[发明专利]一种基于深度学习的伽马放射性成像方法

摘要

本发明公开了一种基于深度学习的伽马放射性成像方法，属于辐射探测技术和放射性监测领域，能够缩短伽马辐射成像所需时间，提高图像质量，精确反映放射性空间分布的目的。本发明包括：采用蒙特卡罗方法模拟编码成像过程，获得数量充足的编码图像样本；将编码图像进行处理后作为样本对深度学习网络模型进行训练和测试，并对编码孔准直器的设计进行优化；使用编码孔伽马相机获得探测目标区域的伽马辐射编码图像；使用训练完成的深度学习网络对所述伽马辐射编码图像进行解码处理；使用深度视觉检测系统获得探测目标区域的深度图和光学图像；将解码得到的辐射热点图像与所述深度图、光学图像进行融合，获得探测目标区域的放射性热点分布复合图像。

主权项

1.一种基于深度学习的伽马放射性成像方法，其特征在于，包括以下步骤：(1)使用蒙特卡罗方法对编码孔伽马相机的成像过程进行建模，模拟探测平面内不同位置的放射源的成像过程，获得不同位置、不同数量、不同类型的放射源在编码孔伽马相机上形成的编码图像；(2)将所述的编码图像作为样本对深度学习网络模型进行训练和测试，并对编码孔伽马相机的设计进行优化；(3)使用编码孔伽马相机获得探测目标区域的伽马辐射编码图像；(4)使用步骤(2)中所述的训练完成的深度学习网络模型对步骤(3)所述伽马辐射编码图像进行解码处理，获得目标区域的辐射热点分布图像；(5)使用深度检测视觉系统获得目标区域的深度图和光学图像；(6)将步骤(4)和步骤(5)中所述的辐射热点分布图像、深度图和光学图像进行图像配准，得到可以精确反映放射性空间分布和周围环境特征的复合图像，通过图像显示装置所述的复合图像可视化，为指导放射性物质跟踪定位和有效监管提供参考。