100后，将计算得到的ei值1000与曝光指数范围1100～2100进行比较。

所述处理器23被配置为判断实际曝光指数值与曝光指数范围的上限值和曝光指数范围的下限值的大小关系。在本实施例中，所述处理器23用于判断曝光图像的ei值1000与曝光指数范围的下限值1100和曝光指数范围的上限值2100的大小关系。

更具体地，当所述实际曝光指数值被判断为大于所述曝光指数范围的上限值时，所述处理器用于生成曝光过量警报信号。当所述实际曝光指数值被判断为小于所述曝光指数范围的下限值时，所述处理器用于生成曝光不足警报信号。所述用户界面21用于显示所述曝光过量警报信号或所述曝光不足警报信号，患者需要进行第二次曝光。

若实际曝光指数值在曝光指数范围的上限值和下限值之间，说明曝光参数选择合理，曝光剂量适当，无需再次曝光。

本发明所述方法可协助放射科医生进行判断曝光图像的曝光剂量是否不足或过量以及是否需要进行第二次拍摄以获得高质量图像。所述判断方法更加准确、高效。

在本实施例中，如图6所示，由于曝光图像的ei值1000小于曝光指数范围的下限值1100，因此，用户界面21用于显示曝光不足601的警报信号，患者需要进行第二次曝光，放射科医生需要重新设置曝光参数。

在一种实施方式中，曝光图像的ei值以及相应部位的ei范围显示在所述用户界面21上。当放射科医生看到曝光不足601的警报信号后以及具体的ei值差异后，根据ei值差异大小对第二次曝光参数进行调整。例如，在本实施方式中，第一次曝光ei实际值1000与ei范围下限值1100相差较小，调整第二次曝光参数时，可保持电压值不变，调整电流值，根据i2/i1＝ei2/ei1来调整第二次曝光电流值，其中，ei2为第二次期望得到的值，在本实施方式中可设置为1100～2100之间的任意值，ei1为第一次曝光的实际曝光指数值。

在其他实施方式中，若曝光图像的ei值与ei范围下限值1100相差较大，如实际曝光图像的ei值为200，调整第二次曝光参数时，可保持电流不变，调整电压值。在一些实施方式中，如果第一次曝光ei实际值、调整后的第二次曝光ei实际值与ei范围相差较大时，所述x射线系统有可能出现故障，需要进行检修。

通过如上所述方法进行第二次曝光参数的调整的优势在于：用户可根据警报信息调整第二次曝光参数，根据曝光参数值与曝光参数范围的数值关系设置第二次曝光参数更加准确，从而降低了病人需要多次进行曝光的风险。

方法100和200可以在计算机上实施作为一种计算机可实现的方法，作为专用硬件，或者作为两者的组合。如图7示出了计算机程序产品700，所述计算机程序产品700包括用于令处理器系统执行前面提及的图7的方法100或200的指令。计算机程序产品700可以被包括在计算机可读介质701上，例如为一系列机器可读物理标记和/或一系列具有不同的电子(例如，磁性)或光学性质或值的元件的形式。计算机可读存储介质700的例子包括内存设备、光盘存储设备、集成电路、服务器、在线软件等。图7显示了一种光盘700。

在本申请的场景中，用户可以指放射科医生、体检拍片医生、护士，医院技术人员或者与操作放射科设备进行拍片相关的其他任何人。

本文中使用的计算机可读存储介质可以指任意可以存储可由处理器、控制器或计算设备运行的指令的存储介质。该计算机可读存储介质也可以被称作计算机可读非暂态存储介质。在一些实施例中，这样的计算机可读存储介质也可以能够存储能够由处理器、控制器或计算设备访问的数据。计算机可读存储介质的范例包括，但不限于：软盘、硬磁盘驱动器、固态硬盘、闪存、usb闪存驱动器、随机存取存储器、只读存储器、光盘、磁光盘以及处理器的寄存器文件。光盘的范例包括压缩盘、数字通用盘，例如cd-rom、dvd-rw、dvd-r或蓝光盘。术语计算机可读存储介质也可以指能够由处理器或计算机设备经由网络或通信链路(例如在调制解调器上、在因特网上或在局域网上)访问的各种类型的介质。计算机程序可以被存储/分布在合适的永久性介质上，例如与其他硬件一起或作为其他硬件的部分供应的光学存储介质或固态介质，但也可以被分布为其他形式，例如经由因特网或者其他有线或无线电信系统。

此外，不同的实施例可以采取可从提供程序代码的计算机可用或计算机可读介质访问的计算机程序产品的形式，该程序代码供计算机或运行指令的任意设备或系统使用或者结合供计算机或运行指令的任意设备或系统使用。出于本公开的目的，计算机可用或计算机可读存储介质大体上能够为能够包括、存储、传送、传播或传输供指令运行设备使用或与指令运行设备连接的程序的任意有形设备或装置。

将意识到，本发明也应用于适于实施本发明的计算机程序，具体而言，载体上或载体中的计算机程序。所述程序可以是源代码、目标代码、源代码与目标代码中间的代码(例如部分编译形式)的形式或者是适于实现根据本发明所述的方法的任意其他形式。也应意识到，这样的程序可具有许多不同的结构设计。例如，根据本发明执行所述方法或系统的功能的程序代码可被分为一个或多个子程序。在这些子程序中分配所述功能的多种不同方法对于技术人员是显而易见的。可以在一个可执行文件中一起存储所述子程序来形成自含的程序。这样的可执行文件可包括计算机可执行指令，例如处理器指令和/或解释器指令(例如，java解释器指令)。备选地，一个或多个或所有所述子程序可被存储在至少一个外部库文件中并且静态地或动态地(例如，在运行中)与主程序链接。所述主程序包括对至少一个所述子程序的至少一个调用。所述子程序也可包括彼此之间的调用。与计算机程序产品有关的实施例包括与本文中记载的至少一种方法的每个处理步骤相对应的计算机可执行指令。这些指令可被分成子程序并且/或者存储在一个或多个可以静态或动态链接的文件中。与计算机程序产品有关的另一实施例包括与本发明提出的至少一种系统和/或产品的每个模块相对应的计算机可执行指令。这些指令可以被分成子程序并且/或者存储在一个或多个可以静态或动态链接的文件中。

具体的实现方法已在以上说明中详细阐述，这里不再赘述。

最后，还需要说明的是，在本文中，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括一个......”限定的要素，并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。

以上对本申请所提供的束光器边界检测方法及装置进行了详细介绍，本文中应用了具体个例对本申请的原理及实施方式进行了阐述，以上实施例的说明只是用于帮助理解本申请的方法及其核心思想；同时，对于本领域的一般技术人员，依据本申请的思想，在具体实施方式及应用范围上均会有改变之处，综上所述，本说明书内容不应理解为对本申请的限制。