用新型探测器实现智能识别物质的多能量X光成像

下一代X射线成像探测器亟需具备自动识别和彩色标记未知物体成分的功能。目前基于机器学习的智能识别技术虽在医疗诊断和半导体缺陷检测中取得进展，但仅依赖X射线强度模式，因强度由衰减系数（σ）和厚度（d）共同决定，难以识别未知物质。

解决X射线能量解析可提取物质特异性信息。现有双能X射线成像虽能大致分类有机物、无机物和混合物，但因两个宽能区信号串扰，分辨率低，难以区分密度和原子序数相近的物质。多通道方案（如快速千伏切换CT、双层闪烁体探测器等）又面临时间配准、光谱分离有限等问题。

本研究开发了结合机器学习的多能X射线成像技术，通过单极性n-i-n结构钙钛矿探测器实现能量解析。该探测器采用ITO/Bi-MAPbBr3(n)/MAPbBr3(i)/Bi-MAPbBr3(n)/ITO结构，Bi掺杂使MAPbBr3从弱p型转为n型，电子主导载流子行为。通过调节偏压，可控制不同穿透深度的电子收集，结合定制算法将X射线能量解析为七个通道。

为消除厚度影响，研究将比尔-朗伯定律转换为衰减系数比值p(Ei,Ej)=σ(Ei)/σ(Ej)（Ei、Ej为不同X射线能量），以此作为物质特异性标记。该比值在30-150 keV医用X射线范围内能放大不同物质（如聚合物、肌肉、脂肪、骨骼）的差异。结合机器学习（决策树算法）和常见材料p(Ei,Ej)数据库，实现像素级物质识别。

探测器性能方面，其能量分辨率与商用光子计数探测器相当，可解析七个能量通道。成像面板集成TFT阵列，像素尺寸200μm×200μm，探测量子效率（DQE）达63.2%，满足商用要求，且稳定性良好（60V工作电压下响应可持续约1.25小时）。

应用验证中，该系统成功区分1-3mm厚的铜（Cu）和铁（Fe）片，通过p(E50V,E10V)比值（铜0.78-0.81，铁0.97-0.99）消除厚度影响。在生物组织识别中，能将鸡爪的腿骨、趾骨、掌部、皮肤和果冻等成分按p(Ei,Ej)值范围（0.1-0.3至1.1-3.7）彩色标记，即使密度和成分相似的趾骨与腿骨也能区分。

该技术将传统X射线图像的灰度强度转换为衰减系数比，实现彩色编码成像，具有高效、快速、低成本的优势，且兼容现有检测仪器电路，有望应用于能谱CT、靶向给药、量子物理、宇宙探索等领域。