一种提升康普顿相机成像质量的方法与流程

本发明涉及康普顿相机成像领域，具体地说涉及一种用于提升康普顿相机成像质量的方法。

背景技术：

1、康普顿相机是一种用于探测γ射线的成像设备，主要通过测量γ射线与探测器发生康普顿散射作用的能量沉积和作用位置来计算伽马源的空间分布，无需准直器即可直接定位放射源。康普顿相机依据康普顿散射成像，典型的康普顿相机是由两层检测器组成，第一层吸收探测器，第二层散射探测器。目前，康普顿相机传统图像重建算法主要分为解析法和迭代法两大类。在解析法中，直接反投影法是通过求解图像和投影数据之间的关系方程直接重建出图像，是最简单迅速的一种重建方法。然而，由于康普顿相机在成像过程中存在散射角度分辨率低、噪声干扰强、图像重建难度大等问题，提升其成像质量一直是研究的热点和难点。本申请发明人发现，利用深度学习的方法对康普顿相机的输出图像进行后处理，可以有效消除噪声并增强细节。

技术实现思路

1、本发明的目的在于提出一种提升康普顿相机成像质量的方法，首先通过制作康普顿相机成像的数据集，解决康普顿相机缺失公开数据集的问题，并确定了以pix2pix 模型作为基础网络，对其原始的生成器、判别器网络进行重新构造，从而完成高质量图像重建。

2、本发明采用的技术方案：

3、一种提升康普顿相机成像质量的方法，包括：

4、步骤一，采集放射源在康普顿相机上发生康普顿散射与光电效应后获得的散射与吸收的数据，然后对数据进行筛选；

5、步骤二，利用重建算法将经过筛选后的数据重建为二维图像，然后基于重建的二维图像制作数据集，再对数据集进行数据增强，最后得到增强后数据集，并按照7：3比例划分为训练集和测试集；

6、步骤三，构建基于pix2pix模型的康普顿相机成像方法，所述pix2pix模型中使用u-net作为生成器的主要结构，在编码器和解码器中添加多尺度特征提取模块，并设计rs注意力模块，判别器中使用transformer架构。

7、与现有技术相比，本发明具有以下有益效果：

8、其一，本发明制作了康普顿相机成像数据集，解决了无公开数据集无法进行训练的困境，并且使用srgan对数据集进行预处理，还对数据集进行了数据增强，提升训练效果。

9、其二，本发明在生成器的编码器和解码器中添加了多尺度特征提取模块，增加感受野，增强对图片信息的提取。

10、其三，本发明设计了rs注意力模块，并放在每个跳跃连接处，将经过注意力模块处理的特征与解码器部分的对应层合并，rs注意力模块可以提升跳跃连接的特征选择性，从而改进信息融合的效果。

11、其四，本发明在判别器中使用transformer架构替代传统卷积网络，可以更好地捕捉图像的全局结构与细节信息。

技术特征：

1.一种提升康普顿相机成像质量的方法，其特征在于，所述方法包括：

2.如权利要求1所述的提升康普顿相机成像质量的方法，其特征在于，所述筛选处理包括根据所探测的放射源能量对数据进行过滤，获得符合康普顿散射条件的数据。

3.如权利要求1所述的提升康普顿相机成像质量的方法，其特征在于，步骤二包括：使用解析法与迭代法对筛选后的数据分别进行图像重建，获得高统计量图片与低统计量图片，将高统计量图片与低统计量图片放入srgan中进行图像增强，然后将增强后的高统计量图片与低统计量图片合并制成样本对，并使用数据增强技术增强数据集。

4.如权利要求3所述的提升康普顿相机成像质量的方法，其特征在于，步骤二包括：利用解析法中直接反投影法将过滤后的康普顿相机数据按照1000、4000、8000、12000、40000、100000条数据分别成像，获得低统计量图片；再利用迭代法中最大似然期望最大化法用300000、500000条数据进行成像获得高统计量图片；数据增强技术包括以下至少之一：数据水平翻转、旋转、裁剪、添加噪声、遮挡、亮度调整。

5.如权利要求1所述的提升康普顿相机成像质量的方法，其特征在于，

6.如权利要求1所述的提升康普顿相机成像质量的方法，其特征在于，所述生成器结构一共五层，从输入到最底层特征通道数依次为3，64，128，256，512，512。

7.如权利要求1所述的提升康普顿相机成像质量的方法，其特征在于，编码器的下采样操作包括卷积层、relu以及池化层；解码器的上采样操作包括反卷积、卷积、relu。

8.如权利要求1所述的提升康普顿相机成像质量的方法，其特征在于，步骤三还包括：进行pix2pix模型的训练在模型训练中，训练过程包括200个训练周期，批量大小为4。

技术总结
本发明公开一种提升康普顿相机成像质量的方法，属于康普顿相机成像领域，方法包括：采集放射源在康普顿相机上发生康普顿散射与光电效应后获得的散射与吸收的数据，然后对数据进行筛选；利用重建算法将经过筛选后的数据重建为二维图像，然后基于重建的二维图像制作数据集，再对数据集进行数据增强，最后得到增强后数据集，并按照7:3比例划分为训练集和测试集；构建基于pix2pix模型的康普顿相机成像方法，所述pix2pix模型中使用U‑Net作为生成器的主要结构，在编码器和解码器中添加多尺度特征提取模块，并设计RS注意力模块，判别器中使用Transformer架构。本发明极大的改善了康普顿相机成像质量差的问题。

技术研发人员：卢棚,赵丽文,梁立振
受保护的技术使用者：合肥综合性国家科学中心能源研究院（安徽省能源实验室）
技术研发日：
技术公布日：2025/2/17