自磁共振成像（MRI）引入临床以来，其卓越的软组织对比度一直是肌肉骨骼放射科医生的福音，使精细的解剖细节、内部损伤和肌肉骨骼系统的病理洞察力得到无创的可视化，从而更好地实现疾病诊断及评估。核磁共振为无创诊断广泛的软组织异常提供了可能，包括半月板、韧带、肌肉、肌腱、纤维软骨、关节软骨和骨髓。

然而，与其他成像技术（如X线和现代多层计算机断层扫描）相比，磁共振成像的普及一直受到扫描时长过长的阻碍。在过去的几十年里，脉冲序列的加速标志着几个里程碑的出现，包括平行成像、同步多层采集、压缩传感和双向3维高分辨率各向同性采集方案。通过优化信噪比、成像伪影、空间分辨率和重建时间，每种技术都被有效地应用于肌肉骨骼MRI成像。然而，这两种技术都没有从根本上影响时间分辨率（脉冲序列采集速度）、空间分辨率（图像细节）和对比度分辨率（肌肉-骨骼组织对比度）的信噪比。

最近，与深度学习的进展相关的新技术已经彻底改变了图像重建领域，挑战了MRI物理学的传统限制和MRI中 "没有免费的午餐 "的格言。与传统的图像重建方法不同，深度学习重建可以同时针对MRI的主要限制，以实现减少扫描时间和改善图像质量的同时发生。

近日，发表在Investigative Radiology杂志的一项研究回顾了基于深度学习的采集和图像重建技术实现加速和改善肌肉骨骼MRI的基本概念、商业上可用的和正在开发的基于深度学习的MRI解决方案以及深度学习驱动的超快超分辨率MRI的综合策略。

图 基于深度学习的MR图像。一名64岁男子的矢状面质子密度加权涡轮自旋回波MR图像，他的外侧半月板有部分撕裂（箭头）。这3张图像显示了从最小化的图像噪声（左）到中等程度的附加噪声（中心图像）到高度附加噪声（右图像）的感知效果。抖动可用于避免出现过度平滑的MR图像，创造更接近传统MR图像的纹理，并增加可感知的边缘清晰度

深度学习技术在加速MRI方面有巨大的潜力，可在不牺牲空间分辨率或图像质量的情况下，将关节的2-3分钟TSE MRI检查全面加速10倍。用更长的扫描时间和更低的信噪比来换取更清晰的高分辨率图像，这种权衡并不像以前那样绝对。较新的深度学习图像重建方法可以同时最大限度地减少MRI的3个限制，并与现有的加速方法相结合，可实现图像速度和质量的无与伦比的提高。未来的工作需要更好地了解网络不稳定性及其故障模式，使用外部参考标准验证网络重建性能以确定诊断的准确性，建立对其他中心、扫描仪、场强、线圈和解剖学的通用性，并建立一个公开的基准数据集以比较方法，促进临床和图像处理界的创新和合作。

原文出处：

Dana J Lin,Sven S Walter,Jan Fritz.Artificial Intelligence-Driven Ultra-Fast Superresolution MRI: 10-Fold Accelerated Musculoskeletal Turbo Spin Echo MRI Within Reach.DOI:10.1097/RLI.0000000000000928