[发明专利]基于K边缘成像的优化阈值方法、装置、设备和介质

说明书

本发明实施例公开了一种基于K边缘成像的优化阈值方法、装置、设备和介质。该方法包括：光子计数探测器根据预设阈值组预扫描待探测物体，得到第一探测数据；依据第一探测数据，确定每条射线中基函数组合的分解系数的线积分值，每条射线均是固定的基函数组合；在每条射线中基函数组合的分解系数的线积分值中，筛选出基函数组合的造影剂材料基函数的线积分值大于预设线积分阈值的射线；将筛选得到的每条射线对应的探测数据输入预训练神经网络模型中，得到筛选得到的每条射线的局部最优化阈值组；依据局部最优化阈值组，确定光子计数探测器的K边缘成像的整体最优化阈值组。

技术领域

本发明涉及能谱电子计算机断层扫描(Computed Tomography，CT)领域，尤其涉及一种基于K边缘成像的优化阈值方法、装置、设备和介质。

背景技术

对于能谱K边缘(K-edge)成像来说，需要使用光子计数探测器。然而一旦使用光子计数探测器，就需要确定光子计数探测器的阈值，从而获取质量较高的图像。

对于阈值选取的方式，目前有两种经验性方法：一种是在整个能谱区间范围内进行能量均分，即让每个能窗的宽度都大致相同。另一种是对光子数进行均分，即让每个能窗的光子数都大致相同，但这种方法需要已知能谱。

上述这两种方法都无法在未知待探测物体的组成成分情况下，选择最优的光子计数探测器的阈值。

发明内容

本发明实施例提供及一种基于K边缘成像的优化阈值方法、装置、设备和介质，可以在未知待探测物体的组成成分情况下，选择最优的光子计数探测器的阈值。

根据本发明实施例的第一方面，提供一种基于K边缘成像的优化阈值方法，处理方法包括：

光子计数探测器根据预设阈值组预扫描待探测物体，得到第一探测数据；

依据所述第一探测数据，确定每条射线中基函数组合的分解系数的线积分值，每条射线均是固定的基函数组合；

在所述每条射线中基函数组合的分解系数的线积分值中，筛选出所述固定的基函数组合的造影剂材料基函数的线积分值大于预设线积分阈值的射线；

将筛选得到的每条射线对应的探测数据输入预训练神经网络模型中，得到筛选得到的每条射线的局部最优化阈值组；

依据所述局部最优化阈值组，确定所述光子计数探测器的K边缘成像的整体最优化阈值组。

根据本发明实施例的第二方面，提供一种基于K边缘成像的优化阈值装置，所述优化阈值装置包括：

确定线积分值模块、筛选模块、预训练神经网络模型模块和整合模块；

所述确定线积分值模块，用于依据第一探测数据，确定每条射线中基函数组合的分解系数的线积分值，每条射线均是固定的基函数组合；其中所述第一探测数据是由光子计数探测器根据预设阈值组预扫描待探测物体得到的；

所述筛选模块，用于在所述每条射线中基函数组合的分解系数的线积分值中，筛选出所述固定的基函数组合的造影剂材料基函数的线积分值大于预设线积分阈值的射线；

所述预训练神经网络模型模块，用于将筛选得到的每条射线对应的探测数据输入预训练神经网络模型中，得到筛选得到的每条射线的局部最优化阈值组；

所述整合模块，用于依据所述局部最优化阈值组，确定所述光子计数探测器的K边缘成像的整体最优化阈值组。

根据本发明实施例的第三方面，提供一种终端设备，包括：

存储器、处理器、通信接口和总线；

存储器、处理器和通信接口通过总线连接并完成相互间的通信；

存储器用于存储程序代码；