目的:研究基于光子计数探测器CT(photon-counting detector CT,PCD-CT)采集的能谱定位像(spectral localizer radiograph,SLR)定量检测股骨颈的面积骨密度(areal bone mineral density,aBMD)的效能。方法:于2024年7月至2025年4月前瞻性...目的:研究基于光子计数探测器CT(photon-counting detector CT,PCD-CT)采集的能谱定位像(spectral localizer radiograph,SLR)定量检测股骨颈的面积骨密度(areal bone mineral density,aBMD)的效能。方法:于2024年7月至2025年4月前瞻性纳入需接受双能量X射线吸收法(dual-energy X-ray absorptiometry,DXA)以及CT扫描这2种检查的受试者(≥18岁)。这些患者在PCD-CT上接受检查获取SLR,由2名观察者在SLR上独立、盲法测量患者左侧股骨颈的aBMD。以DXA的测量结果为标准,评估SLR对aBMD的定量准确性及针对异常骨量(T值<-1.0)的诊断效能。结果:本研究共纳入63名受试者(其中女性36人),平均年龄(64.30±13.20)岁,DXA测得的中位aBMD值为0.889[四分位间距(interquartile range,IQR)为0.749~1.031]g/cm^(2),其中23人(36.51%)表现出异常骨量。2名观察者测量的aBMD值[中位数(IQR)表示]分别为0.879(0.760~0.985)g/cm^(2)和0.891(0.784~0.977)g/cm^(2),基于SLR测量的aBMD值具有极好的观察者间一致性(组内相关系数为0.98)。以DXA结果为参考,SLR测量aBMD的中位百分比绝对误差为6.66%(IQR为3.64%~9.80%),基于SLR诊断异常骨量的准确率、灵敏度、特异度分别为95.24%(50/63)、95.65%(22/23)、95.00%(38/40)。结论:基于PCD-CT采集的能谱定位像可以准确定量股骨颈的骨密度,并表现出较高的异常骨量诊断效能。展开更多
X射线探测器是X射线成像系统的关键部件之一,对成像质量具有决定性作用。然而,随着探测器像素尺寸微缩化、阵列规模指数级扩张,传统探测器面临数据传输带宽受限、功耗激增和信号延迟累积等挑战。因此,在探测器源端引入人工智能(AI)技术...X射线探测器是X射线成像系统的关键部件之一,对成像质量具有决定性作用。然而,随着探测器像素尺寸微缩化、阵列规模指数级扩张,传统探测器面临数据传输带宽受限、功耗激增和信号延迟累积等挑战。因此,在探测器源端引入人工智能(AI)技术成为必然趋势。基于此,系统综述面向智能X射线成像探测器的感算融合架构及实现技术最新进展。首先,剖析光子计数型读出专用集成电路(Application Specific Integrated Circuit,ASIC)在架构优化与能效提升方面的技术突破;其次,探讨通过模拟神经网络实现源端信号实时处理的感内计算技术路径;最后,从算法-电路协同设计角度分析存算一体技术在突破冯·诺依曼架构瓶颈中的创新实践,为构建高能效、低延迟的智能化X射线探测系统提供理论支撑与技术路线。展开更多
面向高能同步辐射光源(High Energy Photon Source,HEPS)的高性能像素阵列探测器(HEPS-BPIX4)的数据获取系统(Data Acquisition,DAQ)需满足高实时性要求。通过在线压缩图像数据,可有效降低后续传输与存储的压力。针对传统压缩算法在压...面向高能同步辐射光源(High Energy Photon Source,HEPS)的高性能像素阵列探测器(HEPS-BPIX4)的数据获取系统(Data Acquisition,DAQ)需满足高实时性要求。通过在线压缩图像数据,可有效降低后续传输与存储的压力。针对传统压缩算法在压缩率和实时性方面的不足,本文提出了一种基于深度学习目标检测的图像数据在线压缩方法。采用端到端的YOLO(You Only Look Once)目标检测算法,对深度学习模型进行高效训练,并验证了其在HEPS-BPIX4 DAQ数据流中实现在线数据压缩的可行性。实验结果表明,该方法的图像数据在线压缩平均压缩比达到5.88。同时,设计了高效的部署方案,并对性能进行了测试,单线程下的压缩处理速率可达GB∙s^(−1)量级。此外,进一步提出了适用于HEPS-BPIX4 DAQ框架的多线程部署方案,以满足更高的压缩性能需求,为缓解HEPS-BPIX4 DAQ系统高带宽图像数据处理压力提供了新思路。展开更多
文摘X射线探测器是X射线成像系统的关键部件之一,对成像质量具有决定性作用。然而,随着探测器像素尺寸微缩化、阵列规模指数级扩张,传统探测器面临数据传输带宽受限、功耗激增和信号延迟累积等挑战。因此,在探测器源端引入人工智能(AI)技术成为必然趋势。基于此,系统综述面向智能X射线成像探测器的感算融合架构及实现技术最新进展。首先,剖析光子计数型读出专用集成电路(Application Specific Integrated Circuit,ASIC)在架构优化与能效提升方面的技术突破;其次,探讨通过模拟神经网络实现源端信号实时处理的感内计算技术路径;最后,从算法-电路协同设计角度分析存算一体技术在突破冯·诺依曼架构瓶颈中的创新实践,为构建高能效、低延迟的智能化X射线探测系统提供理论支撑与技术路线。
