用于SAR估计的基于U-Net网络的快速膝关节模型重建

作者：肖亮^*; 娄煜堃; 周航宇

来源：波谱学杂志, 2020, 37(02): 144-151.

• 高场磁共振成像
• 射频功率沉积(SAR)
• 膝关节
• U-Net网络
• 图像分割

膝关节高场磁共振成像(MRI)时,射频功率沉积(SAR)是一个关键的安全指标.目前对于局部SAR的准确估计只能通过电磁仿真实现,这就要求得到每一个个体的膝关节模型.本文提出一种针对低场磁共振图像的基于卷积神经网络的分割方法,以实现膝关节磁共振图像的快速重建.数据集来自于矢位T1加权自旋回波图像,将膝关节组织按照"肌肉-脂肪-骨骼"模型进行简化,除脂肪与骨骼之外的其他组织归类为肌肉.采用一种全卷积的神经网络,即U-Net进行逐层的图像分割,卷积层数为4,训练采用交叉熵函数.本文对图像的自动分割结果与手动标注结果进行了定量的比较.此外,采用3 T正交鸟笼线圈进行了SAR仿真,结果验证了组织简化对于SAR估计的可行性,并且所提方法构建的模型可以得到较为精准的局部SAR分布.

• 单位
  北京化工大学