典型文献
基于磁共振Dixon图像深度学习进行模拟CT骨重建的研究
文献摘要：
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.
文献关键词：
卷积神经网络;深度学习;磁共振成像;颅骨;图像重建
中图分类号：
作者姓名：
刘克明;曲源;赵洪飞;黄琼;毋晓萌;尚斐
作者机构：
830000 乌鲁木齐,新疆维吾尔自治区人民医院放射影像中心;200020 上海,上海交通大学医学院附属瑞金医院;100081 北京,北京理工大学生命学院
文献出处：
引用格式：
[1]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
A类：
颅骨重建
B类：
Dixon,图像深度学习,不同组合,深度学习方法,图像比较,比较评估,头颅,MR,刚性配准,HU,像素点,骨组织,Net,模型训练,训练集,测试集,集成模型,图像重建,相似性系数,DSC,水相,同相,反相位,深度学习重建,二值图像,时水,相位图,磁共振成像
AB值：
0.284043
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
