Edge-on型X射线能谱探测器及可重构能谱解析技术研究

Spectral CT, which reconstructs tomographic image by analyzing degradation level of different energy components in x-rays, is able to obtain more precise tissue information and has been widely used in clinical diagnosis. The study of spectral-unmixing-aimed x-ray detector has become a major research focus in medical CT area. This project is going to study an edge-on based reconfigurable voxel structure as well as spectral unmixing methods. The project will be developed in the following aspects, including edge-on voxel structure, voxel noise modeling with its mixed-readout-based denoising technology and reconfigurable energy resolving method. Finally, we will form a novel medical-CT-imaging-aimed energy-integrating spectral unmixing methodology. Our innovation points include (1) proposed an edge-on voxel structure to enable stratified detection and charge-coupling based charge transferring and readout, (2) proposed a mixed AD readout and denoising method and (3) proposed a spectral unmixing method, in which energy-resolving equation-sets are reconfigured based on x-ray absorption effect, to solve multi groups of energy bins.

能谱CT通过探测X射线中各能量成分的衰减情况进行断层图像重建，可获得更精准的影像信息，已广泛用于现代医学临床诊断。如何通过低剂量照射获得多种能量分辨区间的能谱探测技术是目前该领域的研究难点。本课题拟研究一种利用侧边界方向入射结构进行分层探测和重构解析X射线能谱的理论和方法。拟从Edge-on型探测器体素单元结构、体素噪声建模分析和混合信号读出降噪技术、可重构能谱解析计算方法等三个方面来展开。课题创新之处在于：1）提出了利用Edge-on型的体素单元结构分层探测并利用电荷耦合方式实现光生电荷的转移读出；2）提出了采用数字域和模拟域混合累加的读出电路进行降噪处理并实现A/D转换；3）根据X射线在半导体材料中的分层吸收理论，重构出不同的能量解析方程组，可以快速求解出多组能量组成成分。课题拟突破传统X射线能谱探测器能量分辨区间固定问题的瓶颈，形成一套新型能量积分式可重构的X射线能谱探测方法学。

在医用能谱CT领域，直接型X射线探测器相比于间接型X射线探测器能够实现更大限度地X射线能量分离以减少成像的伪影与射束硬化。当前的能量积分型探测器只能分辨不多于两种的固定能量组分，无法获得更精准的能谱信息。为此本课题以X射线边缘入射（Edge-on）型能量积分式探测器为切入点，重点研究了X射线的分层探测理论与可重构模式下的能量解析技术。提出了一种能量组分动态可调与X射线能谱高精度解析的探测方法，该方法可经一次X射线辐射同时获得物体在多个不同能量组合下的投影信息，在较低的辐射剂量下能够获得更高精度的CT图像。在探测器像素结构研究中，本课题提出了一种Edge-on型分层探测器像素结构，结合电荷耦合（CCD）的信号读出方式实现了动态的X射线多能量谱段的探测。为进行X射线光生电荷信号的高效地转移、读出、转换和传输，本课题通过对探测器像素单元中噪声建模与分析，设计了一套Edge-on型X射线探测器像素的信号读出系统。为了降低X射线能谱重构解析过程中高能拖尾效应等带来的误差，课题提出了一种用于提升能谱分离度及解析精度的能谱校正技术，基于半导体探测器中X射线的能量积淀模型实现了分段的能谱解析。同时提出了基于一种基于动态阈值的X射线能量解析和影像重建的方法。在医学成像和处理的质量评价方面，本课题提出了模拟人脑认知过程的双随机窗口相似度的图像质量评价策略和突出梯度相似性的图像质量评测方法。在整个课题的研究过程中，课题突破了传统X射线能谱探测器能量分辨区间固定问题的瓶颈，初步形成了一套新型能量积分式可重构的X射线能谱探测方法学。接下来，将此探测方法与深度学习相结合，继续研究一系列面向X射线能量探测器的深度学习式串扰校正、伪影抑制和去噪技术，并深入研究低剂量能谱CT重建、物质分解等技术。