【第三期】揭示扁平结构的内部秘密：X射线计算机层析(CL)成像的兴起

点击蓝字，关注我们

XCT mastery Monthly - 精通X射线CT月刊是由Francesco Iacoviello博士发起、撰写并发布的，旨在给大家分享X射线CT相关的使用技巧、潜在窍门及经验见解。每期都会深入探讨 XCT实践中面临的挑战和解决方案，涵盖以下主题：

图像优化：学习实现清晰CT 扫描的技巧。

故障排除：掌握克服常见 CT 问题和伪影的策略。

高级技术：探索前沿方法和软件功能。

工作流程效率：探索简化 CT 流程并节省时间的方法。

社区讨论：加入讨论，分享您的经验和疑问。

揭示扁平结构的内部秘密：

X射线计算机层析(CL)成像的兴起

引言

无损检测和成像已成为众多科学和工业学科不可或缺的工具。从确保工程部件的结构完整性，到阐明生物系统的复杂构造，再到保护文化遗产物品的脆弱性，无损探测物体内部结构的能力至关重要。然而，扁平、高宽厚比样品独特的几何特性及与X射线的相互作用特性，给传统成像技术带来了重大挑战。为了应对这些局限，X射线计算机断层析成像（CL）应运而生，成为一种先进的成像方式，专门用于克服与此类样品相关的障碍。

本期《精通X射线CT月刊》旨在全面探讨X射线计算机层析成像，深入剖析其基本原理、相对于传统方法的优势、多样化的应用、软件工具在其实施中的作用、其固有局限性以及尖端技术进步对其能力的影响。

一. 传统X射线计算机断层扫描

对扁平样品的局限性

传统的X射线计算机断层扫描（CT）通过提供物体内部详细的三维表征，彻底改变了医学和工业成像。然而，当应用于具有大横向尺寸和小厚度的样品（通常称为扁平或高宽厚比样品）时，传统CT会遇到几个固有局限性，这些局限性可能影响图像质量以及准确分析内部结构的能力。

1、X射线吸收和散射效率低下

主要挑战之一源于X射线与样品材料的相互作用。在CT中，X射线束从多个角度穿过物体。对于扁平样品，特别是当X射线束平行于样品平面时，射线束会穿过大量材料。这种增加的路径长度可能导致X射线吸收效率低下，即大部分X射线光子在到达探测器之前被吸收或散射。这种低效率意味着可用X射线束及其携带信息的很大一部分被浪费了。此外，为覆盖整个扁平样品通常需要使用大面积射线束，这可能导致高的散射/主X射线比。散射光子偏离其原始路径，会产生与样品内部解剖结构无关的背景强度，从而有效降低了主体对比度和图像的整体清晰度。即使使用旨在消除高水平散射的栅格，检测到的X射线中仍有相当大比例是散射的，导致图像质量显著下降。

2、叠加与醒目性问题

传统CT依赖于在扫描的每个角度步长将三维体积投影到二维图像上的原理。虽然最终的重建过程旨在解析3D结构，但初始投影图像本质上受到上下层组织和结构叠加的影响。这对于内部特征可能沿样品平面密集排列的扁平样品来说尤其成问题。这些特征在投影图像中的重叠会显著降低醒目性（conspicuity），即目视检查中识别图像特征的难易程度。在复杂图像中，若众多结构叠加在一起，一个位置已知时可能可见的特征很容易被遗漏。显眼性的降低，加上散射导致的主体对比度下降，使得利用传统CT分析扁平样品中复杂的内部细节更具挑战性。

3、分辨率和视野限制

传统CT扫描仪的基本几何结构（旋转轴与X射线束正交（垂直））在成像扁平样品时会对可达到的分辨率施加限制（见下图，图1）。对于位于大型扁平部件中心区域的感兴趣区域，可能需要将样品移近X射线源以增加放大倍率，从而提高分辨率。然而，当样品在所需角度范围内旋转时，这种靠近可能导致样品与X射线源发生物理碰撞。这种限制有效限制了扁平样品中心区域可实现的放大倍率，进而限制了分辨率。此外，探测器的视野（即探测器在单次投影中可以捕获的区域）可能不足以在高分辨率下覆盖整个扁平样品。这可能需要进行折衷，例如对样品进行多次扫描，或者为了对整个感兴趣区域成像而接受较低的整体分辨率。在许多情况下，CT提供的分辨率可能太低，无法可视化扁平样品特定分析所需的精细细节。

4、高密度和低对比度材料的挑战

CT成像的有效性取决于X射线穿过不同密度材料时的差异衰减。包含高密度材料区域的扁平样品可能构成重大挑战，因为这些致密区域会严重衰减X射线束，导致称为光子匮乏（photon starvation）的现象。当到达探测器的X射线光子数量急剧减少时，生成的图像可能会受到噪声增加和伪影的影响，从而模糊样品的细节。相反，当对密度对比度极小或没有密度对比度的材料（这种情况在某些生物组织和聚合物材料中很常见）进行成像时，CT也会遇到困难。如果没有显著的X射线衰减差异，就很难区分扁平样品内的不同成分或特征。此外，在CT中使用多色（多能量）X射线束，尤其是在扫描致密材料时，可能导致射线硬化伪影（beam hardening artefacts）。这是因为光束中能量较低的光子优先被吸收，导致光束在穿过样品时平均能量增加。这种能量偏移可能导致重建图像不准确，通常表现为杯状伪影或暗带。

二. 揭示X射线计算机断层叠层成像：

原理和方法论

X射线计算机断层叠层成像（CL）与传统CT方法有显著不同，特别是在为扁平、高宽厚比样品采集投影数据的方式上。CL的核心创新在于其利用了相对于X射线束倾斜的旋转轴，这是对传统CT中使用的正交关系的根本性改变。这种扫描几何结构的战略性改变使CL能够有效解决CT在成像平面结构时遇到的许多局限性。

1、倾斜的旋转轴：相对于CT的根本性转变

在X射线计算机断层析成像中，样品安装在一个相对于入射X射线束倾斜成一定角度的载物台上。这个小于90度的倾斜角确保在样品旋转过程中，X射线束主要穿过扁平物体最薄的维度。通过最小化在大多数投影角度下穿过样品的X射线路径长度，CL显著降低了光束的整体衰减，从而改善了到达探测器的信号。这种方法对于以高宽厚比（横向尺寸远大于厚度）为特征的部件尤其有利。调整旋转轴的能力允许采用一种更针对扁平结构成像的定制方法，优化数据采集过程以应对其特定的几何挑战。

2、旋转轴的图示和比较（CT vs. CL）

在传统计算机断层扫描中，X射线束的中心射线方向与样品旋转轴垂直（成90度角）。这意味着对于扁平样品，在某些旋转角度下，X射线束必须穿过物体的最长尺寸。相比之下，X射线计算机断层析成像采用一种扫描几何结构，其中中心X射线束相对于探测器被有意倾斜一个特定角度。因此，旋转轴倾斜地与X射线束相交，旋转轴与中心X射线之间的角度小于90度。图1提供了清晰的视觉比较，展示了一个圆形锥束CT设置（光束主射线与旋转轴之间的角度为90度），和一个旋转CL设置（该角度（倾斜角α）小于90度）。

图 1 - 旋转轴比较 (CT vs. CL)

X射线计算机断层析成像固有的倾斜旋转机制在成像扁平结构方面比传统CT具有关键优势。通过允许样品在无碰撞风险的情况下更靠近X射线源旋转，CL促进了更高的放大倍率和增强的图像清晰度。这种更近的距离和优化的光束路径极大地促进了CL对高宽厚比部件成像能力的提升。

三. X射线计算机断层析成像的增强成像能力

X射线计算机断层叠层成像的独特原理直接转化为增强的成像能力，特别是在应对扁平、高宽厚比样品带来的挑战时。这些改进体现在CL相对于传统CT方法所实现的卓越分辨率、增强的信噪比以及伪影的减少上。

1、对高宽厚比样品的卓越分辨率

CL中采用的倾斜旋转有助于实现更高的放大倍率，这直接导致扁平部件体素分辨率的提高。与CT不同（在CT中几何约束可能限制样品靠近X射线源），CL允许更靠近定位，即使是在较大的平面物体上也能聚焦于仅几十微米的特征。例如，尼康XTH平台允许实施X射线叠层成像，并通过使用倾斜的旋转轴显著提高了高宽厚比部件的体素分辨率。这种方法允许部件更靠近X射线源旋转，即使是在大型扁平物品上也能聚焦于微小特征。研究已证明CL在诸如印刷电路板（PCB）检测等应用中的有效性，其在密集平面物体中成像内部和近表面结构的能力超越了传统CT。

2、CL中相比CT改善的信噪比（SNR）

在X射线计算机层析成像中，倾斜的旋转确保X射线束在扫描的大部分过程中穿过扁平样品相对恒定且最小的厚度。这种一致的透射与CT中遇到的透射变化形成对比，尤其是在对扁平物体成像时，光束在某些角度下可能穿过最长的尺寸。通过避免沿物体平面的这些长X射线路径，CL最小化了光子匮乏（photon starvation）现象（即X射线束因吸收而损失过多光子，导致信号微弱且噪声大）。结果是，对于扁平样品，CL图像的信噪比（SNR）比CT有所改善，因为到达探测器的更强信号有助于产生更清晰、更详细的重建图像。

3、减少扁平样品成像特有的伪影

X射线计算机层析成像独特的扫描几何结构还能有效减少在利用传统CT对扁平样品成像时特别成问题的伪影。在CL中倾斜旋转轴可以操纵样品内高密度特征的投影方式。通过将这些高衰减区域定位在较低密度感兴趣区域的上方或下方旋转，CL可以最大限度地减少它们的干扰以及可能掩盖关键细节的伪影。这在诸如检测可能仍附着在致密基板上的增材制造金属部件等应用中特别有益。此外，CL可以减轻因采样不足而产生的伪影，这在扁平样品的CT扫描中可能是一个重大问题，因为某些投影角度可能无法获取或由于透射有限而提供非常嘈杂的数据。例如，实验室CL方法已被证明可以产生比常用于平面样品的有限角度CT扫描配置更少伪影的重建图像。

四. X射线计算机层析成像的多样化应用

X射线计算机层析成像的独特能力使其在广泛的科学和工业领域成功应用，为传统CT通常无能为力的扁平、高宽厚比样品的内部结构提供了宝贵的见解。

1、材料科学与工程

在材料科学与工程领域，CL是一种强大的无损检测与评估工具。它常被用于检测材料内部的缺陷，如空隙和裂纹，以及分析颗粒分布和形态。在计量学领域，CL能够对复杂部件（包括通过增材制造等先进制造技术生产的部件）的内外几何结构进行精确测量。它在检测由纤维增强复合材料制成的轻量化结构（如直升机和风能设备的转子叶片）方面的能力尤其值得注意。

2、生物学与植物学研究

CL在生物学和植物学研究中也发现了重要用途。其成像大型生物样品（甚至接近米级尺寸）的能力克服了传统显微技术常遇到的大小限制。研究人员利用CL研究各种植物标本（包括叶子）的复杂三维解剖结构，为理解其结构和功能提供了宝贵数据。此外，CL的无损特性使其成为古生物学中的宝贵工具，可以在无需物理处理（可能损坏这些珍贵文物）的情况下详细检查扁平化石。

3、电化学器件与电池检测

电化学器件领域，特别是电池技术，极大地受益于CL的应用。它被广泛用于锂离子电池（电动汽车和便携式电子设备中的关键组件）的无损检测，实现质量保证和制造过程的优化。CL可以揭示电池组件（如电极）的内部排列，识别空隙或异物颗粒等缺陷，并评估电池单元的整体结构完整性。

图 2 - CL用于软包电池应用

4、印刷电路板（PCB）分析

CL最突出的应用之一在于印刷电路板（PCB）的检测，PCB是几乎所有电子设备的基本组件。CL是检查焊点的理想选择，可确保正确连接并检测诸如空隙或桥接等缺陷。它还可以可视化多层PCB的内部层，并评估组件的放置和完整性。对于密集封装的双面PCB和球栅阵列（BGA），CL能够生成接触区域的分层图像而不会叠加另一侧的组件，这一能力尤其具有优势。

图 3 – PCB的CL成像示例

5、太阳能电池板检测

CL在太阳能电池板质量控制方面的潜力也在被探索中。其无损特性允许检查内部结构并检测可能影响电池板效率和寿命的缺陷。通过揭示太阳能电池内部的裂纹、分层或不一致性，CL有助于改进制造工艺和实现更可靠的太阳能系统。

6、文化遗产物品检查

CL的无损能力使其成为检查扁平文化遗产物品的宝贵工具。可以分析绘画以揭示底层的草图或图层，提供关于艺术家技法和绘画历史的见解。可以在不展开的情况下检查纸莎草卷轴和古代文献，在保持其脆弱状态的同时揭示其内容。可以检查木制雕像和其他文物是否存在内部损伤或构造方法。

7、新兴应用领域

除了这些已建立的领域，CL还在不断发现新的应用。其在生物医学研究中成像组织和器官、研究多孔介质中的流体流动以及其他各种领域的潜力正在被积极探索。

X射线计算机断层叠层成像的多功能性突显了其作为一种强大技术在众多学科中对扁平结构进行无损内部研究的重要性。其在克服传统CT在这些场景中的局限性的能力，使其成为研究、开发和质量控制领域日益宝贵的工具。

五. 用于X射线计算机断层叠层成像数据

重建的开源软件工具

通过X射线计算机层析成像获取的数据的处理和重建严重依赖于复杂的软件工具。开源软件的可用性在推动该领域发展方面发挥了关键作用，为研究人员和从业者提供了可访问和可定制的平台来满足其成像需求。

可用于重建的部分软件包括：

（1）CIL

（2）Astra Toolbox

（3）Nikon CT Pro 3D

（4）ZEISS XMReconstructor

（5）Dragonfly

（6）Matlab

（7）TIGRE

CCPi核心成像库 (CIL)

CCPi核心成像库（CIL）是一个多功能且主要基于Python的开源框架，专门为层析成像（包括X射线计算机断层叠层成像）而设计。CIL提供了一套全面的工具，涵盖层析成像的每个阶段，从加载和预处理原始数据，到实施复杂的重建算法，再到可视化生成的三维体积。CIL的关键优势之一在于其模块化优化框架，允许用户原型化和实施广泛的重建方法，包括特别适合处理具有挑战性的CL数据的方法。该库支持标准解析方法，如滤波反投影（FBP）和Feldkamp Davis Kress（FDK），也支持更先进的迭代重建技术（这些技术通常对于从噪声或数据不完整的CL数据集获得高质量结果是必要的）。为便于使用，CIL提供了详尽的文档和一系列示例（包括Jupyter Notebook），涵盖了从基本用法到高级重建策略的广泛主题。

聚焦CL数据重建算法（FBP, FDK）

CCPi核心成像库（CIL）和Tofu都提供了基本重建算法（如滤波反投影（FBP）和Feldkamp Davis Kress（FDK））的实现，这些算法可以调整并应用于X射线计算机层析成像数据的重建。FBP是一种广泛使用的解析算法，特别适用于平行束断层成像，并可适用于同步辐射叠层成像中常见的平行束几何结构。对于实验室系统中常见的锥束层析成像设置，通常采用FDK算法（一种为锥束几何结构设计的FBP扩展算法）。虽然这些解析方法提供了计算效率，但CIL和Tofu也支持各种迭代重建算法。迭代方法对于CL数据特别有价值，因为它们能比解析方法更有效地处理噪声、数据不完整和非标准采集几何结构，通常能带来图像质量的改善。

六. 应对X射线计算机层析成像的局限性

七. 第四代同步辐射X射线源

对X射线计算机层分成像的影响

八. 在X射线计算机层析成像数据处理中

利用人工智能

人工智能（AI）领域，特别是通过深度学习的进步，正日益融入X射线计算机断层析成像数据处理中，为提高图像质量、分辨率和分析能力提供了强大的新方法。

1、AI增强的重建算法

人工智能算法，特别是深度学习模型，在提高CL重建质量方面展现出巨大潜力。通过在大型CL数据集上进行训练，这些AI模型可以学习复杂的模式和关系，这些通常难以用传统重建算法捕捉。这种学习使AI能够有效降低噪声、减轻CL中可能出现的各种伪影，甚至提高稀疏视图或低剂量数据集重建的准确性，从而增强图像质量。此外，AI可以处理更复杂的任务，例如填充投影域中缺失的数据点或校正CL扫描几何结构固有的伪影。

2、通过AI实现超分辨率成像

AI在X射线计算机断层析成像中的另一个激动人心的应用是超分辨率成像领域。深度学习模型可以被训练为以较低分辨率的CL扫描作为输入，并生成分辨率显著更高的输出图像，揭示原本无法区分的更精细细节。这种能力对于成像扁平样品特别有价值，因为通过传统方法实现极高分辨率可能需要极长的扫描时间或专用设备。AI驱动的超分辨率技术提供了在不牺牲最终重建图像细节水平的情况下实现更快扫描的潜力。例如，使用物理正则化的深度自监督学习架构已被证明可以加速叠层衍射-层析成像（ptycho-laminographic）重建，并显著减少所需的角度采样数量。

3、使用AI自动分割内部结构

CL数据分析通常涉及分割内部结构以识别和量化不同组件或缺陷的繁琐且耗时的任务。人工智能，特别是机器学习算法，被证明在自动化这一过程中非常有效。AI模型可以被训练来识别重建的CL体积内的特定特征或组件，例如PCB中的不同层或生物样品中的单个细胞。一旦训练完成，这些模型可以自动分割这些结构，为研究人员提供有关其大小、形状和分布的定量数据，显著提高数据分析效率并减少手动标注的需要。

结论

敬请期待下一期《精通XCT月刊》！

欢迎评论、点赞和分享。

也欢迎为后续期刊建议主题，

我们很乐意根据读者的需求定制通讯内容 :-)

Francesco Iacoviello 是伦敦大学学院 (UCL) 化学工程系 EIL X 射线设施的实验经理。他于 2012 年在意大利锡耶纳大学获得矿物学和地球科学博士学位，之后前往巴西圣保罗大学，担任该校海洋研究所的 X 射线衍射专家和实验室经理。Francesco 于 2015 年加入 EIL，他的研究领域广泛，涵盖从电化学装置到页岩气岩石、碳捕获和储能系统以及微陨石等地质材料的多尺度 X 射线计算机断层扫描表征。

众星联恒在Francesco Iacoviello博士的授权下将其XCT Mastery Monthly系列翻译为中文并传播，旨在让更多的人了解X射线CT相关的使用技巧、潜在窍门及经验见解，及打造一个专业的交流社区。

科学研究与产业的交流互动，是推动产业发展的重要动力。众星联恒作为EUV-X射线核心部件及解决方案供应商，我们秉承着“技术无界·产业共生”为核心理念，一直致力于打造开放包容的交流平台，不仅希望将优秀成果引入中国，也致力于把中国的科研成果推向世界。