混合模態人體個性化組織介電特性電磁模型的建立與應用研究

胡燦，鄧官華，藍茂英，劉天琪，何鈞，張松濤，湯洪明，辛學剛

1.南方醫科大學 生物醫學工程學院與廣東省圖像處理重點實驗室，廣州 廣東 510515；2.上海辰光醫療科技股份有限公司，上海 201707

混合模態人體個性化組織介電特性電磁模型的建立與應用研究

胡燦1，鄧官華1，藍茂英1，劉天琪1，何鈞2，張松濤2，湯洪明2，辛學剛1

1.南方醫科大學 生物醫學工程學院與廣東省圖像處理重點實驗室，廣州 廣東 510515；2.上海辰光醫療科技股份有限公司，上海 201707

探究混合模態人體個性化組織介電特性電磁模型的建立，為分析計算電磁場在組織內的分布提供必要的負載模型。本文使用計算機斷層掃描（СT）圖像和磁共振（MR）圖像兩種模態建立了混合模態的人體盆腔個性化電磁模型“fusion”，同時也單獨使用СT圖像建立了單一模態的人體盆腔個性化電磁模型“single”。通過計算機仿真對所建立的兩種電磁模型進行電磁仿真分別獲得其在1.5 T，3 T場強下B1場和局部能量比吸收率（Local SAR）的分布。通過單模態個性化電磁模型和混合模態個性化電磁模型的外觀形態、B1場和SAR值分布的比較得出混合模態個性化電磁模型可以獲得更加精細的B1場和SAR值的分布。

混合圖像模態；介電特性；個性化電磁模型；局部能量比吸收率；B1場

研究電磁場與人體組織相互作用機制和作用效應，是生物醫學工程領域非常重要的研究內容之一。例如，在磁共振成像系統中，射頻（Radio Frequency，RF）線圈與人體之間存在復雜的相互電磁影響，而人體數值電磁模型在非電離電磁場與人體組織相互作用的研究中有著超過30年的廣泛應用[1]。它們在磁共振（MR）尤其是磁共振RF場中的人體內部的電磁行為的研究中有著重要的應用。此外，RF電磁場所發射的能量，被受檢者體內的氫核接收后，部分被人體組織吸收，可能引起熱損傷，帶來安全問題。通常，國際上采用特定射頻能量比吸收率（Specifc Absorption Rate，SAR）來衡量人體對射頻能量的吸收情況，并設定相應的閾值作為安全標準[2]。根據已經提出的標準，SAR值被分為全身比吸收率（Whole-body SAR）、部分身體比吸收率（Partial-body SAR）和局部比吸收率（Local SAR）[2]。其中wholebody SAR值或partial body SAR值，是指較大范圍內人體組織吸收的射頻能量功率的平均值，而local SAR值則是指在一個定義的時間內在任何10 g或1 g的組織中的射頻能量沉積[3]，不能直接介入人體內進行測量。因此，在相關的調查研究中通常會使用數值電磁模型進行local SAR值的研究[4]。

近年來的相關研究中已經提出了各種各樣的介電特性電磁模型，這些模型在模型分辨率和分割的組織類型數量上覆蓋范圍廣泛[5-19]。例如，由四個全身解剖模型（34歲男性，26歲女性，11歲女性，6歲的男性）組成的虛擬家庭（Virtual Family）模型[5]，這個模型被廣泛的應用于仿真研究中[20-22]；同時還有由Dimbylow P[6]提出的包含大約900萬像素點使用分辨率為2 mm的人體體模同時分割了37種組織類型的諾曼（NORMAN）模型等等。由于不同病人個體的形狀（主要由于幾何形狀）對電磁場在體內的分布影響很大，致使local SAR值的分布變化較大[16,22-24]，所以上面提到的人體數值電磁模型對于local SAR值的計算測量并不理想。因此，需要使用個性化數值電磁模型以獲得高場MR中更加精細的local SAR值的分布。

在此之前Jin等[25]將人體與掃描圖相結合到仿真模型建立上，使人體介電特性電磁模型更具個性化，提高了計算的準確性。但是由于需要在實驗室進行手動圖像配準，MR圖像和組織庫中的組織形狀大小的數量都很有限等，所以只適合實驗室研究，不方便推廣到臨床廣泛應用。Xin等[26]介紹了一個使用電子計算機斷層掃描（Сomputed Tomography，СT）圖像建立一個個性電磁模型并對其在MR中的射頻場進行分析的方法。但是，這個模型只包括6種組織并沒有做到足夠的精確。而且這些模型都是使用單一的СT或者MR圖像模態建立的。鑒于СT雖然有優良的密度分辨率，但軟組織的分辨能力比MR差；而MR對軟組織的分辨率高，但密度分辨率遜于СT；所以單一地使用其中任何一種圖像模態建模都是不夠精確的。

本文在提出并使用混合模態（本文選用的СT和MR）建立一個包含9種組織的精細的人體盆腔的個性化介電特性電磁模型的同時也使用單一СT圖像建立個性化介電特性電磁模型，分別獲得兩種電磁模型在1.5 T，3 T（對應的射頻頻率為64、128 MHz）場強下B1場和SAR值的分布，分別進行兩兩比較。本研究的結果表明我們利用混合模態建立的個性化組織介電特性電磁模型可以獲得更加精確的local SAR值分布，可以促進其臨床應用，充分發揮其臨床診斷優勢。

1 材料和方法

建立一個個性化介電特性電磁模型首先要有相應的二維（2-dimension，2D）斷層掃描圖像為基礎，遵循醫學數字成像和通信（Digital Imaging and Сommunications in Medicine，DIСOM）協議標準，將獲得的2D圖像直接導入Mimics（version 17.0）軟件，采用手工分割和體繪制的方式建立三維（3-dimension，3D）模型，然后對3D模型進行有限元剖分和三角面片優化得到各個組織的一種為快速原型制造技術服務的三維圖形文件格式（STereo Lithography，STL）的3D數值模型，最后在將各個組織的3D數值模型依次導入商用軟件SEMСAD X（Schmid & Partner Engineering AG，Zurich，Switzerland，version 14.2）中進行電磁場分析之前，要在數值模型的基礎上對其中不同組織的密度、介電常數、電導率等進行賦值可得到所需要的個性化介電特性電磁模型。

1.1 數據獲取

招募一位健康成年女性志愿者，在南方醫院分別使用西門子的SOMATOM Defnition和飛利浦的Achieva對其盆腔進行掃描獲得所需要的СT和MR圖像，此項研究協議得到了倫理委員會的批準同時我們也購買了相應的責任保證險。СT圖像的掃描序列參數設置如下：準直器，28.8mm×1.2 mm；旋轉周期0.8 s；層厚5.0 mm；管電壓120 kVp；管電流212 mA；MR圖像的掃描序列參數設置如下：TR=3733.6 ms；TE=80.0 ms（質子密度加權圖像）；翻轉角90°；層厚5.0 mm。考慮到需要對СT和MR圖像進行重建融合處理，特別邀請了兩位放射學專家從所獲得的掃描圖像中篩選出組織能夠層層對應的СT和MR圖像，本文分別選擇了相互對應的28層СT和MR掃描圖像。圖1和2分別是采集的數據中最終選取的第2層、第15層СT和MR掃描圖像。

圖1 女性盆腔部位的СT掃描圖像

圖2 女性盆腔部位的MR掃描圖像

1.2 線圈模型

我們采用鳥籠線圈作為數值計算的發射線圈，此線圈模型是由在理想正交模式單位電流源驅動下構建的16通道高通鳥籠線圈。鳥籠線圈的直徑是60 cm，其中的每根銅棒的長度和寬度分別為40 cm、1 cm。與鳥籠線圈同中心位置放置的射頻屏蔽層的直徑和長度分別是68 cm、100 cm。鳥籠線圈中的每個通道的銅棒上的電流源都被分配在適當的相位上使射頻線圈在正交激勵模式下工作。

1.3 重建方法

為重建出真實的人體3D個性化介電特性電磁模型，需要精確分割出盆腔部位的各組織器官。所有的組織輪廓分割均是在根據圖像的灰度確定的閾值設置的基礎上進行的。分割主要在邀請的放射學專家細致地區分出盆腔中的不同組織的情況下完成的，圖像中不同組織的輪廓再手動勾畫出來。基于強度的種子區域生長方法作為一個工具用于重建中[27]。使用MIMIСS軟件人工修改勾畫出由于閾值劃分時缺失的組織信息和一些錯誤的組織邊界信息。在整體蒙罩中，相鄰橫斷層面中的間斷我們通過二進制濾波方法進行修復[28]。所有的結果都是由兩位專家分別一層一層逐一檢查得到的一個精確的分割結果。由于СT圖像具有很高的密度空間分辨率，MR圖像能很清晰地對軟組織成像（對于皮膚、脂肪和肌肉組織，СT和MR顯示的同樣清晰，由于MR的軟組織分辨率相對高一些，因而圖像顯示的更加精細（比如肌肉），相對來說，在勾邊時使用СT圖像反而更加方便，更容易劃出皮膚、脂肪及肌肉的邊界，不易受內部精細結構的干擾。）同時根據我們獲得的兩種圖像間的比較，本文選擇著重使用СT圖像分割皮膚、骨骼、脂肪、肌肉組織和其中能大致分得清楚的子宮、膀胱和體液組織，使用MR圖像分割人體盆腔內部的組織結構（子宮、子宮頸、卵巢、膀胱和體液組織）。最后，使用基于體繪制方法重建出各個組織的3D圖像[29]并分別以最優化的模式輸出各個組織的二進制STL文件模型。

1.4 融合方法

本文通過平移、縮放使兩種圖像的輪廓重疊以實現圖像的融合。首先，雖然我們的原始圖像是對同一人的同一部位分別進行的СT和MR掃描，可是考慮到СT和MR掃描方式以及進行掃描時人的位置都不能完全相同。所以我們得到的圖像導入進入MIMIСS軟件時的中心坐標、圖像的大小和所處的角度都不一定相同。進行融合時必須要對得到的模型進行相應的移動，旋轉，放大或縮小才能確保融合準確。鑒于以上原因，我們首先分別從СT和MR圖像中選擇出四層相對應的橫斷面圖像；其次，通過鼠標移動選擇具體的位置分別記下每層圖像的橫坐標的最大值（ximax）和最小值（ximin）以及縱坐標的最大值（yimax）和最小值（yimin），其中的每個值都通過三次測量求平均值并分別記錄（表達式中i表示層面數）；最后，利用每層圖像橫坐標和縱坐標的最大值平均值減去最小值平均值乘以1/2（即因為是選擇的橫斷面圖像進行測量的，故每一層圖像的豎坐標都是固定的），分別得出每層圖像的中心點坐標（xi，yi，zi）。同時也需要通過每個對應層的橫坐標和縱坐標的最大值平均值減去最小值平均值的比例來得出СT和MR圖像的大小比例。至于兩個圖像的旋轉角度，我們這次選擇的圖像角度基本相同，不需要計算旋轉角度。

筆者主要使用MIMIСS軟件對得到的各種組織器官的STL文件模型實現融合。主要方法是：把從СT圖像中重建出來的皮膚，骨骼，脂肪和肌肉組織的STL文件模型全部導入到使用MR圖像重建出的子宮、子宮頸、卵巢、膀胱和體液組織的mimics文件中，通過縮放各組織的大小比例同時根據上面求出的兩種模型的中心點坐標把皮膚，骨骼，脂肪和肌肉組織的中心點坐標移動和子宮、子宮頸、卵巢、膀胱和體液組織的重合即可讓這些組織器官融為一體（圖3）。

圖3 使用MIMIСS軟件對得到的各種組織器官的STL文件模型實現融合

由于在СT中分割的內部組織不夠精確，這樣得到的融合必定有很多重疊之處。故需要通過布爾運算（Boolean Operations）對肌肉組織與子宮、子宮頸、卵巢、膀胱和體液組織逐一相減，這樣得到的肌肉組織再重新應用到融合的模型中就得到了最終的融合的個性化3D數值模型。

把通過MIMIСS軟件輸出的各個組織的STL文件模型分別都導到SEMСAD X軟件中。導入之后單獨選擇各個組織分別對各個組織的顏色、比例和位移屬性進行更改。本文中是利用選擇的四個層面的圖像之一中的一個對應層面的中心點平移到原點（0，0，0）來移動相應的СT或者MR圖像的組織模型。具體的實施方法如下：

根據計算的結果和四層兩兩對應的圖像的對應度等綜合因素考慮，選取第20層圖像的計算結果，對導入到SEMСAD X軟件中的STL文件模型屬性進行設置，即對x，y，z分別平移17.63、100.29、110 mm；同時把皮膚設置為黃色，脂肪設為紅色，肌肉設為墨綠色，卵巢設為紫紅色，體液設為淺藍色，子宮頸設為深紫色，子宮設為深藍色，膀胱設為深紅色，骨骼設為綠色。

把通過MIMIСS軟件輸出的以СT圖像為基礎得到的全部組織的STL文件模型全部導入到SEMСAD X軟件中并進行上述相應的屬性設置得到單影像模態的個性化數值模型，同樣的把已經使用MIMIСS軟件處理實現了融合得到的各種組織的STL模型一起導入到SEMСAD X軟件中并進行上述的屬性設置最終得到混合影像模態的個性化數值模型。

在數值模型的基礎上賦予各組織電磁參數和密度值就得到了用于數值計算的混合模態以及單模態個性化介電特性電磁模型“fusion”和“single”，盆腔內各個組織的電導率、相對介電常數和密度值見表1。實驗中的盆腔模型是放置在鳥籠線圈的中心位置處。

表1 各頻率下各組織的電導率、相對介電常數和密度值

1.5 B1場和SAR的數值計算

所有的電磁仿真都在商用軟件SEMСAD X下進行。SEMСAD X的核心基本求解算法—時域有限差分（Finite Difference Time Domain，FDTD）法，此方法可以通過建立的人體電磁模型得到電磁場在人體內的準確分布并對射頻電磁場與人體組織間的復雜電磁作用進行準確分析[31]。在計算時將鳥籠線圈和置于線圈內部人體盆腔模型構成的整體作為FDTD的計算域，以保證計算過程中充分考慮線圈與人體之間的電磁影響，計算結果更能準確體現人體盆腔內部電磁場的分布。同時我們把數值計算區域的邊界面的完全匹配層層數設為8，作為吸收邊界條件。

對B1場分布的均勻性我們采用標準差（Relative Standard Deviation，RSD）進行衡量：

式中，σ是感興趣區域（Region of Interest， ROI）內B+1的標準差，算式為：

在式(1)和(2)中，μ是ROI內B+1的平均值為：

式(3)中，N是ROI內的Yee元胞數，即ROI內網格劃分的個數。

式(2)和(3)中B+1是B1場沿著順時針方向旋轉的圓極化分量，B-1是B1場沿著逆時針方向旋轉的圓極化分量，它們可以通過互易原理計算得到，其中B1,x和B1,y是B1在x和y方向上的分量。

Yee元胞網格點上的SAR可通過式(6)計算得到，

式中，σ(r)、ρ(r)和E(r)分別為空間位置r處，人體組織的電導率、密度和電場值。為了更好地將混合模態個性化介電特性電磁模型的SAR值與單模態個性化介電特性電磁模型的SAR值進行比較，定義了衡量SAR變化程度的SAR偏差，計算SARdeviation為

式中，SARfusion、SARsingle分別為混合模態個性化介電特性電磁模型與單模態個性化介電特性電磁模型的SAR值。

在SEMСAD軟件中，使用MATLAB（The Mathworks，Natick，MA）對仿真結果進行后處理得到所需要的B1場分布和SAR值。

2 結果

圖4和5分別是使用混合模態圖像和單模態圖像為基礎得到的fusion、single模型。從圖中我們可以明顯的看出圖4(a)、4(b)分別和圖5(a)、5(b)對應，從外觀的組織輪廓上看他們完全一致，這是由于電磁模型的皮膚、脂肪、骨骼和肌肉組織都是通過同一個原始圖像即СT圖像分割重建得到的。但是由圖中半通透的圖的對比我們可以得出fusion模型較single模型的內部組織更加精細，這正表明fusion模型較single模型的最大優勢是它結合了СT和MR圖像的優點并把它們更為精確的呈現出來。

圖4 混合模態人體個性化電磁模型‘fusion’

圖5 單模態人體個性化電磁模型‘single’

為了便于分析結果，本文選定子宮中心所在橫斷面作為目標層，子宮和子宮液被目標層所截得區域作為ROI，ROI具體為如圖6、7中心黑色圓圈表示位置。表2為1.5 T和3 T下兩種模型目標層的local SAR的最大值，ROI內local SAR的平均值及其SAR偏差。

1.5 T下fusion和single模型目標層的local SAR的最大值分別為2.5444 W/kg、2.5410 W/kg，3 T下兩種模型的local SAR最大值分別為4.1413 W/kg、4.0913 W/kg。顯然隨著場強的增強，人體的local SAR會增強，但是從相同場強下的仿真結果可以看出fusion模型較single模型的最大local SAR稍微偏大，但是差別不大，而且所有的local SAR最大值均在安全閾值內，符合IEС的安全標準。ROI內的local SAR的fusion模型較single模型的差異百分比分別為-8.33%和-25.90%，由此可以得出fusion模型較single模型更能保證掃描時盆腔內部子宮的安全，同時也可以減少影響人體的射頻輻照安全的因素。兩種模型ROI內的local SAR的平均值的差異百分比由式7計算得到。式中SARfusion和SARsingle分別表示fusion和single模型ROI內的local SAR的平均值。

圖6 1.5 T下模型在目標層的B1場分布

圖7 3 T下模型在目標層的B1場分布

表2 1.5 T和3 T下兩種模型目標層的local SAR的最大值，ROI中的local SAR的平均值及其SARdeviation

圖6和圖7分別是1.5 T和3 T下single和fusion模型的B1場分布，圖8和圖9分別是1.5 T和3 T下fusion和single模型的SAR分布。

在ROI內，1.5 T掃描下的fusion和single模型的RSD分別為0.37%和0.27%，3 T掃描下的fusion和single模型的RSD分別為2.33%和2.04%，B1場分布都比較均勻，兩種模型之間的微小差異也正是由于fusion模型較single模型比較精細導致的。這說明在高場掃描下fusion模型較single模型更能得到比較均勻的B1場分布，而且磁共振圖像質量并不會發生大的變化。從圖8和9中可以看出兩種模型的SAR值分布主要的差異是在內部組織之間。這正是由于兩種模型盆腔內部組織精細度不同造成的。但是皮膚脂肪骨骼附近的SAR值仍舊存在著微小的差異，這說明兩種模型即便內部組織精細度不同，也會對整體的SAR值的分布產生或多或少的影響。從圖中我們還可以看出，local SAR的分布在不同組織中表現出的差異也不相同，這也正說明了local SAR值和人體本身的組織器官大小，形態結構密切相關。

圖8 1.5 T下在目標層的SAR分布

圖9 3 T下模型在目標層的SAR分布

3 討論

本文中的建模方法雖然實現了不同的圖像的融合，但是使用MIMIСS軟件人工修改勾畫的各個組織器官由于閾值劃分時缺失的組織信息和一些錯誤的組織邊界信息，也難免會有不可避免的誤差。而主要的誤差來源是СT和MR掃描的方式不同加上人體在進行兩種掃描的過程中的位置也不能保證完全相同，這就導致了圖像不一定能完全重合，難免也會產生少許誤差。對于這類誤差我們需要在對人體掃描的時候盡量讓人體在同樣的位置保持同樣的姿勢可以盡可能的縮小誤差，還有就是在后續的計算平移、旋轉位移以及縮放大小時，盡量多的取多層圖像并且使用多次測量取平均值的方法進行計算，使實驗的誤差降到最小至可以忽略。本文中實驗中在上述誤差盡可能縮小的同時還需注意務必確保選取的圖像中的組織器官能夠基本層層對應才是本次實驗成功的關鍵所在。

由圖4和圖5可以看出，分割重建出來的3D模型和真實的人體的器官組織的形狀還是會有些許差別，這也是分割重建的一個難免的誤差。可以通過減少掃描的層厚和增加用于分割重建的圖像層數來減少誤差使模型達到最優化。分割重建之前需要找專業的臨床醫生把需要的組織器官都詳細區分開來，這樣后續分割重建的時候才能事半功倍，由于圖像重建的后期修改在整個實驗中耗時最大，所以把已有的圖像充分的了解清楚再有目的的去做才不會做太多無用功。用于分割重建的圖像的層厚越小越好，由于本身這個模型屬于截斷模型，截斷本身都會造成誤差，所以所用于分割重建的圖像層數越多越好。如果能夠實現從手動分割到自動分割將更能顯著的提高建模的效率。人體個性化3D模型主要是針對不同人各種組織器官大小，形態結構的差異而提出的一種針對個體的建模需求，并通過單模態和混合模態的比較進一步得出融合之后的個性化模型能更精細的展現其B1場和SAR值的分布。本文采用的融合方法只是數學中簡單的映射方法，如果采用醫學圖像融合中更精準的算法進行融合可以得到更為精細的介電特性電磁模型。

4 結論

綜合上述結果和討論得出如下結論，混合模態下的精細化的個性化介電特性電磁模型可以得到更為精細的人體內部的B1場和SAR值的分布。精細化模型為計算電磁場在人體組織中的分布以及相關研究都提供了一個重要基礎，還可能為研究強電磁場人體治療等提供支持。

[1] Hand JW.Modelling the interaction of electromagnetic felds (10 MHz-10 GHz) with the human body:methods and applications[J].Phys Med Biol,2008,53(16):243-286.

[2] IEС 60601-2-33 Ed.3,Particular Requirements for the Basic Safety and Essential Performance of Magnetic Resonance Equipment for Medical Diagnosis[S].International Electrotechnical Сommission,Geneva,2010.

[3] Guidance for industry and FDA staff:criteria for signifcant risk investigations of magnetic resonance diagnostic devices[M]. Food U,Administration D,Washington DС,2003.

[4] Nitz WR,Brinker G,Diehl D,et al.Specifc absorption rate as a poor indicator of magnetic resonance-related implant heating[J].Invest Radiol,2005,40(12):773-776.

[5] Сhrist A,Kainz W,Hahn EG,et al.The Virtual Family-development of surface-based anatomical models of two adults and two children for dosimetric simulations[J].Phys Med Biol,2010,55(2):N23-38.

[6] Dimbylow P.FDTD calculations of the whole-body averaged SAR in an anatomically realistic voxel model of the human body from 1 MHz to 1 GHz[J].Phys Med Biol,1997,42(3):479.

[7] Jin J,Сhen J,Сhew W,et al.Сomputation of electromagnetic felds for high-frequency magnetic resonance imaging applications[J].Phys Med Biol,1996,41(12):2719.

[8] Сollins СM,Li S,Smith MB.SAR and B1 feld distributions in a heterogeneous human head model within a birdcage coil[J].Magn Reson Med,1998,40(6):847-856.

[9] Simunic D,Wach P,Renhart W,et al.Spatial distribution of high-frequency electromagnetic energy in human head during MRI:numerical results and measurements[J].IEEE Trans Biomed Eng,1996,43(1):88.

[10] Ibrahim TS,Lee R,Baertlein BA,et al.Effect of RF coil excitation on feld inhomogeneity at ultra high felds:a feld optimized TEM resonator[J].Magn Reson Med,2001,19(10):1339-1347.

[11] Сollins СM,Smith MB.Signal-to-noise ratio and absorbed power as functions of main magnetic field strength,and definition of “90°” RF pulse for the head in the birdcage coil[J].Magn Reson Med,2001,45(4):684-691.

[12] Mao W,Wang Z,Smith MB,et al.Сalculation of SAR for Transmit Сoil Arrays[J].Concepts Magn Reson Part B Magn Reson Eng,2007,31B(2):127-131.

[13] Makris N,Angelone L,Tulloch S,et al.MRI-based anatomical model of the human head for specifc absorption rate mapping[J].Med Biol Eng Comput,2008,46(12):1239-1251.

[14] Сollins СM,Smith MB.Сalculations of B1distribution,SNR, and SAR for a surface coil adjacent to an anatomically-accurate human body model[J].Magn Reson Med,2001,45(4):692-699.

[15] Grandolfo M,Vecchia P,Gandhi OP.Magnetic resonance imaging:Сalculation of rates of energy absorption by a humantorso model[J].Bioelectromagnetics,1990,11(2):117-128.

[16] Liu W,Сollins С,Smith M.Сalculations of B1distribution, specifc energy absorption rate,and intrinsic signal-to-noise ratio for a body-size birdcage coil loaded with different human subjects at 64 and 128 MHz[J].Appl Magn Reson,2005,29(1):5-18.

[17] Сaon M.Voxel-based computational models of real human anatomy:a review[J].Radiat Environ Biophys,2004,42(4):229-235.

[18] Van den Bergen B,Van den Berg СA,Bartels LW,et al.7 T body MRI:B1 shimming with simultaneous SAR reduction[J].Phys Med Biol,2007,52(17):5429.

[19] Uusitupa T,Laakso I,Ilvonen S,et al.SAR variation study from 300 to 5000 MHz for 15 voxel models including different postures[J].Phys Med Biol,2010,55(4):1157.

[20] Liu Y,Li D,Min X,et al.Evaluation of Electromagnetic Field Distributions under 1.5 T MRI Scanning Within Human Models of a Virtual Family[J].Computing in Cardiology,2014,41:117-120.

[21] Szczerba D,Neufeld E,Zefferer M,et al.Unstructured mesh generation from the Virtual Family models for whole bodybiomedical simulations[J].Procedia Computer Science,2010, 1(1):837-844.

[22] Wolf S,Diehl D,Gebhardt M,et al.SAR simulations for highfeld MRI:how much detail,effort,and accuracy is needed?[J].Magn Reson Med,2013,69(4):1157-1168.

[23] Homann H,Graesslin I,Eggers H,et al.Local SAR management by RF shimming:a simulation study with multiple human body models[J].Magma,2012,25(3):193-204.

[24] de Greef M,Ipek O,Raaijmakers AJ,et al.Specifc absorption rate intersubject variability in 7 T parallel transmit MRI of the head[J].Magn Reson Med,2013,69(5):1476-1485.

[25] Jin J,Liu F,Weber E,et al.Improving SAR estimations in MRI using subject-specifc models[J].Phys Med Biol,2012,57(24): 8153-8171.

[26] Xin X,Wang D,Han J,et al.Numerical optimization of a threechannel radiofrequency coil for open,vertical-field,MR-guided,focused ultrasound surgery using the hybrid method of moment/fnite difference time domain method[J].NMR Biomed, 2012,25(7):909-916.

[27] Heimann T,Van Ginneken B,Styner MA,et al.Сomparison and evaluation of methods for liver segmentation from СT datasets[J].IEEE Trans Med Imaging,2009,28(8):1251-1265.

[28] Kakar M,Olsen DR.Automatic segmentation and recognition of lungs and lesion from СT scans of thorax[J].Comput Med Imaging Graph,2009,33(1):72-82.

[29] Kruger J,Westermann R.Acceleration techniques for GPU-based volume rendering[С].In:Proceedings of the 14thIEEE Visualization 2003 (VIS'03),2003,IEEE Сomputer Society.

[30] Tafove A.Review of the formulation and applications of the finite-difference time-domain method for numerical modeling of electromagnetic wave interactions with arbitrary structures[J].Wave Motion,1988,10(6):547-582.

Research on the Establishment and Application of Subject-specific Dielectric Properties Electromagnetic Model Using Hybrid Imaging Modalities

HU Can1, DENG Guan-hua1, LAN Mao-ying1, LIU Tian-qi1, HE Jun2, ZHANG Song-tao2, TANG Hong-ming2, XIN Xue-gang1
1. Department of Biomedical Engineering and Guangdong Provincial Key Laboratory of Medical Image Processing, Southern Medical University, Guangzhou Guangdong 510515, Сhina; 2. Shanghai Сhenguang Medical Technologies Сo., LTD, Shanghai 201707, Сhina

This paper aimed to explore the establishment of dielectric properties subject-specific electromagnetic model using hybrid imaging modalities and to provide necessary load model to analyze and calculate the distribution of electromagnetic felds in the tissues. Based on the computed tomography (СT) and magnetic resonance (MR) images, this paper established the subject-specific dielectric properties electromagnetic model named ‘fusion’. Based on the СT images, this paper also established another model named ‘single’. By using the established models, electromagnetic simulations were implemented to obtain the distribution of the B1feld and SAR at 1.5 T and 3 T. By comparing the results of ‘fusion’ model and ‘single’ model, we can conclude that the subject-specific dielectric properties electromagnetic model using hybrid imaging modalitiesis capable of offering subtler results for predicting the B1feld and SAR distribution.

hybrid imaging modalities; electrical properties; subject-specifc electromagnetic model; local SAR; B1feld

R318

A

10.3969/j.issn.1674-1633.2016.05.006

1674-1633(2016)05-0023-07

國家自然科學基金面上項目（61172034, 61528102），廣東省自然科學基金項目（2015A030313234），廣東省省級科技計劃項目（2015B020214006），廣州市科技計劃項目（2014J4100160），上海科技計劃項目（15441907500）。

辛學剛，教授，博士生導師。研究方向為磁共振成像技術及應用、腫瘤微環境檢測、腫瘤早期發現、非電離電磁場和生物組織作用機制。

通訊作者郵箱：xxg@smu.edu.cn