基于磁共振Dixon图像深度学习进行模拟CT骨重建的研究

【摘要】目的：基于磁共振Dixon图像的不同组合，采用深度学习方法进行颅骨二值重建，通过与CT图像比较评估骨重建效果。方法：回顾性收集2021年6月-8月共21例头颅CT和MR图像。刚性配准后，将CT值大于150和400HU像素点作为颅骨组织。采用U-Net神经网络模型训练，16例作为训练集，5例作为测试集。使用Dixon四种对比图像及其不同组合形成集成模型，进行二值颅骨图像重建。采用戴斯相似性系数（DSC）、准确度、敏感度和特异度评估骨重建效果。结果：在以400HU为阈值重建MR二值骨图像，水相和同相位组合的重建结果DSC值最高（0.760±0.038）。在以150HU为阈值时，水相和反相位组合的重建结果DSC值最高（0.795±0.040）。150HU重建结果比400HU敏感度高（0.880±0.050 vs. 0.855±0.052），特异度下降（0.977±0.004 vs. 0.982±0.004）。结论：利用Dixon图像进行深度学习重建颅骨二值图像，在400HU为阈值时水相和同相位图像结合进行颅骨重建的效果最优，在150HU为阈值时水相和反相位图像结合的效果最优。