使用卷积神经网络在全身梯度回波扫描中分离水与脂肪信号

目的：使用卷积神经网络对全身梯度回波扫描进行水-脂肪信号分离并评估其效果。方法：使用了 240 名受试者的全身梯度回波扫描，每次扫描由 5 个双极回波组成。使用常规方法创建参考脂肪分数图。具体使用 2D U-net 卷积神经网络，采用 5 折交叉验证进行训练，以 1 个或多个回波作为输入，并以网络输出与参考脂肪分数图之间的平方差作为损失函数。网络输出通过损失函数、测得的肝脏脂肪分数以及视觉方式进行评估。训练使用图形处理单元（GPU）进行。推理使用 GPU 和中央处理单元（CPU）进行。结果：损失曲线表明已收敛，且使用更多回波作为输入时验证数据的最终损失下降。仅使用 1 个回波即可估计肝脏脂肪分数，但使用更多回波可改善结果。视觉评估发现，即使仅使用 1 个回波，网络输出质量也与参考相似，使用更多回波时有轻微改善。训练网络最多耗时 28.6 小时。使用 GPU 推理一次全身扫描最多耗时 3.7 秒，使用 CPU 则最多耗时 5.8 分钟。结论：可以使用卷积神经网络对全身梯度回波扫描进行水-脂肪信号分离。仅使用 1 个回波即可分离，尽管使用更多回波可改善结果。