机构名称：
¥ 2.0
摘要。本文介绍了一种估算从重建的CT图像本身的诊断能量范围内计算机断层扫描（CT）的X射线能谱的方法。为此，开发了一个虚拟CT系统，并生成了由相应能量光谱标记的γ幻影的CT图像。使用这些数据集，对人工神经网络（ANN）模型进行了训练，从而从伽马克式插入物中的CT值重现了能量谱。在实际应用中，在虚拟CT系统中使用了基于铝的弓形滤波器，并且还开发了带有弓箭滤波器的ANN模型。没有/带有弓形滤波器的ANN模型都可以估计协议中的X射线频谱，该X射线频谱被定义为减去绝对误差，平均超过80％。 协议随着管电压的增加而增加。 当CT图像上的噪声量相当大时，估计偶尔会不准确。 的图像质量具有超过10的信号噪声比，对于γ幻影的基本材料，需要准确预测光谱。 基于从Acivion16（日本佳能医疗系统）获得的实验数据，带有弓形滤波器的ANN模型通过同时优化弓箭滤网的形状，从而产生了合理的能量谱。没有/带有弓形滤波器的ANN模型都可以估计协议中的X射线频谱，该X射线频谱被定义为减去绝对误差，平均超过80％。协议随着管电压的增加而增加。当CT图像上的噪声量相当大时，估计偶尔会不准确。的图像质量具有超过10的信号噪声比，对于γ幻影的基本材料，需要准确预测光谱。基于从Acivion16（日本佳能医疗系统）获得的实验数据，带有弓形滤波器的ANN模型通过同时优化弓箭滤网的形状，从而产生了合理的能量谱。目前的方法仅需要用于伽马克式幻影的CT图像，并且没有特殊的设置，因此预计它将很容易应用于临床应用中，例如梁硬化减少，CT剂量管理和材料分解，所有这些都需要有关X射线能量频谱的精确信息。
基于虚拟计算机断层扫描系统
主要关键词
相关文件推荐
