预测X射线管故障的方法和装置与流程

本发明涉及医学成像领域，特别是一种预测x射线管故障的方法和装置。背景技术：1、x射线管用于各种成像系统，如传统x射线系统和计算机断层扫描(ct)系统。通常，医疗成像中使用的高功率x射线管通过将高压阴极发射的电子施加到旋转阳极来生成x射线辐射。生成的x射线辐射会穿过关注的对象，如人类患者。例如，在ct系统中，一束窄的x射线辐射对准患者，并围绕关注的区域快速旋转，患者的内部结构导致检测器或检测器元件接收到的x射线辐射存在空间差异。空间差异(频率)被转化为图像，医疗人员可利用图像对关注的对象进行评估。2、在医疗环境中，对相关成像系统的可用性要求通常很高。必须定期维护x射线管，以确保成像系统始终可用。由于意外的x射线管故障而造成的计划外系统停机会使依赖该系统的患者面临风险。预测x射线管当前健康状况的能力可节省维修成像系统的时间和金钱。成像系统中更换x射线管的程序通常是被动的，而不是预测性的。因此，有必要预测x射线管的故障。3、针对预测性维护和/或预测x射线管故障的需求，已经提出了解决方案。这些解决方案包括向x射线管和/或成像系统添加额外的部件，例如传感器和电路，以监控x射线管的各种运行参数。这些解决方案存在的一个问题是，它们需要额外的部件来执行预测性维护和/或预测x射线管的故障，这可能会大大增加成像系统的成本，此外，成像系统也无法在系统加装额外部件时使用。此外，这些部件还可能出现故障、失灵和维护问题。4、鉴于上述情况，有必要对x射线管的故障进行预测，以克服上述缺点。技术实现思路1、本发明的目的是提供预测成像系统中x射线管故障的预测分析技术。某些示例可用于利用x射线管作为辐射源的各种成像系统中。术语x射线信号可用于表示x射线辐射信号。某些示例周期性地直接在一个或多个检测器上获取未衰减或未过滤的x射线辐射信号，并对x射线辐射信号执行时域分析和频域分析，以监控x射线管的部件(组件)的运行、状态和磨损情况，并避免x射线管发生意外故障。预测分析的执行不需要任何附加的电路传感器。2、根据本发明的第一方面，成像装置包括处理器、存储器、一个或多个x射线检测器(探测器)和x射线管。所述x射线管包括外壳，阴极被定位在所述外壳内，并且阳极被定位在所述外壳内并被配置为接收来自所述阴极的电子束，所述电子束生成x射线辐射信号。电机被定位在所述外壳内，并被配置为响应于驱动输入而旋转所述阳极。所述一个或多个检测器被定位成接收生成的x射线辐射信号。所述处理器被配置为直接从所述一个或多个检测器获取未衰减的x射线辐射信号，并获取主动扫描的扫描元数据，并且所述存储器被配置为存储所述未衰减的x射线辐射信号和所述扫描元数据。所述处理器还被配置为对存储的x射线辐射信号执行时域分析和频域分析，记录从频率分析导出的频谱中大于预定信噪比(snr)的所有波峰的振幅(幅度、幅值)和频率数据，并根据记录的振幅和频率数据监控x射线管的部件。3、在本发明的第二方面，提供了一种监控x射线管运行的方法。所述方法包括直接从一个或多个x射线检测器获取未衰减的x射线辐射信号，将扫描元数据和未衰减的x射线辐射信号存储到存储器中，对存储的x射线辐射信号执行时域分析和频域分析，记录从频率分析导出的频谱中大于预定信噪比(snr)的所有波峰的振幅和频率数据，以及根据记录的振幅和频率数据监控x射线管的部件。4、在本发明的第三方面，一种非暂时性计算机可读介质，其上存储有用于使处理电路执行预测x射线管故障的过程(程序、方法)的指令，所述过程包括：直接从一个或多个x射线检测器获取未衰减的x射线辐射信号，将未衰减的x射线辐射信号和扫描元数据存储到存储器中，对存储的x射线辐射信号执行时域分析和频域分析，记录从频率分析导出的频谱中大于预定信噪比(snr)的所有波峰的振幅和频率数据，将大于预定snr的所有波峰的记录的振幅和频率数据写入数据文件，并根据记录的振幅和频率数据监控x射线管的部件。5、本发明者意识到，在生成x射线图像(例如ct成像系统中的ct图像)的过程中，由x射线检测器直接接收的未衰减或未过滤的x射线辐射信号通常用于获取增强患者图像处理的数据。这种数据有时被称为校正因子数据或校准数据。作为校正因子或校准数据收集和应用的数据可用于监控x射线管的运行健康状况，从而无需任何外部传感器或电路来执行预测性维护。监控x射线管的运行和执行预测性维护可理解为是指在x射线管无法执行其运行功能之前确定(识别出)x射线管或x射线管部件的故障点。6、与几乎所有电子设备一样，x射线成像系统会在运行过程中生成电磁辐射。由电磁辐射生成的信号与在x射线检测器处接收到的x射线辐射信号组合在一起，或添加到在x射线检测器处接收到的x射线辐射信号中。由于电磁辐射而添加的信号可称为背景噪声。7、对于x射线图像，噪声的负面影响尤其明显。在这些系统中，噪声的负面影响尤为明显，原因之一是在实现医学上所需的低剂量x射线辐射以保证受检查患者的健康和安全与x射线图像中的噪声行为(随剂量降低而增加)之间的折衷。8、成像处理方法通常用于评估噪声和改善生成的图像。为了生成医疗专业人员所需的图像分辨率水平，区分噪声和受检查对象的能力至关重要。已知的x射线成像系统噪声评估方法包括测量在x射线检测器处接收到的未衰减x射线辐射信号。9、在患者扫描中，收集在x射线检测器处接收到的未衰减x射线辐射信号，并过滤x射线信号中不需要的(噪声)部分，以提供更高分辨率的患者图像。可对在x射线检测器处接收到的用于测量x射线成像系统噪声的同一未衰减x射线辐射信号进行分析，以提供x射线管运行健康状况的测量(测量值)。10、在一个优选的实施例中，一种过程使用在成像系统正常扫描运行中收集的未衰减x射线辐射信号来监控x射线管的运行健康状况。短语"未衰减x射线辐射信号"指的是未穿过被检查对象或患者的x射线辐射信号。换句话说，未衰减x射线辐射信号是各种检测器直接从x射线辐射源获得的x射线辐射信号。11、当执行选定扫描时，从x射线管发射的未衰减x射线辐射信号由一个或多个x射线检测器获取。在一个优选实施例中，所述一个或多个x射线检测器是x射线参考检测器和患者检测器。患者检测器也可称为数据测量系统(dms)。12、对x射线辐射信号的分析可以仅对在x射线参考检测器处接收到的未衰减x射线辐射信号执行；该分析可以仅对在患者检测器处接收到的未衰减x射线辐射信号执行；并且该分析可以对在x射线参考检测器和患者检测器处接收到的未衰减x射线辐射信号执行。在对x射线参考检测器和患者检测器处接收到的未衰减x射线辐射信号进行x射线辐射信号分析的实施例中，从x射线参考检测器处接收到的信号导出的频谱与从患者检测器处接收到的信号导出的频谱之间的差异可提供诊断信息。换句话说，可以预见的是，将从x射线参考检测器处接收到的与从患者检测器处接收到的同一扫描数据导出的频谱进行比较，可能会发现一些扰动，而这些扰动通过分析仅在x射线检测器和患者检测器之一处接收到的x射线辐射信号可能不容易发现。13、在一个优选的实施例中，获取的x射线辐射信号和扫描数据被存储在x射线成像系统的存储器部件中。当操作员执行x射线扫描时，扫描元数据作为x射线图像处理的一部分被收集。扫描元数据是提供与正在执行或运行的x射线扫描有关的信息的数据。元数据通常提供x射线管发射电流等扫描信息。14、在一个优选实施例中，未衰减x射线辐射信号和扫描元数据从选自以下组中的至少一个扫描中获取，所述组由现有扫描、正常运行期间生成的常规扫描、专用扫描和标准扫描组成。通常的扫描包括空气校准扫描、定位扫描、螺旋扫描、轴向扫描和热身扫描。所公开的技术可利用任何类型的扫描执行。此外，还可将通过第一种选定扫描取得的分析与通过不同于第一种选定扫描的第二种选定扫描取得的分析进行比较。15、元数据提供与正在执行的扫描有关的信息。在一个优选的实施例中，扫描元数据包括以下至少一项：x射线发射电流、扫描或拍摄时间、采样周期、扫描x射线辐射信号的积分周期、旋转时间、x射线加速电压以及每次旋转的样本数量。16、在一个优选的实施例中，x射线成像系统的处理器对在x射线检测器处获得的x射线辐射信号执行时域分析，并计算检测到的x射线辐射信号的平均值、中位数、标准偏差和范围中的一个或多个。所述处理器执行频域分析，以便将x射线辐射信号从时域转换到频域，从而从频率分析中导出频谱。时域图显示信号在时间跨度上的变化，频域图显示有多少信号存在于与频率范围相关的给定频段或频谱内。频域表示法还可以包含必须应用于每个正弦波的相移信息，以便重新组合频率成分，从而恢复原始时间信号。17、频域分析可使用傅里叶变换(包括加博变换)、小波变换、hilbert-huang变换、双线性时频分布、修正wingner分布函数或其他已知的频域分析方法。18、在一个优选的实施例中，将导出频谱中大于预定信噪比(snr)的所有波峰的振幅数据和频率数据写入数据文件。例如，可以设定大于3的snr，以捕获导出频谱中20-40个最大波峰。预定snr和相应最大波峰的数量可能会因制造商和x射线管的设计或需要监控的x射线管参数的不同而不同。在一个优选的实施例中，针对选定扫描中的一个或多个获得了多个频率下的多个振幅。19、波峰的发展(出现/消失、频率和振幅随时间的变化)可用于监控x射线管和其他系统部件(龙门架、发电机(功率模块)、检测器、风扇、冷却设备、泵、热交换器、电缆)。对于x射线管，可根据相应的波峰高度监控阳极旋转和磨损、轴承旋转和磨损、如带纹波的主电压和电源电压的各种驱动频率(龙门架驱动、电源块、电网、灯丝、管、阳极驱动、检测器)、采样率、滑移和占空比。20、预计随着时间的推移，由于材料蒸发(即灯丝磨损)而产生的变化将体现在与灯丝(线圈或扁平发射器)的机械振动相对应的波峰上。在阳极方面，阳极旋转产生的波峰例如会随着阳极不平衡和摆动等情况而增加振幅。对于滚珠轴承和螺旋槽轴承，轴承状态和磨损也会反映在检测器信号导出的频谱中，例如，由于润滑油损耗、轨道磨损和阳极电机驱动滑移(打滑)等原因导致的旋转频率的高次谐波。对于开槽阳极，槽可能会产生附加的诊断可能性。预计阳极和灯丝波峰的位置会因温度变化而略有偏移，从而例如反映出管的瞬间使用情况。如果需要，也可以通过这种方式监控管的运行。换句话说，在x射线检测器处直接接收到并在时域和频域中进行分析的在扫描期间生成的x射线辐射信号可为各种部件、磨损、问题和即将发生的故障提供一定类型的频率指纹。因此，各种部件的"指纹"可指示x射线管的潜在故障。21、在一个优选的实施例中，直接从一个或多个检测器获得的未衰减x射线辐射信号和扫描元数据被写入数据文件。22、为了简化数据分析，无论采集参数如何，导出的频谱输出文件的频率轴优选是相同的。频率轴f由以下公式给出：23、f＝1/(l*t)*(0,1,2,3,...l/2)，24、其中，t为平均积分周期(旋转时间/每圈读取次数)，l为采样点数。频率步长为1/(l*t)，最大频率为1/(2*t)。通常，t随所选的旋转时间而变化，但可以通过增加l(包括零填充、补零)来调整频率步长。设定1/(l*t)＝0.5hz等于采样周期t*l＝2秒。25、在选择合适的采样点数l＝2秒/t后，应减去数据的平均值并应用窗口处理(布莱克曼-哈里斯或平顶)。l不一定等于2n，其中，n为非负整数，但应该是偶数。如果信号长度小于l，则可在减去平均值和窗口处理后使用零填充(补零)。26、在应用频率分析并计算f中频率下的振幅后(取决于频率分析的实际实施方式)，通过乘以以下值校正窗口处理函数27、windowscalefactor＝ndata/sum(weights)，28、其中，ndata是数据点的数量，weights是窗口处理函数的权重。29、对于ct系统而言，适合用于采集频率信息的x射线辐射检测器信号可包括那些由不太短的扫描(包括数次(>2次)龙门架旋转)产生的信号，这些扫描在一段时间内和全球系统中以(几乎)相同的设置定期执行。30、可以使用各种扫描类型和多于一种的扫描类型来获取x射线辐射信号。空气校准扫描是一种扫描类型，通常每周执行，并且在数据处理(目前用于空气校准数据处理的框架)方面易于使用。为了从所需的旋转量(例如每秒2-3次龙门架旋转，扫描时间为2-3秒)中收集信号，可以选择螺旋运动方案，也可以选择轴向运动方案。31、另一种扫描类型是定位扫描，通常对每个新患者扫描一次，一般每天扫描数次。使用定位扫描的优点是扫描时间较长，而且扫描条件几乎固定(40ma、120或140kv)。定位扫描的获得不旋转龙门架，这意味着无法从导出的检测器信号频谱中推断出龙门架诊断结果。然而，对于管监控而言，没有龙门架旋转也是一种优势，因为频谱中不会出现龙门架扰动。每天第一或全长螺旋扫描是另一种候选扫描类型。这些扫描通常在120kv和300-500ma下以0.5-0.2秒的旋转时间进行。可使用热身扫描，如短管调节(通常每天执行以加热x射线管的扫描类型，除非x射线管长时间未使用)和长管调节(用于加热x射线管的扫描类型)。32、一般来说，可以使用预选设置下的任何类型的扫描，例如在120kv和300ma-500ma下进行每天的第一次扫描。为了提供一致的数据，使用相同的kv和ma范围以及龙门架旋转速度可能是有益的，因为重力f与旋转速度ω成二次方关系(f＝m*r*ω2)。然而，可以为每种扫描类型进行特定频率下的振幅收集，以便随后与相同或类似设置下的先前扫描进行比较。这样就可以实时监控任何可能对x射线辐射检测器信号造成扰动的部件。33、x射线成像系统可包括单个检测器或多个检测器。ct成像系统可包括参考检测器和数据测量系统(dms)或患者检测器。每种检测器都可用于收集和测量x射线辐射信号，参考检测器和患者检测器处获得的数据可用于执行预测分析。34、所公开的技术使用未穿过患者或对象的未衰减或未过滤的x射线辐射信号。由于穿过患者或对象的x射线辐射信号会被受检查的患者或对象改变，因此优选使用直接在x射线辐射信号检测器处接收到的未衰减或未过滤的x射线辐射信号进行分析。35、参考检测器接收直接来自x射线源的x射线信号。dms/患者检测器通常被定位成使得，x射线信号穿过患者或对象。然而，由dms/患者检测器接收到的x射线信号的某个片段或部分不会穿过患者或关注的对象，并且可用于直接接收未衰减的x射线辐射信号。36、在一个优选的实施例中，监控与记录的振幅和频率数据相对应的多个x射线管扰动，所述多个x射线管扰动选自以下组，所述组由x射线管电发射电流调制、x射线管加速电压调制、x射线管振动、阴极振动、定子电流、阳极旋转速度、阳极不平衡、阳极摆动、阳极驱动滑移、每次龙门架旋转采样和阳极轴承频率组成。在所公开的技术中，可对从频率分析导出的频谱中反映的任何扰动进行分析，而这些扰动并不局限于上述扰动组。37、在本发明的另一方面，可将直接从检测器获得的未衰减x射线辐射信号和扫描元数据写入数据文件。在一个优选的实施例中，利用机器学习技术对x射线辐射信号和扫描元数据文件进行分析，该机器学习或深度学习技术包括神经网络、逻辑回归、随机森林、最近邻以及聚类或多元分析中的至少一种。38、在另一个方面，可选择包括来自其他来源的数据。例如，来自额外传感器、x射线管日志数据、主机、系统、制造或运输数据的数据可与存储的x射线辐射信号和扫描元数据相组合。时域和频域分析可通过可选择地包括的来自其他来源的数据进行。替代地，也可将可选择地包括的来自其他来源的数据与从频率分析导出的频谱中大于预定阈值的所有波峰的记录的振幅和频率数据相组合。