改進決策樹算法的CT掃描儀球管故障檢測方法

2025-04-16 00:00:00吳凱

粘接 2025年2期

摘要：針對CT掃描儀球管受多種條件影響會產生故障問題，研究了基于改進決策樹算法的CT掃描儀球管故障檢測方法。通過最佳閾值方式處理CT掃描儀球管監測圖像，分割圖像中球管故障目標特征。在特征所在區域融合時間參數建立掃描儀球管故障概率函數，根據掃描儀球管故障特征潛在規律采用數學歸納法故障概率轉移矩陣，選擇模糊集合改進決策樹算法，以模糊集合對應故障影響條件，獲取CT掃描儀球管故障檢測結果。以3種類型CT掃描儀作為測試對象，按照CT掃描儀球管掃描時間對照不同的故障情況。實驗結果表明，所研究方法可以實現精準的掃描時間跟蹤，能夠達到各類型故障情況精準檢測的目標。

關鍵詞：改進決策樹算法；CT掃描儀；球管故障；檢測方法

中圖分類號：TQ050.4；R318.6文獻標志碼：A文章編號：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，一旦其發生故障問題會嚴重影響CT掃描儀設備的運行，為此科研人員展開了對CT掃描儀球管故障的檢測研究。如從分析CT設備機械系統結構組成入手，按照其功能原理探討常見故障發生原因，建立基于系統結構的球管故障檢測方法。該方法通過控制信號逐一識別球管故障源，依據設備的成像原理對故障源進行分類，在確定不同型號掃描儀設備后建立球管檢測模型，結合掃描儀設備類型確定歷史故障數據，根據數據變動情況實現故障檢測[1]。通過劃分球管故障性質類別，制定掃描儀故障類別表，依據故障點間歐幾里得距離建立球管故障二維數學模型。在二維模型中以最小化目標函數確定故障目標，按照強關聯性對應故障類別表中的目標元素檢測球管設備的不同故障類型[2]。為實現更高精度的球管故障檢測，選擇改進決策樹算法設計CT掃描儀球管故障檢測方法，以期為實現數字化設備維護提供理論支持。

1最佳閾值方式分割CT掃描儀球管故障目標特征

對CT掃描儀球管故障檢測的前提和依據是獲取其實時數據，以數字圖像形式表示CT掃描儀球管各個目標檢測區域，由于故障區域會存在自身特定的性質，其與正常區域產生不同的閾值，選擇最佳閾值方式分割CT掃描儀球管圖像中所需的目標，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域，步驟為：

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

在對CT掃描儀球管監測圖像分割過程中，首先要選擇一個近似閾值作為n0，通過產生的對應圖像特性選擇新閾值，經過多次循環獲取最明顯故障目標特征，當nv+ 1= nv時，可以結束循環，此時故障目標特征區間為[bq bw] ，否則以v= v+ 1重新代入式（2）[4]。結束分割后，說明在CT掃描儀球管檢測圖像中提取到了故障區域特征。

2對應目標特征區間建立掃描儀球管故障概率函數

概率分布方式能夠描述隨機變量性質，由于CT掃描儀球管故障自身是一個隨機性事件，在實際應用中選擇概率函數對CT掃描儀球管故障作出假設，作為后續故障計算檢測的依據。當掃描儀球管運行到某一時間時，單位時間內發生故障的概率即為故障率，在特征區間[bq bw] 中加入與時間相關的函數，此時故障率函數表示為：

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

3數學歸納法構建CT掃描儀球管故障概率轉移矩陣

CT掃描儀球管故障作為一個小樣本和貧信息的不確定系統，其故障產生概率具有不確定性和隨機性，以數學歸納法總結故障特征潛在的變化規律，確定其變化的有序邊界[7-9]。f（bq bw）是一個隨機過程，在這個過程中掃描儀球管會存在不同的狀態空間，存在有：

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

[

式中：[ta] 為經過a次的轉移矩陣；[t]為一次轉移矩陣；a+ 1為遞進的下一次轉移。在建立故障概率轉移矩陣時，要求矩陣中的任意元素為非負，即

通過對故障特征隨機變化的過程設定狀態空間，按照其自身的轉移條件建立故障概率轉移矩陣，在隨機變化過程中若僅存在一個影響條件，即只考慮一種故障產生的影響條件時，可直接采用式（12）計算。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，采用決策樹確定每一種特性的隸屬度，對應檢測不同情況下的掃描儀球管故障。

4改進決策樹算法確定隸屬度檢測掃描儀球管故障

考慮到掃描儀球管具有隨機性和不確定性，僅使用傳統的決策樹算法無法滿足實際需求。因此，選擇了改進的基于模糊集合理論的決策樹算法，通過處理不確定信息來提高準確性。將影響球管故障的特征因素表示為模糊證據的組合，其中每個特征的隸屬度可作為故障發生的直接判斷證據。因此，特征的隸屬度被用作故障檢測的證據。計算公式如下：

式中：TY為決策樹分支上的模糊證據集合；TUI為證據屬性；Y為決策樹中的一個非葉子節點；TP為證據樣本；P為數量；WR為決策類型；pos為模糊正域；QWR、Qpos分別為WR、pos隸屬函數[12]。通過QWR、Qpos反計算WR、pos相對于條件TY、TUI的依賴程度和可信程度，計算過程為：

式中：S（TY n TUI WR）為WR相對于TY、TUI依賴度；TY TUI WR為決策類型WR在TY TUI中可信度；TY TUI為證據屬性TUI在集合TY中的條件比重[13-14]。根據計算結果確定證據集合的隸屬度，實現故障檢測：

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

在不同的證據屬性中確定每個證據的依賴度，且依賴度最高點可以作為屬性在決策樹中的根節點，將結點無限度的展開能夠計算每一個條件類型的可信度，以此實現對應屬性下掃描儀球管的故障概率隸屬度，實現故障檢測。

5實驗測試分析

球管是CT掃描儀設備中的重要組成部分，而且球管的成本相對較高，因此對其進行故障檢測非常重要。由此提出了一種改進的決策樹算法下的CT掃描儀球管故障檢測方法，為了驗證這種方法的實用性，采用對比測試的方式進行驗證。CT掃描儀球管具有特定的壽命，在經歷了數萬次曝光后，只有在燈絲受損的情況下才會出現故障。因此，在實際維修工作中，CT掃描儀故障被視為典型的小樣本和貧信息系統，在醫院數據庫中故障樣本數量較少。

為了確保獲取準確可靠的實驗結果以分析檢測方法的應用效果，需要選擇合適的實驗數據集。通過綜合國內知名醫院的數據庫平臺，并對實際工作中收集到的數據進行整合和分析，總結出了以下結論：當CT球管的燈絲斷裂或旋轉陽極損毀時，會在掃描過程中出現故障問題，表現為燈絲開路或半開路、掃描噪音。為了說明這一點，以CT球管的使用時間為例，在數據庫中篩選出不同型號的CT球管的歷史數據作為測試樣本，詳見表1。

由表1可知，此次選擇3種型號CT掃描儀作為測試對象，不同掃描儀球管故障類型出現重疊部分，也存在差異情況，主要是受掃描時間影響。VoluMax-800型號設備的掃描時間較長；Xradia-510-Versa型號掃描儀掃描時間居中；Xradia-Context-micro設備掃描時間較少。由于此次對球管故障的判斷以掃描時間為基準，為保證測試效果將故障發生類型與掃描時間的關系劃分為4種狀態，表示為：

式中：m0表示“正常狀態”；m1為“掃描噪聲”狀態；m2表示“燈絲半開路”；m3為“燈絲開路”狀態。

根據對CT掃描儀球管掃描狀態的分類，若不能實現掃描時間的精準檢測，可能導致CT球管故障類型誤判，對其后續的維修工作造成干擾，若不能及時或準確判斷故障類型，會造成難以挽回的經濟損失。在此基礎上，確定測試環境和對照方法，如下：（1）編程語言：JAVA；

（2）開發IDE：NET-BEANS8.35；

（3）版本：JDKI1.7.2.65；

（4）操作系統：WINDOWS.10；

（5）對照組：基于折半查找算法的故障檢測方法、基于系統結構分析的故障檢測方法。

為保證此次測試環境的公平性和測試系統的可操作性，在平臺中直接采用WEKA開源數據包導入測試樣本，并通過JAVA-SWING圖像界面直接顯示實驗結果。連接3組檢測方法至測試平臺，分別對不同型號的CT掃描儀球管故障數據進行檢測，結果見圖1。

由圖1可知，所研究方法可以實現一致性的檢測結果，即與實際故障數據保持一致，能夠對CT掃描儀球管的故障類型作為準確判斷，而2組傳統方法獲取的故障數據與實際情況存在誤差，且誤差較大，會出現“燈絲半開路”誤判為“燈絲開路”或“掃描噪聲”的情況，會影響CT掃描儀球管的維修進度。

6結語

隨著醫療科技的進步，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，若發生故障將嚴重影響掃描質量和病人診斷的準確性。因此，提出了一種基于改進決策樹算法的CT掃描儀球管故障檢測方法，旨在提高故障檢測的準確性。盡管該檢測方法取得了顯著的成功，但仍有一些方面值得進一步研究。例如，可以探索是否可以應用其他算法來替代決策樹，以實現更強大的故障檢測能力。在后續的研究中，將著重深化和完善這個問題。

【參考文獻】

[1]楊坤，邵蕾，楊佳泓.數字減影血管造影設備機械系統結構功能和典型故障分析[J].中國醫學裝備，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設備故障查找[J].影像科學與光化學，2023，41（1）：130-135.

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

[4]程凱.基于卷積神經網絡的化工旋轉機械故障識別[J].粘接，2022，49（4）：88-92.

[5]陳峰標.基于B/S架構的高速公路機電設備檢維修系統設計[J].粘接，2022，49（4）：154-159.

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

[7]王晗，秦瑞玲，周正，等.多層螺旋CT雙低技術掃描在肺動脈血管成像中的應用[J].鄭州大學學報（醫學版），2022，57（4）：496-500.

[8]張波，王堅俊，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].熱力發電，2021，50（12）：145-152.

[9]謝鑫，張賢勇，楊霽琳.鄰域等價關系誘導的改進ID3決策樹算法[J].計算機應用研究，2022，39（1）：102-105.

[10]黎衛國，張長虹，楊旭，等.一種彈簧操作機構合后即分故障分析[J].高壓電器，2021，57（6）：246-252.

[11]劉彥寧，賈秀萍，李爽，等.基于模糊綜合評價法的國產與進口CT滿意度評價分析[J].中國醫院管理，2021，41（6）：83-86.