[学習ベースモデルで計算された電界に対する導電率の変化の影響] tech./dosim.

解剖学的人体モデルは、低周波電磁界ばく露による誘導電界の評価に広く利用されている。低周波ドシメトリの難しさの1つは、結果が数値アーティファクトの影響を受けることが多いことである。これは、離散的な組織導電率を持つセグメント化された人体モデルの組織界面での急激な変化に起因する。この難しさを克服するため、この研究の著者らは、深層学習ネットワークを用いて連続的な導電率を持つ頭部モデルを最近開発し、セグメント化せずに磁気共鳴画像を体積導電率に直接マッピングした。この新しいドシメトリモデリング方法の有効性を検証するために、IEEE国際電磁安全委員会技術委員会95の小委員会6（ICES/TC95/SC6）にワーキンググループ（WG）が設立された。WGの最初の研究は、複数の研究室で学習ベースのモデルを用いて計算した電界の相互比較に焦点を当てていた。この論文では、学習ベースの連続モデルとセグメント化された離散モデルで誘導される計算電界に対する導電率の変化の影響を考慮して分析を拡張する。6つの国際研究グループが参加したこの共同研究では、灰白質（GM）の導電率が増加すると、灰白質の電界強度は減少し、白質（WM）の電界強度は増加することが示された。白質の導電率が増加すると、灰白質と白質の両方の電界強度は減少する。導電率の値の変化による電界強度の変化範囲は、離散モデルと連続モデル間で比較可能である。相互比較では、離散モデルの誘導電界の100パーセンタイル値と99パーセンタイル値の最高相対差（RD）はそれぞれ15.9%と6.7%、連続モデルでは10.1%と3.8%であった。異なるソルバーを用いたスカラーポテンシャル差分法による計算のRDは1.2%未満であった、と著者らは報告している。