来源：期刊VIP网 时间：
作者：周鹏辉;刘海彬;林海;余子铭;许桂晓;何浩强;谢传淼;
单位：中山大学肿瘤防治中心影像科;上海联影医疗科技股份有限公司;
摘要：目的 探讨基于深度学习的图像重建技术在鼻咽癌5.0T MRI中的可行性及应用价值。资料与方法 前瞻性纳入2024年8—12月中山大学肿瘤防治中心50例初诊鼻咽癌患者，应用5.0T MRI进行鼻咽部扫描。患者常规扫描方案包括横轴位T2WI、横轴位T1WI、横轴位增强T1WI和冠状面增强T1WI脂肪抑制序列，并在常规扫描方案基础上应用不同挡位（1～5挡）的DeepRecon深度学习重建技术，共24组图像。使用Likert量表（5分法）对图像中病灶检测、病灶边缘清晰度、伪影和整体图像质量进行主观评分。使用信噪比和对比噪声比对24组图像质量进行客观评价。比较不同组图像定性、定量指标的差异，并评估2名医师主观评估结果的一致性。结果 对来自2种图像（无DeepRecon重建传统图像与应用DeepRecon重建图像）的4种MRI序列共24组图像进行定性评估发现，除避免产生伪影外，DeepRecon图像（挡位2～4）在所有特征上均显著优于传统图像（Z=-12.11～-6.23,P<0.001）。当DeepRecon重建水平为3挡时，图像综合评分最高，图像质量最佳。与传统图像相比，DeepRecon图像（挡位2～5）在病灶和翼外肌的信噪比显著提高（t=-15.67～-3.44,Z=-6.09～-4.63,P<0.01）。在采用DeepRecon（挡位2～5）的横轴位T2WI、横轴位增强T1WI和冠状面增强T1WI压脂图像中，对比噪声比（病灶/翼外肌）对比度显著改善（t=-12.71～-3.19,Z=-6.08～-4.47,P<0.001）。2位影像诊断医师对图像整体质量主观评分观察者间一致性较好（Kappa=0.75～0.82,P<0.01）。结论 DeepRecon深度学习重建技术显著增加了鼻咽癌传统磁共振图像的信噪比和分辨率，提高其图像清晰度，为影像诊断提升带来更多可能性。
关键词：鼻咽癌;;磁共振成像;;超高场强;;人工智能;;深度学习;;图像质量
