一种校正串扰的方法和系统

摘要

本说明书实施例提供了一种校正串扰的方法和系统。包括获取第一投影数据和第二投影数据，第一投影数据包括待校正设备的串扰，第二投影数据为校正了待校正设备的串扰的投影数据；以第一投影数据和第二投影数据作为训练样本对，对初始辅助模型进行训练得到辅助模型，初始辅助模型包括至少一个卷积层；基于辅助模型确定至少一个卷积层对应的目标卷积核；基于目标卷积核确定待校正设备的串扰信息，待校正设备的串扰信息用于校正待校正设备的串扰。

权利要求

1.一种校正串扰的方法，其特征在于，包括：

获取第一投影数据和第二投影数据，所述第一投影数据为包括待校正设备的串扰的投影数据，所述第二投影数据为对所述待校正设备的串扰进行校正后产生的投影数据；

以所述第一投影数据和所述第二投影数据作为训练样本对，对初始辅助模型进行训练得到辅助模型，所述初始辅助模型包括至少一个卷积层；

基于所述辅助模型确定所述至少一个卷积层对应的目标卷积核；

基于所述目标卷积核确定所述待校正设备的串扰信息，所述待校正设备的所述串扰信息包括所述待校正设备的探测器的多个探测单元中的目标探测单元的串扰系数，至少一个方向上对应元素对所述目标探测单元的串扰系数基于所述目标卷积核中中心元素与至少一个方向上对应元素的差异确定，所述待校正设备的所述串扰信息用于校正所述待校正设备的串扰。

2.如权利要求1所述的方法，所述初始辅助模型包括第一激活函数和第二激活函数，所述第一激活函数用于将所述初始辅助模型的输入数据从投影数据转换为目标类型数据，所述第二激活函数用于将所述初始辅助模型的输出数据从所述目标类型数据转换为投影数据。

3.如权利要求2所述的方法，所述第一激活函数为对所述输入数据做指数变换，用于将所述输入数据从投影数据转换为强度域数据；所述第二激活函数为对所述输出数据做对数变换，用于将所述输出数据从强度域数据转换为投影数据。

4.如权利要求1所述的方法，所述以所述第一投影数据和所述第二投影数据作为训练样本对，对初始辅助模型进行训练得到辅助模型包括：根据所述训练样本对以及损失函数对所述初始辅助模型进行迭代更新，得到所述辅助模型；其中，所述损失函数包括根据中间卷积核的元素的加和值与预设值的差异确定的第一损失函数，所述中间卷积核基于所述初始辅助模型或更新模型的参数确定。

5.如权利要求1所述的方法，所述基于所述辅助模型确定所述至少一个卷积层对应的所述目标卷积核包括：提取所述辅助模型的至少一个所述卷积层对应的至少一个训练好的卷积核；

对至少一个所述训练好的卷积核执行卷积操作，得到所述目标卷积核。

6.如权利要求1所述的方法，所述基于所述辅助模型确定所述至少一个卷积层对应的所述目标卷积核包括：确定输入矩阵，所述输入矩阵的大小基于所述至少一个卷积层的卷积核的大小确定；

将所述输入矩阵输入所述辅助模型，通过所述输入矩阵，从所述辅助模型中提取所述至少一个卷积层对应的所述目标卷积核。

7.一种校正串扰的系统，其特征在于，包括：

获取模块：用于获取第一投影数据和第二投影数据，所述第一投影数据为包括待校正设备的串扰的投影数据，所述第二投影数据为对所述待校正设备的串扰进行校正后产生的投影数据；

模型确定模块：用于以所述第一投影数据和所述第二投影数据作为训练样本对，对初始辅助模型进行训练得到辅助模型，所述初始辅助模型包括至少一个卷积层；

卷积核确定模块；用于基于所述辅助模型确定所述至少一个卷积层对应的目标卷积核；

串扰确定模块：用于基于所述目标卷积核确定所述待校正设备的串扰信息，所述待校正设备的所述串扰信息包括所述待校正设备的探测器的多个探测单元中的目标探测单元的串扰系数，至少一个方向上对应元素对所述目标探测单元的串扰系数基于所述目标卷积核中中心元素与至少一个方向上对应元素的差异确定，所述待校正设备的所述串扰信息用于校正所述待校正设备的串扰。

8.一种校正串扰的装置，包括至少一个存储介质和至少一个处理器，所述至少一个存储介质用于存储计算机指令；所述至少一个处理器用于执行所述计算机指令以实现如权利要求1～6任一项所述的方法。

9.一种计算机可读存储介质，所述存储介质存储计算机指令，当计算机读取存储介质中的计算机指令后，计算机执行如权利要求1～6任一项所述的方法。

说明书

一种校正串扰的方法和系统

技术领域

[0001] 本申请涉及扫描设备以及计算机技术技术领域，特别涉及一种校正串扰的方法和系统。

背景技术

[0002] 在射线扫描设备例如X光扫描设备、CT设备(计算机X线断层扫描设备)、PET‑CT设备(正电子发射计算机断层显像设备)、激光扫描设备等设备中，探测器的像素之间会存在一定的串扰，即原本应该被某个探测单元接收到的射线光子会扩散到临近的探测单元。带有串扰的设备扫描得到的投影数据存在偏差，使得图像在组织边界处对比度下降，甚至产生伪影，影响图像的成像质量。

[0003] 因此，亟需一种校正串扰的方法和系统。

发明内容

[0004] 本说明书一个方面提供一种校正串扰的方法。所述方法包括：获取第一投影数据和第二投影数据，所述第一投影数据为包括待校正设备的串扰的投影数据，所述第二投影数据为对所述待校正设备的串扰进行校正后产生的投影数据；以所述第一投影数据和所述第二投影数据作为训练样本对，对初始辅助模型进行训练得到辅助模型，所述初始辅助模型包括至少一个卷积层；基于所述辅助模型确定所述至少一个卷积层对应的目标卷积核；基于所述目标卷积核确定所述待校正设备的串扰信息，所述待校正设备的所述串扰信息用于校正所述待校正设备的串扰。

[0005] 本说明书另一个方面提供一种校正串扰的系统。所述系统包括：获取模块：用于获取第一投影数据和第二投影数据，所述第一投影数据为包括待校正设备的串扰的投影数据，所述第二投影数据为对所述待校正设备的串扰进行校正后产生的投影数据；模型确定模块：用于以所述第一投影数据和所述第二投影数据作为训练样本对，对初始辅助模型进行训练得到辅助模型，所述初始辅助模型包括至少一个卷积层；卷积核确定模块；用于基于所述辅助模型确定所述至少一个卷积层对应的目标卷积核；串扰确定模块：用于基于所述目标卷积核确定所述待校正设备的串扰信息，所述待校正设备的所述串扰信息用于校正所述待校正设备的串扰。

[0006] 本说明书另一个方面提供一种校正串扰的装置，包括处理器，所述处理器用于执行校正串扰的方法。

[0007] 本说明书另一个方面提供计算机可读存储介质，所述存储介质存储计算机指令，当计算机读取存储介质中的计算机指令后，计算机执行校正串扰的方法。

附图说明

[0008] 本说明书将以示例性实施例的方式进一步说明，这些示例性实施例将通过附图进行详细描述。这些实施例并非限制性的，在这些实施例中，相同的编号表示相同的结构，其中：

[0009] 图1是根据本说明书一些实施例所示的校正串扰的系统的应用场景示意图；

[0010] 图2是根据本说明书的一些实施例所示的示例性校正串扰的系统的模块图；

[0011] 图3是根据本说明书一些实施例所示的校正串扰的方法的示例性流程图；

[0012] 图4是根据本说明书一些实施例所示的基于目标卷积核确定待校正设备的串扰信息的方法的示例性流程图；

[0013] 图5是根据本说明书一些实施例所示的探测单元像素矩阵和对应的目标卷积核的示意图；

[0014] 图6是根据本说明书一些实施例所示的辅助模型的结构示意图；

[0015] 图7是根据本说明一些实施例所示的对设备的串扰进行校正前和校正后得到的图像示意图。

具体实施方式

[0016] 为了更清楚地说明本说明书实施例的技术方案，下面将对实施例描述中所需要使用的附图作简单的介绍。显而易见地，下面描述中的附图仅仅是本说明书的一些示例或实施例，对于本领域的普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图将本说明书应用于其它类似情景。除非从语言环境中显而易见或另做说明，图中相同标号代表相同结构或操作。

[0017] 应当理解，本说明书中所使用的“系统”、“装置”、“单元”和/或“模组”是用于区分不同级别的不同组件、元件、部件、部分或装配的一种方法。然而，如果其他词语可实现相同的目的，则可通过其他表达来替换所述词语。

[0018] 如本说明书和权利要求书中所示，除非上下文明确提示例外情形，“一”、“一个”、“一种”和/或“该”等词并非特指单数，也可包括复数。一般说来，术语“包括”与“包含”仅提示包括已明确标识的步骤和元素，而这些步骤和元素不构成一个排它性的罗列，方法或者设备也可能包含其它的步骤或元素。

[0019] 本说明书中使用了流程图用来说明根据本说明书的实施例的系统所执行的操作。应当理解的是，前面或后面操作不一定按照顺序来精确地执行。相反，可以按照倒序或同时处理各个步骤。同时，也可以将其他操作添加到这些过程中，或从这些过程移除某一步或数步操作。

[0020] 图1是根据本说明书的一些实施例所示的校正串扰的系统的应用场景示意图。

[0021] 串扰校正的系统可以用于各种射线扫描装置的串扰校正，例如可以用于CT设备的串扰校正、PET‑CT设备的串扰校正等等。

[0022] 如图1所示，串扰校正系统的应用场景100中可以包括第一计算系统130、第二计算系统120。第一计算系统130和第二计算系统120可以相同也可以不同。第一计算系统130和第二计算系统120是指具有计算能力的系统，可以包括各种计算机，比如服务器、个人计算机，也可以是由多台计算机以各种结构连接组成的计算平台。

[0023] 第一计算系统130和第二计算系统120中可以包括处理器，处理器可以执行程序指令。处理器可以包括各种常见的通用中央处理器(Central Processing Unit,CPU)，图形处理器(Graphics Processing Unit,GPU)，微处理器(Microprocessor Unit,MPU)，特殊应用集成电路(Application‑Specific Integrated Circuit,ASIC)，或其他类型的集成电路。

[0024] 第一计算系统130和第二计算系统120中可以包括存储介质，存储介质可以存储指令，也可以存储数据。存储介质可包括大容量存储器、可移动存储器、易失性读写存储器、只读存储器(ROM)等或其任意组合。

[0025] 第一计算系统130和第二计算系统120还可以包括用于内部连接和与外部连接的网络，也可以包括用于输入或输出的终端。网络可以是有线网络或无线网络中的任意一种或多种。终端可以包括各类具有信息接收和/或发送功能的设备，如计算机、可移动终端(如手机)、文字扫描设备、显示设备、打印机、可穿戴设备(如智能眼镜、智能耳机)等。

[0026] 第二计算系统120可以获取训练样本110。训练样本110可以包括第一投影数据和第二投影数据。其中，第一投影数据可以包括待校正设备的串扰。所述第一投影数据可以是基于待校正设备对参考对象进行扫描得到的数据。第二投影数据可以为对所述待校正设备的串扰进行校正后产生的投影数据。所述第二投影数据可以是基于标准设备对参考对象进行扫描得到的数据。标准设备是指校正后的消除了串扰的设备。参考对象是指用于作为样本来参考的对象，参考对象可以为模体、动物、人体等。训练样本110可以通过各种常见的方式(例如，通过输入设备输入、存储设备通过网络传输等)输入第二计算系统120。

[0027] 第二计算系统120可以获取初始辅助模型。在一些实施例中，该初始辅助模型可以是机器学习模型，例如神经网络模型。第二投影数据可以作为第一投影数据的金标准，来对初始辅助模型进行训练。初始辅助模型训练好后，即可得到辅助模型。第二计算系统120可以基于辅助模型确定目标卷积核，并基于目标卷积核确定得到待校正设备的串扰信息125。关于该过程的详细描述可以参见图3、图4的说明，此处不再赘述。

[0028] 第一计算系统130可以获取待校正设备的投影数据140和待校正设备的串扰信息125。待校正设备的投影数据140和待校正设备的串扰信息125可以通过各种常见的方式(例如，通过输入设备输入、存储设备通过网络传输等)输入第一计算系统130。

[0029] 通过基于待校正设备的串扰信息125对待校正设备的投影数据140进行校正，第一计算系统130可以得到校正串扰后的投影数据150。可以实现通过少量训练样本数据学习得到的目标卷积核来得到串扰系数，基于通过目标卷积核确定的串扰信息来实现待校正设备的串扰校正，不需大量的训练样本来支撑，实用性更强，能够更方便地校正设备串扰。

[0030] 图2是根据本说明书的一些实施例所示的示例性校正串扰的系统的模块图。

[0031] 如图2所示，在一些实施例中，校正串扰的系统200可以包括获取模块210、模型确定模块220、卷积核确定模块230、串扰确定模块240和模型校正模块250。

[0032] 获取模块210可以用于：获取第一投影数据和第二投影数据，所述第一投影数据为包括待校正设备的串扰的投影数据，所述第二投影数据为对所述待校正设备的串扰进行校正后产生的投影数据。关于获取模块210的详细描述可以参见步骤310，此处不再赘述。

[0033] 模型确定模块220可以用于：以所述第一投影数据和所述第二投影数据作为训练样本对，对初始辅助模型进行训练得到辅助模型，所述初始辅助模型包括至少一个卷积层。

[0034] 在一些实施例中，模型确定模块220还可以用于：根据所述训练样本对以及损失函数对所述初始辅助模型进行迭代更新，得到所述辅助模型；其中，所述损失函数包括根据中间卷积核的元素的加和值与预设值的差异确定的第一损失函数，所述中间卷积核基于所述初始辅助模型或更新模型的参数确定。关于模型确定模块220的详细描述可以参见步骤320，此处不再赘述。

[0035] 卷积核确定模块230可以用于：基于所述辅助模型确定所述至少一个卷积层对应的目标卷积核。

[0036] 在一些实施例中，卷积核确定模块230还可以用于：提取所述辅助模型的至少一个所述卷积层对应的至少一个训练好的卷积核；对至少一个所述训练好的卷积核执行卷积操作，得到所述目标卷积核。

[0037] 在一些实施例中，卷积核确定模块230还可以用于：确定输入矩阵，所述输入矩阵的大小基于所述至少一个卷积层的卷积核的大小确定；将所述输入矩阵输入所述辅助模型，通过所述输入矩阵，从所述辅助模型中提取所述至少一个卷积层对应的所述目标卷积核。关于卷积核确定模块230的详细描述可以参见步骤330，此处不再赘述。

[0038] 串扰确定模块240可以用于：基于所述目标卷积核确定所述待校正设备的串扰信息，所述待校正设备的所述串扰信息用于校正所述待校正设备的串扰。关于该过程的详细描述可以参见步骤340，此处不再赘述。

[0039] 在一些实施例中，串扰确定模块240还可以用于：基于所述目标卷积核中中心元素与至少一个方向上对应元素的差异，确定至少一个方向上对应元素对所述目标探测单元的串扰系数。关于该过程的详细描述可以参见步骤410～430，此处不再赘述。

[0040] 在一些实施例中，模型校正模块250可以用于：采用所述辅助模型对所述待校正设备的待校正投影数据的串扰进行校正。

[0041] 应当理解，所示的系统及其模块可以利用各种方式来实现。例如，在一些实施例中，系统及其模块可以通过硬件、软件或者软件和硬件的结合来实现。其中，硬件部分可以利用专用逻辑来实现；软件部分则可以存储在存储器中，由适当的指令执行系统，例如微处理器或者专用设计硬件来执行。本领域技术人员可以理解上述的方法和系统可以使用计算机可执行指令和/或包含在处理器控制代码中来实现，例如在诸如磁盘、CD或DVD‑ROM的载体介质、诸如只读存储器(固件)的可编程的存储器或者诸如光学或电子信号载体的数据载体上提供了这样的代码。本申请的系统及其模块不仅可以有诸如超大规模集成电路或门阵列、诸如逻辑芯片、晶体管等的半导体、或者诸如现场可编程门阵列、可编程逻辑设备等的可编程硬件设备的硬件电路实现，也可以用例如由各种类型的处理器所执行的软件实现，还可以由上述硬件电路和软件的结合(例如，固件)来实现。

[0042] 需要注意的是，以上对于校正串扰的系统200及其模块的描述，仅为描述方便，并不能把本说明书限制在所举实施例范围之内。可以理解，对于本领域的技术人员来说，在了解该系统的原理后，可能在不背离这一原理的情况下，对各个模块进行任意组合，或者构成子系统与其他模块连接。例如，获取模块210、模型确定模块220、卷积核确定模块230、串扰确定模块240和模型校正模块250可以共用一个存储模块，各个模块也可以分别具有各自的存储模块。诸如此类的变形，均在本申请的保护范围之内。

[0043] 图3是根据本说明书的一些实施例所示的校正串扰的方法的示例性流程图。

[0044] 如图3所示，该校正串扰的方法300可以包括：

[0045] 步骤310，获取第一投影数据和第二投影数据，所述第一投影数据为包括待校正设备的串扰的投影数据，所述第二投影数据为对所述待校正设备的串扰进行校正后产生的投影数据。

[0046] 具体的，该步骤310可以由获取模块210执行。

[0047] 所述设备可以为存在串扰的射线扫描装置。射线扫描装置可以是X光扫描设备、CT设备(计算机X线断层扫描设备)、PET‑CT设备(正电子发射计算机断层显像设备)等。

[0048] 所述设备可以用来对对象进行扫描，对象可以是能够被射线扫描的实体对象，例如人体、物品等。扫描的方式可以为普通扫描或特殊扫描。在一些实施例中，普通扫描可以包括横断扫描、冠状扫描。在一些实施例中，特殊扫描可以包括定位扫描、薄层扫描、放大扫描、靶扫描、高分辨力扫描等。在一些实施例中，所述设备可以从不同角度对对象进行多次扫描，获取多个不同角度的扫描数据。

[0049] 参考对象是指用于作为样本来参考的对象。参考对象可以为模体。模体是指用于模拟实际所要扫描对象的物体。模体对辐射的吸收或散射作用可以与要扫描的对象相同或相似。在一些实施例中，模体可以为非金属材料或金属材料，金属材料可以包括铜、铁、镍、合金等；非金属材料可以包括有机材料、无机材料等。模体的大小可以为1CM×1CM、2CM×2CM、10CM×10CM等，本实施例对模体的大小不做限制。在一些实施例中，模体的形状可以为带有梯度的规则形状或不规则形状，例如圆形，不规则多边形等。

[0050] 在一些实施例中，投影数据可以是指设备对对象进行扫描时，探测器得到的信号数据。例如CT设备对对象进行扫描，探测器所接收得到的信号数据。投影数据包括了与探测器对应的像素数据，例如，设备包含了一个3×3的探测器阵列，投影数据中对应包含大小为3×3的像素矩阵数据。

[0051] 串扰是指设备探测器的像素之间的互相干扰，即原本应该被某个探测单元接收到的X光子会扩散到临近的探测器。串扰会导致图像在组织边界处对比度下降，甚至产生伪影，影响诊断。串扰涉及到周围的所有像素。探测器可以包括多排的探测单元，因此串扰的系数可以为二维分布。在一些实施例中，推测串扰系数时，可以基于许多近似，例如，认为串扰主要是一阶梯度场，相邻像素的串扰系数相同等，测量可以只基于一个维度进行，即只在一维进行，或者在有限二维进行。有限二维只考虑当前像素的上下左右像素，而不考虑斜线相邻的像素。

[0052] 待校正设备为未经校正串扰的设备，待校正设备包含有串扰。标准设备为不包含串扰的设备或串扰已经被校正的设备。

[0053] 在一些实施例中，待校正设备与标准设备可以为同一类型的设备或同一设备。同一类型可以包括设备种类型号相同、探测器单元排列相同。

[0054] 在一些实施例中，基于待校正设备对参考对象进行扫描得到的投影数据，可以称为第一投影数据。基于标准设备对参考对象进行扫描得到的投影数据，可以称为第二投影数据。未经校正的设备包含有串扰，标准设备的串扰已被校正，对应得到的第一投影数据即为包含了串扰的待校正投影数据，对应得到的第二投影数据即为不含有串扰的金标准投影数据。

[0055] 在一些实施例中，第一投影数据与第二投影数据的扫描方式可以相同。在一些实施例中，相同的扫描的方式可以包括模体相同角度、相同方向、相同位置的扫描。

[0056] 在一些实施例中，第一投影数据与第二投影数据还可以通过模拟的方法获取得到(例如通过对扫描得到的第一投影数据进行模拟获得第二投影数据，或者通过对扫描得到的第二投影数据进行模拟获得第一投影数据)。

[0057] 步骤320，以所述第一投影数据和所述第二投影数据作为训练样本对，对初始辅助模型进行训练得到辅助模型，所述初始辅助模型包括至少一个卷积层。

[0058] 具体的，该步骤320可以由模型确定模块220执行。

[0059] 初始辅助模型为初始化未经训练的神经网络模型。初始辅助模型的模型参数处于初始化的状态。初始辅助模型训练好后，即可以得到辅助模型。

[0060] 在一些实施例中，初始辅助模型可以为包括至少一个卷积层的卷积神经网络，如图6中600所示，可以包括N个卷积层，N为大于或等于1的整数。在一些实施例中，在至少一个卷积层的基础上，可以结合其它的网络结构来构成卷积神经网络作为，初始辅助模型。例如，所述初始辅助模型可以是包括输入层、N个卷积层、输出层的卷积神经网络。又例如，所述初始辅助模型可以是包括输入层、M个卷积层、全连接层、输出层的卷积神经网络，M为大于或等于1的整数。初始辅助模型训练好后即得到同样为包括至少一个卷积层的卷积神经网络的辅助模型。

[0061] 在一些实施例中，初始辅助模型包括第一激活函数和第二激活函数，第一激活函数用于将初始辅助模型的输入数据从投影数据转换为目标类型数据，第二激活函数用于将初始辅助模型的输出数据从所述目标类型数据转换为投影数据。目标类型数据可以是任意数据类型的数据，例如，强度域数据。激活函数可以为任何具有可逆运算的函数，例如，线性整流函数ReLU(Rectified Linear Unit)、双曲正切函数tanh、指数函数exp等。第一激活函数和第二激活函数是互为逆运算的，例如，第一激活函数为指数函数exp，第二激活函数为对数函数log。

[0062] 具体地，如图6中600所示，初始辅助模型的输入数据为待校正数据，如第一投影数据，训练模型时，样本数据类型需要为目标数据类型，当输入数据类型与所需目标数据类型不同时，需要将输入的待校正数据转换为目标数据类型，输入到N个卷积层中进行卷积操作。在输出数据时，需要将目标数据类型转换为需要的输出数据类型，并将其作为输出的校正数据。例如，输入数据为投影数据，而目标数据类型为强度域数据，则可以使用第一激活函数将输入数据从投影数据转换为强度域数据，在训练后，可以使用第二激活函数将输出数据从强度域数据转换为投影数据。

[0063] 在一些实施例中，第一激活函数可以为对输入数据做指数变换，用于将输入数据从投影数据转换为强度域数据；第二激活函数为对输出数据做对数变换，用于将输出数据从强度域数据转换为投影数据。具体地，在将输入数据从投影数据转换为强度域数据时，对输入数据进行指数运算，得到的结果作为对应的强度域数据，并将这个结果作为样本数据用于模型训练，在训练后，对输出数据进行对数运算，将输出数据从强度域数据转换为投影数据，得到的结果作为最终模型的输出数据。例如，输入数据为投影数据x，则第一激活函数可以为exp(x)，经过辅助模型的N个卷积层后，输出数据y，则第二激活函数为log(y)。

[0064] 初始辅助模型中卷积层的卷积操作可以理解为将输入辅助模型的投影数据进行卷积操作得到串扰的校正数据，将该串扰的校正数据与原始输入的投影数据进行叠加，例如强度值的叠加、投影数据响应值的叠加等，即可得到校正串扰后的投影数据。所以，如图6中600所示，在一些实施例中，初始辅助模型包括对所述至少一个卷积层的输入数据和输出数据的融合，实现将输入的待校正数据与卷积操作得到的串扰的校正数据进行求和，得到校正串扰后的校正数据。

[0065] 在一些实施例中，采用第一投影数据和第二投影数据作为训练样本，对初始辅助模型进行训练，是指将第一投影数据作为初始辅助模型的输入，并将第二投影数据作为第一投影数据对应的模型输出的金标准数据，也就是第一投影数据的标签，来对初始辅助模型进行训练。具体地，在初始辅助模型的训练过程中，输入第一投影数据训练初始辅助模型，并将输入第一投影数据对应的模型输出，与对应的第二投影数据进行比较，调整模型的参数。随着初始辅助模型的训练，可以学习得到模型的各个参数，例如卷积核。

[0066] 在一些实施例中，初始辅助模型可以基于训练样本，通过常用的方法进行训练，学习模型参数。例如，可以基于梯度下降法、牛顿法、多次迭代或其它模型方法等进行训练。在一些实施例中，当训练得到的辅助模型满足预设条件时，训练结束。其中，预设条件可以是损失函数结果收敛或小于预设阈值等。具体地，可以通过调整问答模型的参数(例如，学习率、迭代次数、批次大小等参数)优化损失函数，当损失函数满足预设条件时，训练结束，得到辅助模型。在一些实施例中，优化损失函数的方法可以通过梯度下降(BGD)、随机梯度下降(SGD)等方法实现。

[0067] 在一些实施例中，可以根据第一投影数据、第二投影数据以及损失函数对初始辅助模型进行迭代更新，得到辅助模型。

[0068] 中间卷积核是指在初始辅助模型训练过程中，所确定的单一卷积核，该单一卷积核在初始辅助模型训练好后，即对应为目标卷积核，关于目标卷积核的具体内容可以参见步骤330的相关描述，此处不再赘述。

[0069] 中间卷积核可以根据初始辅助模型或更新模型的参数确定，具体地，可以根据初始辅助模型的至少一个卷积核确定，或根据在训练过程中更新了参数的初始辅助模型的至少一个卷积核确定。例如，在初始辅助模型进行第一条训练样本的训练时，中间卷积核根据初始辅助模型的至少一个卷积核确定。又例如，在训练过程中，初始辅助模型更新了参数，中间卷积核根据更新了参数的至少一个卷积核确定。根据至少一个卷积核确定中间卷积核的方法，可以参见步骤330的相关描述，此处不再赘述。

[0070] 在一些实施例中，可以基于模型的实际输出与输入对应的金标准数据即第二投影数据的差异来构造损失函数。在一些实施例中，损失函数还可以包括额外的第一损失函数。第一损失函数可以根据中间卷积核的元素的加和值与预设值的差异确定。

[0071] 中间卷积核的元素的加和值是指每次更新参数后，中间卷积核的各个元素值的加和。预设值为预先设定好的值，具体地，预设值可以为0。在一些实施例中，中间卷积核的元素的加和值与预设值的差异可以为加和值与预设值的差值的绝对值、平方差等。通过本实施例，在对初始辅助模型训练得到辅助模型时，可以令第一损失函数最小化，即令中间卷积核的元素的加和值与预设值(例如，0)的差异接近0，来更新学习模型参数，以使得在初始辅助模型训练好后，与中间卷积核对应的目标卷积核的元素的加和值接近0，一方面可以加速模型的训练过程，另一方面也能使训练得到的模型参数更加准确。

[0072] 通过本实施例，辅助模型的至少一个候选卷积核是根据初始辅助模型的训练过程来学习得到的。训练时，带有机械偏差的第一投影数据输入模型，校正了机械偏差的第二投影数据作为模型输出的金标准，所以通过训练得到辅助模型，学习得到的至少一个候选卷积核的卷积即代表了对输入的待校正投影数据进行计算得到校正机械偏差后的校正后投影数据的计算过程。例如根据插值的方法对待校正投影数据计算校正后投影数据的计算过程，插值方法可以包括线性插值、拉格朗日插值等常用的插值方法，关于使用插值方法计算校正后投影数据的具体内容可以参见图4中步骤410的相关描述，此处不再赘述。当辅助模型包括多个卷积层或多个候选卷积核时，可以对待校正投影数据进行多次校正计算，实现提高校正精度，对应的基于辅助模型得到的模型参数也更加精确。

[0073] 步骤330，基于所述辅助模型确定所述至少一个卷积层对应的目标卷积核。

[0074] 具体的，该步骤320可以由卷积核确定模块230执行。

[0075] 目标卷积核是指最终所需的一个单一卷积核。具体地，可以基于辅助模型的中间卷积核来确定。例如，当辅助模型包括一个卷积层，卷积层包括一个卷积核时，将该卷积核作为目标卷积核。当辅助模型包括多个卷积层，多个卷积层包括多个卷积核或者辅助模型包括一个卷积层，卷积层包括多个卷积核时，可以基于多个卷积核得到一个单一卷积核作为目标卷积核。

[0076] 在一些实施例中，得到辅助模型后，可以从辅助模型的卷积层中提取训练好的卷积核。例如，当辅助模型包括一个卷积层，卷积层包含了训练好的卷积核，可以从中提取训练好的卷积核。当辅助模型包括多个卷积层，多个卷积层都包含有训练好的卷积核时，可以从至少一个卷积层中提取至少一个训练好的卷积核。

[0077] 在一些实施例中，基于至少一个训练好的卷积核得到一个单一卷积核作为目标卷积核。

[0078] 在一些实施例中，基于至少一个训练好的卷积核得到一个单一卷积核作为目标卷积核，可以采用对辅助模型的多个卷积核进行卷积得到一个单一卷积核作为目标卷积核的方法。例如，辅助模型包括3个3×3的卷积核A、B、C，对3个卷积核进行卷积，为A*B*C，得到一个新的3×3的单一卷积核，将该3×3的单一卷积核作为目标卷积核。

[0079] 在一些实施例中，基于至少一个卷积核得到一个单一卷积核作为目标卷积核，可以通过确定特定的输入矩阵，将输入矩阵输入辅助模型，通过输入矩阵，基于至少一个候选卷积核，从所述辅助模型中提取所述目标卷积核。输入矩阵可以基于候选卷积核的大小确定。仅作为示例，候选卷积核的大小为3×3，即对应的目标卷积核大小也为3×3，输入矩阵的大小可以为5×5，将5×5输入矩阵输入辅助模型，在辅助模型的至少一个卷积层中卷积时的步长为1，辅助模型输出得到3×3的单一卷积核，即为目标卷积核。候选卷积核的大小为3×3，输入矩阵的大小可以为7×7，将7×7的输入矩阵输入辅助模型，在辅助模型的至少一个卷积层中卷积时的步长为2，辅助模型输出得到3×3的单一卷积核，即为目标卷积核。在一些实施例中，输入矩阵可以包括但不限于卷积核的单位元、2倍单位元、3倍单位元等。
在一些实施例中，输入矩阵的每一行中，只有一个元素为1，其余元素为0。具体地，可以是输入矩阵的第n行的第n个元素为1，其余元素为0。通过本实施例，输入矩阵等同于一个脉冲冲击函数，辅助模型的至少一个卷积层的至少一个候选卷积核可以被看做一个单一的目标卷积核，将等同于一个脉冲冲击函数的输入矩阵输入辅助模型，可以输出得到这个目标卷积核本身。通过本实施例，可以简便且快速地得到目标卷积核。

[0080] 步骤340，基于所述目标卷积核确定所述待校正设备的串扰信息，所述待校正设备的所述串扰信息用于校正所述待校正设备的串扰。

[0081] 具体的，该步骤320可以由串扰确定模块240执行。

[0082] 串扰信息是指串扰的相关信息，例如可以包括在横纵方向(坐标轴XY方向)的串扰信息、45度方向的串扰信息、135度方向的串扰信息等。具体地，以横纵方向(坐标轴XY方向)的串扰信息为例，串扰信息可以为X方向和Y方向的周围探测器的串扰系数信息，例如，X方向负轴(即左边)相邻探测器串扰系数为0.4％，X方向负轴(即右边)相邻探测器串扰系数为0.4％，其中坐标系可以依据设备的安装所需进行确定。

[0083] 由前述可知，训练得到的辅助模型，学习得到的至少一个训练好的卷积核，代表了对输入的待校正投影数据进行计算得到串扰的校正数据，将该串扰的校正数据与原始输入的投影数据相加，即可得到校正串扰后的投影数据。所以至少一个训练好的卷积核中，包括了可以用于校正待校正设备的串扰信息。进而根据至少一个训练好的卷积核确定的目标卷积核，可以确定待校正设备的串扰信息。基于多个训练好的卷积核确定的目标卷积核，其对应确定的待校正设备的串扰信息也就可以精度更高，可以更好地用于串扰。

[0084] 基于目标卷积核确定的待校正设备的串扰信息可以包括待校正设备的探测单元的串扰系数，例如，与某个探测单元相邻的探测单元的串扰系数等。

[0085] 在一些实施例中，基于目标卷积核确定的待校正设备的串扰信息可以包括待校正设备的探测器的多个探测单元中的目标探测单元的串扰系数。目标探测单元是指需要校正串扰的探测单元。基于目标卷积核确定待校正设备的串扰信息的具体内容可以参见图4的相关描述，此处不再赘述。

[0086] 确定得到待校正设备的串扰信息后，可以用于校正待校正设备的串扰。例如，得到待校正设备的目标探测单元的串扰系数后，可以基于串扰系数、目标探测单元的待校正投影数据计算目标探测单元的理想投影数据，即串扰校正后的投影数据。如图7中700所示，(a)为对设备的串扰进行校正前得到的图像示意图，(b)为对设备的串扰进行校正后得到的图像示意图，可以看出，校正串扰后，图像成像质量更好，更清晰。

[0087] 在一些实施例中，可以使用训练得到得辅助模型对待校正设备的待校正投影数据的串扰进行校正。该步骤可以由模型校正模块250执行。具体地，在使用第一投影数据和第二投影数据作为训练样本对，对初始辅助模型进行训练得到辅助模型后，将待校正设备的投影数据输入辅助模型中，将投影数据进行转换得到目标数据类型的响应数据，辅助模型将获得的目标卷积核与响应数据进行卷积操作，得到串扰的校正数据，将校正数据与响应数据相加，得到校正串扰后的数据，再将目标数据类型的校正串扰后的数据转换为投影数据，即可得到校正后的投影数据。

[0088] 图4是根据本说明书的一些实施例所示的基于目标卷积核确定待校正设备的串扰信息的方法的示例性流程图。

[0089] 图5为示例的一个探测单元像素矩阵和对应的目标卷积核的示意图，包括目标卷积核的一个示例和一个探测单元像素矩阵的示例。如图5所示，以初始辅助模型的训练样本的第一投影数据为1、2、3、4、5、6、7、8、N这9个探测单元像素构成的3×3像素矩阵为例，N为目标探测单元对应的探测单元像素。训练得到的辅助模型的至少一个卷积层的卷积核大小与输入的第一投影数据的像素矩阵大小相同，为3×3，基于辅助模型的至少一个卷积层的卷积核确定的目标卷积核大小也为3×3。如图5中所示，确定的目标卷积核包括元素k、k1、k2、k3、k4、k5、k6、k7、k8，中心元素为k，这些元素具有对应值，图5中的示例，对应的值依次为0.3％、0.4％、0.3％、0.4％、0.4％、0.3％、0.4％、0.3％、‑2.8％。探测单元像素矩阵中可以包括方向1(横方向即坐标轴X方向)、方向2(纵方向即坐标轴Y方向)、方向3(与坐标轴X成45度方向)和方向4(与坐标轴X成135度方向)。

[0090] 在一些实施例中，基于目标卷积核可确定待校正设备的串扰系数，可以根据方法400确定待校正设备的串扰信息。

[0091] 如图4所示，该方法400可以包括：

[0092] 步骤410，基于所述目标卷积核中中心元素与至少一个方向上对应元素的差异，确定至少一个方向上对应元素对所述目标探测单元的串扰系数。

[0093] 具体的，步骤410可以由串扰确定模块240执行。

[0094] 串扰系数指的是探测单元间串扰大小的度量，探测单元的串扰系数可以用该探测单元信号强度的百分比来表示。对目标探测单元，某个探测单元的串扰系数表示这个探测单元将相当于自身强度多少的信号给予目标探测单元。例如，如图5所示，探测单元2位于中心的目标探测单元N正上方，且与目标探测单元N相邻，探测单元2将0.4％的信号给予目标探测单元N，则探测单元2相对于目标探测单元N的串扰系数是0.4％。目标探测单元的串扰系数则表示目标探测单元将相当于自身强度多少的信号给予周围探测单元。例如，如图5所示，中心的目标探测单元N与8个探测单元相邻，将2.8％的信号给予相邻单元，则目标探测单元N的串扰系数为‑2.8％，负值表示是目标探测单元将自身信号给予周围单元。

[0095] 至少一个方向是指在目标卷积核元素阵列中的各个方向，可以包括与探测单元像素矩阵中方向对应的方向1(横方向即坐标轴X方向)、方向2(纵方向即坐标轴Y方向)、方向3(与坐标轴X成45度方向)和方向4(与坐标轴X成135度方向)。

[0096] 目标卷积核中中心元素与至少一个方向上对应元素的差异是指至少一个方向上，中心元素与该方向元素之间的差值。具体地，如图5所示，差异可以包括中心元素与方向1上元素k4、k5的差值(k5‑k)和(k‑k4)、中心元素与方向2上元素k2、k7的差值(k7‑k)和(k‑k2)、中心元素与方向3上元素k3、k6的差值(k6‑k)和(k‑k3)、中心元素与方向4上元素k1、k8的差值(k8‑k)和(k‑k1)。

[0097] 在确定目标卷积核中中心元素与至少一个方向上对应元素的差异后，可以基于该差异，确定至少一个方向上对应元素对目标探测单元的串扰系数。至少一个方向上对应元素对目标探测单元的串扰系数可以表示为中心元素与该方向元素之间的差值。具体地，如图5所示，探测单元7位于目标探测单元N正下方，且与目标探测单元N相邻，目标卷积核中，方向2上元素k7对应于探测单元7，元素K对应于目标探测单元N，则探测单元7相对于目标探测单元N的串扰系数可以表示为(k7‑k)。

[0098] 步骤420，基于至少一个方向上对应元素对所述目标探测单元的所述串扰系数之和，确定至少一个方向上所述目标探测单元的第一串扰系数。

[0099] 具体的，该步骤420可以串扰确定模块240执行。

[0100] 第一串扰系数表示将周围探测单元对目标探测单元的串扰进行合并，表示串扰系数值的变化。具体地，可以对目标卷积核中元素求一阶微分，通过在确定至少一个方向上对应元素对目标探测单元的串扰系数后，可以将这个方向上的对应元素的串扰系数相加，这个加和即为这个方向上目标探测单元的第一串扰系数(即一阶系数)。如图5所示，方向2上元素2、7对目标探测单元N的串扰系数分别为(k7‑k)、(k‑k2)，则方向2上目标探测单元N的第一串扰系数可以为((k7‑k)+(k‑k2))＝(k7‑k2)。对于整体来说，目标探测单元的第一串扰系数可以基于各个方向上第一串扰系数的加和。如图5所示，目标探测单元N的第一串扰系数可以通过下式计算得到：

[0101]

[0102] 步骤430，基于至少一个方向上对应元素对所述目标探测单元的所述串扰系数之差，确定至少一个方向上所述目标探测单元的第二串扰系数。

[0103] 具体的，该步骤430可以由串扰确定模块240执行。

[0104] 第二串扰系数表示表示串扰系数值的变化的趋势。具体地，可以对目标卷积核中元素求二阶微分，通过在确定至少一个方向上对应元素对目标探测单元的串扰系数后，可以将这个方向上的对应元素的串扰系数相减，这个差值即为这个方向上目标探测单元的第二串扰系数(即二阶系数)。如图5所示，方向2上元素2、7对目标探测单元N的串扰系数分别为(k7‑k)、(k‑k2)，则方向2上目标探测单元N的第二串扰系数可以为((k7‑k)‑(k‑k2))＝(k7+k2‑2k)。对于整体来说，目标探测单元的第二串扰系数可以基于各个方向上第二串扰系数的加和。如图5所示，目标探测单元N的第二串扰系数可以通过下式计算得到：

[0105]

[0106] 本说明书实施例还提供一种装置，包括处理器，所述处理器用于执行前述的校正串扰的方法。所述校正串扰的方法可以包括：获取第一投影数据和第二投影数据，所述第一投影数据包括待校正设备的串扰，所述第二投影数据为校正了所述待校正设备的串扰的投影数据；以所述第一投影数据和所述第二投影数据作为训练样本对，对初始辅助模型进行训练得到辅助模型，所述初始辅助模型包括至少一个卷积层；基于所述辅助模型确定所述至少一个卷积层对应的目标卷积核；基于所述目标卷积核确定所述待校正设备的串扰信息，所述待校正设备的所述串扰信息用于校正所述待校正设备的串扰。

[0107] 本说明书实施例还提供一种计算机可读存储介质，所述存储介质存储计算机指令，当计算机读取存储介质中的计算机指令后，计算机执行前述的校正串扰的方法。所述校正串扰的方法可以包括：获取第一投影数据和第二投影数据，所述第一投影数据包括待校正设备的串扰，所述第二投影数据为校正了所述待校正设备的串扰的投影数据；以所述第一投影数据和所述第二投影数据作为训练样本对，对初始辅助模型进行训练得到辅助模型，所述初始辅助模型包括至少一个卷积层；基于所述辅助模型确定所述至少一个卷积层对应的目标卷积核；基于所述目标卷积核确定所述待校正设备的串扰信息，所述待校正设备的所述串扰信息用于校正所述待校正设备的串扰。

[0108] 本说明书实施例可能带来的有益效果包括但不限于：(1)实现通过少量训练样本数据学习得到目标卷积核来得到串扰系数，基于确定的串扰系数信息来实现待校正设备的串扰校正，不需大量的训练样本来支撑，实用性更强，能够更方便地校正设备的串扰；(2)根据中间卷积核的元素的加和值与预设值的差异确定额外的损失函数来训练初始辅助模型，一方面可以加速模型的训练过程，另一方面也能使训练得到的模型参数更加准确；(3)通过构建输入矩阵，将输入矩阵输入辅助模型来提取所述目标卷积核，令提取得到目标卷积核更加高效；(4)构建的辅助模型采用多个卷积层，基于多个卷积层的多个卷积核确定得到目标卷积核，多个卷积层的多次卷积令串扰的校正计算精度更高，对应得到的目标卷积核所确定的串扰信息也更加精确；(5)将多维的差分操作构造为卷积神经网络，卷积很容易拓展到更高的维度，通过训练此网络，即可获得多维度的串扰系数，实现串扰校正的维度不受限制。需要说明的是，不同实施例可能产生的有益效果不同，在不同的实施例里，可能产生的有益效果可以是以上任意一种或几种的组合，也可以是其他任何可能获得的有益效果。

[0109] 上文已对基本概念做了描述，显然，对于本领域技术人员来说，上述详细披露仅仅作为示例，而并不构成对本说明书的限定。虽然此处并没有明确说明，本领域技术人员可能会对本说明书进行各种修改、改进和修正。该类修改、改进和修正在本说明书中被建议，所以该类修改、改进、修正仍属于本说明书示范实施例的精神和范围。

[0110] 同时，本说明书使用了特定词语来描述本说明书的实施例。如“一个实施例”、“一实施例”、和/或“一些实施例”意指与本说明书至少一个实施例相关的某一特征、结构或特点。因此，应强调并注意的是，本说明书中在不同位置两次或多次提及的“一实施例”或“一个实施例”或“一个替代性实施例”并不一定是指同一实施例。此外，本说明书的一个或多个实施例中的某些特征、结构或特点可以进行适当的组合。

[0111] 此外，本领域技术人员可以理解，本说明书的各方面可以通过若干具有可专利性的种类或情况进行说明和描述，包括任何新的和有用的工序、机器、产品或物质的组合，或对他们的任何新的和有用的改进。相应地，本说明书的各个方面可以完全由硬件执行、可以完全由软件(包括固件、常驻软件、微码等)执行、也可以由硬件和软件组合执行。以上硬件或软件均可被称为“数据块”、“模块”、“引擎”、“单元”、“组件”或“系统”。此外，本说明书的各方面可能表现为位于一个或多个计算机可读介质中的计算机产品，该产品包括计算机可读程序编码。

[0112] 计算机存储介质可能包含一个内含有计算机程序编码的传播数据信号，例如在基带上或作为载波的一部分。该传播信号可能有多种表现形式，包括电磁形式、光形式等，或合适的组合形式。计算机存储介质可以是除计算机可读存储介质之外的任何计算机可读介质，该介质可以通过连接至一个指令执行系统、装置或设备以实现通讯、传播或传输供使用的程序。位于计算机存储介质上的程序编码可以通过任何合适的介质进行传播，包括无线电、电缆、光纤电缆、RF、或类似介质，或任何上述介质的组合。

[0113] 本说明书各部分操作所需的计算机程序编码可以用任意一种或多种程序语言编写，包括面向对象编程语言如Java、Scala、Smalltalk、Eiffel、JADE、Emerald、C++、C#、VB.NET、Python等，常规程序化编程语言如C语言、Visual Basic、Fortran2003、Perl、COBOL2002、PHP、ABAP，动态编程语言如Python、Ruby和Groovy，或其他编程语言等。该程序编码可以完全在用户计算机上运行、或作为独立的软件包在用户计算机上运行、或部分在用户计算机上运行部分在远程计算机运行、或完全在远程计算机或处理设备上运行。在后种情况下，远程计算机可以通过任何网络形式与用户计算机连接，比如局域网(LAN)或广域网(WAN)，或连接至外部计算机(例如通过因特网)，或在云计算环境中，或作为服务使用如软件即服务(SaaS)。

[0114] 此外，除非权利要求中明确说明，本说明书所述处理元素和序列的顺序、数字字母的使用、或其他名称的使用，并非用于限定本说明书流程和方法的顺序。尽管上述披露中通过各种示例讨论了一些目前认为有用的发明实施例，但应当理解的是，该类细节仅起到说明的目的，附加的权利要求并不仅限于披露的实施例，相反，权利要求旨在覆盖所有符合本说明书实施例实质和范围的修正和等价组合。例如，虽然以上所描述的系统组件可以通过硬件设备实现，但是也可以只通过软件的解决方案得以实现，如在现有的处理设备或移动设备上安装所描述的系统。

[0115] 同理，应当注意的是，为了简化本说明书披露的表述，从而帮助对一个或多个发明实施例的理解，前文对本说明书实施例的描述中，有时会将多种特征归并至一个实施例、附图或对其的描述中。但是，这种披露方法并不意味着本说明书对象所需要的特征比权利要求中提及的特征多。实际上，实施例的特征要少于上述披露的单个实施例的全部特征。

[0116] 一些实施例中使用了描述成分、属性数量的数字，应当理解的是，此类用于实施例描述的数字，在一些示例中使用了修饰词“大约”、“近似”或“大体上”来修饰。除非另外说明，“大约”、“近似”或“大体上”表明所述数字允许有±20％的变化。相应地，在一些实施例中，说明书和权利要求中使用的数值参数均为近似值，该近似值根据个别实施例所需特点可以发生改变。在一些实施例中，数值参数应考虑规定的有效数位并采用一般位数保留的方法。尽管本说明书一些实施例中用于确认其范围广度的数值域和参数为近似值，在具体实施例中，此类数值的设定在可行范围内尽可能精确。

[0117] 针对本说明书引用的每个专利、专利申请、专利申请公开物和其他材料，如文章、书籍、说明书、出版物、文档等，特此将其全部内容并入本说明书作为参考。与本说明书内容不一致或产生冲突的申请历史文件除外，对本说明书权利要求最广范围有限制的文件(当前或之后附加于本说明书中的)也除外。需要说明的是，如果本说明书附属材料中的描述、定义、和/或术语的使用与本说明书所述内容有不一致或冲突的地方，以本说明书的描述、定义和/或术语的使用为准。

[0118] 最后，应当理解的是，本说明书中所述实施例仅用以说明本说明书实施例的原则。其他的变形也可能属于本说明书的范围。因此，作为示例而非限制，本说明书实施例的替代配置可视为与本说明书的教导一致。相应地，本说明书的实施例不仅限于本说明书明确介绍和描述的实施例。