用于SAR估计的基于U-Net网络的快速膝关节模型重建

膝关节高场磁共振成像(MRI)时,射频功率沉积(SAR)是一个关键的安全指标.目前对于局部SAR的准确估计只能通过电磁仿真实现,这就要求得到每一个个体的膝关节模型.本文提出一种针对低场磁共振图像的基于卷积神经网络的分割方法,以实现膝关节磁共振图像的快速重建.数据集来自于矢位T1加权自旋回波图像,将膝关节组织按照"肌肉-脂肪-骨骼"模型进行简化,除脂肪与骨骼之外的其他组织归类为肌肉.采用一种全卷积的神经网络,即U-Net进行逐层的图像分割,卷积层数为4,训练采用交叉熵函数.本文对图像的自动分割结果与手动标注结果进行了定量的比较.此外,采用3 T正交鸟笼线圈进行了SAR仿真,结果验证了组织简化对于SAR估计的可行性,并且所提方法构建的模型可以得到较为精准的局部SAR分布.

磁共振成像谱仪梯度波形分析

梯度是磁共振成像(MRI)的关键环节.通过采集谱仪梯度波形信号并进行分析,提取出各通道波形的特征点,从而有助于快速准确地判断谱仪梯度硬件电路或脉冲序列编写是否存在问题.采用虚拟仪器LabVIEW软件控制高速采集卡DAQ-2005设计实现多路采集系统,对谱仪的梯度输出进行采集.通过对波形数据进行直方图统计、滤波、差分计算等分析,提取出波形的特征点,这些特征点包含时间与幅度信息.使用实验室自主研发的谱仪进行了多次实验,对该方法进行验证,证明了该方法的有效性,也为谱仪研制和脉冲序列开发提供了一种辅助测试方法.