摘要
磁共振成像是常见的临床影像学技术，组织的局部比吸收率（SAR）是成像扫描的重要的安全指标。膝关节局部SAR的主要计算方法是通过构建人体膝关节模型进行电磁仿真，因此希望通过低场磁共振图像构建出可用于电磁仿真的膝关节模型。在这一过程中，对图像进行更准确的分割可使构建出的膝关节模型更接近真实人体膝关节的组织分布。另一方面，为了得到更准确的局部SAR值，需要构建出更长的膝关节模型。 本文针对膝关节局部SAR精准估计的需要，采用常用的T1加权矢位图像，对基于深度神经网络的个体特异性膝关节模型的构建方法进行研究，包括图像分割与模型扩展两个方面。 在图像分割方面，本文使用U-Net网络，并提出一种级联的网络结构，首先提取小组织的定位信息，以实现更精确的小组织的分割，此外，提出的级联网络使用焦点损失函数，使网络更注意到占比面积小的不易分割的组织，而不是面积占比多并且形态易于分割的组织，从而利于对所有组织、尤其是小组织的分割。分别计算测试集上图像分割的5种评价指标，并且通过电磁仿真计算所构建模型的局部SAR分布，验证了所提出的分割方法具有最优的分割结果与最接近人工标注模型的局部SAR分布。 在模型扩展方面，本文针对膝关节的标注图像，使用生成式对抗网络生成膝关节“头-足”方向两端组织，以实现膝关节模型的外推。从150mm×150mm视野的图像生成为230mm×150mm视野的图像，再构建出230mm长度的膝关节模型，以实现更准确的电磁仿真与局部SAR计算。构建出由所提方法得到的膝关节模型、由对比方法得到的230mm长度的膝关节模型以及由生成前的标注图像得到的150mm膝关节模型，分别进行电磁仿真并计算局部SAR分布，经过对比分析，可验证所提方法可得到最接近人工标注模型的SAR分布。
NETL