东南大学团队多能X射线智能成像研究获重要进展

图.(A)多能X射线成像及智能物质识别系统的工作原理图;(B)该系统对鸡爪的成像与生物组织识别结果。

近日，东南大学多维探测与智能识别团队在多能X射线成像与物质智能识别方向研究取得新进展。相关成果以“基于单极性钙钛矿探测器的多能X射线成像及智能物质识别”(“Multi-energy X-ray imaging enabled by unipolar perovskite detector for intelligent substance identification”)为题，发表在国际学术期刊《科学进展》(Science Advances)上。该研究基于自研单极性钙钛矿X射线探测面板，提出了一种无需单光子计数、依靠“电压编码能量”的多能成像新方案，实现了对未知物质的自动识别与伪彩上色。

该研究通过构筑单极性n–i–n钙钛矿X射线探测器，使该器件对电子的选择性收集远强于空穴，并利用外加电压调控内部电场与漂移长度，将连续谱X射线“分解”为多个能量通道;再结合多电压下的光电流解耦算法，使该器件在普通X射线源条件下即可获得多能图像，从而具备高通量、高灵敏度与良好空间分辨率。

该研究通过构筑单极性n–i–n钙钛矿X射线探测器，使该器件对电子的选择性收集能力远强于对空穴的收集能力;并利用外加电压调控内部电场与漂移长度，将连续谱X射线“分解”为多个能量通道;再结合多电压下的光电流解耦算法，使该器件在普通X射线源条件下即可获得多能图像，从而具备高通量、高灵敏度与良好空间分辨率的优异性能。

在此基础上，研究团队进一步建立了面向实际应用的“多能材料库”和智能识别流程：首先利用不同能量通道的吸收信息，对每个像素的线衰减系数进行归一化处理，构建由若干σ(Ei)/σ(Ej) 组成的“能量指纹”，弱化样品厚度和剂量波动的影响;随后针对常见金属、聚合物以及生物组织等材料，采集标准样本数据，统计其能量指纹分布，形成可视化的材料数据库。成像时，系统将未知像素的能量指纹与材料库逐一比对，并结合距离度量和机器学习分类算法，实现逐像素自动判别与伪彩上色，使得在复杂叠层和厚度变化条件下，不同材料仍能在X射线图像中“各显其色、一目了然”。

本论文第一作者为东南大学电子科学与工程学院李雨巍博士生，东南大学徐晓宝教授、雷威教授以及瑞典林雪平大学高峰教授为共同通讯作者。本研究得到国家重点研发计划、国家自然科学基金、江苏省自然科学基金等项目资助。

审核编辑 黄宇