CN107133462B - 数据处理方法、装置及设备 - Google Patents

Abstract

本发明实施例提供了一种数据处理方法、装置及设备。本发明实施例通过获取PET设备中指定晶体的原始能谱数据；根据原始能谱数据，获取指定晶体的第一拟合能谱曲线和第一能量峰值；建立第一拟合能谱曲线与原始能谱数据的关联性，并基于该关联性获得指定晶体的晶体能量峰值，在获得指定晶体的能量峰值的过程中，减少了人工调节，从而减少了数据处理的时间，提高了数据处理效率，并且提高了数据处理过程的智能化程度，在一定程度上解决了现有技术中有关能量峰值的数据处理过程中人工操作较多，智能化程度较低，导致数据处理效率较低的问题。

Description

数据处理方法、装置及设备

【技术领域】

本方案涉及图像处理技术领域，尤其涉及一种数据处理方法、装置及设备。

【背景技术】

当前，PET(Positron Emission Tomography，正电子发射计算机断层显像)技术在医学检测中发挥着重要作用。PET***使用闪烁晶体探测器来检测gamma射线，gamma射线通过康普顿散射或光电吸收在闪烁晶体材料中激发而发出可见光。每个晶体在发生康普顿散射或光电吸收效应时，其上光子能量分布呈现一定规律，非散射光子能量集中在峰值511Kev，能量在420kev以下的主要是散射光子。PET***中，利用多个数据处理通道分别对每个晶体的各个能量的光子数量进行统计，基于这些统计数据可以得到每个晶体的原始能谱数据。

PET***中，使用LLD(Lower energy-Level Discriminator,低能量鉴别器)来区分散射光子和非散射光子，通过设置LLD阈值排除散射事件。如果LLD阈值过高，会将一些真符合事件排斥在外，如果LLD阈值过低，会使过多的散射事件混入检测而影响PET***检测的准确性。因此，LLD阈值的设置对于PET***来说至关重要。

LLD阈值是由晶体的能量峰值来确定的，而晶体的能量峰值是通过晶体的原始能谱数据得到的。现有技术中，对于能谱数据是单峰(即单个峰值)的情况，利用LM(Levenberg-Marquardt，列文-伯格)算法获得晶体的能量峰值，对于能谱数据是双峰(即两个峰值)的情况，通过人工调节方式得到晶体的能量峰值。这样，在双峰情况较多的情况下，人工调节的次数随之增多，导致数据处理效率较低。

在实现本方案过程中，发明人发现现有技术中至少存在如下问题：

有关能量峰值的数据处理过程中人工操作较多，智能化程度较低，导致数据处理效率较低。

【发明内容】

有鉴于此，本方案实施例提供了一种数据处理方法、装置及设备，用以解决现有技术中有关能量峰值的数据处理过程中人工操作较多，智能化程度较低，导致数据处理效率较低的问题。

第一方面，本方案实施例提供一种数据处理方法，所述方法包括：

获取正电子发射型计算机断层显像设备中指定晶体的原始能谱数据；

根据所述原始能谱数据，获取所述指定晶体的第一拟合能谱曲线和所述第一拟合能谱曲线中的第一能量峰值；

建立所述第一拟合能谱曲线与所述原始能谱数据的关联性，并基于该关联性获得所述指定晶体的晶体能量峰值。

如上所述的方面和任一可能的实现方式，进一步提供一种实现方式，建立所述第一拟合能谱曲线与所述原始能谱数据的关联性，并基于该关联性获得所述指定晶体的晶体能量峰值，包括：

获取所述第一拟合能谱曲线对应的第一函数与所述原始能谱数据对应的第二函数的惩罚函数；

将所述惩罚函数的指定运算值与指定阈值进行比较，得到比较结果；

根据所述比较结果，确定所述指定晶体的晶体能量峰值。

如上所述的方面和任一可能的实现方式，进一步提供一种实现方式，根据所述比较结果，确定所述指定晶体的晶体能量峰值，包括：

在所述惩罚函数的指定运算值超过所述指定阈值的情况下，利用期望最大化算法获取所述指定晶体的第二拟合能谱曲线；

从所述第二拟合能谱曲线中提取光子数量排第一的第二能量峰值和光子数量排第二的第三能量峰值；

按照指定原则，选取所述第二能量峰值或所述第三能量峰值作为所述指定晶体的晶体能量峰值。

如上所述的方面和任一可能的实现方式，进一步提供一种实现方式，根据所述比较结果，确定所述指定晶体的晶体能量峰值，包括：

在所述惩罚函数的指定运算值未超过所述指定阈值的情况下，确定所述第一能量峰值为所述指定晶体的晶体能量峰值。

如上所述的方面和任一可能的实现方式，进一步提供一种实现方式，所述方法还包括：

获取所述正电子发射型计算机断层显像设备中指定晶体块中所有晶体的晶体能量峰值；

对所述指定晶体块中所有晶体的晶体能量峰值进行伪彩化处理，得到伪彩化图像。

如上所述的方面和任一可能的实现方式，进一步提供一种实现方式，所述方法还包括：

识别所述伪彩化图像中色彩值符合异常条件的异常晶体；

确定所述异常晶体所在位置的感兴趣区域；

获取所述感兴趣区域中所有晶体的色彩值的中位数；

将所述异常晶体对应的色彩值调整为所述中位数；

根据调整后所述异常晶体对应的色彩值对应调整所述异常晶体的晶体能量峰值。

如上所述的方面和任一可能的实现方式，进一步提供一种实现方式，所述方法还包括：

在所述伪彩化图像中的晶体被选择时，显示被选择晶体的原始能谱曲线，所述原始能谱曲线与原始能谱数据对应；

在所述被选择晶体的原始能谱曲线中能量峰值被调节时，对应调整所述伪彩化图像中所述被选择晶体的色彩值，以及对应调整所述被选择晶体的晶体能量峰值。

如上所述的方面和任一可能的实现方式，进一步提供一种实现方式，根据所述原始能谱数据，获取所述指定晶体的第一拟合能谱曲线和所述第一拟合能谱曲线中的第一能量峰值之前，所述方法还包括：

对所述原始能谱数据进行过滤处理，得到过滤后的原始能谱数据；

根据所述原始能谱数据，获取所述指定晶体的第一拟合能谱曲线和所述第一拟合能谱曲线中的第一能量峰值，包括：

根据过滤后的原始能谱数据，获取所述指定晶体的第一拟合能谱曲线和所述第一拟合能谱曲线中的第一能量峰值。

如上所述的方面和任一可能的实现方式，进一步提供一种实现方式，所述方法还包括：

根据所述指定晶体的晶体能量峰值，确定所述正电子发射型计算机断层显像设备中的相应低能量鉴别器阈值。

第二方面，本方案实施例提供一种数据处理装置，所述装置包括：

获取模块，用于获取正电子发射型计算机断层显像正电子发射型计算机断层显像设备中指定晶体的原始能谱数据；

第一拟合模块，用于根据所述原始能谱数据，获取所述指定晶体的第一拟合能谱曲线和所述第一拟合能谱曲线中的第一能量峰值；

建立模块，用于建立所述第一拟合能谱曲线与所述原始能谱数据的关联性，并基于该关联性获得所述指定晶体的晶体能量峰值。

第三方面，本方案实施例提供一种数据处理设备，所述设备包括：

处理器；

用于存储所述处理器可执行指令的存储器；

所述处理器被配置为：

获取正电子发射型计算机断层显像设备中指定晶体的原始能谱数据；

根据所述原始能谱数据，获取所述指定晶体的第一拟合能谱曲线和所述第一拟合能谱曲线中的第一能量峰值；

建立所述第一拟合能谱曲线与所述原始能谱数据的关联性，并基于该关联性获得所述指定晶体的晶体能量峰值。

本发明实施例具有以下有益效果：

本发明实施例通过对指定晶体的原始能谱数据进行拟合处理，并根据拟合得到的第一拟合能谱曲线与原始能谱数据的关联性，来获取指定晶体的晶体能量峰值，使得在获得指定晶体的能量峰值的过程中，减少了人工调节，从而减少了数据处理的时间，提高了数据处理效率，并且提高了数据处理过程的智能化程度。

【附图说明】

为了更清楚地说明本方案实施例的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本方案的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其它的附图。

图1为本发明实施例提供的数据处理方法的第一流程示例图。

图2为本发明实施例提供的能谱曲线的示例图。

图3为本发明实施例提供的数据处理方法的第二流程示例图。

图4为本发明实施例提供的数据处理方法的第三流程示例图。

图5为本发明实施例提供的数据处理方法的第四流程示例图。

图6为本发明实施例提供的数据处理方法的第五流程示例图。

图7为本发明实施例提供的数据处理方法的第六流程示例图。

图8为本发明实施例提供的数据处理方法的第七流程示例图。

图9为本发明实施例提供的数据处理装置的功能方块图。

图10是数据处理设备的简化框图。

【具体实施方式】

为了更好的理解本方案的技术方案，下面结合附图对本方案实施例进行详细描述。

应当明确，所描述的实施例仅仅是本方案一部分实施例，而不是全部的实施例。基于本方案中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其它实施例，都属于本方案保护的范围。

在本方案实施例中使用的术语是仅仅出于描述特定实施例的目的，而非旨在限制本方案。在本方案实施例和所附权利要求书中所使用的单数形式的“一种”、“所述”和“该”也旨在包括多数形式，除非上下文清楚地表示其他含义。

应当理解，本文中使用的术语“和/或”仅仅是一种描述关联对象的关联关系，表示可以存在三种关系，例如，A和/或B，可以表示：单独存在A，同时存在A和B，单独存在B这三种情况。另外，本文中字符“/”，一般表示前后关联对象是一种“或”的关系。

取决于语境，如在此所使用的词语“如果”可以被解释成为“在……时”或“当……时”或“响应于确定”或“响应于检测”。类似地，取决于语境，短语“如果确定”或“如果检测(陈述的条件或事件)”可以被解释成为“当确定时”或“响应于确定”或“当检测(陈述的条件或事件)时”或“响应于检测(陈述的条件或事件)”。

实施例一

本发明实施例提供了一种数据处理方法。该数据处理方法可以通过应用程序APP来实现，计算机、医用工作站等终端可以通过安装该应用程序获取相应的数据处理功能。

图1为本发明实施例提供的数据处理方法的第一流程示例图。如图1所示，本实施例中，数据处理方法可以包括如下步骤：

S101，获取PET设备中指定晶体的原始能谱数据。

S102，根据原始能谱数据，获取指定晶体的第一拟合能谱曲线和第一拟合能谱曲线中的第一能量峰值。

S103，建立第一拟合能谱曲线与原始能谱数据的关联性，并基于该关联性获得指定晶体的晶体能量峰值。

当从PET设备采集到原始能谱数据后，可以将采集的原始能谱数据先存储到存储设备中。然后在需要的时候，从存储设备中来获取原始能谱数据。

其中，原始能谱数据是PET设备中指定晶体的能谱数据。原始能谱数据是一组离散数据，比如能量值为a的光子数量为m个，能量值为b的光子数量为n个。

原始能谱数据可以转换为对应的原始能谱曲线。原始能谱曲线可以通过将原始能谱数据对应的离散点按照能量值由小到大的顺序进行平滑连接而得到。能谱曲线的示例图请参见图2。图2中，横坐标表示晶体对应的光子能量值，纵坐标表示光子的数量。其中能谱曲线的最高点对应的横坐标即为晶体的能量峰值。

其中，S102，根据原始能谱数据，获取指定晶体的第一拟合能谱曲线和第一拟合能谱曲线中的第一能量峰值，可以包括：根据原始能谱数据，利用LM算法获取指定晶体的第一拟合能谱曲线和第一拟合能谱曲线中的第一能量峰值。

下面对S102中的LM算法进行说明。

根据晶体能量分布研究，大部分的PET晶体能量分布在0～511Kev范围内，每个能量上的计数之间的分布符合混合型高斯曲线模型如下公式(1):

利用LM算法拟合计算出指定晶体对应的参数A、b、μ、α、β、γ的拟合值，其中，μ为指定晶体对应的能量峰值，即可由这些参数确定指定晶体对应的第一拟合能谱曲线，该第一拟合能谱曲线中的能量峰值即为第一能量峰值，即μ。

假设第一拟合能谱曲线对应的第一函数为函数f(x)，原始能谱曲线对应的第二函数为函数t(x)，那么惩罚函数＝|f(x)-t(x)|。

其中，指定阈值可以根据经验数据来设置。其中，惩罚函数的指定运算值可以是惩罚函数的平方和。例如，假设惩罚函数＝|f(x)-t(x)|，指定阈值为k，则k可以是满足|f(x)-t(x)|的平方和小于k的值。

对于能谱数据是单峰的情况，通常惩罚函数与指定阈值的比较结为惩罚函数未超过指定阈值，此时可以根据S102中得到的第一能量峰值来确定指定晶体的晶体能量峰值。对于能谱数据是双峰的情况，通常惩罚函数与指定阈值的比较结为惩罚函数超过指定阈值，此时可以根据EM(Expectation-maximization，期望最大化)算法来确定指定晶体的晶体能量峰值。

在一个具体的实现过程中，根据原始能谱数据，获取指定晶体的第一拟合能谱曲线和第一拟合能谱曲线中的第一能量峰值之前，数据处理方法还可以包括：对原始能谱数据进行过滤处理，得到过滤后的原始能谱数据；根据原始能谱数据，获取指定晶体的第一拟合能谱曲线和第一拟合能谱曲线中的第一能量峰值，包括：根据过滤后的原始能谱数据，获取指定晶体的第一拟合能谱曲线和第一拟合能谱曲线中的第一能量峰值。

其中，对原始能谱数据进行过滤处理的目的是去掉采集数据中由于突变或者毛刺等造成的干扰误差，从而提高数据处理的准确性。

图1所示实施例，通过对指定晶体的原始能谱数据进行拟合处理，并根据拟合得到的第一拟合能谱曲线与原始能谱数据的关联性，来获取指定晶体的晶体能量峰值，使得在获得指定晶体的能量峰值的过程中，减少了人工调节，从而减少了数据处理的时间，提高了数据处理效率，并且提高了数据处理过程的智能化程度。

图3为本发明实施例提供的数据处理方法的第二流程示例图。如图3所示，本实施例中，数据处理方法可以包括如下步骤：

S301，获取PET设备中指定晶体的原始能谱数据。

S302，根据原始能谱数据，获取指定晶体的第一拟合能谱曲线和第一拟合能谱曲线中的第一能量峰值。

S303，获取第一拟合能谱曲线对应的第一函数与原始能谱数据对应的第二函数的惩罚函数。

S304，将惩罚函数的指定运算值与指定阈值进行比较，得到比较结果。

S305，根据比较结果，确定指定晶体的晶体能量峰值。

S305中，不需要人工调节，而根据惩罚函数与指定阈值的比较结果，就能自动确定指定晶体的晶体能量峰值。这样，整个获取指定晶体的晶体能量峰值的过程都可以按照程序自动进行，大大减少了人工调节，从而不但可以提高数据处理过程的智能化程度，还能够减少处理时间，提高数据处理的效率。

晶体能谱数据对应的能谱曲线双峰情况越多，图3所示实施例所减少的人工调节的时间就越多，从而提高数据处理效率的效果就越明显。

图4为本发明实施例提供的数据处理方法的第三流程示例图。如图4所示，本实施例中，数据处理方法可以包括如下步骤：

S401，获取PET设备中指定晶体的原始能谱数据。

S402，根据原始能谱数据，获取指定晶体的第一拟合能谱曲线和第一拟合能谱曲线中的第一能量峰值。

S403，获取第一拟合能谱曲线对应的第一函数与原始能谱数据对应的第二函数的惩罚函数。

S404，将惩罚函数的指定运算值与指定阈值进行比较，得到比较结果。

S405，判断惩罚函数的指定运算值是否超过指定阈值，如果惩罚函数的指定运算值超过指定阈值，执行S406，如果惩罚函数的指定运算值未超过指定阈值，执行S409。

S406，利用EM算法获取指定晶体的第二拟合能谱曲线；

S407，从第二拟合能谱曲线中提取光子数量排第一的第二能量峰值和光子数量排第二的第三能量峰值。

S408，按照指定原则，选取第二能量峰值或第三能量峰值作为指定晶体的晶体能量峰值，结束。

S409，确定第一能量峰值为指定晶体的晶体能量峰值，结束。

PET晶体的能量分布出现双峰(相对低能量的数量值达到高峰，相对高能量的数量值偏低峰)的情况符合混合高斯模型，此时，每个晶体的能谱曲线可以用如下的公式(2)表示。

利用EM算法拟合计算出指定晶体对应的参数A1、b1、μ1、α1、β1、γ1、A2、b2、μ2、α2、β2、γ2的拟合值，其中，μ1和μ2为指定晶体对应的两个能量峰值，即可由这些参数确定指定晶体对应的第二拟合能谱曲线，该第二拟合能谱曲线中的两个能量峰值分别为μ1和μ2。

图4所示实施例中，在惩罚函数未超过指定阈值的情况下，将获取(可以利用LM算法获取)的第一能量峰值确定为指定晶体的晶体能量峰值，在惩罚函数超过指定阈值的情况下，利用EM算法获取指定晶体的第二拟合能谱曲线和第二拟合能谱曲线中的第二能量峰值和第三能量峰值，并按照指定原则，选取第二能量峰值或第三能量峰值作为指定晶体的晶体能量峰值，从而即使在能谱曲线出现双峰的情况，也能根据程序自动获得晶体的晶体能量峰值，大大减少了人工调节，避免因过多的人工干预而导致数据处理时间过长，减少了数据处理的时间，进而提高了数据处理的效率。

图5为本发明实施例提供的数据处理方法的第四流程示例图。如图5所示，本实施例中，数据处理方法可以包括如下步骤：

S501，获取PET设备中指定晶体的原始能谱数据。

S502，根据原始能谱数据，获取指定晶体的第一拟合能谱曲线和第一拟合能谱曲线中的第一能量峰值。

S503，获取第一拟合能谱曲线对应的第一函数与原始能谱数据对应的第二函数的惩罚函数。

S504，将惩罚函数的指定运算值与指定阈值进行比较，得到比较结果。

S505，根据比较结果，确定指定晶体的晶体能量峰值。

S506，获取PET设备中指定晶体块中所有晶体的晶体能量峰值；

S507，对指定晶体块中所有晶体的晶体能量峰值进行伪彩化处理，得到伪彩化图像。

图5所示实施例中，在确定指定晶体的晶体能量峰值后，还根据指定晶体块中所有晶体的晶体能量峰值，通过伪彩化处理，得到伪彩化图像。伪彩化图像中，每个晶体的色彩值为RGB值，该值与晶体的晶体能量峰值相对应。通过伪彩化图像，用户可以很容易地通过眼睛直观地识别出图像色彩值突兀(或者说色彩值异常)的晶体，从而对这些晶体的晶体能量峰值进行适当调整，以使这些晶体的晶体能量峰值更符合实际值。

需要说明的是，在数据处理过程中，可以将PET设备的全部晶体首先进行分块，然后对每一块晶体分别进行处理，这样就可以通过多个线程同时对多块晶体数据进行并行处理，从而提高数据处理速度。例如，假设PET设备的全部晶体有1152*96个(符号“*”为乘号)，将这些晶体分为36块，每一块晶体个数为64*48，然后采用多线程技术，对36个晶体块进行并行处理。对于数据量非常大且数据结构复杂的数据，这样可以显著提高数据处理的效率。

图6为本发明实施例提供的数据处理方法的第五流程示例图。如图6所示，本实施例中，数据处理方法可以包括如下步骤：

S601，获取PET设备中指定晶体的原始能谱数据。

S602，根据原始能谱数据，获取指定晶体的第一拟合能谱曲线和第一拟合能谱曲线中的第一能量峰值。

S603，获取第一拟合能谱曲线对应的第一函数与原始能谱数据对应的第二函数的惩罚函数。

S604，将惩罚函数的指定运算值与指定阈值进行比较，得到比较结果。

S605，根据比较结果，确定指定晶体的晶体能量峰值。

S606，获取PET设备中指定晶体块中所有晶体的晶体能量峰值；

S607，对指定晶体块中所有晶体的晶体能量峰值进行伪彩化处理，得到伪彩化图像。

S608，识别伪彩化图像中色彩值符合异常条件的异常晶体；

S609，确定异常晶体所在位置的感兴趣区域；

S610，获取感兴趣区域中所有晶体的色彩值的中位数；

S611，将异常晶体对应的色彩值调整为中位数；

S612，根据调整后异常晶体对应的色彩值对应调整异常晶体的晶体能量峰值。

图6所示实施例提供了一种对晶体的晶体能量峰值进行调整的方式。

图6所示实施例中，在识别出伪彩化图像中色彩值符合异常条件的异常晶体后，将异常晶体对应的色彩值调整为相关感兴趣区域的所有晶体的色彩值的中位数，并根据调整后异常晶体对应的色彩值对应调整异常晶体的晶体能量峰值，从而对明显异常的晶体的晶体能量峰值进行调节，使其更加符合实际值，从而提高数据处理的准确性。

图7为本发明实施例提供的数据处理方法的第六流程示例图。如图7所示，本实施例中，数据处理方法可以包括如下步骤：

S701，采集PET设备中指定晶体的原始能谱数据。

S702，根据原始能谱数据，获取指定晶体的第一拟合能谱曲线和第一拟合能谱曲线中的第一能量峰值。

S703，获取第一拟合能谱曲线对应的第一函数与原始能谱数据对应的第二函数的惩罚函数。

S704，将惩罚函数的指定运算值与指定阈值进行比较，得到比较结果。

S705，根据比较结果，确定指定晶体的晶体能量峰值。

S706，获取PET设备中指定晶体块中所有晶体的晶体能量峰值；

S707，对指定晶体块中所有晶体的晶体能量峰值进行伪彩化处理，得到伪彩化图像。

S708，在伪彩化图像中的晶体被选择时，显示被选择晶体的原始能谱曲线，其中，被选择晶体的原始能谱曲线与被选择晶体的原始能谱数据对应。

S709，在被选择晶体的原始能谱曲线中能量峰值被调节时，对应调整伪彩化图像中被选择晶体的色彩值，以及对应调整被选择晶体的晶体能量峰值。

图7所示实施例提供了另一种对晶体的晶体能量峰值进行调整的方式。

图7所示实施例中，在得到指定晶体块对应的伪彩化图像后，当伪彩化图像中的晶体被选择时，可以显示被选择晶体的原始能谱曲线。在此基础上，当用户对被选择晶体的原始能谱曲线中的能量峰值进行调节后，可以根据用户的调节对应调整伪彩化图像中被选择晶体的色彩值和晶体的晶体能量峰值。

图8为本发明实施例提供的数据处理方法的第七流程示例图。如图8所示，本实施例中，数据处理方法可以包括如下步骤：

S801，获取PET设备中指定晶体的原始能谱数据。

S802，根据原始能谱数据，获取指定晶体的第一拟合能谱曲线和第一拟合能谱曲线中的第一能量峰值。

S803，获取第一拟合能谱曲线对应的第一函数与原始能谱数据对应的第二函数的惩罚函数。

S804，将惩罚函数的指定运算值与指定阈值进行比较，得到比较结果。

S805，根据比较结果，确定指定晶体的晶体能量峰值。

S806，根据指定晶体的晶体能量峰值，确定PET设备中的相应低能量鉴别器LLD阈值。

图8所示实施例中，在确定指定晶体的晶体能量峰值后，根据晶体能量峰值确定PET设备中的相应低能量鉴别器LLD阈值，使得LLD阈值的设置更加合理，从而能够提高PET设备的检测结果的准确性。

本发明实施例提供的数据处理方法，通过对指定晶体的原始能谱数据进行拟合处理，并根据拟合得到的第一拟合能谱曲线与原始能谱曲线的惩罚函数的指定运算值与指定阈值的比较结果，来确定指定晶体的晶体能量峰值，使得在获得指定晶体的能量峰值的过程中，减少了人工调节，从而减少了数据处理的时间，提高了数据处理效率，并且提高了数据处理过程的智能化程度。

实施例二

本发明实施例提供了一种数据处理装置，该数据处理装置能够实现前述实施例中数据处理方法的各步骤。

图9为本发明实施例提供的数据处理装置的功能方块图。如图9所示，本实施例中，数据处理装置包括：

获取模块910，用于获取正电子发射型计算机断层显像PET设备中指定晶体的原始能谱数据；

第一拟合模块920，用于根据原始能谱数据，获取指定晶体的第一拟合能谱曲线和第一拟合能谱曲线中的第一能量峰值；

建立模块930，用于建立第一拟合能谱曲线与原始能谱数据的关联性，并基于该关联性获得指定晶体的晶体能量峰值。

在一个具体的实现过程中，建立模块930在用于建立第一拟合能谱曲线与原始能谱数据的关联性，并基于该关联性获得指定晶体的晶体能量峰值时，具体用于：获取第一拟合能谱曲线对应的第一函数与所述原始能谱数据对应的第二函数的惩罚函数；将惩罚函数的指定运算值与指定阈值进行比较，得到比较结果；根据比较结果，确定指定晶体的晶体能量峰值。

在一个具体的实现过程中，建立模块930在用于根据比较结果，确定指定晶体的晶体能量峰值时，具体用于：在惩罚函数的指定运算值超过指定阈值的情况下，利用EM算法获取指定晶体的第二拟合能谱曲线；从第二拟合能谱曲线中提取光子数量排第一的第二能量峰值和光子数量排第二的第三能量峰值；按照指定原则，选取第二能量峰值或第三能量峰值作为指定晶体的晶体能量峰值。

在一个具体的实现过程中，建立模块930在用于根据比较结果，确定指定晶体的晶体能量峰值时，具体用于：在惩罚函数的指定运算值未超过指定阈值的情况下，确定第一能量峰值为指定晶体的晶体能量峰值。

在一个具体的实现过程中，数据处理装置还可以包括：峰值获取模块，用于获取PET设备中指定晶体块中所有晶体的晶体能量峰值；伪彩化处理模块，用于对指定晶体块中所有晶体的晶体能量峰值进行伪彩化处理，得到伪彩化图像。

在一个具体的实现过程中，在数据处理装置包括峰值获取模块和伪彩化处理模块的基础上，数据处理装置还可以包括：

识别模块，用于识别伪彩化图像中色彩值符合异常条件的异常晶体；

感兴趣区域确定模块，用于确定所述异常晶体所在位置的感兴趣区域；

中位数获取模块，用于获取感兴趣区域中所有晶体的色彩值的中位数；

色彩值调整模块，用于将异常晶体对应的色彩值调整为中位数；

峰值调整模块，用于根据调整后异常晶体对应的色彩值对应调整异常晶体的晶体能量峰值。

在一个具体的实现过程中，在数据处理装置包括峰值获取模块和伪彩化处理模块的基础上，数据处理装置还可以包括：

曲线显示模块，用于在伪彩化图像中的晶体被选择时，显示被选择晶体的原始能谱曲线，其中，被选择晶体的原始能谱曲线与被选择晶体的原始能谱数据对应；

色彩值及峰值调整模块，用于在被选择晶体的原始能谱曲线中能量峰值被调节时，对应调整伪彩化图像中所述被选择晶体的色彩值，以及对应调整被选择晶体的晶体能量峰值。

在一个具体的实现过程中，数据处理装置还可以包括：过滤模块，用于对原始能谱数据进行过滤处理，得到过滤后的原始能谱数据；第一拟合模块920在用于根据原始能谱数据，获取指定晶体的第一拟合能谱曲线和第一拟合能谱曲线中的第一能量峰值时，具体用于：根据过滤后的原始能谱数据，获取指定晶体的第一拟合能谱曲线和第一拟合能谱曲线中的第一能量峰值。

在一个具体的实现过程中，数据处理装置还可以包括：LLD阈值确定模块，用于根据指定晶体的晶体能量峰值，确定PET设备中的相应低能量鉴别器LLD阈值。

由于本实施例中的数据处理装置能够执行前述实施例一中的数据处理方法，本实施例未详细描述的部分，可参考对前述实施例一中数据处理方法的相关说明。

本发明实施例提供的数据处理装置，通过对指定晶体的原始能谱数据进行拟合处理，并根据拟合得到的第一拟合能谱曲线与原始能谱数据的关联性，来获取指定晶体的晶体能量峰值，使得在获得指定晶体的能量峰值的过程中，减少了人工调节，从而减少了数据处理的时间，提高了数据处理效率，并且提高了数据处理过程的智能化程度。

实施例三

本发明实施例提供一种数据处理设备，该设备包括：处理器；用于存储处理器可执行指令的存储器；处理器被配置为：获取正电子发射型计算机断层显像PET设备中指定晶体的原始能谱数据；根据原始能谱数据，获取指定晶体的第一拟合能谱曲线和第一拟合能谱曲线中的第一能量峰值；建立第一拟合能谱曲线与原始能谱数据的关联性，并基于该关联性获得指定晶体的晶体能量峰值。

其中，数据处理设备可以是计算机。

图10是数据处理设备的简化框图。参见图10，该数据处理设备1000可以包括与一个或多个数据存储工具连接的处理器1001，该数据存储工具可以包括存储介质1006和内存单元1004。数据处理设备1000还可以包括输入接口1005和输出接口1007，用于与另一装置或***进行通信。被处理器1001的CPU执行的程序代码可存储在内存单元1004或存储介质1006中。

数据处理设备1000中的处理器1001调用存储在内存单元1004或存储介质1006的程序代码，执行下面各步骤：

获取正电子发射型计算机断层显像PET设备中指定晶体的原始能谱数据；

根据原始能谱数据，获取指定晶体的第一拟合能谱曲线和第一拟合能谱曲线中的第一能量峰值；

建立第一拟合能谱曲线与原始能谱数据的关联性，并基于该关联性获得指定晶体的晶体能量峰值。

上述实施例中，存储介质可以是只读存储器(Read-Only Memory，ROM)，或是可读写的，例如硬盘、闪存。内存单元可为随机存取存储器(Random Access Memory，RAM)。内存单元可与处理器物理集成或集成在存储器中或构建为单独的单元。

处理器为上述设备(该设备为上述服务器或者上述客户端)的控制中心，并提供处理装置，用于执行指令，进行中断操作，提供计时功能以及多种其他功能。可选地，处理器包括一个或多个中央处理单元(CPU)，例如图10中示出的CPU 0和CPU 1。上述设备中包括一个或者多个的处理器。处理器可为单核(单CPU)处理器或多核(多CPU)处理器。除非另有声明，描述为用于执行任务的例如处理器或存储器的部件可实现为通用部件，其暂时用于在给定时间执行任务，或实现为专门制造用于执行该任务的特定部件。此处所用的术语“处理器”指一个或多个装置，电路和/或处理核，用于处理数据，例如计算机程序指令。

被处理器的CPU执行的程序代码可存储在内存单元或存储介质中。可选地，存储在存储介质中的程序代码可以被复制入内存单元以便处理器的CPU执行。处理器可执行至少一个内核(例如LINUX^TM、UNIX^TM、WINDOWS^TM、ANDROID^TM、IOS^TM)，众所周知，该内核用于通过控制其他程序或过程的执行、控制与***装置的通信以及控制计算机设备资源的使用来控制上述设备的操作。

上述设备中的上述元件可通过总线彼此连接，总线例如数据总线、地址总线、控制总线、扩展总线和局部总线之一或其任意组合。

所属领域的技术人员可以清楚地了解到，为描述的方便和简洁，上述描述的***，装置和单元的具体工作过程，可以参考前述方法实施例中的对应过程，在此不再赘述。

在本方案所提供的几个实施例中，应该理解到，所揭露的***，装置和方法，可以通过其它的方式实现。例如，以上所描述的装置实施例仅仅是示意性的，例如，所述单元的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，例如，多个单元或组件可以结合或者可以集成到另一个***，或一些特征可以忽略，或不执行。另一点，所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口，装置或单元的间接耦合或通信连接，可以是电性，机械或其它的形式。

所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。

另外，在本方案各个实施例中的各功能单元可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现，也可以采用硬件加软件功能单元的形式实现。

以上所述仅为本方案的较佳实施例而已，并不用以限制本方案，凡在本方案的精神和原则之内，所做的任何修改、等同替换、改进等，均应包含在本方案保护的范围之内。

Claims (7)

1.一种数据处理方法，其特征在于，所述方法包括：

获取正电子发射型计算机断层显像设备中指定晶体的原始能谱数据；

根据所述原始能谱数据，获取所述指定晶体的第一拟合能谱曲线和所述第一拟合能谱曲线中的第一能量峰值；

建立所述第一拟合能谱曲线与所述原始能谱数据的关联性，并基于该关联性获得所述指定晶体的晶体能量峰值；

所述建立所述第一拟合能谱曲线与所述原始能谱数据的关联性，并基于该关联性获得所述指定晶体的晶体能量峰值包括：

获取所述第一拟合能谱曲线对应的第一函数与所述原始能谱数据对应的第二函数的惩罚函数；

将所述惩罚函数的指定运算值与指定阈值进行比较，得到比较结果；

根据所述比较结果，确定所述指定晶体的晶体能量峰值；

根据所述比较结果，确定所述指定晶体的晶体能量峰值，包括：

在所述惩罚函数的指定运算值超过所述指定阈值的情况下，利用期望最大化算法获取所述指定晶体的第二拟合能谱曲线；

从所述第二拟合能谱曲线中提取光子数量排第一的第二能量峰值和光子数量排第二的第三能量峰值；

选取所述第二能量峰值或所述第三能量峰值作为所述指定晶体的晶体能量峰值；

或者，

在所述惩罚函数的指定运算值未超过所述指定阈值的情况下，确定所述第一能量峰值为所述指定晶体的晶体能量峰值。

2.根据权利要求1所述的方法，其特征在于，所述方法还包括：

获取所述正电子发射型计算机断层显像设备中指定晶体块中所有晶体的晶体能量峰值；

对所述指定晶体块中所有晶体的晶体能量峰值进行伪彩化处理，得到伪彩化图像。

3.根据权利要求2所述的方法，其特征在于，所述方法还包括：

识别所述伪彩化图像中色彩值符合异常条件的异常晶体；

确定所述异常晶体所在位置的感兴趣区域；

获取所述感兴趣区域中所有晶体的色彩值的中位数；

将所述异常晶体对应的色彩值调整为所述中位数；

根据调整后所述异常晶体对应的色彩值对应调整所述异常晶体的晶体能量峰值。

4.根据权利要求2所述的方法，其特征在于，所述方法还包括：

在所述伪彩化图像中的晶体被选择时，显示被选择晶体的原始能谱曲线，所述原始能谱曲线与原始能谱数据对应；

在所述被选择晶体的原始能谱曲线中能量峰值被调节时，对应调整所述伪彩化图像中所述被选择晶体的色彩值，以及对应调整所述被选择晶体的晶体能量峰值。

5.根据权利要求1所述的方法，其特征在于，所述方法还包括：

根据所述指定晶体的晶体能量峰值，确定所述正电子发射型计算机断层显像设备中的相应低能量鉴别器阈值。

6.一种数据处理装置，其特征在于，所述装置包括：

获取模块，用于采集正电子发射型计算机断层显像设备中指定晶体的原始能谱数据；

第一拟合模块，用于根据所述原始能谱数据，获取所述指定晶体的第一拟合能谱曲线和所述第一拟合能谱曲线中的第一能量峰值；

建立模块，用于建立所述第一拟合能谱曲线与所述原始能谱数据的关联性，并基于该关联性获得所述指定晶体的晶体能量峰值；

建立模块，具体用于获取所述第一拟合能谱曲线对应的第一函数与所述原始能谱数据对应的第二函数的惩罚函数；将所述惩罚函数的指定运算值与指定阈值进行比较，得到比较结果；根据所述比较结果，确定指定晶体的晶体能量峰值；

建立模块，具体用于在所述惩罚函数的指定运算值超过所述指定阈值的情况下，利用期望最大化算法获取所述指定晶体的第二拟合能谱曲线；

从所述第二拟合能谱曲线中提取光子数量排第一的第二能量峰值和光子数量排第二的第三能量峰值；

选取所述第二能量峰值或所述第三能量峰值作为所述指定晶体的晶体能量峰值；

或者，

在所述惩罚函数的指定运算值未超过所述指定阈值的情况下，确定所述第一能量峰值为所述指定晶体的晶体能量峰值。

7.一种数据处理设备，其特征在于，所述设备包括：

处理器；

用于存储所述处理器可执行指令的存储器；

所述处理器被配置为：

采集正电子发射型计算机断层显像设备中指定晶体的原始能谱数据；

根据所述原始能谱数据，获取所述指定晶体的第一拟合能谱曲线和所述第一拟合能谱曲线中的第一能量峰值；

建立所述第一拟合能谱曲线与所述原始能谱数据的关联性，并基于该关联性获得所述指定晶体的晶体能量峰值；

所述建立所述第一拟合能谱曲线与所述原始能谱数据的关联性，并基于该关联性获得所述指定晶体的晶体能量峰值包括：

获取所述第一拟合能谱曲线对应的第一函数与所述原始能谱数据对应的第二函数的惩罚函数；

将所述惩罚函数的指定运算值与指定阈值进行比较，得到比较结果；

根据所述比较结果，确定所述指定晶体的晶体能量峰值；

根据所述比较结果，确定所述指定晶体的晶体能量峰值，包括：

在所述惩罚函数的指定运算值超过所述指定阈值的情况下，利用期望最大化算法获取所述指定晶体的第二拟合能谱曲线；

从所述第二拟合能谱曲线中提取光子数量排第一的第二能量峰值和光子数量排第二的第三能量峰值；

选取所述第二能量峰值或所述第三能量峰值作为所述指定晶体的晶体能量峰值；

或者，

在所述惩罚函数的指定运算值未超过所述指定阈值的情况下，确定所述第一能量峰值为所述指定晶体的晶体能量峰值。

Images