人工智能压缩感知联合深度学习重建技术在膝关节3D MRI快速成像中的应用

程亚宝; 谢文慧; 杨惟超; 范伟雄; 张添辉

doi:10.20267/j.issn.2096-3807.2026.13.027

影像研究与医学应用 ›› 2026, Vol. 10 ›› Issue (13) : 96 -98+102. DOI: 10.20267/j.issn.2096-3807.2026.13.027

人工智能压缩感知联合深度学习重建技术在膝关节3D MRI快速成像中的应用

程亚宝, 谢文慧, 杨惟超, 范伟雄, 张添辉

作者信息 +

Author information +

文章历史 +

摘要

目的:探讨人工智能压缩感知(ACS)联合深度学习重建(DLR)技术在膝关节3D MRI快速成像中的应用价值。方法:选取2023年12月—2024年2月梅州市人民医院56例接受膝关节MRI检查的患者为研究对象,所有患者均先后分别采用传统压缩感知(CS)及ACS模式进行2次3D序列数据采集,对2种采集模式获得的原始数据分别进行常规重建(CR)及DLR,最终获得CS+CR、CS+DLR、ACS+CR及ACS+DLR 4组图像。由2名放射科医师采用盲法进行图像质量评分,并测量信噪比(SNR)及对比度噪声比(CNR)。结果:与CS模式比较,ACS模式可将膝关节3D MRI扫描时长由4 min 38 s缩短至2 min 8 s,时间缩短幅度约54%。4组不同技术组合的图像质量评分、SNR比较,差异有统计学意义(P<0.001),其中ACS+DLR组的图像质量评分、SNR均最高,CS+CR组最低。两两比较结果显示,图像质量评分方面,ACS+DLR组高于CS+CR组、ACS+CR组(P<0.05);与CS+DLR组比较,差异无统计学意义(P> 0.05);SNR方面,ACS+DLR组高于其余3组(P<0.05);CNR方面,4组比较差异无统计学意义(F=1.709,P=0.167)。结论:ACS联合DLR技术能够在显著缩短膝关节3D MRI扫描时长的同时,提升图像质量评分、SNR,且不损失组织对比度,在膝关节快速成像中具有较高的应用价值。