NeuTomPy: Python层析成像数据处理和重建的开源工具箱.

SoftwareX 9（2019）260原始软件出版物NeuTomPy工具箱，用于层析成像数据处理和重建的Python软件包Davide Micielia，b，Triestino Minnitic，Giuseppe GorinibaDipartimento di Fisica，Università della Calabria，via Pietro Bucci，87036 Arcavacata di Rende（科森扎），意大利bDipartimento di Fisica 'G.cSTFC，Rutherford Appleton Laboratory，ISIS Facility，Harwell，OX11 0QX，United Kingdomar t i cl e i nf o文章历史记录：接收21九月2018收到修订版2018年11月12日接受2019年保留字：断层重建软件Tomography中子成像a b st ra ct在这篇文章中，我们介绍了NeuTomPy的，一个新的Python软件包的层析成像数据处理和重建。该工具箱包括预处理算法、伪影去除和广泛的迭代重建方法以及滤波反投影算法。NeuTomPy工具箱主要针对中子断层扫描数据集设计，旨在支持用户和研究人员比较最先进的重建方法并为其数据选择最佳数据处理工作流程的需求事实上，在几种情况下，稀疏视图数据集的采集，以减少扫描时间在中子断层摄影实验。因此，通过迭代方法和先进的图像处理算法来提高重建图像的质量具有很大的兴趣该工具箱采用模块化设计，具有多线程功能，支持Windows、Linux和Mac OS操作系统。NeuTomPy工具箱是开源的，它在GNU通用公共许可证v3下发布，鼓励研究人员和开发人员做出贡献。在本文中，我们提出了一个主要的工具箱功能的概述，最后我们展示了一个典型的使用示例。©2019作者由爱思唯尔公司出版这是CC BY许可下的开放获取文章（http://creativecommons.org/licenses/by/4.0/）中找到。代码元数据当前代码版本v1.0.8用于此代码版本的代码/存储库的永久链接https://github.com/ElsevierSoftwareX/SOFTX_2018_179GNU通用公共许可证GNU GeneralPublic License v3.0使用Git的代码版本控制系统使用Python 3.5或3.6的编译要求、操作环境依赖性Linux、Windows和Mac OS如果可用，链接到开发人员文档/手册https://neutompy-toolbox.readthedocs.io问题支持电子邮件davide. unical.it1. 动机和意义中子层析成像（NT）已成为许多中子源的常规方法，用于非破坏性地研究各种物体的内部结构。Inside Matters的商业软件Oc- topus [1]是一种完善的工具，用于在中子成像束线处记录断层数据然而，这种软件需要大量的投资，通讯作者：Dipartimento di Fisica，Università della Calabria，via Pietro Bucci，87036 Arcavacata di Rende（Cosenza），Italy.电子邮件地址：davide. unical.it（D. Micieli），triestino. stfc.ac.uk（T.Minniti）。https://doi.org/10.1016/j.softx.2019.01.005只能在成像设施中使用Octopus进行初步数据处理。数据分析是实验输出的关键步骤，因此用户通常主要在家中花费时间来优化数据处理这就对免费软件和功能强大的工具提出了强烈的需求，以执行中子数据的数据处理NT中的图像采集非常耗时，到X射线计算机断层摄影（CT），并且在几种情况下，采集欠采样数据集以减少扫描时间并优化实验期间的射束时间使用。当投影数量不满足Nyquist-Shannon条件时，广泛使用的滤波反投影（FBP）算法生成受混叠伪影影响的重建图像迭代重建方法通常优于分析方法，2352-7110/©2019作者。由爱思唯尔公司出版这是CC BY许可下的开放获取文章（http://creativecommons.org/licenses/by/4.0/）。可在ScienceDirect上获得目录列表SoftwareX期刊主页：www.elsevier.com/locate/softxD. Micieli，T. Minniti和G. Gorini / SoftwareX 9（2019）260261π如FBP，以处理欠采样数据集[3]。Octopus软件只提供两种重建方法：FBP和同时代数重建技术（SART）.没有实施现代重建方法。另一方面，几个开放源代码的层析重建工具，但它们主要是为X射线CT和他们还没有准备好处理中子数据。在NT中，一些图像预处理算法是强制性的，以获得准确的重建，即旋转轴倾斜的估计和投影的相关配准、伽马斑点的抑制用于X射线CT的重建工具通常包括一些但不是全部这样的校正算法。例如，ASTRA工具箱[4]是一个Matlab和Python包，为CPU和GPU提供高效的迭代方法实现ASTRA工具箱只专注于重建步骤，不包括任何预处理，后处理算法或读写数据的功能另一方面，Python软件包TomoPy[5]包括几种预处理和后处理算法，并为CPU提供各种迭代重建方法的实现此外，TomoPy还不能处理中子数据，因为它不包括估算旋转轴倾斜和计算投影数据相关校正的功能。此外，TomoPy仅适用于Linux和Mac OS操作系统。MuhRec [6]是唯一一个为NT设计的自由软件。它包括几个过滤器和预处理算法，目前是Octopus的主要免费替代品，用于中子数据的数据处理。然而，在撰写本文时，MuhRec不提供任何迭代重建方法支持。在本文中，我们提出了NeuTomPy的，一个新的Python软件包的层析成像数据处理，这是专门设计的，以弥补上述软件工具的缺点。NeuTomPy工具箱主要针对NT设计该工具箱采用模块化设计，具有多线程功能，支持Windows、Linux和Mac OS操作系统。NeuTomPy工具箱是开源的，它在GNU通用公共许可证v3下发布，允许用户自由使用它，并鼓励研究人员和开发人员做出贡献。在此之前，该包已被用于NT重建方法的比较研究[3，7]，现在免费分发给中子成像社区。2. 软件描述在这里，我们描述了NeuTomPy的架构，并提出了它的主要功能。2.1. 软件构架NeuTomPy工具箱是用Python编写的。我们选择这种编程语言是因为它是开源的，跨平台的，人类可读的，并且允许研究人员轻松使用和贡献。工具箱分为几个子模块，每个子模块代表典型CT重建管道的特定阶段 整个链条如图所示。1.一、NeuTomPy工具箱利用几个Python库进行科学计算和图像处理，即NumPy[8]，NumExpr [9]，SciPy [10]，scikit-image [11]，OpenCV [12]和SimpleITK [13] 。 特别是NeuTomPy与ITK-SNAP [14] 或3DSlicer [15]相结合，是一个完整的CT开源软件套件2.2. 软件功能和示例代码片段NeuTomPy工具箱允许执行典型的CT重建工作流程的步骤（图1）。①的人。第一个任务是读取原始数据集。实现的读取器处理TIFF和FITS文件，并将一堆图像转换为numpy数组。包含原始投影、暗场、平场图像和180 nm投影的数据集可通过以下方式读取：import neutompyasntpproj，dark，flat，proj_180=ntp. read_dataset（proj_180=True）因此，用户可以从对话框中选择要读取的数据。随后，投影数据必须相对于暗场和平场图像进行归一化如果源强度不稳定，图像可以相对于辐射剂量进行归一化[3]。在这种情况下，用户必须指定一个感兴趣区域（ROI），该区域对应于所有投影中未被样本覆盖的背景区域它可以通过三种不同的方式指定：交互式绘制矩形选择，指定ROI例如，要规范化数据并交互式选择剂量ROI，Python指令为：没有rm，没有rm_180=ntp. No_r_m_l_e_p_r_o_j（p_r_o_j，d_a_r_k，f_l_a_t，p_r_o_j_180=p_r_o_j_180，dose_draw=True）其中，函数normalize_proj返回包含归一化投影堆栈的3D数组（ norm ） 和 表 示 180° 处 的 归 一 化 射 线 照 片 的 2D 数 组（norm_180）。NT中的一个常见实验问题是旋转轴相对于检测器的垂直轴的未对准。如[6]所述，函数correction_COR通过最小化在不同垂直位置计算的两个相对射线照片之间的平方误差来评估水平偏移和倾斜角这个任务的Python指令是：不rm=ntp。correction_COR（norm，proj_0，proj_180）其中，proj_0和proj_180分别是0° C和180° C处的投影（原始或标准化）。用户以交互方式选择样本可见的不同ROI随后显示了我们在图中报告。图2是旋转轴校正的示例：校正前后的0°投 影（P0）和180°镜像投影（P翻转）的差异分别显示在左侧和右侧NeuTomPy工具箱包括一个离群值移除，如果满足以下条件，则该离群值移除将像素值替换为邻域像素的中值它偏离中位数超过一定值。该阈值可以由用户指定为全局值或与局部标准偏差成比例。还提供了基于组合小波和傅立叶分析的去噪滤波器，以抑制环形伪影[16]。重建模块包括ASTRA工具箱中实现的所有基于CPU和GPU的2D平行光束几何算法，以及作为ASTRA插件分发的一些其他重建方法可用算法总结于表1中。执行CT重建的说明如下：rec=ntp. reeconstruct（norm，angles， method，parameters）其中，rec是重建体积，angles是包含以弧度表示的视角的一维数组，method是指示要使用的算法的字符串，parameters是包含262D. Micieli，T. Minniti和G. Gorini / SoftwareX 9（2019）260校正后的π不包含样本特征。0Fig. 1. NeuTomPy工具箱可执行的典型CT数据处理步骤示意图。该软件包具有遵循数据处理链的模块化结构。图二. 旋转轴校正的结果：差值P0−P在校正前（左）和校正后（右）翻转。旋转轴是正确确定的，如果差异π图像P −P翻转重建算法方法和参数的允许值遵循ASTRA工具箱的约定，在文档中报告[17]。例如，以下指令用于计算GPU支持的具有汉明滤波器的FBP重构rec=ntp. reeconstruct（norm， angles，method =“FBP_CUDA“，parametes ={“FilterType“：“hamming“}）而具有100次迭代和限制在范围[0，2]内的像素值的SIRT重建可以通过以下方式执行：rec=ntp. reeconstruct（nrm， ngles，method =“SIRT_CUDA“，parameters ={“iterations“：100，“MinConstraint“：0. 0，“MaxConstraint“=2。0}）。NeuTomPy工具箱允许比较和评估不同重建算法在多个图像质量指标方面的性能实施的度量是对比度噪声比（CNR）[3]、归一化均方根误差（NRMSE）[3]、边缘质量度量[3]和结构相似性指数（SSIM）[18]。3. 说明性实例在这里，我们展示了执行几种重建算法的可能性，并使用NeuTomPy工具箱定量比较它们。我们使用了一个幻影样本的中子图像表1Neu- TomPy软件中包含的二维平行射束几何学CT重建方法列表。方法CPUGPU英国石油公司[2]XX法国国家银行[2]XX艺术[2]XSART [2]XXCGLS [19]XXSIRT [20]XX[21]第二十一话XXMR-FBP [22]XX在英国ISIS中子源的IMAT束线[23，24]处获得。在先前的工作中已经分析过的体模[3]是一个铝圆柱体，含有四个不同直径的孔，并填充有铁粉。对于CT重建，我们使用了欠采样数据集，其投影数量为Nyquist-Shannon条件所需的投影数量的1/3。我们进行了FBP，SIRT和CGLS重建，我们比较他们的图像质量指标NRMSE，SSIM和CNR。我们认为SIRT重建（200次迭代）的全视图数据集，这是采样满足CNR的计算考虑了包括一根铁棒的ROI，D. Micieli，T. Minniti和G. Gorini / SoftwareX 9（2019）260263图三. 使用FBP、SIRT（200次迭代）和CGLS（10次迭代）获得的体模样本重建图像的比较。在每个图像下方，样品内的衰减系数值的直方图在范围[0，0.7] cm-1内表示。第二个ROI在样本之外结果示于图3.第三章。很明显，这两种迭代算法优于FBP方法。事实上，CGLS和SIRT重建比FBP具有更高的CNR和SSIM以及更低的NRMSE，这表明图像质量更好。通常，投影数据中的欠采样和噪声然而，与FBP重建不同，CGLS和SIRT图像的特征在于灰度值的双峰分布，这反映了样品的组成。为了简洁起见，这里省略了这个分析的源代码。然而，这个例子和其他例子的源代码可以在GitHub存储库中找到。4. 影响数据处理是NT实验的最后一步，但它对解释结果至关重要先进的图像处理算法可以从数据中提取隐藏信息，减少断层扫描时间。因此，需要专门为中子数据设计的新软件工具来比较最先进的图像处理算法。研究强大的方法和工具来提高图像质量意味着从NT实验中获得更好的输出然而，最先进的迭代重建方法未在Octopus和MuhRec（NT重建的领先软件）中实现NeuTomPy工具箱解决了这一缺点，因为它可以处理中子数据，并允许执行和比较几种迭代重建方法。研究人员可以使用Neu- TomPy工具箱为他们的特定问题定义最佳数据处理流程。代码是开源的，因此邀请开发人员和研究人员做出贡献。5. 结论在本文中，我们提出了NeuTomPy的，一个新的Python软件包的层析成像数据处理。我们证明，该工具箱已准备好处理中子数据，并允许研究人员为他们的具体调查陈述最佳数据处理工作流程。第一个版本包括预处理算法、伪影去除和广泛的经典和最先进的重建方法。关于NeuTomPy工具箱支持Windows、Linux和Mac OS操作系统，并以开源形式发布研究人员可以自由使用它并为项目做出贡献。未来的发展将涉及预处理算法的改进（例如，散射校正），增加新的重建方法，最后实现图形用户界面（GUI）。致谢我 们 确 认 CNR-STFC 协 议 2014-2020 （ N 。 3420 2014-2020年），涉及在ISIS的Spanitus中子源开展科学研究方面的合作，以获得财政支持。引用[1]内部事务。章鱼成像软件，https://octopusimaging.eu/。[2]Kak AC，Slaney M.计算机断层成像原理。工业与应用数学学会，2001年。[3][10]杨文，李文，李文，李文. 比较中子层析成像重建方法的研究J Instrumum 2018;13（06）：C06006。http://dx.doi.org/10.1088/1748-0221/13/06/C06006网站。[4]van Aarle W，Palenstijn WJ，Cant J，Janssens E，Bleichrodt F，DabravolskiA，Beenhouwer JD，Batenburg KJ，Sijbers J.使用ASTRA工具箱进行快速灵活的X射线断层扫描。Opt. Express 2016;24（22）：25129-47. http://dx.doi的网站。org/10.1364/OE.24.025129。[5][10]杨晓，陈晓，陈晓.Tomopy：分析框架同 步 加 速 器 断 层 扫 描 数 据 J Synchrotron Radiat 2014;21 （ 5 ） ：1188http://dx.doi.org/10.1107/S1600577514013939网站。[6]美联社. MuhRec-new断层重建器。Nucl仪器方法-ods Phys Res A 2011;651（1）：156-60. http://dx.doi.org/10.1016/j.nima.2011的网站。01.129。[7][10]杨文，王文，王文.加速中子层析成像通过基于人工神经网络的重建实验Sci. Rep. 2019;9（2450）.http://dx.doi.org/10.1038/s41598-019-38903-1网站。[8]van der Walt S，Colbert SC，Varoquaux G.numpy数组：一个用于高效的数值计算Comput Sci Eng 2011;13（2）：22网址：//dx.doi.org/10.1109/MCSE.2011.37网站。[9]NumExpr文档。 2018年12月28日，中国科学院出版社。https://numexpr.readthedocs.io/[10]Jones E，Oliphant T，Peterson P，et al. SciPy. 2001年[11]van der Walt S，Schönberger JL，Nunez-Iglesias J，Boulogne F，WarnerJD，Yager N，Gouillart E，Yu Ta. scikit-image：Python中的图像处理。PeerJ 2014;2. e453。http://dx.doi.org/10.7717/peerj.453网站。[12]布拉德斯基湾OpenCV库博士多布软件。工具2000。[13]杨文龙，李晓梅.图像分析笔记本：教育和可重复研究的协作环境。J. Digit.Imaging 2018;31（3）：290-303. http://dx.doi.org/10.1007/s10278-017-0037-8.264D. Micieli，T. Minniti和G. Gorini / SoftwareX 9（2019）260[14][10]杨文辉，杨文辉，杨文辉，杨文辉，杨文辉.解剖结构的用户引导3D活动轮廓分割：显著提高了效率和可靠性。神经影像2006;31（3）：1116[15]2005年10月27日，美国加利福尼亚州，加利福尼亚州。3D Slicer作为定量成像网络的图像计算平台。玛格理由。Imaging 2012;30（9）：1323网址：//dx.doi.org/10.1016/j.mri.2012.05.001网站。[16] Münch B，Trtik P，Marone F，Stampanoni M.小波-傅立叶滤波联合去除条纹 和环形伪 影 OptExpress2009;17（10）：8567.http://dx.doi.org/10.1364/OE.17.008567网站。[17]ASTRA工具箱文档。2018年，https://www.astra-toolbox.com/docs/algs/index.html。[18]Wang Z，Bovik AC，Sheikh HR，Simoncelli EP.图像质量评估：从误差可见性 到 结 构 相 似 性 。 IEEE 传 输 图 像 处 理 。 2004;13 （ 4 ） ： 600-12.http://dx.doi.org/10.1109/TIP.2003.819861网站。[19] Scales Ja. 共 轭 梯 度 法 层 析 反 演 。 地 球 物 理 1987;52 （ 2 ） ： 179.http://dx.doi.org/10.1190/1.1442293网站。[20]Gilbert P.从投影进行物体三维重建的迭代方法。J Theoret Biol 1972;36（1）：105-17. http://dx.doi.org/10.1016/0022-5193（72）90180-4.[21] Pelt DM，Batenburg KJ.利用人工神经网络从有限数据进行快速层析重建IEEETransImageProcess2013;22（12）：5238http://dx.doi.org/10.1109/TIP.2013.2283142网站。[22] Pelt DM ， Batenburg KJ.通 过数 据相 关滤 波改 进 滤波 反投 影重 建 IEEETransImageProcess2014;23（11）：4750-62.http://dx.doi.org/10.1109/TIP.2014.2341971网站。[23]杨文伟，王晓，王晓伟.新的中子成像和材料科学设施的特性。核仪器方法物理研 究 A2018;888 ： 184-95 。 http://dx.doi.org/10.1016/j 的 网 站 。nima.2018.01.037网站。[24] Minniti T，et al.新的中子成像设施IMAT@ISIS上的材料分析机会J. Instr.2016;11：C03014。http://dx.doi.org/10.1088/1748-0221/11/03/C03014。