本發(fā)明涉及正電子發(fā)射斷層(PET)成像領(lǐng)域，尤其是涉及一種正電子發(fā)射斷層成像系統(tǒng)的探測器晶體位置表的建立方法及系統(tǒng)。

背景技術(shù)：

在PET系統(tǒng)中，最直接影響圖像分辨率的部分是探測器部分。PET探測器多采用閃爍晶體耦合光電倍增管的結(jié)構(gòu)組成。正電子湮滅事例經(jīng)PET探測器像素陣列解碼之后產(chǎn)生事例的位置分布，統(tǒng)計后形成反映晶體陣列分布的二維直方圖(2D flood histogram image，以下簡稱FHI)，由于探測器實現(xiàn)過程中的編解碼的非線性，使得生成的FHI不規(guī)則。高分辨率PET系統(tǒng)相比于傳統(tǒng)的PET系統(tǒng)，探測器中的閃爍晶體數(shù)目增多，尺寸減小，密度增大，由此導致晶體陣列不規(guī)則的問題也更多更嚴重。以一個探測器單元為例，晶體陣列為16×16的等距規(guī)則排列像素陣列，解碼之后會出現(xiàn)蝶形、旋轉(zhuǎn)、壓縮、擴張等整體陣列輪廓的形變、能量不均、陣列行列扭曲、晶體黏連、晶體缺失以及晶體偽影等問題。若不做任何處理，數(shù)據(jù)獲取時，在線處理無法判斷晶體像素的行列坐標，直接導致圖像分辨率下降，嚴重的將會導致圖像信息錯誤。

目前業(yè)界廣泛使用的做法是使用晶體像素查找表(Crystal Lookup Table，CLT)，對獲得的圖像進行矯正和糾偏。由于漂移隨時間推移會不停惡化，使CLT每隔一段時間就要被重新繪制?，F(xiàn)階段CLT靠手工繪制而得，對圖像矯正效果尚可。但PET設備上往往有幾萬個晶體，手工繪制過程耗時耗力，一臺機 器的CLT需要3個有經(jīng)驗的工程師工作一個上午，成為PET設備維護中的主要時間瓶頸之一。

設備維護所花費的時間，不僅影響到企業(yè)的人工成本，還影響到客戶對設備的使用率。知名的設備供應商為提升售后服務的效率和客戶滿意度，積極提高CLT繪制的自動化程度。為了既保證矯正效果，又縮短維護時間，目前最常用的方法是半自動繪制CLT，即計算機自動生成一個中間結(jié)果，技師在此基礎上檢查和修正結(jié)果，最后再自動生成CLT。中間結(jié)果質(zhì)量越好，人為檢查和修正花費的時間越少。

已有的自動繪制CLT算法可以分為晶體中心檢測法，晶體行列檢測法，和晶體邊界檢測法。

晶體行列檢測法指基于一維投影的方法，先把二維圖像投影到兩個方向(最常見的是將圖像分別投影在X方向和Y方向分別投影)。如此一來，二維檢測問題就被簡化為一維尋峰問題，求解可以使用一維的極值檢測，一維求導定位法，或者更復雜的Gaussian fitting。投影可以使用加法，也可以使用方差。UC Davis的Abhijit Chaudhari提出的方法本質(zhì)是基于Fourier變換對X，Y方向做投影?；谕队暗乃惴ǔ浞掷昧司w陣列(探測器)是方形這個先驗條件，優(yōu)點是基本不受噪聲或圖像灰度不均勻的影響，能簡單地得到全局解，而且反投影之后的晶體陣列的排序坐標很容易得知，不需要后續(xù)復雜的晶體映射算法。缺點是過于依賴方形這個全局先驗條件，而對局部信息和行列不規(guī)則形變考慮不足。首先，由于缺乏局部信息，其所得到的波峰位置缺乏精準性。此外，可利用初步定位波峰位置的方法，后續(xù)在每個初始位置的領(lǐng)域內(nèi)用局部最大值法進行定位細化。盡管如此，當晶體行列傾斜(不完全垂直于X或Y軸)，或者行列彎曲變形較厲害時，投影圖像上將無法形成易于區(qū)分的 高斯波形，則一維尋峰將出錯甚至失敗。

晶體中心檢測法大致包括基于晶體亮斑特征的檢測方法和聚類算法。由于亮斑在圖像上有許多明顯的視覺特征，可以直接用于晶體檢測。一種方式是利用亮斑中心往往是局部最大值(local maxima)的性質(zhì)在圖像中進行探測。另一種方式是探測亮區(qū)域(像素值在10’000到100’000之間的區(qū)域)的質(zhì)心點(centroids)作為亮斑中心點。更為嚴謹?shù)乃悸肥腔诜炙畮X降水模擬算法的二維峰值檢測。在圖像上直接對每個亮斑進行檢測的優(yōu)點是簡單直觀，運算快捷，但其受噪聲，偽影，圖像灰度不均勻性等影響，容易出現(xiàn)漏檢和錯檢。其實際性能往往取決于圖像質(zhì)量和預處理，穩(wěn)定性是主要問題。而聚類算法則是基于每個亮斑實質(zhì)是落到一個晶體中光子的分布，把每個電子的落點位置作為一個數(shù)據(jù)，那么波峰就是數(shù)據(jù)最密集的位置，即位置數(shù)據(jù)的聚類中心。這類算法中最常用的是二維高斯混疊模型(Gaussian Mixture Model，GMM)法。由于隨機統(tǒng)計量理論上應該以晶體中心為圓心呈二維高斯分布，且不同晶體接收到的電子有重疊部分，因此使用GMM來定位高斯波峰也就比較合適。GMM不依賴晶體陣列是方形這個先驗條件，從而對晶體陣列的形變，噪聲，不均勻性等等問題均不敏感。但其依賴二維高斯分布這個假設，而現(xiàn)實中的晶體亮斑因形變和融合，形狀不一定符合高斯分布。比GMM更泛化的聚類算法被提了出來，如FCM(Fuzzy C-means)和SOFM(Self-Organized Feature Map)等。這類算法使用了更寬松的空間距離約束來代替GMM使用的高斯密度約束，從而不再假設亮斑形狀。其中SOFM以神經(jīng)網(wǎng)絡的形式完成的，可通過設置神經(jīng)元之間的拓撲結(jié)構(gòu)來隱性植入晶體數(shù)量及晶體間的空間關(guān)系，因此被廣泛用于CLT繪制中。聚類算法本質(zhì)上是一個優(yōu)化(optimization)問題，其優(yōu)點是良好的精確性和魯棒性，而缺點在于其運算復雜度和對偽影的敏感度。一方面，其運算 時間與需要估計晶體數(shù)量呈正比，而現(xiàn)代PET海量晶體的事實使這類算法變得不太實用。另一方面，聚類算法往往更容易受偽影的誤導。事實上，優(yōu)化算法迭代的停止條件往往是實際晶體的數(shù)量。實際使用中由于偽影十分常見，晶體數(shù)量難以準確判定。而偽影形成的鬼點與真實波峰無明顯差異，有些甚至比真實點亮度更高。基于投影的算法只有在偽影成行成列時才會出錯，而聚類算法缺少空間約束，即使獨立的偽影也能使算法結(jié)果出錯。偽影造成的錯探將極大地影響探測結(jié)果，并導致后續(xù)的晶體映射錯位，嚴重的會導致整個晶體陣列映射錯位。

也有算法嘗試直接尋找亮斑間的波谷作為分界線，即晶體邊界檢測法，最常規(guī)的就是，反轉(zhuǎn)圖像灰度，使波谷成為山脊，然后直接使用分水嶺算法。但反轉(zhuǎn)圖像中的山脊幾乎是受噪聲污染最嚴重的部分，極易導致分水嶺算法的過分割。相比之下，鄰域標準差NSD(neighborhood standard deviation)方法是更穩(wěn)定的邊界檢測法。它使用局部統(tǒng)計矩在局部投影圖上做檢測，行列形變的影響在局部表現(xiàn)并不顯著，而對行列之間的波谷響應很敏感。即便如此，在行列扭曲變形很嚴重或者晶體發(fā)生黏連的時候，NSD的分割效果依然不理想。

盡管已有數(shù)量眾多的晶體檢測算法，但每種算法都有其適用的局限性。在不規(guī)則問題眾多的高分辨率PET探測器形成的FHI上，很難使用同一種算法解決所有的問題，獲得理想的晶體分割準確率。

技術(shù)實現(xiàn)要素：

本發(fā)明所要解決的技術(shù)問題是提供一種探測器晶體位置表的建立方法及系統(tǒng)。

本發(fā)明為解決上述技術(shù)問題而采用的技術(shù)方案是：一種探測器晶體位置表的建立方法，包括以下步驟：根據(jù)正電子湮滅事例分布，統(tǒng)計后形成反映晶體陣 列分布的二維直方圖；采用多種探測方法分別檢測二維直方圖中的晶體，并獲得相應的數(shù)種判定結(jié)果；將相應的數(shù)種判定結(jié)果進行融合，并根據(jù)融合后的判定結(jié)果的置信度確定在所述融合結(jié)果中無需矯正的部分及需要矯正的部分；對融合結(jié)果中需要矯正的部分進行矯正，獲得矯正后的判定結(jié)果；使用矯正后的判定結(jié)果對二維直方圖中的晶體進行分割，獲得晶體位置表。

進一步的，所述多種探測方法包括探測方法一及探測方法二，采用探測方法一檢測二維直方圖中的晶體，獲得第一判定結(jié)果，包括晶體的位置信息、行信息及列信息；采用探測方法二，檢測二維直方圖中的晶體，獲得第二判定結(jié)果，包括晶體的位置信息、行信息及列信息。

進一步的，所述探測方法一與探測方法二為相同類型或不同類型的探測方法。

進一步的，所述探測方法一為晶體中心探測法，所述探測方法二為晶體邊界探測法。

進一步的，所述融合結(jié)果包括針對每個探測到的晶體位置計算一個置信度。

進一步的，所述置信度從高到低分級為一級融合、二級融合、三級融合；一級融合是指多個判定結(jié)果在相同晶體位置的行列信息都相同，此位置的融合結(jié)果無需矯正；二級融合是指多個判定結(jié)果在相同位置都探測到了晶體，但其行列信息不相同或部分相同，此位置的融合結(jié)果需要矯正不一致的行列信息；三級融合是指多個判定結(jié)果中僅少數(shù)在此位置探測到了晶體，在融合結(jié)果中此位置及其行列信息將被暫時棄用。

進一步的，所述矯正不一致的行列信息是指根據(jù)高置信度的晶體位置及其行列信息對低置信度的晶體位置進行行列擬合，從而得到低置信度晶體位置的新的行列信息。

進一步的，所述行列擬合是指基于同行或列的多個高置信度的晶體位置，進行樣條擬合，并使其穿過低置信度的晶體位置，從而矯正這些位置的行列信息。

本發(fā)明為解決上述技術(shù)問題而采用的技術(shù)方案是：一種探測器晶體位置表的建立系統(tǒng)，包括：探測器單元，所述探測器單元包括多個閃爍晶體及光電倍增管，所述閃爍晶體用于獲得光子信號，光電倍增管用于將光信號轉(zhuǎn)換為電信號；采樣單元，用于對所述電信號進行數(shù)字采樣，獲得反映光子事例的位置分布的數(shù)據(jù)；控制及數(shù)據(jù)處理單元，用于對光子事例的位置分布的數(shù)據(jù)統(tǒng)計，并形成反映晶體陣列分布的二維直方圖；所述控制及數(shù)據(jù)處理單元對二維直方圖中的晶體采用多種晶體探測方法檢測，獲得多種判定結(jié)果，并將判定結(jié)果進行融合，并根據(jù)融合結(jié)果的置信度對判定結(jié)果進行自動矯正；使用矯正后的判定結(jié)果對二維直方圖中的晶體進行分割，獲得晶體位置表。

進一步的，所述探測器晶體位置表的建立系統(tǒng)還包括顯示單元，用于顯示二維直方圖以及探測到的晶體。

進一步的，所述探測器晶體位置表的建立系統(tǒng)還包括存儲單元，所述存儲單元用于保存融合結(jié)果，所述融合結(jié)果包括針對每個探測到的晶體位置計算一個置信度。

本發(fā)明對比現(xiàn)有技術(shù)有如下的有益效果：本發(fā)明通過將多種不同的探測方法有效地融合，取長補短，則可以自動矯正大部分的探測錯誤，提升晶體自動分割的準確率。特別是在設備老化，F(xiàn)HI降質(zhì)嚴重時，對比單一探測方法的結(jié)果，基于多種探測方法融合的結(jié)果能大幅提升自動分割的準確率，從而極大地降低人工檢查和修正花費的時間。

【附圖說明】

圖1為本發(fā)明實施例的晶體位置表建立方法示意圖；

圖2為本發(fā)明實施例的對探測結(jié)果融合處理示意圖；

圖3為本發(fā)明實施例的二級融合示例圖；

圖4為多種探測方法融合矯正前后示例圖；

圖5為本發(fā)明實施例探測器晶體位置表建立系統(tǒng)示意圖。

【具體實施方式】

下面結(jié)合附圖和實施例對本發(fā)明作進一步的描述。

如圖1-5所示，本發(fā)明實施例中的PET系統(tǒng)的探測器由探測器單元1、采樣單元2、存儲單元3、控制及數(shù)據(jù)處理單元4及顯示單元5組成。

探測器單元1包括400到500個晶體陣列，每個陣列中有16*16共256個LYSO晶體，晶體的物理尺寸為2.3*2.3mm²。LYSO晶體陣列耦合光導和位置敏感型光電倍增管。入射光子被探測器單元轉(zhuǎn)換為閃爍脈沖信號，采樣單元2中對位置脈沖信號進行數(shù)字采樣，并將采樣結(jié)果置于存儲單元3，控制及數(shù)據(jù)處理單元4可以為CPU、DSP、單片機，其用于對存儲單元3中的采樣結(jié)果按照一定的算法或程序處理后產(chǎn)生光子事例的位置分布，進一步統(tǒng)計后形成反映晶體陣列分布的二維直方圖(2D flood histogram image，以下簡稱FHI)。所述二維直方圖可在顯示單元5上被顯示出來。FHI是每個位置接收到的光子數(shù)的統(tǒng)計圖，圖像上每個亮斑(晶體)對應探測器中的一個晶體。

以上是通過全自動繪制方法獲得的二維直方圖(FHI)或者初始晶體像素查找表(Crystal Lookup Table，CLT)，因為噪聲、晶體黏連、偽影以及陣列變形的影響，CLT的自動繪制算法獲取的結(jié)果，需要人工確認或校正。

為減少人工校正所花費的時間，有必要盡可能提高自動繪制結(jié)果的準確性 和魯棒性，本發(fā)明的控制及數(shù)據(jù)處理單元4對二維直方圖中的晶體采用多種探測方法檢測，獲得多種判定結(jié)果，并將判定結(jié)果進行融合，并根據(jù)融合結(jié)果的置信度確定需要對所述二維直方圖中進行矯正的晶體；對矯正后的二維直方圖中的晶體進行分割，獲得晶體位置表。

已有的自動繪制CLT的算法由于其基于不同的原理，在實踐中各有其優(yōu)勢和問題。例如通過檢測晶體中心來初步定位晶體位置，并結(jié)合其空間信息確定每個位置實際對應的晶體的方法(以下簡稱“中心探測法”)，其優(yōu)勢是一般的晶體能被穩(wěn)定地探測到，且中心位置準確，但也會因為局面的噪聲或偽影而出現(xiàn)錯誤探測結(jié)果，且后續(xù)的晶體排序依然會出問題。而通過將FHI投影到一維找晶體行列位置的方法(以下簡稱“行列探測法”)，能很好的避免噪聲或偽影的干擾，但對于陣列變形很敏感。再例如直接尋找晶體的邊界(以下簡稱“邊界探測”)，由于往往結(jié)合了拓撲信息和圖像能量信息，對噪聲或偽影均不敏感，在遇到晶體黏連邊界不清就無法分辨。

本發(fā)明的一個重點是選擇屬于兩種或兩種以上不同類型的檢測方法對二維直方圖(FHI)中的晶體(亮斑、峰或散點)進行檢測，并基于檢測結(jié)果之間的相關(guān)程度，對檢測結(jié)果進行自動矯正。但本發(fā)明完全可以拓展用于同一種類型的兩種或兩種以上檢測方法的融合和自動矯正。

本發(fā)明一個實施方式中對二維直方圖進行矯正的步驟如下：

先將湮滅光子源置于PET系統(tǒng)的檢測腔內(nèi)，湮滅光子源不斷發(fā)射光子，探測器單元不斷接收光子，經(jīng)統(tǒng)計后最終得到反映晶體陣列分布的二維直方圖或二維位置散點圖，二維位置散點圖中的每個像素記錄的是每個坐標位置上檢測到的入射γ光子事件數(shù)；

采用多種探測方法分別檢測二維直方圖中的晶體，并獲得相應的數(shù)(多) 種判定結(jié)果；

將相應的數(shù)種判定結(jié)果進行融合，并根據(jù)融合后的判定結(jié)果的置信度確定在所述融合結(jié)果中無需矯正的部分及需要矯正的部分；

對融合結(jié)果中需要矯正的部分進行矯正，獲得矯正后的判定結(jié)果；

使用矯正后的判定結(jié)果對二維直方圖中的晶體進行分割，獲得晶體位置表。

具體的，所述融合結(jié)果針對每個探測到的晶體位置計算一個根據(jù)置信度。所述置信度從高到低分級為一級融合、二級融合、三級融合。一級融合是指多個判定結(jié)果在相同晶體位置信息的行列信息都相同，此位置的融合結(jié)果無需矯正；二級融合是指多個判定結(jié)果在相同位置都探測到了晶體，但其行列信息不相同或部分相同，此位置的融合結(jié)果需要矯正不一致的行列信息；三級融合是指多個判定結(jié)果中僅少數(shù)在此位置探測到了晶體，在融合結(jié)果中此位置及其行列信息將被暫時棄用。

所述矯正不一致的行列信息是指根據(jù)高置信度(一級融合結(jié)果)的晶體位置及其行列信息對低置信度(二、三級融合結(jié)果)的晶體位置進行行列擬合，從而得到低置信度晶體位置的新的行列信息。本實施例中所述行列擬合是指基于同行或列的多個高置信度的晶體位置，進行樣條擬合，并使其穿過低置信度的晶體位置，從而矯正這些位置的行列信息。但自動矯正也可以使用其它方法進行，比如使用帶有先驗信息的網(wǎng)格(Grid)模板，根據(jù)高置信度的晶體位置對網(wǎng)格進行形變，然后根據(jù)網(wǎng)格形變后固有的行列信息，在低置信度的晶體位置上矯正其行列信息。

對矯正后的二維直方圖中的晶體進行分割，獲得晶體位置表。具體的，根據(jù)所述晶體中心位置圖劃分各相鄰晶體的分界線，生成晶體像素查找表。

以下以采用兩種探測方法為例，對本發(fā)明做進一步的具體說明：

各種探測方法所對應的算法或程序預先配置到控制及數(shù)據(jù)處理單元中，并將為各探測方法打分，可以為每種探測方法設定一個對應的權(quán)重，以便于選擇。邊界探測法

選擇兩種(或多種)探測方法對其進行檢測。原則上，優(yōu)先選擇兩種不同類型的檢測方法，以增加方法之間的互補性，例如中心探測法和邊界探測法。若選擇的是同一種類型的兩種檢測方法，則盡量不選在檢測后可能出現(xiàn)相同缺陷的兩種檢測方法。所述的缺陷是指受噪聲、幾何形變、偽影等影響所產(chǎn)生的不準確結(jié)果，如漏檢、錯檢等。

具體實施例中，采用晶體中心探測法作為探測方法一，檢測二維直方圖的晶體，獲得第一判定結(jié)果，所述第一判定結(jié)果包括晶體塊中心點的位置，中心點的行列信息；采用晶體邊界探測法作為探測方法二，檢測二維直方圖的晶體，獲得第二判定結(jié)果，所述第二判定結(jié)果包括被探測到的邊界所包圍的位置，及其行列信息。本實施例的中心檢測法，可參考中國專利申請公開第CN104809460號，名稱為晶體中心位置圖生成方法及晶體像素查找表生成方法。本實施例中的邊界檢測法，可參相關(guān)論文“Wei，Q.，et al.A neighborhood standard deviation based algorithm for generating PET crystal position maps.in IEEE Nuclear Science Symposium and Medical Imaging Conference Record(NSS/MIC).2013?！钡切枰貏e說明的是，以上兩種不同類型的檢測方法，并不局限于這兩篇現(xiàn)有技術(shù)文獻。

將第一判定結(jié)果與第二判定結(jié)果進行融合，并根據(jù)融合結(jié)果的置信度確定是否需要對所述二維直方圖進行矯正。對于中心探測法，參與融合的信息有中心點的位置、及其行列信息，對于邊界探測法，參與融合的信息有邊界所包圍的位置，及其行列信息。

分級融合是本發(fā)明的核心步驟，分級融合的關(guān)鍵有：選取探測結(jié)果中的參與融合的信息、信息的相似性量化分級、對不同置信度信息的處理方式。按照置信度從高到低分級為一級融合、二級融合和三級融合。

一級融合表示所有的判定結(jié)果信息都相似，如融合同類型的方法的結(jié)果，對中心探測法與中心探測法的融合，探測方法一中的第N行M列的晶體中心與探測方法二中的第N行M列的晶體中心差不多處于同一位置；對邊界探測法與邊界探測法的融合，探測方法一中的第N行M列的晶體邊界所包圍的位置與探測方法二中的第N行M列的晶體邊界所包圍的位置大致位于同一位置或相互覆蓋；如融合中心探測法與邊界探測法這種不同類型方法的結(jié)果，中心探測法結(jié)果中的第N行M列的晶體中心正好處在邊界探測法中的第N行M列的晶體邊界所包圍的位置內(nèi)；上述情況都被視作一級融合。一級融合中的信息置信度最高，在融合結(jié)果中予以全部保留。

二級融合表示結(jié)果信息中部分相似。具體來講，結(jié)果信息中部分相似首先是位置信息一致，如二種探測方法在同一位置附近都探測到了晶體中心，或一種探測方法找到的某個晶體邊緣包圍的區(qū)域包括另一種方法找到的晶體中心。但是，兩種方法僅對該晶體的位置達成一致，對其行列信息判定結(jié)果不完全一樣?！安煌耆粯印笨梢允切?列)信息不同但列(行)信息相同，行列信息皆不同但與周邊晶體同屬一行(列)，或行列信息皆不同且與周邊晶體不屬于同一行(列)。依據(jù)“不完全一樣”的程度，來判斷置信度的高低，自動矯正時由高到低依次對結(jié)果進行處理。自動矯正處理的依據(jù)是基于一級融合結(jié)果的樣條擬合。下面結(jié)合圖3來具體說明：

如圖3圈中的三個晶體點，探測方法一與探測方法二中在相同位置都探測到了這些晶體點，對該晶體點的列坐標標識結(jié)果相同，雖然行坐標的標識結(jié)果 不同，但是分別都屬于同一行，由此可以推斷這三個晶體點很有可能是同一行的，如果出現(xiàn)這種情況的晶體點越多，那么這些晶體點是同一行的置信度就越高。基于一級融合的信息，利用樣條(行列)擬合法(spline fitting)擬合行列。根據(jù)擬合行列的位置信息來判斷這三個晶體點究竟屬于哪行，并在融合結(jié)果中矯正這三個晶體點的行信息。

當待融合的方法對某個晶體的位置都無法達成一致，即某個位置只出現(xiàn)在一種方法的判定結(jié)果中，則有可能此位置不存在晶體。這種情況列為三級融合，對三級融合中的結(jié)果只保留位置信息，不保留行列信息。然后根據(jù)一級融合和二級融合矯正的結(jié)果，以及根據(jù)探測器晶體的數(shù)量及布置，判斷在此保留位置是否真的存在晶體。如果真的存在晶體，則根據(jù)行列擬合結(jié)果更新其行列信息。最終得到矯正后的判定結(jié)果。所述矯正后的判定結(jié)果從實際情況來包含：無需矯正的部分晶體、及對需要矯正的部分的晶體進行矯正后的所得到的那部分。

本發(fā)明實施例中優(yōu)選的探測方法有基于局部直方圖均衡的SNMD方法(探測結(jié)果參圖4(a))、基于高斯差分的SNMD方法、基于傅里葉模型的非剛性配準方法(探測結(jié)果參圖4(b))以及NSD方法(探測結(jié)果參圖4(c))，其中前兩種方法為中心探測法，第三種為行列探測法，最后一種方法為邊界探測法。從圖4中可以看出，單種探測算法在圈標出的部分出錯，但是經(jīng)過本發(fā)明基于多探測方法融合的晶體探測自動矯正算法的融合處理后，最終的融合結(jié)果(圖4(d))綜合考慮了各探測結(jié)果的置信度，揚長避短，將所有的晶體都探測排序準確，符合預期結(jié)果。

本發(fā)明可用于任意多個探測算法的探測結(jié)果融合，不限探測法的原理，只需單個算法能獨立給出探測結(jié)果。

由于不同類型的探測算法得到的判定結(jié)果不同，在融合時，可以將一種探測結(jié)果信息轉(zhuǎn)換成另一種探測結(jié)果，以便于比較。例如，中心探測法的晶體中心位置信息和邊界探測法的邊界位置信息是可以互轉(zhuǎn)的。使用邊界探測法得到的大致的晶體所在范圍后，在其子區(qū)域內(nèi)可以通過尋找局部極大值等方法反推晶體的中心位置，以此和其他中心探測法中的晶體塊中心點信息進行融合；或者也可以將中心探測法得到的中心位置信息，通過距離變換等方法轉(zhuǎn)為邊界信息，以便和邊界探測法得到的邊界信息比較融合。

在結(jié)果分級中，也可以根據(jù)信息量的多少，再進行量化和細化，歸成不同于三層的融合結(jié)構(gòu)。

本發(fā)明的優(yōu)勢在于：用參與融合的探測結(jié)果的相似性作為判斷結(jié)果置信度權(quán)值的方式，最大程度地肯定了不同結(jié)果之間的“共識”，同時對差異信息設計了一種取舍準則，不盲目地信任和舍棄，從而得到更魯棒的融合結(jié)果。

本發(fā)明通過將多種不同的探測方法有效地融合，取長補短，則可以自動矯正大部分的探測錯誤，提升晶體自動分割的準確率。特別是在設備老化，F(xiàn)HI降質(zhì)嚴重時，對比單一探測方法的結(jié)果，基于多種探測方法融合的結(jié)果能大幅提升自動分割的準確率，從而極大地降低人工檢查和修正花費的時間。

雖然本發(fā)明已以較佳實施例揭示如上，然其并非用以限定本發(fā)明，任何本領(lǐng)域技術(shù)人員，在不脫離本發(fā)明的精神和范圍內(nèi)，當可作些許的修改和完善，因此本發(fā)明的保護范圍當以權(quán)利要求書所界定的為準。