磁共振成像是目前辅助医生进行膝关节诊断的主要技术，随着场强的增高，所成图像就越清晰，而人体所吸收的射频功率沉积也会随之增高，一旦超过安全标准就容易造成局部热损伤。因此，组织的局部射频吸收率(SAR)是进行高场磁共振扫描时关键的安全考虑因素。组织的局部射频吸收率也是因人而异，为了保证在高场扫描时的安全性，就需要对每位患者在低场时获得的膝关节磁共振图像进行分割。根据分割结果来建立膝关节模型，模拟高场情况进行电磁仿真，并求出局部SAR值。传统的图像分割技术难以实现精确的膝关节图像分割，因此本文对基于卷积神经网络的膝关节图像的分割方法展开了研究。
　　本文主要是实现对膝关节的矢位低场、轴位低场磁共振图像两组数据的分割，并根据分割结果重建膝关节模型，进行用于局部SAR估计的电磁仿真。针对矢位图像的分割，以U-Net为基础，文中提出了多网络并行和掩模输出相结合的分割方式来缓解组织间灰度接近、占比不均的问题。还提出了另一种损失权重调整和边缘监督相结合的分割方式，用加权损失函数来调整组织的损失权重，通过将敏感边缘的信息加入损失的计算中来提升组织边缘处的分割精度，从而改善矢位图像的分割性能。并通过对分割结果进行建模仿真，证明了改进方法分割结果所建模型的SAR分布与标准模型更加接近，相对误差也更小。针对轴位图像，提出了一种边缘加重的改进分割方法实现对轴位图像的分割，并对轴位图像的分割结果所建的模型进行外推来克服由于轴位图像少造成轴位模型比标准模型短而带来的仿真误差，实验证明，边缘加重方法可以有效提升组织的分割精度，经过外推后的轴位模型的SAR误差更小。