CN120219551A 康普顿相机的图像重建方法、装置、计算机设备及存储介质

(19)国家知识产权局(10)申请公布号CN120219551A(71)申请人华硼中子科技(杭州)有限公司地址310009浙江省杭州市上城区同协路1279号西子智慧产业园1号楼203-206室(72)发明人严明飞刘永泽王盛曹学香(74)专利代理机构广州三环专利商标代理有限公司44202专利代理师仝丽(54)发明名称康普顿相机的图像重建方法、装置、计算机设备及存储介质本申请涉及医学成像技术领域，公开了一种康普顿相机的图像重建方法、装置、计算机设备及存储介质。包括，获取成像平面对应的当前权重分布和参考权重分布；基于当前权重分布进行真实放射源模拟，得到成像平面对应的模拟权重分布；根据模拟权重分布和参考权重分布对当前源集中的元素进行更新，得到更新后源集，以对康普顿相机进行图像重建；其中，当前源集中的元素用于表征康普顿相机内发生的康普顿事件对应的放射源坐标。至此，实现一种能够提高康普顿相机成像质量的图像重建方法，使得重建的图像能够更准确地反映放射源的实际分布情况，从而为BNCT获取成像平面对应的当前权重分布和参考权重分布基于当前权重分布进行真实放射源模拟，得到成像平面对应的模拟权重分布根据模拟权重分布和参考权重分布对当前源集中的元素进行更新，得到更新后源集，以对康普顿相机进行图像重建21.一种康普顿相机的图像重建方法，其特征在于，所述方法包括：获取成像平面对应的当前权重分布和参考权重分布；基于所述当前权重分布进行真实放射源模拟，得到所述成像平面对应的模拟权重分根据所述模拟权重分布和所述参考权重分布对当前源集中的元素进行更新，得到更新后源集，以对康普顿相机进行图像重建；其中，所述当前源集中的元素用于表征所述康普顿相机内发生的康普顿事件对应的放射源坐标。2.根据权利要求1所述的方法，其特征在于，所述根据所述模拟权重分布和所述参考权重分布对当前源集中的元素进行更新，得到更新后源集，包括：确定所述模拟权重分布与所述参考权重分布之间的当前差异数据；根据所述当前差异数据对所述当前源集中的元素进行更新，得到所述更新后源集。3.根据权利要求1所述的方法，其特征在于，所述基于所述当前权重分布进行真实放射基于所述当前权重分布在所述成像平面内生成半径为指定长度的反演圆，得到所述成像平面内各个像素方格的模拟权重值，作为所述成像平面对应的模拟权重分布。4.根据权利要求2所述的方法，其特征在于，所述根据所述当前差异数据对所述当前源确定随机元素的第一概率密度和所述当前源集中的任一元素的第二概率密度；其中，所述随机元素用于表征所述任一元素对应的康普顿事件的重建圆锥上的随机点；基于所述当前差异数据分别对所述第一概率密度和所述第二概率密度进行调整，得到所述随机元素的第一调整后密度和所述任一元素的第二调整后密度；根据所述第一调整后密度和所述第二调整后密度对所述当前源集中的元素进行更新，得到所述更新后源集。5.根据权利要求4所述的方法，其特征在于，所述当前差异数据包括当前一阶误差分布和当前二阶误差分布；所述基于所述当前差异数据分别对所述第一概率密度和所述第二概率密度进行调整，得到所述随机元素的第一调整后密度和所述任一元素的第二调整后密利用所述当前一阶误差分布对所述第二概率密度进行调整，得到所述任一元素的第二调整后密度；利用所述当前二阶误差分布对所述第一概率密度进行调整，得到所述随机元素的第一调整后密度。6.根据权利要求4所述的方法，其特征在于，所述根据所述第一调整后密度和所述第二调整后密度对所述当前源集中的元素进行更新，得到所述更新后源集，包括：若所述第一调整后密度大于等于所述第二调整后密度，利用所述随机元素替换所述任若所述第一调整后密度小于所述第二调整后密度，丢弃所述随机元素，保留所述任一7.根据权利要求2所述的方法，其特征在于，所述模拟权重分布和所述参考权重分布分别是经过归一化处理得到的，所述当前差异数据包括当前一阶误差分布和当前二阶误差分3布；通过以下方式确定所述当前一阶误差分布和所述当前二阶误差分布：利用所述参考权重分布减去所述模拟权重分布，得到当前误差权重分布，作为所述当前一阶误差分布；对所述当前误差权重分布中的每个当前误差系数分别进行求平方计算，得到所述当前二阶误差分布。8.根据权利要求3所述的方法，其特征在于，通过以下方式确定所述指定长度：确定所述康普顿相机内发生的康普顿事件对应的平均散射角，以及所述康普顿相机的散射探测器与所述成像平面之间的距离；基于所述平均散射角与所述距离确定所述康普顿事件的重建圆锥在所述成像平面上的投影截面的平均半径，作为所述指定长度。9.根据权利要求1至8任一项所述的方法，其特征在于，所述参考权重分布用于描述通过解析重建算法得到的所述成像平面内各个像素方格的第一权重值，所述当前权重分布是在迭代重建算法的当前轮次中所述成像平面内各个像素方格的第二权重值；若所述当前轮次为首轮，所述当前权重分布是通过随机源集算法得到的；若所述当前轮次不是首轮，所述当前权重分布是通过将所述当前轮次的前一轮次内得到的更新后源集与所述成像平面内的像素进行权重匹配而得到的。10.一种康普顿相机的图像重建装置，其特权重分布获取模块，用于获取成像平面对应的当前权重分布和参考权重分布；模拟权重确定模块，用于基于所述当前权重分布进行真实放射源模拟，得到所述成像平面对应的模拟权重分布；当前源集更新模块，用于根据所述模拟权重分布和所述参考权重分布对当前源集中的元素进行更新，得到更新后源集，以对康普顿相机进行图像重建；其中，所述当前源集中的元素用于表征所述康普顿相机内发生的康普顿事件对应的放射源坐标。存储器和处理器，所述存储器和所述处理器之间互相通信连接，所述存储器中存储有计算机指令，所述处理器通过执行所述计算机指令，从而执行权利要求1至9中任一项所述的方法。12.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质上存储有计算机指令，所述计算机指令用于使计算机执行权利要求1至9中任一项所述的方法。4技术领域[0001]本申请涉及医学成像技术领域，尤其涉及一种康普顿相机的图像重建方法、装置、计算机设备及存储介质。背景技术[0002]硼中子俘获治疗(BoronNeutronCaptureTherapy,BNCT)是一种能够精准照射肿瘤细胞的先进肿瘤治疗技术。然而，在其发展过程中，硼剂量实时监测的准确性问题成为了制约其进一步发展的关键挑战。随着技术的进步，在多种硼浓度实时监测方法中，康普顿相机因其电子准直特性与三维成像优势，展现出了巨大的潜力。[0003]尽管康普顿相机在理论上具有诸多优势，但目前相关技术中关于其成像重建方法仍存在一定的局限性，需要一种能够显著提高成像质量的图像重建方法。发明内容[0004]本申请旨在至少在一定程度上解决相关技术中的技术问题之一。为此，本申请提出一种康普顿相机的图像重建方法、装置、计算机设备及存储介质。本申请采用的主要技术方案包括：第一方面，本申请实施例提供一种康普顿相机的图像重建方法，该方法包括：获取成像平面对应的当前权重分布和参考权重分布；基于当前权重分布进行真实放射源模拟，得到成像平面对应的模拟权重分布；根据模拟权重分布和参考权重分布对当前源集中的元素进行更新，得到更新后源集，以对康普顿相机进行图像重建；其中，当前源集中的元素用于表征康普顿相机内发生的康普顿事件对应的放射源坐标。[0005]可选地，根据模拟权重分布和参考权重分布对当前源集中的元素进行更新，得到更新后源集，包括：确定模拟权重分布与参考权重分布之间的当前差异数据；根据当前差异数据对当前源集中的元素进行更新，得到更新后源集。[0006]可选地，基于当前权重分布进行真实放射源模拟，得到成像平面对应的模拟权重分布，包括：基于当前权重分布在成像平面内生成半径为指定长度的反演圆，得到成像平面内各个像素方格的模拟权重值，作为成像平面对应的模拟权重分布。[0007]可选地，根据当前差异数据对当前源集中的元素进行更新，得到更新后源集，包括：确定随机元素的第一概率密度和当前源集中的任一元素的第二概率密度；其中，随机元素用于表征任一元素对应的康普顿事件的重建圆锥上的随机点；基于当前差异数据分别对第一概率密度和第二概率密度进行调整，得到随机元素的第一调整后密度和任一元素的第二调整后密度；根据第一调整后密度和第二调整后密度对当前源集中的元素进行更新，得到更新后源集。[0008]可选地，当前差异数据包括当前一阶误差分布和当前二阶误差分布；基于当前差异数据分别对第一概率密度和第二概率密度进行调整，得到随机元素的第一调整后密度和任一元素的第二调整后密度，包括：利用当前一阶误差分布对第二概率密度进行调整，得到5任一元素的第二调整后密度；利用当前二阶误差分布对第一概率密度进行调整，得到随机元素的第一调整后密度。[0009]可选地，根据第一调整后密度和第二调整后密度对当前源集中的元素进行更新，得到更新后源集，包括：若第一调整后密度大于等于第二调整后密度，利用随机元素替换任一元素，得到更新后源集；若第一调整后密度小于第二调整后密度，丢弃随机元素，保留任[0010]可选地，模拟权重分布和参考权重分布分别是经过归一化处理得到的，当前差异数据包括当前一阶误差分布和当前二阶误差分布；通过以下方式确定当前一阶误差分布和当前二阶误差分布：利用参考权重分布减去模拟权重分布，得到当前误差权重分布，作为当前一阶误差分布；对当前误差权重分布中的每个当前误差系数分别进行求平方计算，得到当前二阶误差分布。[0011]可选地，通过以下方式确定指定长度：确定康普顿相机内发生的康普顿事件对应的平均散射角，以及康普顿相机的散射探测器与成像平面之间的距离；基于平均散射角与距离确定康普顿事件的重建圆锥在成像平面上的投影截面的平均半径，作为指定长度。[0012]可选地，参考权重分布用于描述通过解析重建算法得到的成像平面内各个像素方格的第一权重值，当前权重分布是在迭代重建算法的当前轮次中成像平面内各个像素方格的第二权重值；若当前轮次为首轮，当前权重分布是通过随机源集算法得到的；若当前轮次不是首轮，当前权重分布是通过将当前轮次的前一轮次内得到的更新后源集与成像平面内的像素进行权重匹配而得到的。[0013]第二方面，本申请实施例提供一种康普顿相机的图像重建装置，该装置包括：权重分布获取模块，用于获取成像平面对应的当前权重分布和参考权重分布；模拟权重确定模块，用于基于当前权重分布进行真实放射源模拟，得到成像平面对应的模拟权重分布；当前源集更新模块，用于根据模拟权重分布和参考权重分布对当前源集中的元素进行更新，得到更新后源集，以对康普顿相机进行图像重建；其中，当前源集中的元素用于表征康普顿相机内发生的康普顿事件对应的放射源坐标。[0014]第三方面，本申请还提供一种计算机设备包括存储器和处理器，存储器存储有计算机程序，处理器执行计算机程序时实现上述任一项的方法的步骤。[0015]第四方面，本申请还提供一种计算机可读存储介质，其上存储有计算机程序，计算机程序被处理器执行时实现上述任一项的方法的步骤。[0016]第五方面，本发明提供一种计算机程序产品，包括计算机程序，该计算机程序被处理器执行时实现上述任一项的方法的步骤。[0017]上述实施例中，通过获取成像平面对应的当前权重分布，并基于其进行真实放射源模拟操作，得到贴合成像区域内真实放射源可能存在位置的模拟权重分布。随后，利用模拟权重分布和参考权重分布定位权重偏差较大的区域，进一步对当前源集中的元素进行更新。其中，当前源集中的元素用于表征康普顿相机内发生的康普顿事件对应的放射源坐标。最终基于更新后的源集对康普顿相机进行图像重建，使重建的图像更准确地反映放射源的实际分布情况，有效提高康普顿相机的图像重建质量与准确性，为BNCT治疗过程中硼浓度的实时监测提供更可靠的依据，从而提升BNCT治疗的安全性和有效性。6附图说明[0018]为了更清楚地说明本申请具体实施方式或现有技术中的技术方案，下面将对具体实施方式或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图是本申请的一些实施方式，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。[0019]图1a为根据本申请实施例提供的康普顿相机的成像原理图；图1b为根据本申请一个实施例提供的康普顿相机的图像重建方法的流程图；图1c为根据本申请一个实施例提供的平面源尺寸示例图；图1d为根据本申请一个实施例提供的康普顿相机结构尺寸图；图1e为根据本申请一个实施例提供的直接反投影算法成像图；图1f为根据本申请一个实施例提供的随机源集算法成像图；图1g为根据本申请一个实施例提供的康普顿相机的图像重建方法成像图；图1h为根据本申请又一个实施例提供的平面源尺寸示例图；图1i为根据本申请又一个实施例提供的直接反投影算法成像图；图1j为根据本申请又一个实施例提供的随机源集算法成像图；图1k为根据本申请又一个实施例提供的康普顿相机的图像重建方法成像图；图2为根据本申请一个实施例提供的确定更新后源集的流程图；图3为根据本申请一个实施例提供的确定调整后密度的流程图；图4为根据本申请一个实施例提供的确定误差分布的流程图；图5为根据本申请一个实施例提供的确定指定长度的流程图；图6为根据本申请一个实施例的康普顿相机的图像重建装置的结构框图；图7为根据本申请一个实施例的计算机设备的内部结构图。具体实施方式[0020]为使本申请实施例的目的、技术方案和优点更加清楚，下面将结合本申请实施例中的附图，对本申请实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本申请一部分实施例，而不是全部的实施例。基于本申请中的实施例，本领域技术人员在没有付出创造性劳动前提下所获得的所有其他实施例，都属于本申请保护的范围。[0021]硼中子俘获治疗(BoronNeutronCaptureTherapy,BNCT)是一项前沿且高效的癌症治疗技术，其核心优势在于能够精准地针对肿瘤细胞进行照射，从而有效杀灭病变细胞。具体地，在治疗时，会向患者体内注入含硼-10的化合物，这种性聚集于癌细胞内，而较少分布于正常组织中。故在给药后的一段时间，当硼药物在肿瘤组织中达到足够的浓度时，使用中子束对肿瘤部位进行照射，当中子与肿瘤细胞内的硼-10发疗效果。[0022]然而，尽管BNCT在治疗效果上表现出色，准确且实时监测局部也就是放射源的硼剂量问题仍然是制约其进一步发展的关键挑战之一。当前，用于测量BNCT过程中硼浓度的方法主要有七种，但这些方法都存在一定的局限性。例如，正电子发射断层扫描(PositronEmissionTomography,PET)虽然能够提供硼浓度的参考值，但无法实现实时成像；瞬发γ7射线光谱仪虽能实时成像，但在面对不均匀硼浓度时测量困难重重。其他几种方法也各有优劣，且大多为离线测量手段，因此迫切需要开发新型的在线硼浓度监测技术。康普顿相机是一种基于电子准直器的探测器成像技术，它利用光子的康普顿散射动力学原理来实现γ射线产生位置的定位，即根据入射γ射线产生的反冲电子能量判断入射方向，可以等效于用圆锥面准直器限定辐射源的方向，具有成像效率高、灵敏度高、单角度便可实现三维成像等优点。[0023]基于此，可以在硼中子俘获治疗过程的中子照射过程中，使用康普顿相机通过探测由中子与硼-10核反应产生的γ射线，根据γ射线的能谱和分布信息，利用康普顿散射原理，经过数据处理和分析反演出硼在目标区域内的浓度分布情况。具体地，康普顿相机的典型结构可以由两层探测器构成，这两层探测器平行放置，靠近待探测空间的一层探测器称为散射层，另一层探测器称为吸收层。且这两层探测器结构多用阵列式结构。示例性地，康普顿相机的成像原理如图1a所示，请参照图1a,放射源101在被平行中子束照射后发生反应产生γ射线，从而被康普顿相机捕捉到，该γ射线中的γ光子首先与康普顿相机的散射层103发生相互作用，若γ光子在散射层103发生康普顿散射，会沉积部分能量。而被散射的γ光子则会进入吸收层105,从而被完全沉积，这个过程即称为一次完整的康普顿事件。在此过程中，一次康普顿事件对应有一个康普顿圆锥，该圆锥的半角为康普顿散射角，结合γ光子初始能量和沉积能量可经过公式计算得到，而放射源101的位置在康普顿圆锥的表面上，但仅凭单个康普顿圆锥也就是重建圆锥107是无法确定放射源101的准确位置，需要大量的康普顿事件得到多个重建圆锥，并由这些重建圆锥的交汇部分最终才能推算出γ放射源的具体位置。类是迭代重建算法。传统反投影重建方法的原理是利用康普顿散射的规律，直接计算康普顿圆锥进而得到图像。反投影方法可以分为两种：第一种是逐像素重建方法，将可能存在放射源的空间根据预先确定的体素尺寸进行划分，得到像素数为N×N×M的三维成像空间，也可以根据成像空间的距离，得到像素数为N×N的二维成像空间，并且对成像空间内的每个体素进行编号，同时赋予权重为0。接下来逐个选取体素，计算每个康普顿事件的圆锥面是否经过该像素，若经过则该像素的权重加1,如此对空间内所有像素进行遍历，根据最终的权重分布来估计放射源的分布。当重建图像所用的康普顿事件足够多时，成像空间的权重分布与放射源的分布成正比，某个体素内权重越大则该体素内存在放射源的概率越大，因此放射源的活度越高。[0025]虽然反投影重建的速度较快，但是这种方法重建的图像空间分辨率较差，难以满足实际应用的需求。迭代重建算法是对数据投影和反投影过程进行反复修正和收敛的一种方法，其特点是重建图像的空间分辨率高，但是重建所消耗的时间与反投影方法相比长很多。目前有两种较为主流的迭代算法：随机源集算法(Stochasticoriginensemblesalgorithm,SOE)和最大似然期望方法(MLEM)。其中，随机源集算法也可称为原点集成算法。[0026]其中，SOE算法的重建图像的过程是：首先对探测到的事件赋予编号，对康普顿圆锥随机抽取k个点，遍历所有事件，得到放射源的初始概率密度分布。选择事件号n,在重建空间内选取一个抽样点，并记录包含这个点的体素i。在事件n的康普顿圆锥上随机选取抽样点，记录下包含这个点的体素j。生成一个随机数，根据概率判断新的随机抽样点是否被8多的伪影，但是由于其算法具有一定局限性，会导致成像图的某些部分信号强度过高(即亮度集中),成像的效果有待提高。综上所述，基于康普顿相机的瞬发伽马单光子发射计算机断层扫描技术(promptGamma-singlephotonemissioncomputedtomography,PG-SPECT)作为实现BNCT中在线实时硼浓度监测的关键技术，在其图像重建时，虽然基于康普顿散射的反投影方法计算效率高，但生成图像存在空间分辨率低、伪影干扰明显等问题。而迭代算法如随机源集算法(SOE)通过概率密度迭代优化可提升分辨率，但其在实际应用中又易出现局部信号强度畸变，导致图像对比度失衡。也就是说，相关技术中的重建方法在成像精度与计算效率间的平衡尚未得到有效解决，从而导致在临床场景中的这些方法的应用可靠性不高。[0027]根据本申请实施例，提供了一种康普顿相机的图像重建方法实施例，需要说明的是，在附图的流程图示出的步骤可以在诸如一组计算机可执行指令的计算机系统中执行，并且，虽然在流程图中示出了逻辑顺序，但是在某些情况下，可以以不同于此处的顺序执行所示出或描述的步骤。[0028]在本实施例中提供了一种康普顿相机的图像重建方法，如图1b所示，该方法包括如下步骤：S110、获取成像平面对应的当前权重分布和参考权重分布。[0029]其中，成像平面可以是指将放射源的空间分布进行二维或三维可视化表示的投影平面，代表了康普顿相机重建过程中的一个切片或层面。示例性地，探测到发生康普顿事件，可将可能存在放射源的空间根据预先确定的体素尺寸进行划分，即得到多个像素数为N×N的二维成像平面。[0030]当前权重分布可以用于体现当前成像平面内各个像素方格的权重情况的数据，其表征了各个像素方格在重建图像中可能出现放射源的相对可能性。示例性地，当前权重分布可通过随机源集算法得到。具体地，基于康普顿散射原理，当γ光子与康普顿相机的探测器发生一次康普顿散射事件时，会产生一个康普顿圆锥，放射源就位于该康普顿圆锥，也就是重建圆锥的表面上。当将这个三维的康普顿圆锥投射到二维的成像平面上时，其投影会形成一个投影椭圆。该椭圆会经过成像平面内的某些像素方格，这些像素方格的权重值则可对应增加。可以理解的是，若空间中发生多次康普顿散射事件，则会对应有多个投影椭圆，由于投影椭圆位置不同，故成像平面内的各个像素方格也会累积有不同的权重值，这些权重值即代表放射源存在于各个像素方格内的可能性。进一步地，对所有探测到的康普顿事件进行编号并逐个处理。针对每个事件对应的康普顿圆锥，随机选取抽样点，确定该点在成像平面中映射的像素方格。随后，通过概率判定机制是否接受该抽样点，若接受则该像素方格的权重值累计增加。遍历所有事件后，成像平面中高频被接受的像素方格权重逐步累积，形成反映放射源位置的概率分布。最终，各像素方格的权重分布即为当前权重分布，其数值高低表征放射源存在的可能性。[0031]参考权重分布可以是指预先基于真实放射源信息确定的权重数据。用于反映理想情况下，真实放射源在成像平面内各个像素方格中真实存在的可能性大小。示例性地，参考权重分布可以是通过对真实放射源的特性进行分析和计算得到的。具体地，基于康普顿散射原理，每个康普顿事件在成像平面上的二维投影椭圆若经过成像平面上的某些像素方9格，则可增加这些像素方格的权重。多次事件叠加后，各像素方格累积的权重值即可反映放射源的空间概率分布，该空间概率分布也就可看作成像平面对应的参考权重分布。[0032]S120、基于当前权重分布进行真实放射源模拟，得到成像平面对应的模拟权重分布。[0033]具体地，当前权重分布是通过特定迭代算法计算得出的、用于描述真实放射源分布的权重数据，但由于算法本身的局限性，这些数据可能存在一定误差。因此，若将带有误差的当前权重分布视为真实放射源的理想数据，并基于该权重分布的信息构建模拟场景进行真实放射源的模拟操作，最终可以得到反映此模拟放射源在成像平面各像素方格中相对可能性的模拟权重分布。[0034]可选地，基于当前权重分布进行真实放射源模拟，得到成像平面对应的模拟权重分布，可以包括基于当前权重分布在成像平面内生成半径为指定长度的反演圆，得到成像平面内各个像素方格的模拟权重值，作为成像平面对应的模拟权重分布。[0035]具体地，在获取成像平面对应的当前权重分布后，可以基于当前权重分布在成像平面内生成半径为指定长度的反演圆。需要理解的是，反演圆可以是指是在康普顿相机图像重建过程中，基于康普顿散射事件相关特性(例如散射角等)生成的一个虚拟圆形路径，是对康普顿圆锥在成像平面上可能投影范围的一种近似表示，可以用于限定和模拟放射源可能存在的区域。示例性地，可以首先根据γ光子初始能量和沉积能量确定出康普顿散射角。再利用其确定重建圆锥在成像平面上投影截面的半径，作为指定长度生成反演圆。[0036]进一步地，可以利用当前权重分布，确定成像平面上各个像素方格的当前权重值，并在各个像素方格上生成方向随机，半径为指定长度且经过各对应像素的反演圆。其中，在每个像素方格上生成反演圆的数量与该像素方格的当前权重值成正比。最终得到反演后成像平面内各个像素方格的模拟权重值。此模拟权重值可以用于反映成像平面内各个像素方格可能存在模拟放射源的相对可能性。再将得到的各个像素方格的模拟权重值组合在一起，即可形成成像平面对应的模拟权重分布。[0037]需要注意的是，因为反演圆是用于限定模拟放射源可能存在的区域，故由反演圆确定的模拟权重值和模拟权重分布与限定真实放射源的当前权重分布是有区别的：模拟权重值和模拟权重分布都是用于反映成像平面内各个像素方格可能存在模拟放射源的可能性，而当前权重分布则反映了真实放射源在成像平面内各个像素方格中的相对可能性。[0038]S130、根据模拟权重分布和参考权重分布对当前源集中的元素进行更新，得到更新后源集，以对康普顿相机进行图像重建。[0039]其中，当前源集中的元素用于表征康普顿相机内发生的康普顿事件对应的放射源坐标。具体地，若当前源集中的元素每个元素都代表一个康普顿事件对应的放射源位置，那么当前源集则可以是指包含有多个康普顿事件对应的放射源位置坐标的集合，其提供了放射源位置的初始估计。示例性地，在存在多个康普顿事件的情况下，在每个康普顿事件对应的康普顿圆锥上随机选取一个随机点，该随机点在成像平面上的投影坐标即可作为当前源集中的一个元素，每个康普顿事件都可对应确定一个随机点，这些随机点在成像平面上的投影坐标即构成了当前源集。[0040]进一步地，根据模拟权重分布和参考权重分布对当前源集中的元素进行更新，首先可以基于模拟权重分布和参考权重分布进行分析处理，定位权重偏差较大的区域，以指中。对其结果进行分析，得到其结构对比度为0.82,峰值降噪比为13.64,均方根误差为机源集算法(Stochasticoriginensemblesalgorithm,SOE)是使用Metropolis-11[0045]在上述实施方式中，通过获取成像平面对应的当前权重分布，并基于其进行真实放射源模拟操作，得到贴合成像区域内真实放射源可能存在位置的模拟权重分布。随后，利用模拟权重分布和参考权重分布定位权重偏差较大的区域，进一步对当前源集中的元素进行更新。其中，当前源集中的元素用于表征康普顿相机内发生的康普顿事件对应的放射源坐标。最终基于更新后的源集对康普顿相机进行图像重建，使重建的图像更准确地反映放射源的实际分布情况，有效提高康普顿相机的图像重建质量与准确性，为BNCT治疗过程中硼浓度的实时监测提供更可靠的依据，从而提升BNCT治疗的安全性和有效性。[0046]在一些实施方式中，请参考附图2,根据当前差异数据对当前源集中的元素进行更S210、确定随机元素的第一概率密度和当前源集中的任一元素的第二概率密度。[0047]需要明确的是，请继续参照图1a,基于康普顿相机的成像原理，放射源101的位置就在康普顿事件对应的康普顿圆锥，也就是重建圆锥107上，而一次康普顿事件只对应有一个康普顿圆锥，需要利用多个康普顿事件得到多个重建圆锥，并由这些重建圆锥的交汇部分最终才能推算出γ放射源的具体位置。[0048]随机元素用于表征任一元素对应的康普顿事件的重建圆锥上的随机点。示例性地，任一元素可以是指当前源集中已经存在的某元素，该元素代表了当前重建步骤中认为可能的放射源位置。随机元素则可以是指在该任一元素对应康普顿事件的重建圆锥上随机选取的另外一个点，同样可以用于表征该康普顿事件可能的放射源位置。接着，计算该随机元素所在位置作为放射源的可能程度，可得到第一概率密度。计算任一元素所在位置作为放射源的可能程度，可得到第二概率密度。[0049]需要理解的是，某一元素的概率密度可以是指在当前源集中其他元素对应的体素(即成像平面内的一个像素方格)在该元素邻域中的数量。其中，邻域是指以某一元素对应的像素方格为中心，覆盖该元素周围一定范围的区域，能够确定对应康普顿重建圆锥附近的康普顿事件密度。示例性地，若当前源集中的元素对应在成像平面中是一个像素方格点，那么邻域可以理解为以该点为圆心，以固定半径向外扩展且覆盖了周围一定像素方格的圆形区域。[0050]S220、基于当前差异数据分别对第一概率密度和第二概率密度进行调整，得到随机元素的第一调整后密度和任一元素的第二调整后密度。[0051]具体地，首先可以对当前差异数据进行分析，确定随机元素和任一元素对应的误差程度。接着基于其各自的误差程度进行计算，以调整随机元素对应的第一概率密度和任一元素对应的第二概率密度，从而得到反映了随机元素的误差显著程度的第一调整后密度和反映了任一元素误差显著程度的第二调整后密度。[0052]S230、根据第一调整后密度和第二调整后密度对当前源集中的元素进行更新，得到更新后源集。[0053]示例性地，针对一个康普顿事件，可以对比随机元素的第一调整后密度和任一元素的第二调整后密度，若随机元素的第一调整后密度更高，则用随机元素替换当前的任一元素，以更准确地反映放射源的实际分布。反之，若当前的任一元素的第二调整后密度更高或两者相当，则保留当前的任一元素。可选地，对于当前源集中的所有元素都重复上述考察替换过程，直至当前源集中的所有元素都经过评估和更新，从而逐步将源集元素替换为贴近真实放射源分布的元素，使权重分布向真实放射源位置收敛，得到更新后源集。最终再利用该更新后源集进行图像重建，可以大大提升图像重建的精度。[0054]在上述实施方式中，首先确定随机元素和任一元素的概率密度，再利用当前差异数据对各元素的概率密度进行调整和比较，从而实现对源集中元素的优化更新。这一过程有效提升了源集的准确性，进而增强了图像重建的可靠性，最终实现了更精准的放射源定位和分布重建。[0055]在一些实施方式中，当前差异数据包括当前一阶误差分布和当前二阶误差分布。请参考附图3,基于当前差异数据分别对第一概率密度和第二概率密度进行调整，得到随机元素的第一调整后密度和任一元素的第二调整后密度，包括：S310、利用当前一阶误差分布对第二概率密度进行调整，得到任一元素的第二调整后密度。[0056]其中，当前一阶误差分布和当前二阶误差分布均可以是指反映了当前源集中各元素位置误差大小的数据。示例性地，误差值越大，则可以表示该元素位置处的模拟权重与参考权重之间的偏差越大。进一步地，对当前源集中的任一元素，利用其对应的当前一阶误差分布对该任一元素的第二概率密度进行调整，可得到任一元素的第二调整后密度。示例性地，将当前源集中的任一元素记作i点，其概率密度也就是第二概率密度记作Ui。当前差异数据中，该任一元素对应在当前一阶误差分布中对应的误差系数记作△xi,那么该任一元素的第二调整后密度Ui1可以通过下式得到：该任一元素在当前一阶误差分布中对应的误差系数。[0057]S320、利用当前二阶误差分布对第一概率密度进行调整，得到随机元素的第一调整后密度。[0058]同样地，基于选中的任一元素，在该元素对应的康普顿事件上选取另外一个随机元素，利用该随机元素对应的当前二阶误差分布对该随机元素的第一概率密度进行调整，可得到随机元素的第一调整后密度。示例性地，将选中的随机元素记作j点，其概率密度也就是第一概率密度记作U;。当前差异数据中，该随机元素在当前二阶误差分布中对应的误差系数记作△x;,那么该随机元素的第一调整后密度Uj1可以通过下式得到：其中，Uj1为该随机元素的第一调整后密度；U为该随机元素的第一概率密度；Δx²为该随机元素在当前二阶误差分布中对应的误差系数平方。[0059]在上述实施方式中，通过利用当前一阶和二阶误差分布，分别对第二和第一概率密度进行调整，得到更贴近真实情况的调整后密度。具体地，利用当前一阶误差分布调整任一元素的第二概率密度，使误差大的元素概率密度降低，误差小的升高，利用当前二阶误差分布，则通过平方放大调整随机元素的第一概率密度，进一步放大随机元素位置的显著性。通过这种方式，为后续的源集更新提供更准确的依据，实现更精准的放射源定位和分布重[0060]在一些实施方式中，根据第一调整后密度和第二调整后密度对当前源集中的元素若第一调整后密度大于等于第二调整后密度，利用随机元素替换任一元素，得到更新后源集；若第一调整后密度小于第二调整后密度，丢弃随机元素，保留任一元素，得到更新后源集。[0061]具体地，对第一调整后密度和第二调整后密度对当前源集中的元素进行更新，可以通过比较第一调整后密度和第二调整后密度的方式实现。示例性地，若随机元素j的第一调整后密度Uj1大于等于任一元素i的第二调整后密度U1,则说明在当前源集中有更多元素落在随机元素j的领域内，也就是说，随机元素j的位置更有可能是真实放射源的所处位置，故将当前源集中的任一元素i替换为随机元素j,得到更贴近真实放射源分布的更新后源集。反之，若随机元素j的第一调整后密度Uj1小于任一元素i的第二调整后密度Ui1,则说明在当前源集中有更多元素落在任一元素i的领域内，也就是说，任一元素i的位置更有可能是真实放射源的所处位置，故丢弃随机元素j,在当前源集中保留任一元素i,得到更贴近真实放射源分布的更新后源集。[0062]可以理解的是，针对同一数据，其二阶数值一般小于一阶数值。为了更细致地捕捉和反映随机元素位置附近的误差变化情况，对于任一元素采用一阶差异调整，而对随机元素采用二阶差异调整。也就是说，只有当随机元素经过当前二阶误差分布调整后得到的结果依然大于等于任一元素经过当前一阶误差分布调整后得到的结果时，才判定随机元素的接受概率大于任一元素，可以进行替换，以在源集更新过程中筛选出更优质的元素。[0063]在上述实施方式中，利用根据第一调整后密度和第二调整后密度来判断哪个元素更有可能接近真实放射源的位置。当随机元素的调整后密度大于等于任一元素时，替换该元素以更新源集；反之则保留原元素。这种方法确保了源集中保留更有可能反映真实放射源分布的元素，从而逐步优化源集，提高图像重建的精度和可靠性。[0064]在一些实施方式中，模拟权重分布和参考权重分布分别是经过归一化处理得到的，当前差异数据包括当前一阶误差分布和当前二阶误差分布。请参考附图4,通过以下方式确定当前一阶误差分布和当前二阶误差分布：S410、利用参考权重分布减去模拟权重分布，得到当前误差权重分布，作为当前一阶误差分布。[0065]其中，当前误差权重分布可以是指成像平面内各像素组合形成的误差系数集合。示例性地，当前误差权重分布可以是一个矩阵，用以量化各像素的权重偏差。具体地，在获得参考权重分布和模拟权重分布后，先对其进行归一化处理，确保它们可以在同一尺度上进行比较，从而消除量纲的影响。随后将参考权重分布与模拟权重分布逐像素相减，得到每个像素的误差系数，从而组成当前误差权重分布，并作为当前一阶误差分布。[0066]S420、对当前误差权重分布中的每个当前误差系数分别进行求平方计算，得到当前二阶误差分布。[0073]具体地，康普顿事件对应的三维重建圆锥在成像平面上的投影可以看作圆形区域，其半径是由对应康普顿事件散射角和康普顿相机的散射探测器与成像平面之间的距r=dtanθ[0074]进一步地，确定康普顿事件的重建圆锥在成像平面上的投影截面的平均半径后，各个像素方格的第一权重值，当前权重分布是在迭代重建算法的当前轮次中成像平面内各个像素方格的第二权重值。[0077]若当前轮次为首轮，当前权重分布是通过随机源集算法得到的；若当前轮次不是首轮，当前权重分布是通过将当前轮次的前一轮次内得到的更新后源集与成像平面内的像素进行权重匹配而得到的。[0078]其中，解析重建算法可以是指通过直接数学运算，依据成像模型和测量数据一次性计算出图像的一种算法。示例性地，参考权重分布可以是指通过解析重建算法中的直接反投影算法得到的成像平面内各个像素方格的第一权重值。其中，直接反投影算法是一种直接映射康普顿圆锥投影到成像平面，并赋予覆盖像素权重值的方法。[0079]迭代重建算法可以是指通过反复优化过程逐步逼近真实图像的算法。它从初始估计出发，进行多轮次迭代修正，且每次迭代都使图像更贴近测量数据且符合物理规律。示例性地，迭代重建算法可以包括随机源集算法，其通过动态调整源集抽样点，结合误差反馈来抑制伪影。[0080]可以理解的是，若当前轮次为首轮，那么本轮的目标即为生成初始权重分布数据，那么首先基于随机源集算法，对所有探测到的康普顿事件进行编号并逐个处理。针对每个事件对应的康普顿圆锥，随机选取抽样点，确定该点在成像平面中映射的像素方格。随后，通过概率判定机制是否接受该抽样点，若接受则该像素方格的权重值累计增加。遍历所有事件后，成像平面中高频被接受的像素方格权重逐步累积，形成反映放射源位置的初始权重分布数据，并作为当前轮次(首轮)的当前权重分布。接着，在当前轮次为首轮的情况下，利用该初始权重分布数据，生成反演圆，并进一步得到成像平面对应的模拟权重分布。随后计算模拟权重分布与成像平面对应的参考权重分布之间的当前差异数据，并根据当前差异数据对当前源集中的元素进行更新，得到更新后源集。[0081]进一步地，基于迭代重建算法，使用该更新后源集，将源集中的每个元素映射到成像平面的各个像素上，统计覆盖次数并重新生成更新后的权重分布，作为当前轮次(第二轮)的当前权重分布。[0082]在上述实施方式中，通过结合解析重建算法的快速性与迭代重建算法的迭代优化性，显著提升了康普顿相机的成像质量。首轮利用随机源集生成初始权重分布，随后通过误差系数(一阶和二阶误差)动态调整源集抽样策略，优先修正高偏差区域，从而逐步引导算法聚焦于真实放射源位置。通过多轮迭代，源集中的抽样点逐步向高概率区域收敛，最终生成的权重分布有效抑制了伪影，显著提升了成像质量。[0083]本说明书实施方式还提供一种康普顿相机的图像重建方法，该方法包括以下步S602、通过解析重建算法得到成像平面内各个像素方格的第一权重值，作为参考权重分布。[0084]S604、通过随机源集算法得到成像平面内各个像素方格的第二权重值，作为当前权重分布。其中，随机源集算法中包含从康普顿事件的圆锥上随机选取抽样点。[0085]S606、确定康普顿相机内发生的康普顿事件对应的平均散射角，以及康普顿相机的散射探测器与成像平面之间的距离。[0086]S608、基于平均散射角与距离确定康普顿事件的重建圆锥在成像平面上的投影截[0087]S610、当前权重分布在成像平面内生成半径为指定长度的反演圆，得到成像平面内各个像素方格的模拟权重值，作为成像平面对应的模拟权重分布。[0088]S612、利用归一化处理后的参考权重分布减去归一化处理后的模拟权重分布，得到当前误差权重分布，作为当前一阶误差分布。[0089]S614、对当前误差权重分布中的每个当前误差系数分别进行求平方计算，得到当前二阶误差分布。[0090]S616、选取随机元素和当前源集中的任一元素。其中，当前源集中的任一元素用于表征康普顿相机内发生的康普顿事件对应的放射源坐标。随机元素用于表征任一元素对应的康普顿事件的重建圆锥上的随机点。[0091]S618、确定随机元素的第一概率密度和当前源集中的任一元素的第二概率密度。[0092]S620、利用当前一阶误差分布对第二概率密度进行调整，得到任一元素的第二调整后密度。[0093]S622、利用当前二阶误差分布对第一概率密度进行调整，得到随机元素的第一调整后密度。[0094]S624、若第一调整后密度大于等于第二调整后密度，利用随机元素替换任一元素；反之，若第一调整后密度小于第二调整后密度，丢弃随机元素，保留任一元素，得到当前轮次的更新后源集。[0095]S626、将步骤S624得到的更新后源集重新作为步骤S616中的当前源集，重复步骤S616至S624,得到迭代的更新后源集。[0096]S628、利用迭代的更新后源集与成像平面内的像素进行权重匹配，得到当前轮次的迭代权重分布。[0097]S630、将当前轮次的迭代权重分布作为步骤S604中下一轮次的当前权重分布，重复步骤S604至S628,得到重建权重分布。[0098]S632、得到一个重建权重分布后，开启新一个循环的首轮迭代，基于随机源集算法重新选取抽样点以重新确定成像平面的当前权重分布，重复步骤S604至S628,得到多个重建权重分布。[0099]S634、对多个重建权重分布进行加权平均处理，得到目标权重分布。[0101]应该理解的是，虽然上述流程图中的各个步骤按照箭头的指示依次显示，但是这些步骤并不是必然按照箭头指示的顺序依次执行。除非本文中有明确的说明，这些步骤的执行并没有严格的顺序限制，这些步骤可以以其它的顺序执行。而且，上述流程图的至少一部分步骤可以包括多个步骤或者多个阶段，这些步骤或者阶段并不必然是在同一时刻执行完成，而是可以在不同的时刻执行，这些步骤或者阶段的执行顺序也不必然是依次进行，而是可以与其它步骤或者其它步骤中的步骤或者阶段的至少一部分轮流或者交替地执行。[0102]本说明书实施方式还提供了一种康普顿相机的图像重建装置600,如图6所示，包权重分布获取模块610,用于获取成像平面对应的当前权重分布和参考权重分布。[0103]模拟权重确定模块620,用于基于当前权重分布进行真实放射源模拟，得到成像平面对应的模拟权重分布。[0104]当前源集更新模块630,用于根据模拟权重分布和参考权重分布对当前源集中的元素进行更新，得到更新后源集，以对康普顿相机进行图像重建；其中，当前源集中的元素用于表征康普顿相机内发生的康普顿事件对应的放射源坐标。[0105]在一些实施方式中，当前源集更新模块630,还用于根据模拟权重分布和参考权重分布对当前源集中的元素进行更新，得到更新后源集，包括：确定模拟权重分布与参考权重分布之间的当前差异数据；根据当前差异数据对当前源集中的元素进行更新，得到更新后[0106]在一些实施方式中，模拟权重确定模块620,还用于基于当前权重分布进行真实放射源模拟，得到成像平面对应的模拟权重分布，包括：基于当前权重分布在成像平面内生成半径为指定长度的反演圆，得到成像平面内各个像素方格的模拟权重值，作为成像平面对应的模拟权重分布。[0107]在一些实施方式中，当前源集更新模块630,还用于根据当前差异数据对当前源集中的元素进行更新，得到更新后源集，包括确定随机元素的第一概率密度和当前源集中的任一元素的第二概率密度；其中，随机元素用于表征任一元素对应的康普顿事件的重建圆锥上的随机点；基于当前差异数据分别对第一概率密度和第二概率密度进行调整，得到随机元素的第一调整后密度和任一元素的第二调整后密度；根据第一调整后密度和第二调整后密度对当前源集中的元素进行更新，得到更新后源集。[0108]在一些实施方式中，当前差异数据包括当前一阶误差分布和当前二阶误差分布。当前源集更新模块630,还用于基于当前差异数据分别对第一概率密度和第二概率密度进行调整，得到随机元素的第一调整后密度和任一元素的第二调整后密度，包括：利用当前一阶误差分布对第二概率密度进行调整，得到任一元素的第二调整后密度；利用当前二阶误差分布对第一概率密度进行调整，得到随机元素的第一调整后密度。[0109]在一些实施方式中，当前源集更新模块630,还用于根据第一调整后密度和第二调整后密度对当前源集中的元素进行更新，得到更新后源集，包括：若第一调整后密度大于等于第二调整后密度，利用随机元素替换任一元素，得到更新后源集；若第一调整后密度小于[0110]在一些实施方式中，模拟权重分布和参考权重分布分别是经过归一化处理得到的，当前差异数据包括当前一阶误差分布和当前二阶误差分布。差异数据确定模块620,还用于通过以下方式确定当前一阶误差分布和当前二阶误差分布：利用参考权重分布减去模拟权重分布，得到当前误差权重分布，作为当前一阶误差分布；对当前误差权重分布中的每个当前误差系数分别进行求平方计算，得到当前二阶误差分布。[0111]在一些实施方式中，权重分布获取模块610,还用于通过以下方式确定指定长度：确定康普顿相机内发生的康普顿事件对应的平均散射角，以及康普顿相机的散射探测器与成像平面之间的距离；基于平均散射角与距离确定康普顿事件的重建圆锥在成像平面上的投影截面的平均半径，作为指定长度。[0112]在一些实施方式中，参考权重分布用于描述通过解析重建算法得到的成像平面内各个像素方格的第一权重值，当前权重分布是在迭代重建算法的当前轮次中成像平面内各个像素方格的第二权重值。权重分布获取模块610,还用于判断若当前轮次为首轮，当前权重分布是通过随机源集算法得到的；若当前轮次不是首轮，当前权重分布是通过将当前轮次的前一轮次内得到的更新后源集与成像平面内的像素进行权重匹配而得到的。[0113]关于一种康普顿相机的图像重建装置的具体限定可以参见上文中对于一种康普顿相机的图像重建方法的限定，在此不再赘述。上述康普顿相机的图像重建装置中的各个模块可全部或部分通过软件、硬件及其组合来实现。上述各模块可以硬件形式内嵌于或独立于计算机设备中的处理器中，也可以以软件形式存储于计算机设备中的存储器中，以便于处理器调用执行以上各个模块对应的操作。[0114]本实施例中的一种康普顿相机的图像重建装置是以功能单元的形式来呈现，这里的单元是指ASIC(ApplicationSpecificIntegratedCircuit,专用集成电路)电路，执行一个或多个软件或固定程序的处理器和存储器，和/或其他可以提供上述功能的器件。[0115]