[發明專利]基于深度學習的單步X射線光柵差分相位襯度成像方法及裝置有效
| 申請號: | 202111296166.9 | 申請日: | 2021-11-03 |
| 公開(公告)號: | CN114018961B | 公開(公告)日: | 2023-08-18 |
| 發明(設計)人: | 傅健;朱國港;張昌盛;明晨 | 申請(專利權)人: | 北京航空航天大學寧波創新研究院 |
| 主分類號: | G01N23/041 | 分類號: | G01N23/041;G01N23/083 |
| 代理公司: | 北京科迪生專利代理有限責任公司 11251 | 代理人: | 安麗 |
| 地址: | 315800 浙江省寧波*** | 國省代碼: | 浙江;33 |
| 權利要求書: | 查看更多 | 說明書: | 查看更多 |
| 摘要: | |||
| 搜索關鍵詞: | 基于 深度 學習 射線 光柵 相位 成像 方法 裝置 | ||
1.一種基于深度學習的單步X射線光柵差分相位襯度成像方法,其特征在于,包括以下步驟:
步驟一:使用基于橫向錯位吸收光柵的X射線光柵差分相位襯度成像裝置獲取樣品的相位襯度圖像,所述X射線光柵差分相位襯度成像需要在各采樣角進行4次采集,使成像時間和射線劑量的增加,所述橫向錯位吸收光柵是探測器的探元對應的吸收光柵部分的相位出現橫向周期性錯位,使得探測器橫向相鄰4個探元的強度能夠近似成在差分相位襯度成像中一個探元當吸收光柵在4個不同的步進位置時的強度,通過對探測器相鄰4個探元的強度進行解析提取相應的近似差分相位襯度信號,并針對解析得到的近似差分相位襯度信號進行重建得到樣品的相位襯度圖像,所述近似差分相位襯度信號是由于橫向錯位吸收光柵通過單步采集的鄰域像素替換代替4次采集,與實際相位襯度真值存在誤差,導致重建圖像產生偽影;
步驟二:基于殘差學習及多尺度特征融合技術,構建卷積神經網絡模型,卷積神經網絡模型輸入與輸出圖像尺寸相同,所述卷積神經網絡的作用是修正步驟一解析出的近似差分相位襯度信號與差分相位襯度信號真值之間的誤差,提高重建圖像的質量;
步驟三:訓練卷積神經網絡模型,以基于橫向錯位吸收光柵獲取的樣品相位襯度圖像為網絡輸入,相位襯度成像方法所獲得的相位襯度圖像為標簽,計算卷積神經網絡輸出圖像和標簽圖像的結構相似度,并以此構造損失函數對卷積神經網絡進行更新,其中輸入圖像、輸出圖像和標簽均進行歸一化處理,并將灰度值拉伸至0-255;卷積神經網絡參數采用Xavier初始化方法,初始學習率設置為0.001,采用Nadam優化器對參數進行更新;
步驟四:使用已訓練的卷積神經網絡模型對基于橫向錯位吸收光柵的相位襯度圖像進行校正,將基于橫向錯位吸收光柵的相位襯度圖像輸入已訓練的卷積神經網絡,達到偽影去除及提高圖像空間分辨率的目的;
所述步驟一中,針對解析得到的近似差分相位襯度信號進行重建得到樣品的相位襯度圖像時采用橫向錯位吸收光柵,使用一次曝光完成相位襯度成像,依據公式(11)-(12)實現:
其中,δ(x,y)為待重建相位襯度圖像,U為幾何加權因子,phaseθ為解析得到的差分相位襯度信號,h(v)為Hilbert濾波器,θ為旋轉角度;
所述步驟二中,構建卷積神經網絡模型為:以卷積層及激活函數為基本單元;卷積神經網絡由多個分支組成,存在下采樣和上采樣操作,輸入圖像尺寸與輸出圖像尺寸相同;采用多尺度特征融合思想對網絡所提取的各個層級特征進行融合;使用殘差學習思想避免訓練過程中出現的梯度消失問題;卷積神經網絡的輸入和標簽分別采用步驟一得到的近似差分相位襯度信號和四步法得到的準確信號襯度信號,經過訓練,卷積神經網絡學習了兩者間的誤差并進行修正,輸出高質量的信號襯度信號。
2.根據權利要求1所述的基于深度學習的單步X射線光柵差分相位襯度成像方法,其特征在于:所述步驟一中,基于橫向錯位吸收光柵的X射線光柵差分相位襯度成像裝置一共包括六個部分:X射線源、源光柵G0、樣品、相位光柵G1、吸收光柵G2和探測器;
其中,源光柵G0用以產生相干X射線;相位光柵G1為50%的占空比,使X射線產生值為π的相位移動;吸收光柵G2采用橫向錯位吸收光柵,占空比為50%,其中一部分能夠完全吸收X射線,另一部分能夠透過X射線;
基于橫向錯位吸收光柵的X射線光柵差分相位襯度成像裝置的光柵設置如公式(1)-(4)所示:
kg1=2g2,????????????????????(2)
g0=g2·L/d,??????????????????(3)
s<g2·L/2d,??????????????????(4)
其中,d為相位光柵G1和橫向錯位吸收光柵G2之間的距離,m為整數表示m倍的分數Talbot距離,k=(L+d)/L為放大比,g1為相位光柵G1的周期,λ為所用X射線的波長,g2為吸收光柵G2的周期,g0為源光柵G0的周期,L為源光柵G0與相位光柵G1直接的距離,s為源光柵中在每個周期下允許X射線透過的寬度。
3.根據權利要求1所述的基于深度學習的單步X射線光柵差分相位襯度成像方法,其特征在于:所述步驟一中,基于橫向錯位吸收光柵的X射線光柵差分相位襯度成像裝置通過鄰域探元的近似替換實現近似差分相位襯度信號的提取的過程為:X射線光柵差分相位襯度成像需要4次吸收光柵步進獲取不同相位下的射線圖像,p1—p4分別對應吸收光柵在不同步進位置時各探元的強度,并以此解析該探元的相位襯度信息,所述橫向錯位吸收光柵的作用是通過橫向周期性的光柵網格錯位,將p1、p3、p4三個點的值近似為p2點的值,對于p2這個點,其中p1對應吸收光柵步進到位置1的值、p2對應吸收光柵步進到位置2的值、p3對應吸收光柵步進到位置3的值、p4對應吸收光柵步進到位置4的值;
對相鄰4個探元的強度進行解析提取相應的近似差分相位襯度信號實現為:
通過探測器對二維投影圖像進行采集,并依據公式(5)-(10)對二維投影圖像進行解析:
I1(x,z)=I(x-1,z),????????????????????(5)
I2(x,z)=I(x,z),????????????????????????(6)
I3(x,z)=I(x+1,z),??????????????????????(7)
I4(x,z)=I(x+2,z),????????????????????(8)
phase(x,z)=φs(x,z)-φr(x,z),?????????????????(10)
其中,x為二維投影圖點的橫坐標;z為二維投影圖點的縱坐標;I(x,z)為二維投影圖中點(x,z)的強度值;I1(x,z)、I2(x,z)、I3(x,z)、I4(x,z)分別表示點(x,z)的4個不同的強度值,模擬傳統光柵差分相位襯度圖像中點(x,z)當吸收光柵在4個不同的步進位置時的強度值;M為探測器的探元(x,z)中不同的強度值的個數,M=4;φ(x,z)為點(x,z)的4個不同的強度值擬合出的正弦曲線的相位值;φr(x,z)表示不放測試物體時的φ(x,z)值,φs(x,z)表示放置測試物體時的φ(x,z)值;phase(x,z)為點(x,z)解析得到的差分相位襯度信號。
該專利技術資料僅供研究查看技術是否侵權等信息,商用須獲得專利權人授權。該專利全部權利屬于北京航空航天大學寧波創新研究院,未經北京航空航天大學寧波創新研究院許可,擅自商用是侵權行為。如果您想購買此專利、獲得商業授權和技術合作,請聯系【客服】
本文鏈接:http://www.szxzyx.cn/pat/books/202111296166.9/1.html,轉載請聲明來源鉆瓜專利網。





