来源：期刊VIP网 时间：
作者：陆阿琴;徐露露;徐磊;郝绍伟;邹月芬;
单位：南京医科大学第一附属医院放射科;西门子数字医疗科技(上海)有限公司应用培训部;
摘要：目的 探讨深度学习重建（deep-learning reconstruction, DLR）结合小视野（small field-of-view, sFOV）高分辨率扫描在提高手指磁共振成像（magnetic resonance imaging, MRI）图像质量中的价值。材料与方法 前瞻性纳入33例健康志愿者和24例手部疾病患者，每位受检者均接受小视野高分辨率T2加权自旋回波成像矢状位序列（the small field-of-view high-resolution T2-weighted turbo spin-echo sequence, TSE-sFOV）和DLR结合TSE-sFOV(DLR combined with TSE-sFOV, TSEDL-sFOV)的MRI扫描。采用4分法对57例样本的两组图像的整体图像质量（基于图像对比度、边缘锐利度、噪声、伪影）和解剖结构清晰度（包括骨、关节软骨、肌腱和韧带）进行主观评分；对其中24例样本的两组图像的病灶显示（包括病灶对比度及边缘锐利度、病灶位置及内部形态）和诊断置信度进行评分。评估57例样本两组图像的疾病检出能力（包括骨改变、关节间隙改变、肌腱异常、软组织异常）进行0或1检出。比较两组图像的信噪比（signal-to-noise ratio, SNR）、对比噪声比（contrast-to-noise ratio,CNR）。结果 在主观评分中，57例样本的TSEDL-sFOV组图像在整体图像质量、骨、关节软骨的评分中均高于TSE-sFOV组（P均<0.05），肌腱韧带方面的评分差异无统计学意义（P>0.05）；在24例样本的病灶显示和诊断置信度方面，TSEDL-sFOV组图像评分均高于TSE-sFOV组，差异具有统计学意义（P均<0.05）。在疾病检出能力方面，两组图像的疾病检出结果差异无统计学意义（P均>0.05）；两组图像的一致性很好（kappa值均>0.84）。在客观评价中，TSEDL-sFOV组的SNR和CNR均高于TSE-sFOV组（P均<0.05）。结论 DLR结合sFOV手指MRI在缩短扫描时间的前提下，降低了噪声并提高了图像质量，为临床提供了更精准的影像依据。
关键词：手指;;磁共振成像;;深度学习;;高分辨率;;图像质量
