[發明專利]一種能譜投影數據處理方法、裝置、電子設備及存儲介質

有效

• 申請號: 201911184027.X
• 申請日: 2019-11-27
• 公開（公告）號: CN111062882B
• 公開（公告）日: 2023-10-03
• 發明（設計）人: 曹文靜;馬菁露;張忠良
• 申請（專利權）人: 上海聯影醫療科技股份有限公司
• 主分類號: G06T5/00
• 分類號: G06T5/00;G06T11/00
• 代理公司: 北京品源專利代理有限公司 11332
• 代理人: 孟金喆

1.一種能譜投影數據處理方法，其特征在于，包括：

獲取目標對象的能譜投影數據；

基于基物質分解算法和正則化算法生成目標分解算法；

基于所述目標分解算法對所述能譜投影數據進行迭代處理，得到所述目標對象的分解數據。

2.根據權利要求1所述的方法，其特征在于，所述基物質分解算法為：

其中，uh為所述能譜投影數據中的高能衰減系數，ul為所述能譜投影數據中的低能衰減系數，u1為第一物質分量，u2為第二物質分量，C11為第一物質在高能下的線性物質衰減系數，C12第二物質在高能下的線性物質衰減系數，C21為所述第一物質在低能下的線性物質衰減系數，C22為第二物質在低能下的線性物質衰減系數。

3.根據權利要求2所述的方法，其特征在于，所述正則化算法為：

其中，為線性衰減系數沿x方向的微分，為線性衰減系數沿y方向的微分，為正則化項；

所述目標分解算法為：

其中，γ₁為第一物質的正則化項系數，γ₂為第二物質的正則化項系數，u_x1為第一物質沿x方向的梯度，u_y1為第一物質沿y方向的梯度，u_x2為第二物質沿x方向的梯度，u_y2為第二物質沿y方向的梯度，λ_h為高能數據保真項系數，γ_l為低能數據保真項系數，E為目標函數。

4.根據權利要求2所述的方法，其特征在于，

所述正則化算法為：其中，為線性衰減系數沿x方向的微分，為線性衰減系數沿y方向的微分，為線性衰減系數沿z方向的微分；

所述目標分解算法為：

其中，u_z1為第一物質沿z方向的梯度，u_z2為第二物質沿z方向的梯度。

5.根據權利要求3的方法，其特征在于，所述基于所述目標分解算法對所述能譜投影數據進行迭代處理，得到所述目標對象的分解數據，包括：

將所述能譜投影數據中的所述高能衰減系數和所述低能衰減系數輸入至所述目標分解算法中；

根據所述高能衰減系數和所述低能衰減系數，計算得到所述目標函數；

基于預設的所述正則化項系數對所述目標函數進行迭代，直至所述目標函數收斂，并將收斂的目標函數對應的第一物質分量和第二物質分量確定為所述分解數據。

6.根據權利要求5所述的方法，其特征在于，還包括：

如果所述目標函數不滿足收斂條件，重復執行所述基于預設的所述正則化系數對所述目標函數進行迭代，直至所述目標函數收斂的步驟。

7.根據權利要求5或6所述的方法，其特征在于，所述基于預設的正則化參數對所述目標函數進行迭代，包括：

獲取預先設定的迭代參數，基于所述迭代參數，分別迭代更新所述目標函數，其中，所述迭代參數包括迭代步長和迭代步數中的至少一個。

8.一種能譜投影數據處理裝置，其特征在于，包括：

能譜投影數據獲取模塊，用于獲取目標對象的能譜投影數據；

目標分解算法生成模塊，用于基于基物質分解算法和正則化算法生成目標分解算法；

分解數據確定模塊，用于基于所述目標分解算法對所述投影數據進行迭代處理，得到所述目標對象的分解數據。

9.一種電子設備，包括存儲器、處理器及存儲在存儲器上并可在處理器上運行的計算機程序，其特征在于，所述處理器執行所述計算機程序時實現如權利要求1-7中任一項所述的能譜投影數據處理方法。

10.一種包含計算機可執行指令的存儲介質，其特征在于，所述計算機可執行指令在由計算機處理器執行時實現如權利要求1-7中任一項所述的能譜投影數據處理方法。