基于磁共振Dixon图像深度学习进行模拟CT骨重建的研究 |
| |
引用本文: | 刘克明,曲源,赵洪飞,黄琼,毋晓萌,尚斐.基于磁共振Dixon图像深度学习进行模拟CT骨重建的研究[J].放射学实践,2022(11):1432-1435. |
| |
作者姓名: | 刘克明 曲源 赵洪飞 黄琼 毋晓萌 尚斐 |
| |
作者单位: | 830000乌鲁木齐,新疆维吾尔自治区人民医院放射影像中心(刘克明、曲源) ;200020上海,上海交通大学医学院附属瑞金医院(赵洪飞、黄琼);100081北京,北京理工大学生命学院(毋晓萌、尚斐) |
| |
摘 要: | 【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400HU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400HU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150HU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)。150HU重建结果比400HU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400HU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150HU为阈值时水相和反相位图像结合的效果最优。
|
关 键 词: | 卷积神经网络 深度学习 磁共振成像 颅骨 图像重建 |
|
| 点击此处可从《放射学实践》浏览原始摘要信息 |
| 点击此处可从《放射学实践》下载免费的PDF全文 |
|