将PCDM集成到西门子医疗的CT原型机中可区分不同造影剂
将PCDM集成到西门子医疗的CT原型机中可区分不同造影剂法国科研机构CEA-Leti①开发出一种新型X射线光子计数探测器模块(photon-counting detector mo
法国科研机构CEA-Leti①开发出一种新型X射线光子计数探测器模块(photon-counting detector module,PCDM),有望给现有CT设备带来提升。
PCDM在成像方面有很大优势。新一代PCDM产品已经成熟,可以集成到CT原型机中,西门子医疗就新一代PCDM的设计、集成、制造和测试与CEA-Leti进行了接触。将PCDM集成到西门子医疗的CT原型机中,经过临床试验发现,提高了CT的空间分辨率,减少了对患者的X射线辐射,降低了图像噪声和伪影,图像质量更高,还能够区分不同的造影剂。
基于碲化镉(CdTe)的X射线PCDMs能够同时兼顾高空间分辨率和多能量图像。
使用小像元(small-pixel)探测器,将更高的空间分辨率转化为更好的图像质量和更清晰的图像,与目前的扫描技术相比,新技术可以识别非常精细的结构,比如肺部的小气道、骨小梁,以及冠状动脉支架的细网格等。
与传统探测器的灰度级图像相比,多能量可以呈现彩色图像,并精确确定体内化学元素的原子序数。
CT通过计算机来处理多个不同角度的X射线测量组合,生成被扫描对象的横截面图像,目前使用能量集成探测器(energy-integrating detectors, EIDs)来产生图像,这一过程基于间接转换技术。PCDMs则与之相反,能以更高的转换效率,直接将X射线光子转换成电子信号。
能量集成探测器在一段固定的时间内记录存储在像素中的总能量时,无法区分低能量和高能量光子,而PCDMs会对每个光子进行计数,从而提高图像的对比噪声比(contrast-to-noise)。它还允许对探测到的光子进行能量分级,用于产生彩色图像,从而可以精确地确定任何化学元素的原子序数,并区分体内存在的多种造影剂。
美国梅奥诊所的研究人员已将西门子医疗的PCDM CT应用于模体(phantoms)、尸体(cadavers)、动物和人类,并生成了300多名患者的图像。研究人员表示,这些图像把理论上的技术优势在临床上显示出来。
梅奥诊所研究小组发表的论文显示,采用PCDM之后,CT的空间分辨率得到了提高,辐射和碘造影剂的剂量要求降低了,图像噪声和伪影水平也得以降低。此外,同时采集多个150微米分辨率数据集的能力(每个数据集代表不同的能谱)有望带来新的临床应用。
CEA-Leti正在致力于提高PCDMs的效能,参与开发基于碲化镉的能量分辨PCDM,利用两个能量阈值计数器探测单个X光光子。
研究人员表示,尽管结果令人鼓舞,但PCDMs响应的光谱质量远远没达到最佳,而且仍有技术上的挑战需要克服,比如电荷共享、电荷感应和堆积。下一步,新一代基于PCDM的CT将解决这些问题。
为了做到这一点,CEA-Leti开发了一种校正光子计数探测器(corrected photon counting detector,CPCD),其特点是在对信号进行数字化之前,像素内部有一个“实时清理光谱(real time cleaned spectrum)”。它基于碲化镉层与新的CMOS读出集成电路(Read-Out Integrated Circuit)的混合,其中每个像素与接口存储器集成了芯片内的电荷共享校正(charge sharing correction)、电荷感应(charge induction)和反堆积(pile-up rejection),以及一个内存接口,以缓和芯片外(off-chip)后处理的限制。
CEA-Leti的专业人士表示,未来的挑战是设计一种新型芯片,具有25 Mcps/像素(Mcps/pixel)输出计数率(Output Count Rate)和低功耗[仅有几毫瓦/像素(mW/pixel)],像素间距0.5mm(包括所有校正)。由此产生的校正光子计数探测器(CPCD)应该能够测量到所需的2.108计数/秒/mm?的通量,从而达到PCDM CT的最佳响应。
注①:CEA-Leti成立于1967年,是法国 CEA Tech下属的一家技术科研机构。
CEA Tech 是CEA(French Atomic Energy and Alternative Energy Commission,法国原子能和替代能源委员会)的技术研究部门。CEA Tech拥有三个实验室(Leti、Liten和List),主要为ICTs、能源和医疗领域开发广泛的技术组合。
CEA-Leti也是法国的39个卡诺研究所之一,与大约220家各种规模和各个领域的公司开展研发项目。卡诺(Carnot)研究所计划设立于2006年,由法国高等教育与研究部(MENESR)对在产业界合作研究、技术转移等方面取得显著成果的公共科研机构进行卡诺标签认证,提供专项资助。
END
-
全新AI相机通过光子时间差构建3D图像,单像素成像、每秒达1000帧2020-08-23
-
使用Python+OpenCV实现神经网络预处理人脸图像的快速指南2020-05-23
-
高级图像识别:一种智能的质量控制方法2020-05-20
-
使用Python+OpenCV实现图像数据采集2020-05-08
-
Arbe发布首款汽车专用图像雷达处理器芯片解决方案2020-05-06
-
这就是人脸和图像识别越来越重要的原因2020-04-27
-
脑陆科技:语音,图像,意念,机器学习的下一个决胜赛道!2020-04-22
-
脑陆科技:语音,图像,意念,机器学习的下一个决胜赛道2020-04-22
-
康奈尔大学研究员提出利用归一化信息, 提取图像特征中结构性信息的新方法2020-04-09
-
从形成与解读,一文为您剖析医疗图像处理2020-03-11
-
基于图像识别应用,飞机也能全自动驾驶2020-01-19
-
南京大学教授申富饶:图像识别的发展与挑战2019-12-17
-
OpenCV系列之图像梯度 | 十八2019-12-04
-
高分七号卫星发射成功,高分七号卫星将提高我国测绘图像数据自给率2019-11-04
-
研究人员开发算法生成真实路标图像,可用于计算机视觉训练2019-11-03