计算机断层扫描设备的扫描数据的校正方法及校正装置制造方法及图纸

本公开的实施例提供一种计算机断层扫描设备的扫描数据的校正方法和装置。校正方法包括：获得在第一扫描场景下生成的第一扫描数据，在第一扫描场景下在目标区域内不存在物体；通过预测模型预测第一扫描场景下的第一空气数据，预测模型的模型参数被预训练成使得第一空气数据与第一扫描数据之间的误差小于第一误差值；获得在第二扫描场景下生成的第二扫描数据，在第二扫描场景下在目标区域内存在物体；更新预测模型的模型参数，并通过更新的预测模型预测第二扫描场景下的第二空气数据，预测模型的模型参数被更新成使得第二空气数据中的未被遮挡数据与第二扫描数据中的未被遮挡数据之间的误差小于第一误差值；使用第二空气数据来校正第二扫描数据。气数据来校正第二扫描数据。气数据来校正第二扫描数据。

【技术实现步骤摘要】
计算机断层扫描设备的扫描数据的校正方法及校正装置


[0001]本公开的实施例涉及计算机断层扫描
，具体地，涉及计算机断层扫描设备的扫描数据的校正方法及校正装置。

技术介绍

[0002]计算机断层扫描(Computed Tomography，简称CT)常用于现代医学技术。计算机断层扫描(CT)系统可以包括X射线管和探测器阵列。X射线管发射的X射线由探测器阵列接收。如果X射线管发射的X射线穿过物体被探测器阵列接收，则探测器阵列接收的X射线可能被衰减。探测器阵列可以将接收的X射线转换为电信号。电信号被用于重建出断层面的影像。断层面的影像通常被称为CT图像。

技术实现思路

[0003]本文中描述的实施例提供了一种计算机断层扫描设备的扫描数据的校正方法及校正装置以及存储有计算机程序的计算机可读存储介质。
[0004]根据本公开的第一方面，提供了一种计算机断层扫描设备的扫描数据的校正方法。该校正方法包括：获得第一扫描数据，第一扫描数据由计算机断层扫描设备在第一扫描场景下采用第一扫描参数针对目标区域进行扫描而生成，在第一扫描场景下在目标区域内不存在物体；通过预测模型来根据第一扫描数据和第一扫描参数预测第一扫描场景下的第一空气数据，其中，预测模型的模型参数被预训练成使得第一空气数据与第一扫描数据之间的误差小于第一误差值；获得第二扫描数据，第二扫描数据由计算机断层扫描设备在第二扫描场景下采用第二扫描参数针对目标区域进行扫描而生成，在第二扫描场景下在目标区域内存在物体；确定在第二扫描场景下计算机断层扫描设备中的多个探测器像素单元的状态，该多个探测器像素单元中的每个探测器像素单元的状态指示该探测器像素单元是否位于被物体遮挡的遮挡区域；根据该多个探测器像素单元的状态来将第二扫描数据分成未被遮挡数据和被遮挡数据；更新预测模型的模型参数，并通过更新的预测模型来根据第二扫描数据、第二扫描参数和该多个探测器像素单元的状态预测第二扫描场景下的第二空气数据，其中，第二空气数据根据该多个探测器像素单元的状态被分成未被遮挡数据和被遮挡数据，预测模型的模型参数被更新成满足第一条件，第一条件包括：使得第二空气数据中的未被遮挡数据与第二扫描数据中的未被遮挡数据之间的误差小于第一误差值；以及使用第二空气数据来校正第二扫描数据。
[0005]在本公开的一些实施例中，更新预测模型的模型参数包括：通过更新的预测模型来根据第一扫描数据和第一扫描参数预测第一扫描场景下的第一辅助空气数据。其中，第一条件还包括：第一辅助空气数据与第一扫描数据之间的误差小于第二误差值。第二误差值大于第一误差值。
[0006]在本公开的一些实施例中，更新的预测模型还根据第二扫描场景之前的L个历史扫描场景下的扫描数据、扫描参数和该多个探测器像素单元的状态来预测第二扫描场景下
的第二空气数据。其中，L是大于或者等于1的整数。
[0007]在本公开的一些实施例中，更新预测模型的模型参数包括：分别以L个历史扫描场景中的每一个历史扫描场景作为目标历史扫描场景，对目标历史扫描场景执行以下操作：通过更新的预测模型来根据目标历史扫描场景和目标历史扫描场景之前的K个历史扫描场景下的扫描数据、扫描参数和多个探测器像素单元的状态来预测目标历史扫描场景下的辅助空气数据。其中，第一条件还包括：目标历史扫描场景下的辅助空气数据与目标历史扫描场景下的扫描数据之间的误差小于目标历史扫描场景所对应的目标误差值。目标误差值大于第一误差值。其中，L个历史扫描场景中的每一个历史扫描场景所对应的目标误差值按时间顺序依次递减。K等于L。
[0008]在本公开的一些实施例中，第一扫描参数和第二扫描参数包括：计算机断层扫描设备中的X射线管的管电压和管电流、扫描时长、距离上一次扫描的时间间隔、探测器温度、以及环境湿度。
[0009]在本公开的一些实施例中，预测模型被表示为：
[0010]P
′
j
＝λ
j
·
(1
‑
b
j
)
·
P
j
+(1
‑
λ
j
)
·
M
j
，
[0011]其中，其中，
[0012]其中，P
′
j
表示预测模型的输出，P
j
表示预测模型的输入，b
j
表示多个探测器像素单元中的第j探测器像素单元的状态，λ
j
，，e
jk
，f
jk
，g
jk
表示预测模型的模型参数，j对应任一探测器像素单元，k对应除了第j探测器像素单元之外的所有其它探测器像素单元，kVp表示管电压，mA表示管电流，t表示扫描时长，tc表示距离上一次扫描的时间间隔，T表示探测器温度，W表示环境湿度。
[0013]在本公开的一些实施例中，通过下式来计算多个探测器像素单元的状态：
[0014][0015]其中，b
j
表示多个探测器像素单元中的第j探测器像素单元的状态，b
j
为0表示第j探测器像素单元未被遮挡，b
j
为1表示第j探测器像素单元被遮挡，表示第二扫描数据中的第j像素值，θ表示预设阈值。
[0016]在本公开的一些实施例中，确定在第二扫描场景下计算机断层扫描设备中的多个探测器像素单元的状态包括：使用经预训练的卷积神经网络来根据第二扫描数据生成指示该多个探测器像素单元的状态的状态矩阵。其中，状态矩阵中的第一元素表示相对应的探测器像素单元未被遮挡。状态矩阵中的第二元素表示相对应的探测器像素单元被遮挡。
[0017]在本公开的一些实施例中，使用第二空气数据来校正第二扫描数据包括：将第二扫描数据除以第二空气数据。
[0018]在本公开的一些实施例中，使用第二空气数据来校正第二扫描数据包括：将第二扫描数据的对数值减去第二空气数据的对数值。
[0019]根据本公开的第二方面，提供了一种计算机断层扫描设备的扫描数据的校正装
置。该校正装置包括至少一个处理器；以及存储有计算机程序的至少一个存储器。当计算机程序由至少一个处理器执行时，使得校正装置：获得第一扫描数据，第一扫描数据由计算机断层扫描设备在第一扫描场景下采用第一扫描参数针对目标区域进行扫描而生成，在第一扫描场景下在目标区域内不存在物体；通过预测模型来根据第一扫描数据和第一扫描参数预测第一扫描场景下的第一空气数据，其中，预测模型的模型参数被预训练成使得第一空气数据与第一扫描数据之间的误差小于第一误差值；获得第二扫描数据，第二扫描数据由计算机断层扫描设备在第二扫描场景下采用第二扫描参数针对目标区域进行扫描而生成，在第二扫描场景下在目标区域内存在物体；确定在第二扫描场景下计算机断层扫描设备中的多个探测器像素单元的状态，该多个探测器像素单元中的每个探测器像素单元的状态指示该探测器像素单元是否位于被物体遮挡的遮挡区域；根据该多个探本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种计算机断层扫描设备的扫描数据的校正方法，其特征在于，所述校正方法包括：获得第一扫描数据，所述第一扫描数据由所述计算机断层扫描设备在第一扫描场景下采用第一扫描参数针对目标区域进行扫描而生成，在所述第一扫描场景下在所述目标区域内不存在物体；通过预测模型来根据所述第一扫描数据和所述第一扫描参数预测所述第一扫描场景下的第一空气数据，其中，所述预测模型的模型参数被预训练成使得所述第一空气数据与所述第一扫描数据之间的误差小于第一误差值；获得第二扫描数据，所述第二扫描数据由所述计算机断层扫描设备在第二扫描场景下采用第二扫描参数针对所述目标区域进行扫描而生成，在所述第二扫描场景下在所述目标区域内存在物体；确定在所述第二扫描场景下所述计算机断层扫描设备中的多个探测器像素单元的状态，所述多个探测器像素单元中的每个探测器像素单元的状态指示该探测器像素单元是否位于被所述物体遮挡的遮挡区域；根据所述多个探测器像素单元的状态来将所述第二扫描数据分成未被遮挡数据和被遮挡数据；更新所述预测模型的所述模型参数，并通过更新的预测模型来根据所述第二扫描数据、所述第二扫描参数和所述多个探测器像素单元的状态预测所述第二扫描场景下的第二空气数据，其中，所述第二空气数据根据所述多个探测器像素单元的状态被分成未被遮挡数据和被遮挡数据，所述预测模型的所述模型参数被更新成满足第一条件，所述第一条件包括：使得所述第二空气数据中的未被遮挡数据与所述第二扫描数据中的未被遮挡数据之间的误差小于所述第一误差值；以及使用所述第二空气数据来校正所述第二扫描数据。2.根据权利要求1所述的校正方法，其特征在于，更新所述预测模型的所述模型参数包括：通过所述更新的预测模型来根据所述第一扫描数据和所述第一扫描参数预测所述第一扫描场景下的第一辅助空气数据；其中，所述第一条件还包括：所述第一辅助空气数据与所述第一扫描数据之间的误差小于第二误差值，所述第二误差值大于所述第一误差值。3.根据权利要求1所述的校正方法，其特征在于，所述更新的预测模型还根据所述第二扫描场景之前的L个历史扫描场景下的扫描数据、扫描参数和所述多个探测器像素单元的状态来预测所述第二扫描场景下的所述第二空气数据，其中，L是大于或者等于1的整数。4.根据权利要求3所述的校正方法，其特征在于，更新所述预测模型的所述模型参数包括：分别以所述L个历史扫描场景中的每一个历史扫描场景作为目标历史扫描场景，对所述目标历史扫描场景执行以下操作：通过所述更新的预测模型来根据所述目标历史扫描场景和所述目标历史扫描场景之前的K个历史扫描场景下的扫描数据、扫描参数和所述多个探测器像素单元的状态来预测所述目标历史扫描场景下的辅助空气数据；其中，所述第一条件还包括：所述目标历史扫描场景下的辅助空气数据与所述目标历
史扫描场景下的扫描数据之间的误差小于所述目标历史扫描场景所对应的目标误差值，所述目标误差值大于所述第一误差值；其中，所述L个历史扫描场景中的每一个历史扫描场景所对应的目标误差值按时间顺序依次递减，K等于L。5.根据权利要求1所述的校正方法，其特征...

【专利技术属性】
技术研发人员：任彦，
申请(专利权)人：赛诺威盛医疗科技扬州有限公司，
类型：发明
国别省市：