[发明专利]电子计算机断层扫描前端设备、系统、方法及存储介质

权利要求书

1.一种电子计算机断层扫描CT前端设备，所述设备包括：发射源，其特征在于，所述发射源包括：若干呈预定排布方式排布且依次受控执行相应扫描动作的发射单元，所述发射单元的出射方向经过扫描中心；

所述发射单元采用碳纳米管阴极，每个发射单元为单独封装的玻璃球管，每一个玻璃球管包含：CNT阴极、栅极、聚焦极以及阳极靶材；CNT阴极、栅极和聚焦极为电子发射一体化结构；所述电子发射一体化结构上设置有金属罩；

所述发射源还包括：

基座；以及，

设置于所述基座上、用于承载所述发射单元并实现所述发射单元电性连通的导电条，所述导电条与所述发射单元之间通过螺杆相装配。

2.如权利要求1所述的设备，其特征在于，所述发射单元呈弧形排布，所述弧形对应的圆心与所述扫描中心相对应。

3.如权利要求2所述的设备，其特征在于，所述弧形对应的半径为10-150厘米，和/或，相邻两个所述发射单元之间弧形段所对应的中心角为5-50度。

4.如权利要求3所述的设备，其特征在于，所述发射源包括15个所述发射单元，所述弧形对应的半径为65厘米，相邻两个所述发射单元之间弧形段所对应的中心角为5度。

5.一种CT系统，其特征在于，所述系统包括：如权利要求1至4任一项所述的CT前端设备以及工作站，

所述CT前端设备还包括：

探测器，用于当所述发射单元执行扫描动作时，获得相应投影图像，

所述工作站包括：存储器及处理器，所述处理器执行所述存储器中存储的计算机程序时实现如下步骤：

对各所述投影图像进行处理得到重建图像；

利用深度学习方法对所述重建图像中的病灶进行识别。

6.如权利要求5所述的系统，其特征在于，利用深度学习方法对所述重建图像中的病灶进行识别，具体包括下述步骤：

对所述重建图像进行预处理，得到初始图像；

将所述初始图像输入至深度学习神经网络进行所述病灶的识别，得到识别结果，

其中，将所述初始图像输入至深度学习神经网络进行所述病灶的识别，具体包括下述步骤：

对所述初始图像进行特征提取处理，得到卷积特征图像；

对所述卷积特征图像确定候选区域，相应得到全连接特征图；

基于所述全连接特征图进行分类，得到所述识别结果。

7.如权利要求6所述的系统，其特征在于，对所述初始图像进行特征提取处理，得到卷积特征图像，具体为：

采用若干残差卷积神经网络对所述初始图像进行特征提取处理，

其中，所述残差卷积神经网络中包括卷积网络层、激活函数网络层及批量归一化网络层，

采用若干残差卷积神经网络对所述初始图像进行特征提取处理，具体包括下述步骤，具体包括下述步骤：

通过所述批量归一化网络层对输入的批量数据求均值；

根据所述均值求所述批量数据的方差；

根据所述均值及所述方差，对所述批量数据进行标准化处理，得到批量标准数据；

采用调整因子对所述批量标准数据进行处理，得到具有与输入的所述批量数据的分布相同或类似的批量调整数据以进行输出。

8.一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现如下方法的步骤：

所述方法基于如权利要求6所述的系统，所述投影图像为乳腺投影图像，所述识别结果指示乳腺中是否存在病灶，所述方法包括下述步骤：

对各所述投影图像进行处理得到重建图像；

利用深度学习方法对所述重建图像中的病灶进行识别。