目的 评估使用和不使用深度学习重建(deep learning reconstruction,DLR)算法的膝关节加速二维(two dimensional,2D)快速自旋回波(fast spin echo,FSE)序列的图像质量和诊断效能.材料与方法 前瞻性纳入92名怀疑有膝关节病变的患者,采用3.0 T MRI并行采集(parallel imaging,PI)基于K空间域重建(autocalibrating reconstruction for Cartesian sampling,ARC)算法进行膝关节加速2D FSE序列扫描,设置加速因子为2.0.扫描结束后系统自动保存为不使用 DLR 的原始图像(original images of FSE,FSE0)和使用 DLR后的 FSE(deep learning reconstruction images of FSE,FSEDL)两组图像.采用主观(李克特5分量表,内容包括图像的整体质量、清晰度、诊断置信度)与客观定量测定图像信噪比(signal-to-noise ratio,SNR)与对比噪声比(contrast-to-noise ratio,CNR)相结合的方法对两组图像质量进行综合评价.分别测量比较膝关节质子密度加权成像(proton density weighted imaging,PDWI)、T1WI矢状位股骨下端骨髓腔、软骨、滑膜液、髌下脂肪垫、前交叉韧带各组织的SNR和软骨/滑膜液CNR.基于两组图像分别对膝关节结构异常进行评分,同时评估观察者间和观察者内评分一致性.结果 四个临床标准方位加速2D FSE序列的MRI采集时间为4 min

作者：武夏夏；陆雪芳；刘昌盛；权光南；刘薇音；查云飞

来源：磁共振成像 2023 年 14卷 5期