摘要：針對(duì)CT掃描儀球管受多種條件影響會(huì)產(chǎn)生故障問(wèn)題，研究了基于改進(jìn)決策樹(shù)算法的CT掃描儀球管故障檢測(cè)方法。通過(guò)最佳閾值方式處理CT掃描儀球管監(jiān)測(cè)圖像，分割圖像中球管故障目標(biāo)特征。在特征所在區(qū)域融合時(shí)間參數(shù)建立掃描儀球管故障概率函數(shù)，根據(jù)掃描儀球管故障特征潛在規(guī)律采用數(shù)學(xué)歸納法故障概率轉(zhuǎn)移矩陣，選擇模糊集合改進(jìn)決策樹(shù)算法，以模糊集合對(duì)應(yīng)故障影響條件，獲取CT掃描儀球管故障檢測(cè)結(jié)果。以3種類型CT掃描儀作為測(cè)試對(duì)象，按照CT掃描儀球管掃描時(shí)間對(duì)照不同的故障情況。實(shí)驗(yàn)結(jié)果表明，所研究方法可以實(shí)現(xiàn)精準(zhǔn)的掃描時(shí)間跟蹤，能夠達(dá)到各類型故障情況精準(zhǔn)檢測(cè)的目標(biāo)。

關(guān)鍵詞：改進(jìn)決策樹(shù)算法；CT掃描儀；球管故障；檢測(cè)方法

中圖分類號(hào)：TQ050.4；R318.6文獻(xiàn)標(biāo)志碼：A文章編號(hào)：1001-5922（2025）02-0184-05

Improved CT scanner tube fault detection method based on decision tree algorithm

WU Kai

（Tianjin University，Tianjin 300072，China）

Abstract：In view of the problem that the CT scanner tube will fail due to various conditions，a CT scanner tube fault detection method based on improved decision tree algorithm was studied.The CT scanner tube monitoring im-age was processed by the optimal threshold method，and the target features of tube failure in the image were seg-mented.The probability function of scanner tube failure was established by fusing the time parameters in the area where the feature is located，and the failure probability transfer matrix of the mathematical induction method was used according to the latent law of the scanner tube fault feature，and the fuzzy set was selected to improve the deci-sion tree algorithm，and the fault detection results of the CT scanner tube were obtained by fusing the fault influence condition corresponding to the fuzzy set.Three types of CT scanners were used as test objects，and different fault conditions were compared according to the CT scanner tube scanning time.Experimental results showed that the proposed method could achieve accurate scanning time tracking and achieve the goal of accurate detection of vari-ous types of faults.

Key words：improving decision tree algorithm；CT scanner；ball tube malfunction；detection method

球管作為CT掃描儀的核心組成部分，一旦其發(fā)生故障問(wèn)題會(huì)嚴(yán)重影響CT掃描儀設(shè)備的運(yùn)行，為此科研人員展開(kāi)了對(duì)CT掃描儀球管故障的檢測(cè)研究。如從分析CT設(shè)備機(jī)械系統(tǒng)結(jié)構(gòu)組成入手，按照其功能原理探討常見(jiàn)故障發(fā)生原因，建立基于系統(tǒng)結(jié)構(gòu)的球管故障檢測(cè)方法。該方法通過(guò)控制信號(hào)逐一識(shí)別球管故障源，依據(jù)設(shè)備的成像原理對(duì)故障源進(jìn)行分類，在確定不同型號(hào)掃描儀設(shè)備后建立球管檢測(cè)模型，結(jié)合掃描儀設(shè)備類型確定歷史故障數(shù)據(jù)，根據(jù)數(shù)據(jù)變動(dòng)情況實(shí)現(xiàn)故障檢測(cè)[1]。通過(guò)劃分球管故障性質(zhì)類別，制定掃描儀故障類別表，依據(jù)故障點(diǎn)間歐幾里得距離建立球管故障二維數(shù)學(xué)模型。在二維模型中以最小化目標(biāo)函數(shù)確定故障目標(biāo)，按照強(qiáng)關(guān)聯(lián)性對(duì)應(yīng)故障類別表中的目標(biāo)元素檢測(cè)球管設(shè)備的不同故障類型[2]。為實(shí)現(xiàn)更高精度的球管故障檢測(cè)，選擇改進(jìn)決策樹(shù)算法設(shè)計(jì)CT掃描儀球管故障檢測(cè)方法，以期為實(shí)現(xiàn)數(shù)字化設(shè)備維護(hù)提供理論支持。

1最佳閾值方式分割CT掃描儀球管故障目標(biāo)特征

對(duì)CT掃描儀球管故障檢測(cè)的前提和依據(jù)是獲取其實(shí)時(shí)數(shù)據(jù)，以數(shù)字圖像形式表示CT掃描儀球管各個(gè)目標(biāo)檢測(cè)區(qū)域，由于故障區(qū)域會(huì)存在自身特定的性質(zhì)，其與正常區(qū)域產(chǎn)生不同的閾值，選擇最佳閾值方式分割CT掃描儀球管圖像中所需的目標(biāo)，所有等于或大于閾值的像素均可以判決為故障特征所在區(qū)域，步驟為：

式中：n0為初始閾值估算值；bmax、bmin分別為球管檢測(cè)圖像中故障特征最大、最小灰度值；cq、cw為分割區(qū)域；bq、bw為cq、cw的故障特征灰度均值；（z l） 為圖像中的像素點(diǎn)；x（z l） 為CT掃描儀球管監(jiān)測(cè)圖像（z l） 灰度值；k（z l） 為（z l） 的權(quán)重系數(shù)，取值為k（z l） = 1；nv+ 1為新閾值[3]。

在對(duì)CT掃描儀球管監(jiān)測(cè)圖像分割過(guò)程中，首先要選擇一個(gè)近似閾值作為n0，通過(guò)產(chǎn)生的對(duì)應(yīng)圖像特性選擇新閾值，經(jīng)過(guò)多次循環(huán)獲取最明顯故障目標(biāo)特征，當(dāng)nv+ 1= nv時(shí)，可以結(jié)束循環(huán)，此時(shí)故障目標(biāo)特征區(qū)間為[bq bw] ，否則以v= v+ 1重新代入式（2）[4]。結(jié)束分割后，說(shuō)明在CT掃描儀球管檢測(cè)圖像中提取到了故障區(qū)域特征。

2對(duì)應(yīng)目標(biāo)特征區(qū)間建立掃描儀球管故障概率函數(shù)

概率分布方式能夠描述隨機(jī)變量性質(zhì)，由于CT掃描儀球管故障自身是一個(gè)隨機(jī)性事件，在實(shí)際應(yīng)用中選擇概率函數(shù)對(duì)CT掃描儀球管故障作出假設(shè)，作為后續(xù)故障計(jì)算檢測(cè)的依據(jù)。當(dāng)掃描儀球管運(yùn)行到某一時(shí)間時(shí)，單位時(shí)間內(nèi)發(fā)生故障的概率即為故障率，在特征區(qū)間[bq bw] 中加入與時(shí)間相關(guān)的函數(shù)，此時(shí)故障率函數(shù)表示為：

式中：g（×） 為可靠度函數(shù)；g（bq） 、g（bw） 分別為bq、bw可靠度；j（“） 為故障概率密度函數(shù)；h為掃描儀生命時(shí)間尺度參數(shù)；f（bq） 、f（bw） 為由bq、bw特征產(chǎn)生故障的概率；f（bq bw） 為[bq bw] 區(qū)間發(fā)生故障概率，反映CT掃描儀球管在其生命周期內(nèi)發(fā)生故障的變化情況[5-6]。但由于其產(chǎn)生故障的隨機(jī)性，在時(shí)間變量或其他影響因素下故障事件會(huì)發(fā)生變化，因此需要采用數(shù)學(xué)歸納法總結(jié)故障概率轉(zhuǎn)移條件，建立故障概率轉(zhuǎn)移矩陣。

3數(shù)學(xué)歸納法構(gòu)建CT掃描儀球管故障概率轉(zhuǎn)移矩陣

CT掃描儀球管故障作為一個(gè)小樣本和貧信息的不確定系統(tǒng)，其故障產(chǎn)生概率具有不確定性和隨機(jī)性，以數(shù)學(xué)歸納法總結(jié)故障特征潛在的變化規(guī)律，確定其變化的有序邊界[7-9]。f（bq bw） 是一個(gè)隨機(jī)過(guò)程，在這個(gè)過(guò)程中掃描儀球管會(huì)存在不同的狀態(tài)空間，存在有：

式中：s為狀態(tài)空間，且p o? s；y為特征隨機(jī)選擇空間；a為轉(zhuǎn)移次數(shù)；upo（bq bw） 為故障特征的條件轉(zhuǎn)移狀態(tài)，即CT掃描儀球管在[bq bw] 處于p狀態(tài)下，經(jīng)過(guò)a次轉(zhuǎn)移后成為o狀態(tài)轉(zhuǎn)移條件，其中，a= 1時(shí)，可以表示故障概率的一次轉(zhuǎn)移[10-11]。分別建立a次和一次轉(zhuǎn)移矩陣，如下：

[

式中：[ta] 為經(jīng)過(guò)a次的轉(zhuǎn)移矩陣；[t]為一次轉(zhuǎn)移矩陣；a+ 1為遞進(jìn)的下一次轉(zhuǎn)移。在建立故障概率轉(zhuǎn)移矩陣時(shí)，要求矩陣中的任意元素為非負(fù)，即

通過(guò)對(duì)故障特征隨機(jī)變化的過(guò)程設(shè)定狀態(tài)空間，按照其自身的轉(zhuǎn)移條件建立故障概率轉(zhuǎn)移矩陣，在隨機(jī)變化過(guò)程中若僅存在一個(gè)影響條件，即只考慮一種故障產(chǎn)生的影響條件時(shí)，可直接采用式（12）計(jì)算。但由于CT掃描儀球管工作特性具有差異性，需要考慮每一種特性的影響，采用決策樹(shù)確定每一種特性的隸屬度，對(duì)應(yīng)檢測(cè)不同情況下的掃描儀球管故障。

4改進(jìn)決策樹(shù)算法確定隸屬度檢測(cè)掃描儀球管故障

考慮到掃描儀球管具有隨機(jī)性和不確定性，僅使用傳統(tǒng)的決策樹(shù)算法無(wú)法滿足實(shí)際需求。因此，選擇了改進(jìn)的基于模糊集合理論的決策樹(shù)算法，通過(guò)處理不確定信息來(lái)提高準(zhǔn)確性。將影響球管故障的特征因素表示為模糊證據(jù)的組合，其中每個(gè)特征的隸屬度可作為故障發(fā)生的直接判斷證據(jù)。因此，特征的隸屬度被用作故障檢測(cè)的證據(jù)。計(jì)算公式如下：

式中：TY為決策樹(shù)分支上的模糊證據(jù)集合；TUI為證據(jù)屬性；Y為決策樹(shù)中的一個(gè)非葉子節(jié)點(diǎn)；TP為證據(jù)樣本；P為數(shù)量；WR為決策類型；pos為模糊正域；QWR、Qpos分別為WR、pos隸屬函數(shù)[12]。通過(guò)QWR、Qpos反計(jì)算WR、pos相對(duì)于條件TY、TUI的依賴程度和可信程度，計(jì)算過(guò)程為：

式中：S（TY n TUI WR） 為WR相對(duì)于TY、TUI依賴度；TY TUI WR為決策類型WR在TY TUI中可信度；TY TUI為證據(jù)屬性TUI在集合TY中的條件比重[13-14]。根據(jù)計(jì)算結(jié)果確定證據(jù)集合的隸屬度，實(shí)現(xiàn)故障檢測(cè)：

式中：DTY TUI（TY n TUI WR） 為證據(jù)集合WR相對(duì)于TY、TUI，在條件比重TY TUI的隸屬度[15]。

在不同的證據(jù)屬性中確定每個(gè)證據(jù)的依賴度，且依賴度最高點(diǎn)可以作為屬性在決策樹(shù)中的根節(jié)點(diǎn)，將結(jié)點(diǎn)無(wú)限度的展開(kāi)能夠計(jì)算每一個(gè)條件類型的可信度，以此實(shí)現(xiàn)對(duì)應(yīng)屬性下掃描儀球管的故障概率隸屬度，實(shí)現(xiàn)故障檢測(cè)。

5實(shí)驗(yàn)測(cè)試分析

球管是CT掃描儀設(shè)備中的重要組成部分，而且球管的成本相對(duì)較高，因此對(duì)其進(jìn)行故障檢測(cè)非常重要。由此提出了一種改進(jìn)的決策樹(shù)算法下的CT掃描儀球管故障檢測(cè)方法，為了驗(yàn)證這種方法的實(shí)用性，采用對(duì)比測(cè)試的方式進(jìn)行驗(yàn)證。CT掃描儀球管具有特定的壽命，在經(jīng)歷了數(shù)萬(wàn)次曝光后，只有在燈絲受損的情況下才會(huì)出現(xiàn)故障。因此，在實(shí)際維修工作中，CT掃描儀故障被視為典型的小樣本和貧信息系統(tǒng)，在醫(yī)院數(shù)據(jù)庫(kù)中故障樣本數(shù)量較少。

為了確保獲取準(zhǔn)確可靠的實(shí)驗(yàn)結(jié)果以分析檢測(cè)方法的應(yīng)用效果，需要選擇合適的實(shí)驗(yàn)數(shù)據(jù)集。通過(guò)綜合國(guó)內(nèi)知名醫(yī)院的數(shù)據(jù)庫(kù)平臺(tái)，并對(duì)實(shí)際工作中收集到的數(shù)據(jù)進(jìn)行整合和分析，總結(jié)出了以下結(jié)論：當(dāng)CT球管的燈絲斷裂或旋轉(zhuǎn)陽(yáng)極損毀時(shí)，會(huì)在掃描過(guò)程中出現(xiàn)故障問(wèn)題，表現(xiàn)為燈絲開(kāi)路或半開(kāi)路、掃描噪音。為了說(shuō)明這一點(diǎn)，以CT球管的使用時(shí)間為例，在數(shù)據(jù)庫(kù)中篩選出不同型號(hào)的CT球管的歷史數(shù)據(jù)作為測(cè)試樣本，詳見(jiàn)表1。

由表1可知，此次選擇3種型號(hào)CT掃描儀作為測(cè)試對(duì)象，不同掃描儀球管故障類型出現(xiàn)重疊部分，也存在差異情況，主要是受掃描時(shí)間影響。VoluMax-800型號(hào)設(shè)備的掃描時(shí)間較長(zhǎng)；Xradia-510-Versa型號(hào)掃描儀掃描時(shí)間居中；Xradia-Context-micro設(shè)備掃描時(shí)間較少。由于此次對(duì)球管故障的判斷以掃描時(shí)間為基準(zhǔn)，為保證測(cè)試效果將故障發(fā)生類型與掃描時(shí)間的關(guān)系劃分為4種狀態(tài)，表示為：

式中：m0表示“正常狀態(tài)”；m1為“掃描噪聲”狀態(tài)；m2表示“燈絲半開(kāi)路”；m3為“燈絲開(kāi)路”狀態(tài)。

根據(jù)對(duì)CT掃描儀球管掃描狀態(tài)的分類，若不能實(shí)現(xiàn)掃描時(shí)間的精準(zhǔn)檢測(cè)，可能導(dǎo)致CT球管故障類型誤判，對(duì)其后續(xù)的維修工作造成干擾，若不能及時(shí)或準(zhǔn)確判斷故障類型，會(huì)造成難以挽回的經(jīng)濟(jì)損失。在此基礎(chǔ)上，確定測(cè)試環(huán)境和對(duì)照方法，如下：（1）編程語(yǔ)言：JAVA；

（2）開(kāi)發(fā)IDE：NET-BEANS8.35；

（3）版本：JDKI1.7.2.65；

（4）操作系統(tǒng)：WINDOWS.10；

（5）對(duì)照組：基于折半查找算法的故障檢測(cè)方法、基于系統(tǒng)結(jié)構(gòu)分析的故障檢測(cè)方法。

為保證此次測(cè)試環(huán)境的公平性和測(cè)試系統(tǒng)的可操作性，在平臺(tái)中直接采用WEKA開(kāi)源數(shù)據(jù)包導(dǎo)入測(cè)試樣本，并通過(guò)JAVA-SWING圖像界面直接顯示實(shí)驗(yàn)結(jié)果。連接3組檢測(cè)方法至測(cè)試平臺(tái)，分別對(duì)不同型號(hào)的CT掃描儀球管故障數(shù)據(jù)進(jìn)行檢測(cè)，結(jié)果見(jiàn)圖1。

由圖1可知，所研究方法可以實(shí)現(xiàn)一致性的檢測(cè)結(jié)果，即與實(shí)際故障數(shù)據(jù)保持一致，能夠?qū)T掃描儀球管的故障類型作為準(zhǔn)確判斷，而2組傳統(tǒng)方法獲取的故障數(shù)據(jù)與實(shí)際情況存在誤差，且誤差較大，會(huì)出現(xiàn)“燈絲半開(kāi)路”誤判為“燈絲開(kāi)路”或“掃描噪聲”的情況，會(huì)影響CT掃描儀球管的維修進(jìn)度。

6結(jié)語(yǔ)

隨著醫(yī)療科技的進(jìn)步，CT掃描儀已成為疾病診斷的重要工具。球管作為其中重要的組成部分，若發(fā)生故障將嚴(yán)重影響掃描質(zhì)量和病人診斷的準(zhǔn)確性。因此，提出了一種基于改進(jìn)決策樹(shù)算法的CT掃描儀球管故障檢測(cè)方法，旨在提高故障檢測(cè)的準(zhǔn)確性。盡管該檢測(cè)方法取得了顯著的成功，但仍有一些方面值得進(jìn)一步研究。例如，可以探索是否可以應(yīng)用其他算法來(lái)替代決策樹(shù)，以實(shí)現(xiàn)更強(qiáng)大的故障檢測(cè)能力。在后續(xù)的研究中，將著重深化和完善這個(gè)問(wèn)題。

【參考文獻(xiàn)】

[1]楊坤，邵蕾，楊佳泓.數(shù)字減影血管造影設(shè)備機(jī)械系統(tǒng)結(jié)構(gòu)功能和典型故障分析[J].中國(guó)醫(yī)學(xué)裝備，2023，20（4）：174-176.

[2]王劍，李彥杰.基于折半查找算法的多層螺旋CT設(shè)備故障查找[J].影像科學(xué)與光化學(xué)，2023，41（1）：130-135.

[3]柯偉，金仲平，呂信策，等.二階同步提取Chirplet變換及應(yīng)用于變轉(zhuǎn)速滾動(dòng)軸承故障診斷[J].機(jī)床與液壓，2022，50（14）：176-181.

[4]程凱.基于卷積神經(jīng)網(wǎng)絡(luò)的化工旋轉(zhuǎn)機(jī)械故障識(shí)別[J].粘接，2022，49（4）：88-92.

[5]陳峰標(biāo).基于B/S架構(gòu)的高速公路機(jī)電設(shè)備檢維修系統(tǒng)設(shè)計(jì)[J].粘接，2022，49（4）：154-159.

[6]周臘珍，夏文靜，許倩倩，等.一種基于毛細(xì)管X光透鏡的微型錐束CT掃描儀[J].物理學(xué)報(bào)，2022，71（9）：43-52.

[7]王晗，秦瑞玲，周正，等.多層螺旋CT雙低技術(shù)掃描在肺動(dòng)脈血管成像中的應(yīng)用[J].鄭州大學(xué)學(xué)報(bào)（醫(yī)學(xué)版），2022，57（4）：496-500.

[8]張波，王堅(jiān)俊，韓文芳，等.干式空心電抗器匝間電弧性短路故障特征提取及診斷方法研究[J].熱力發(fā)電，2021，50（12）：145-152.

[9]謝鑫，張賢勇，楊霽琳.鄰域等價(jià)關(guān)系誘導(dǎo)的改進(jìn)ID3決策樹(shù)算法[J].計(jì)算機(jī)應(yīng)用研究，2022，39（1）：102-105.

[10]黎衛(wèi)國(guó)，張長(zhǎng)虹，楊旭，等.一種彈簧操作機(jī)構(gòu)合后即分故障分析[J].高壓電器，2021，57（6）：246-252.

[11]劉彥寧，賈秀萍，李爽，等.基于模糊綜合評(píng)價(jià)法的國(guó)產(chǎn)與進(jìn)口CT滿意度評(píng)價(jià)分析[J].中國(guó)醫(yī)院管理，2021，41（6）：83-86.

[12]于安池，儲(chǔ)茂祥，楊永輝，等.具有強(qiáng)化學(xué)習(xí)策略的決策樹(shù)算法[J].合肥工業(yè)大學(xué)學(xué)報(bào)（自然科學(xué)版），2021，44（5）：616-620.

[13]王生生，陳境宇，盧奕南.基于聯(lián)邦學(xué)習(xí)和區(qū)塊鏈的新冠肺炎胸部CT圖像分割[J].吉林大學(xué)學(xué)報(bào)（工學(xué)版），2021，51（6）：2164-2173.

[14]岳根霞，劉金花，劉峰.基于決策樹(shù)算法的醫(yī)療大數(shù)據(jù)填補(bǔ)及分類仿真[J].計(jì)算機(jī)仿真，2021，38（1）：451-454.

[15]楊亮，吳浩，胡瀟濤，等.基于MRSVD-RF的同桿雙回線路故障識(shí)別[J].電力系統(tǒng)及其自動(dòng)化學(xué)報(bào)，2022，34（1）：65-75.

（責(zé)任編輯：平海，蘇幔）