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。