The Pseudo-color Mapping Model of Spect Reconstruction Data Based on Adjustable Dual-vector Parameters
-
摘要: SPECT是对植入患者体内的放射性粒子发射的γ射线进行成像,其图像中灰度信息反映了γ射线的计数值,变换后相应于射线剂量值。临床中通常为了观察剂量在病灶附近的分布情况,需要将SPECT图像进行伪彩色处理,再与CT图像进行融合。但是,SPECT/CT常用的处理软件中伪彩色处理很难提供足够的剂量细节分辨,难以满足临床诊疗的需求。针对脑部肿瘤治疗中对γ射线剂量分布细节的需求,本文基于SPECT的DICOM数据,提出一种含有可调双向量参数的伪彩色映射显示模型,创建多层次的映射关系。该方法不仅可以控制伪彩色显示区域还可以调整剂量显示的多分段细节。Python的数值实验结果表明,本文所提伪彩色映射模型和算法能够更加清晰、准确地显示SPECT图像中感兴趣的剂量区域和数据范围,与CT图像融合后可明显增强SPECT/CT的病灶区域和剂量分布层次感,精准显示病灶部位的粒子空间和放射剂量分布信息,为临床疗效的判定提供可靠依据。Abstract: SPECT performs imaging on the γ-ray emitted by radioactive particles implanted in the patient's body. The gray information of SPECT image represents counts of γ-ray, which can correspond to the radiation dose value of γ-ray after transformation. In order to observe the dose distribution near the lesion clinically, it is necessary to perform pseudo-color processing on SPECT images, which are then fused with CT images. However, the SPECT/CT pseudo-color processing of conventional processing software is difficult to provide sufficient dose detail resolution, which cannot meet the needs of clinical diagnosis and treatment. For the requirement of γ radiation dose distribution details in the treatment of brain tumors, we present a pseudo-color mapping model with adjustable dual-vector parameters, which is based on DICOM data of SPECT imaging and can bulid a multi-level mapping relationship.The proposed method can not only control the pseudo-color display area, but also adjust the multi-segment details of the dose display. Results of numerical experiments by Python show that the proposed mapping method can display the dose area and data range of interest in SPECT images more clearly and accurately. After being fused with the CT image, they can significantly enhance the layering of dose distribution in the SPECT/CT focus area,, and accurately display the information of particle space and radiation dose distribution. The proposed method can provide a reliable basis for the judgment of clinical efficacy.
-
Keywords:
- pseudo-color mapping /
- SPECT image /
- radioactive seeds /
- γ-ray dose distribution
-
我国是一个煤炭大国,在相当长的历史时期内,煤炭资源仍将是支撑我国国民经济持续快速发展的基础,但是煤矿采空区在对矿山的安全生产、周边人民群众的生命财产安全始终构成威胁。近年来,地球物理勘探已经成为采空区探测的主要方法手段,例如瞬变电磁法、高密度电法、地震法、放射性探测法等,均在煤矿采空区探测中得到了广泛的应用[1]。
然而,由于形成年代、埋藏深度、空间结构、围岩条件、冒落、充填和积水等不同环境条件,采空区的物性反映呈现出很大的差别[2]。而且每种地球物理方法都有其适用条件以及局限性,单一方法的使用存在一定的多解性,所以采用综合地球物理方法探测采空区,不仅可以多角度获取地下岩层性质、采空区的分布和含水性等信息,又可以相互验证方法的有效性。
2008年杨建军等[3]在山西东曲矿区综合应用活性炭测氡法和瞬变电磁法,探明了小煤矿地下采空区的位置;2012年孙林[4]在内蒙古某地区,综合应用高密度电阻率法和浅层地震进行煤田采空区探测,查清了采空区分布状况,为评估治理提供了重要地质依据;2014年温来福等[5]利用浅层地震勘探和活性炭测氡法相结合的综合物探方法,在山西灵石某煤矿地下采空区进行了探测,为土地利用规划和地质灾害治理提供了依据;2018年宋春华[6]利用地震反射波法、地震折射波法、音频大地电磁测深、瞬变电磁法等多种物探方法联合探测,在北京市门头沟煤矿采空区探测中取得了较好效果;2020年徐慧等[7]采用瞬变电磁法和高密度电阻率法相结合的方式,在陕西榆林地区对浅埋煤层采空区实现了有效的综合勘探;2022年车传强等[8]综合利用电测深法和浅层地震反射方法,在鄂尔多斯官板乌素煤矿区对高压架空线路下方采空区进行探测,为输电线路的设计提供了重要的参考资料。
本文采用微动和瞬变电磁组合的勘探方法,在新疆哈密某历史小煤窑,开展采空区探测的研究与应用,为相似地质条件煤矿采空区探测中物探方法的选取提供参考。
1. 工区地质概况及地球物理特征
工区位于新疆哈密市南部某矿集区,地层倾角一般为5°~15°,较为平缓,构造类型简单,断裂构造不发育。区内出露的主要地层有:侏罗系中统西山窑组上段,泥岩、粉砂岩、砾岩互层,夹炭质泥岩及不稳定的薄煤层;新近系桃树园组,泥岩、砂质泥岩、泥质砂岩夹砾岩及灰岩;第四系,黄土、砂质黏土、砾石、细砂、砂砾层、风成砂土。据工区钻孔资料:泥岩、泥质砂岩层组电阻率约为5~15 Ω·m,砂岩、砾岩层组电阻率约为10~40 Ω·m。
小煤窑由一对立井组成,现已关停20多年,地表井口已被封堵。资料显示,其主要开采层位为3号煤层,煤层厚度10~13 m,底板为泥岩。煤矿采空区较易破坏原有的地应力平衡,多数采空区在重力和地层应力作用下,顶板塌陷、冒落,这些地质因素的变化,使得煤层采空区或其上部地层的地球物理特征发生变化,导致地层疏松、密度降低。从微动勘探角度来看,采空区的异常特征为横波速度显著降低;从瞬变电磁勘探角度来看,若采空区充水异常特征为电阻率显著降低,反之则为电阻率显著增高。
根据工区地质特点和采空区物性特征,采用以微动为主、瞬变电磁为辅的组合勘探方法。一方面利用两种物探方法获取的综合物性信息可以有效定位目标地层,即特征为低阻、高速的泥岩层组。另一方面,通过进一步分析工区地下横波速度结构,主要是在高速的泥岩层组中寻找低速异常,以此探测采空区位置。
2. 联合探测方法及工作布置
2.1 方法理论
微动勘探以平稳随机过程理论为依据,从微动信号中提取面波的频散曲线,通过对频散曲线的反演得到地下横波速度结构[9]。微动勘探方法无需任何人工震源,利用低频率微动信号的特点,探测深度可达数百米,且该方法现场布设比较简单,对场地要求不高,不受电磁及噪声干扰影响,适用性强[10]。
目前,从微动信号中提取面波频散曲线的方法有很多种,最常用的是空间自相关法[11],通过(1)式从微动记录中提取出瑞雷波相速度频散曲线。
$$ \rho \left( {\omega ,r} \right) = {J_0}\left( {\frac{{\omega r}}{{c\left( \omega \right)}}} \right) \text{,} $$ (1) 式中,
$ \rho \left( {\omega ,r} \right) $ 为角频率ω的空间自相关系数,$ {J_0} $ 为第一类零阶贝塞尔函数,$ c\left( \omega \right) $ 为角频率ω的瑞雷波相速度。在瑞雷波频散曲线反演中,横波速度、地层厚度的敏感性优于纵波速度、地层密度[12],因此反演中通常只以横波速度和地层厚度为未知量,瑞雷波频散方程可以简写成如下形式:
$$ {F_i}{\text{(}}{c_i},{f_i},{v_s},h) = 0 \text{,\quad } i = 1,2,\cdots,N \text{,} $$ (2) 式中,N为相速度数据个数,
$ {f_i} $ 为数据频率,$ {c_i} $ 为瑞雷波相速度,${v_s} = {\text{(}}{v_{s,1}},{v_{s,2}},\cdots,{v_{s,M}}{\text{)}}$ 为横波速度,$h = {\text{(}}{h_1},{h_2},\cdots,{h_{M - 1}}{\text{)}}$ 为地层厚度,M为地层的层数。本文反演横波速度结构采用遗传算法,反演计算前要给定初始模型,包括横波速度和地层厚度的范围以及地层的层数,通过计算(3)式的最小值得到速度结构的最优解。
$$ \varPhi = \sqrt {\frac{{{\sum\limits_{i = 1}^N {{{\left( {c_i^{} - c_i^{cal}} \right)}^2}} } }}{N}} \text{,} $$ (3) 式中,
$ c_i^{cal} $ 表示通过正演计算得到的瑞雷波相速度值。瞬变电磁法是一种时间域的电磁探测方法。介质在一次电流脉冲场激励下会产生涡流,在脉冲间断期间涡流不会立即消失,在其周围空间形成随时间衰减的二次磁场。二次磁场随时间衰减的规律主要取决于异常体的导电性、体积规模和埋深,以及发射电流的形态和频率。地质体导电性越好,涡流的热耗损越小,瞬变的过程就越长,因此,我们可以通过接收线圈测量的二次场空间分布形态,了解异常体的空间分布[13]。瞬变电磁法野外采集的数据就是二次场的感应电动势,通过(4)式计算出视电阻率。
$$ {\rho _\tau } = \frac{{{\mu _0}}}{{4\text{π}t}}\left( {\frac{{2{\mu _0}{S_T}{S_R}}}{{5t\left( {{{V\left( t \right)} /I}} \right)}}} \right)^{\tfrac{2}{3}} \text{,} $$ (4) 式中,
$ {\rho _\tau } $ 为视电阻率,$ {\mu _0} $ 为真空磁导率:${\mu _0} = 4\text{π} \times {10^{{{ - }}7}}{\text{H/m}}$ ,$ {S_T} $ 为发送线圈面积,$ {S_R} $ 为接收线圈面积,$ V\left( t \right) $ 为感应电动势,$ {{V\left( t \right)} \mathord{\left/ {\vphantom {{V\left( t \right)} I}} \right. } I} $ 为瞬变值。2.2 数值模拟
在微动勘探的施工过程中,线性阵列观测系统具有布置灵活、数据采集高效率等特点,可同时实现多个勘探点的数据采集。但是线性阵列观测系统对采集数据的噪声源方向有一定的要求,为保证微动勘探采集数据的有效性,本文对线性台阵观测系统进行数值模拟,数值模拟的台站布设如图1所示,左图红色倒三角为台站布设点,右图红色小圆点为主要噪声源,单个阵列由21个台站组成,方向指向噪声源方向,模型参数简要对照工区地层速度结构(表1)。
表 1 数值模拟模型参数Table 1. The model parameters of numerical simulation地层序号 模拟参数 横波速度/(m·s−1) 纵波速度/(m·s−1) 密度/(g·cm−3) 层厚/m 1 350 700 1.90 20 2 550 1100 1.90 30 3 750 1500 1.90 50 4 600 1200 1.90 50 均匀半空间 1000 2000 1.90 ∞ 模拟微动勘探数据时长5 min,噪声源传播方向为阵列沿线方向。图2(a)为模拟数据计算的频散谱,黑色实线为理论频散曲线。可见模拟数据计算出的频散谱连续且能量较强,频散能量与理论频散曲线基本吻合,说明当噪声源以线性阵列沿线分布时,采集的微动数据是较为可靠的,可以提取频散曲线。图2(b)为实测微动数据计算的频散谱,黑色圆点为实际提取频散曲线。该数据是在本工区采用线性阵列观测系统实测获得,实测微动勘探数据时长5 min,主要噪声源分布沿线性阵列方向。由图2对比可见实测数据计算出的频散谱与模拟数据的计算结果对应较好,说明在该工区微动勘探工作中采用线性阵列观测系统是可行的。
2.3 工作布置
工区正北方向约4 km为一处在产超大型露天煤矿,该煤矿为本次微动勘探中噪声源的主要来源。因此在此次小煤窑采空区探测工作中,微动勘探采用南北向布设的线性阵列观测系统。在野外数据采集过程中使用仪器为Node X3节点式地震仪,检波器主频为4.5 Hz,采样频率1000 Hz,道间距5 m。布设台站101台并同时采集数据40 min,在后续数据处理时选取不同时段各5 min数据进行对比,采用频散谱连续性好、能量强的数据提取频散曲线,然后反演地层横波速度结构。
瞬变电磁勘探测线与微动勘探保持一致,方向为南北向。使用Super TXU15电磁发射机,Tem AI瞬变电磁接收机,发射频率12.5 Hz,供电电流10 A。采用中心回线装置,发射线圈为边长200 m的正方形,接收装置的等效面积为3320 m2,点距为5 m。点号布设由南向北依次增大,点号大小与该测点的实际距离值相等。
为完整准确探测小煤窑采空区位置,在工区布设5条物探剖面,如图3所示。WT1线至WT5线为等间距布设,线距110 m。WT1线、WT2线均进行微动和瞬变电磁测量,WT3线、WT4线、WT5线仅进行微动测量。测线布设思路为:首先将WT1线、WT2线分别布设于东、西竖井两侧,确定采空区异常特征后,分别在东西两侧继续布置WT3线、WT4线、WT5线,直至剖面中无采空区异常显示。
3. 异常解释
3.1 瞬变电磁结果分析
图4(a)和图5(a)分别是WT1线、WT2线瞬变电磁法电阻率反演断面图,断面横向长度均为400 m,由于瞬变电磁法在浅部存在盲区,所以纵向深度范围为 -40~-200 m。WT1线、WT2线断面整体地电信息基本一致,均呈现水平层状分布,电阻率由浅部至深部表现为“高阻-低阻-高阻-低阻”特征。WT1线和WT2线在深度 -50~-100 m处,均为相对低阻,电阻率值小于10 Ω·m,推断为泥岩、泥质砂岩层。深度 -100~-180 m处,断面横向上表现为高阻特征,电阻率值介于10~16 Ω·m,根据本区地层情况,推测为砂岩、砾岩层。
3.2 微动结果分析
图4(b)和图5(b)分别是WT1线、WT2线微动反演横波速度断面图,断面横向长度均为400 m,纵向深度范围为 -20~-200 m。WT1线、WT2线断面整体横波速度结构基本一致,均呈现水平层状分布,横波速度值由浅部至深部表现为“低速-高速-低速-高速”特征。WT1线断面中,深度 -50~-100 m范围内,横波速度值呈相对高速,速度值大于650 m·s−1,推断为泥岩、泥质砂岩层,深度-100~-170 m范围内,横波速度值呈相对低速,速度值介于550~650 m·s−1,推断为砂岩、砾岩层。WT2线横波速度结构与WT1线大致相同,深度 -50~-90 m范围内,横波速度值呈相对高速,速度值大于650 m·s−1,推断为泥岩、泥质砂岩层,深度 -90~-150 m范围内,横波速度值呈相对低速,速度值介于500~650 m·s−1,推断为砂岩、砾岩层。
在WT1线点号250~300之间,深度 -50~-80 m范围内,有相对低速异常反映,横波速度等值线波动较大呈现下凹形态,该处横波速度值明显低于两边,根据低速异常位置与地面西竖井位置对应关系,以及本区地层情况,推断该处异常为小煤窑采空区。同样的在WT2线点号250~300之间,深度 -50~-80 m范围内,有相对低速异常反映,横波速度等值线呈现低速圈闭形态,该处横波速度值明显低于两边,根据低速异常位置与地面东竖井位置对应关系,以及本区地层情况,推断该处异常为小煤窑采空区。
3.3 综合解释
综合微动勘探和瞬变电磁勘探的解释结果,从纵向上看,两种探测方法电阻率变化规律和横波速度变化规律基本是相对应的,所反映出的地层结构基本一致。在浅部 -50~-100 m范围内显示为低阻和高速,为泥岩、泥质砂岩层的物性特征。在深部 -100~-150 m范围内显示为高阻和低速,为砂岩、砾岩层的物性特征。微动勘探反映出了低速异常位置,与地面东、西两竖井位置相符,确定为采空区异常特征。瞬变电磁虽然未反映出采空区异常形态,但根据瞬变电磁反演结果可以看到,该区电阻率值整体较低,推断采空区目前属于充水状态。
根据WT1线、WT2线横波速度断面中的采空区异常特征,在测线东、西两侧继续进行微动勘探,工区共探测了5条测线。反演横波速度断面如图6所示,WT1线至WT5线的横波速度结构整体上较为一致,由浅部至深部表现为“低速-高速-低速-高速”特征,深度 -50~-100 m范围内,横波速度值均呈相对高速,推断为泥岩、泥质砂岩层组,且小煤窑开采煤层就处于该岩性层。WT4线和WT5线处于工区最东和最西侧,从图中可以看出,WT4线和WT5线在深度 -50~-100 m范围内,等值线分布均匀无异常,横波速度在横向上无明显变化,说明WT4线和WT5线所在位置未进行开采。WT1线、WT2线和WT3线均在点号250~300,深度 -50~-80 m范围内存在连续低速异常,推测为小煤窑采空区位置。
根据已有地质资料,小煤窑所开采的3号煤层深度约为60 m,东西向掘进巷开采,工作面南北向长约50 m,综合物探解释成果与已有地质资料吻合,说明微动和瞬变电磁的组合应用在小煤窑采空区的探测中是行之有效的。
4. 结论
本文通过以微动和瞬变电磁联合勘探的方法,在新疆哈密某历史小煤窑区域开展了采空区探测的研究与应用,有如下认识。
(1)微动勘探能够提供较为准确的横波速度结构信息,清晰显示出采空区的波速异常。同时,工区矿业活动产生的噪声持续稳定且方向单一,为线性阵列的微动勘探提供了稳定的噪声来源,拓宽了采集数据的频段,保证了采集数据的质量,在本工作区应用效果较好。
(2)瞬变电磁勘探结果虽然没有明显反映出采空区异常特征,但为地层岩性的划分提供了有效的地电信息,也为分析采空区充水情况提供电性依据。两种方法相互补充,相互印证,从不同物性特征保证了地层岩性信息准确性。
(3)以微动勘探为主、瞬变电磁勘探为辅的联合勘探方法,有效识别小煤窑采空区异常形态,圈定了采空区位置,说明这种联合勘探方法的有效性。该工区地处典型的荒漠戈壁区,两种物探方法的组合应用不仅可以为采空区勘探提供技术支撑,还能为同类地质条件的其它地质勘探工作提供技术方法选取的参考。
-
[1] 罗艳, 王勇, 张吉琛. SPECT/CT与MRI对单椎体骨肿瘤的诊断价值比较[J]. 现代肿瘤医学, 2021, 29(4):664-667. LUO Y, WANG Y, ZHANG J C. Comparative study of SPECT/CT and MRI in the diagnosis of single vertebral bone tumors[J]. Journal of Modern Oncology, 2021, 29(4):664-667. (in Chinese).
[2] KANGASMAA T S, CONSTABLE C, SOHLBERG A O. Quantitative bone SPECT/CT reconstruction utilizing anatomical information[J]. EJNMMI Physics, 2021, 8(1):1-14.
[3] PHILLIPS W T, GORZELL B C, MARTINEZ R A, et al. Fewer Angle SPECT/CT (FASpecT/CT) blood pool imaging for infection and inflammation[J]. Journal of Nuclear Medicine Technology, 2021, 49(1):39-43.
[4] 张健, 王学武, 孙运达. 神经网络模型在X射线图像融合中的应用[J]. CT理论与应用研究, 2011, 20(2):235-243. ZHANG J, WANG X W, SUN Y D. The application of neural network model for X-ray image fusion[J]. CT Theory and Applications, 2011, 20(2):235-243. (in Chinese).
[5] 贾永红. 数字图像处理[M]. 3版, 武汉:武汉大学出版社,2015. [6] LAN C S, LAN P, CAO Y Y. Pseduo-colour technique in the medical images[C]//Proceedings of the 4th China-Japan-Korea Joint Symposium on Medical Informatics. Beijing, 2002:180-182.
[7] 蓝鹏, 蓝春生. 彩色处理在口腔医学影像中的效用[J]. 中国体视学与图像分析, 2008, 13(4):286-289. LAN P, LAN C S. Improving effect of pesudo-color processing on stomatology images[J]. Chinese Journal of Stereology and Image Analysis, 2008, 13(4):286-289. (in Chinese).
[8] 张永锋, 郭玉森, 季娥, 等. 螺旋CT图像伪彩后处理技术的应用[J]. 实用放射学杂志, 2007, 23(4):566-567. ZHANG Y F, GUO Y S, JI E, et al. Application of false color post-processing technology for spiral CT images[J]. Journal of Practical Radiology, 2007, 23(4):566-567. (in Chinese).
[9] 李雷, 杨柳. 基于三角隶属函数和模糊熵的图像增强方法及其相关应用研究[J]. 数学的实践与认识, 2012, 19:113-120. LI L, YANG L. Research on image enhancement method and related applications based on triangular membership function and fuzzy entropy[J]. Journal of Mathematics in Practice and Theory, 2012 , 19:113-120. (in Chinese).
[10] 徐一帆, 杨皓洁, 吕建伟, 等. 基于多分辨率仿真的多状态系统任务可靠性及成功性评估方法[J]. 系统工程理论与实践, 2021, 41(5):1328-1342. XU Y F, YANG H J, LV J W, et al. An assessment approach for multi-state system mission reliability and success probability based on multi-resolution simulation[J]. Systems Engineering:Theory & Practice, 2021, 41(5):1328-1342. (in Chinese).
[11] LI W. Continuous pseudocolor coding of thermal image display[J]. Journal of Beijing Institute of Technology, 1997, 6(1):37-42.
[12] 刘庆祥, 蒋天发. 彩色与灰度图像间转换算法的研究[J]. 武汉理工大学学报(交通科学与工程版), 2003, (3):344-346. LIU X Q, JIANG T F. A study of translation arithmetic between color image and grey image[J], Journal of Wuhan University of Technology (Transportation Science & Engineering), 2003, (3):344-346. (in Chinese). [13] 曹茂永, 郁道银. 基于感知颜色空间的灰度图像伪彩色编码[J]. 光学技术, 2002, (4):366-367, 370. CAO M Y, YU D Y. Pseudocolor coding of gray image based on perceptual color space[J]. Optical Technique, 2002, (4):366-367, 370. (in Chinese).
[14] 安庆浩, 丁健配, 黄艺美, 等. 基于伪彩色的DICOM标准图像显示方法[J]. 济南大学学报(自然科学版), 2018, 32(2):107-111, 116. AN Q H, DING J P, HUANG Y M, et al. DICOM standard image display method based on Pseudo-color[J]. Journal of University of Jinan (Science and Technology), 2018, 32(2):107-111, 116. (in Chinese). [15] 张玉成, 王旭启, 谭路明. 基于预警等级的空间数据集伪彩色编码算法研究[J]. 计算机应用与软件, 2013, 30(6):262-265 , 304. ZHANG Y C, WANG X Q, TAN L M. Research on warning level-based false colour coding algorithm for sparial data set[J]. Computer Applications and Software, 2013, 30(6):262-265, 304. (in Chinese).
[16] 赵源萌, 王岭雪, 金伟其, 等. 基于色彩传递的单波段热图像彩色化处理算法[J]. 光学学报, 2009, 29(3):654-658. ZHAO Y M, WANG L X, Jin W Q, et al. Single-band infrared image colorization algorithm based on color transfer[J]. Acta Optica Sinica, 2009, 29(3):654-658. (in Chinese).
[17] 王宪凯.伪彩色图像增强技术在DR胸片影像诊断应用研究[J]. 影像研究与医学应用, 2019, 3(1):241-242. WANG X K. The application of pseudo-color technique used for chest DR diagnosis[J]. Journal of Imaging Research and Medical Applications, 2019, 3(1):241-242. (in Chinese).
[18] 马爽, 方建安, 孙韶媛, 等. 基于伪彩色融合图像聚类的夜视图像上色算法[J]. 光学学报, 2009, 29(6):1502-1507. MA S, FANG J A, SUN X Y, et al. Colorizing algorithm of night-vision image based on clustering of false color fused image[J]. Acta Optica Sinica, 2009, 29(6):1502-1507. (in Chinese).
[19] Rafael C.Gonzalez. 数字图像处理[M]. 3版. 阮秋琦等, 译. 北京:电子工业出版社, 2017.
计量
- 文章访问数: 498
- HTML全文浏览量: 46
- PDF下载量: 46