深度学习重建法提高磁共振高分辨海马冠状位图像质量的比较研究
来源：磁共振成像传媒
海马体位于大脑丘脑和内侧颞叶之间，上方是侧脑室颞角，下方是海马旁回，是学习和短期记忆的重要脑功能区。海马体积、信号强度、海马趾和黑带的缺失对临床诊断癫痫、认知障碍和精神分裂症有一定的影响。OPPENHEIM等在193例难治性癫痫患者采用1.5 T MR发现海马头部的海马趾缺失作为诊断颞叶内侧硬化的敏感度为92%，特异度为100%。HOWE等和HUESMANN等均发现3 T MR T2图像上黑带的缺失预示着组织的缺失，是诊断颞叶内侧硬化的指标。因此，提高海马体MRI分辨率能够为临床诊断提供有效的诊断依据。
高分辨率T2液体衰减反转恢复（fluid-attenuated inversion-recovery, FLAIR）序列海马体冠状位成像是观察海马信号强度和内部结构最好的影像学检查手段之一，临床常规序列扫描的图像只能看到沿着海马沟的黑带，不能看到海马体内部以及海马旁回的各个层面。应用7 T MR可以在T2加权成像上发现癫痫患者海马信号升高与海马内部异常卷曲、海马细胞外角质层异常增生相关联。同时，应用9.4 T MR将T2-FLAIR海马冠状位的分辨率提高到0.6 mm/pixel及以下时可以清楚地观察到海马趾。但是7 T和9.4 T MR还没有完全应用于临床，而临床常规3 T MR T2-FLAIR海马体冠状位成像分辨率多为1 mm/pixel，如提高分辨率，就会增加扫描时间。尽管压缩感知、并行采集和多层采集等技术可以降低扫描时间，但是增加的噪声会严重降低图像分辨率，影响临床诊断。
MRI的原始重建（origin reconstruction, OR）法主要通过滤波来降低噪声，但同时会损失部分组织细节，容易导致图像模糊。深度学习重建（deep learning reconstruction, DLR）是一种新的基于人工智能的重建算法。DLR利用有监督的卷积神经网络对近乎完美（层内高分辨率和无噪声）的医学图像和OR图像进行学习，对传统重建图像降噪处理，避免直接生成过度降低噪声的图像，使图像更加自然，去除截断伪影，提高图像锐利度。目前其在脊柱、心脏、前列腺和脑垂体的MRI已有相关应用，但有关采用DLR提高海马体成像质量的相关研究很少。
首都医科大学宣武医院放射与核医学科，磁共振成像脑信息学北京市重点实验室卢洁教授团队此次研究目的是探讨DLR是否可以提高高分辨T2-FLAIR海马体成像的图像质量，观察到更多海马体内部结构，为临床诊断海马体疾病提供更多的帮助。
【杨晶,李琼阁,吴涛,等.深度学习重建法提高磁共振高分辨海马冠状位图像质量的比较研究[J].磁共振成像,2023,14(5):21-24,30.
DOI:10.12015/issn.1674-8034.2023.05.005.】
（作者：杨晶，李琼阁，吴涛，齐志刚，赵澄，卢洁）
点击此处“阅读原文”可查看详细内容；关注“磁共振成像传媒”公众号与《磁共振成像》杂志共同成长！
卢洁 教授
卢洁，教授、主任医师、博士研究生导师，首都医科大学宣武医院副院长，放射与核医学科主任，国家神经疾病医学中心副主任，教育部神经变性病重点实验室副主任，磁共振成像脑信息学北京市重点实验室主任。
专业特长：擅长神经系统疾病影像诊断，从事脑疾病功能与分子影像学研究。
社会兼职：主要学术任职有中华医学会放射学分会委员、中国医学影像技术研究会放射分会副主任委员、北京医学会放射学分会副主任委员等，任SCI收录杂志《EJNMMI》（IF：10.056）等杂志编委。
获得成果、奖项、荣誉等：国家自然科学基金优秀青年基金获得者、国家万人计划科技创新领军人才。主持科技部十四五重点研发计划、国自然重点、北自然重点等20余项课题，代表作发表在《Neuron》《Brain》《Radiology》《Nature Communications》等国际权威期刊，入选全球前1% ESI高被引论文，被世界学术组织F1000推荐，以第一完成人获华夏医学科技奖科学技术奖一等奖（1/15）、北京市留学人员创新创业特别贡献奖、茅以升北京青年科技奖等；主编（译）著专著10部，授权专利10项，主持或参与专家共识12项。
相关研究优秀论文精选
1.周围神经MRI检查中国专家共识
中华医学会放射学分会骨关节学组
【磁共振成像 2023年05期】
周围神经是一个复杂的运动神经和感觉神经网络，并且长期以来其影像学成像一直是技术难点。随着MRI技术的发展及高场超导MRI的普及，磁共振神经成像（magnetic resonance neurography, MRN）成为目前最具应用价值和...
出版日期： 2023年05月
2.深度学习MRI重建算法的临床应用和发展前景
严福华
【磁共振成像 2023年05期】
随着MRI技术的发展，其在临床疾病诊断中的应用越来越广泛，但基于传统重建方法的MRI面临着成像时间、图像分辨率和信噪比之间彼此制约的困难和挑战。近几年，深度学习（deep learning, DL）MRI重建算法的提出，极大...
出版日期： 2023年05月
3.深度学习重建在改善磁共振神经黑色素图像质量中的价值研究
于阳 赵澄 齐志刚 吴涛 卢洁
【磁共振成像 2023年05期】
目的 探讨深度学习重建（deep learning reconstruction, DL Recon）在改善神经黑色素MRI序列图像质量中的价值。 材料与方法 前瞻性纳入2022年5月10日至2022年5月31日首都医科大学宣武医院正常志愿者30例，并对每...
出版日期： 2023年05月
4.深度学习在颅脑体素内不相干运动磁共振成像质量中的应用
李琼阁 殷雅彦 赵澄 齐志刚 卢洁
【磁共振成像 2023年05期】
目的 探讨深度学习（deep learning, DL）重建算法在加速体素内不相干运动（intravoxel incoherent motion, IVIM）MRI中的应用价值。 材料与方法 基于3.0 T MRI系统，收集40例健康被试，对其分别进行基于DL重建的...
出版日期： 2023年05月
5.基于多中心MRI的3D-ResNet101深度学习模型预测脑胶质瘤术前分级的研究
李大瑞 胡万均 刘光耀 甘铁军 马来阳 张静
【磁共振成像 2023年05期】
目的 术前准确无创预测胶质瘤分级仍然具有挑战性。基于常规T2WI图像开发一种鲁棒性强的残差神经网络（Residual Networks, ResNet）深度学习模型以预测脑胶质瘤术前病理分级。 材料与方法 回顾性分析919例经病理证...
出版日期： 2023年05月
6.深度学习在肝脏屏气T2加权成像图像质量评价中的应用研究
方姝 吴梦雄 陈乾 刘方韬 董海鹏 付贵峰 严福华 林慧敏
【磁共振成像 2023年05期】
目的 通过对肝脏的基于深度学习的屏气T2加权脂肪抑制序列（breath-hold fat-suppressed T2-weighted sequence with deep learning reconstruction technique, BH fs T2 DLR）与呼吸门控Propeller T2脂肪抑制序列（...
出版日期： 2023年05月
7.深度学习重建技术在膀胱癌MRI临床应用中的可行性研究
张馨心 王绎忱 王思聪 李敏 胡满仓 陈雁 赵心明
【磁共振成像 2023年05期】
目的 探讨深度学习重建（deep learning reconstruction, DLR）技术对膀胱癌MRI图像质量及扫描时间的影响。 材料与方法 前瞻性纳入病理诊断为膀胱癌的初诊患者分别行膀胱MRI常规快速自旋回波（fast-spin echo, FSE...
出版日期： 2023年05月
8.基于深度学习重建技术改善前列腺T2WI图像质量的研究
可赞 李亮 宋鑫洋 文之 高宇凡 刘薇音 权光南 查云飞
【磁共振成像 2023年05期】
目的 探讨基于深度学习重建（deep learning-based reconstruction, DLR）技术对前列腺T2WI图像质量及诊断置信度的影响。 材料与方法 回顾性分析78例行前列腺磁共振检查患者的影像资料，扫描序列包括传统T2WI（con...
出版日期： 2023年05月
9.深度学习重建技术在优化前列腺磁共振T2加权成像扫描时间和图像质量中的应用价值
王绎忱 张馨心 胡满仓 王思聪 李敏 赵心明 陈雁
【磁共振成像 2023年05期】
目的 探讨深度学习重建（deep learning reconstruction, DLR）技术在提高前列腺MRI T2加权成像（T2 weighted imaging, T2WI）图像质量及缩短扫描时间中的应用价值。 材料与方法 本研究前瞻连续纳入未经治疗的可疑...
出版日期： 2023年05月
10.深度学习图像重建算法在膝关节加速MRI中的临床应用研究
武夏夏 陆雪芳 刘昌盛 权光南 刘薇音 查云飞
【磁共振成像 2023年05期】
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...
出版日期： 2023年05月
《磁共振成像》杂志简介
《磁共振成像》杂志创刊于2010年1月，为国内第一本医学磁共振专业期刊，为公开获取（OA）期刊，业务主管单位：国家卫生健康委员会。现为月刊，每月20日出版。《磁共振成像》杂志实行同行评议制度和三审三校制度，平均刊发周期180天。办刊理念：办精品期刊、促学科发展、惠百姓健康，打造世界一流的磁共振媒体。杂志特色：注重内容的科学性、前沿性、实用性和原创性，重点报道磁共振成像相关的临床应用与基础研究。本刊现任主编为北京协和医院金征宇教授（中华医学会放射学分会前任主任委员，中国医师协会放射医师分会现任会长），终身名誉主编为北京天坛医院戴建平教授（中华医学会前任副会长，美国医学科学院外籍院士）。
《磁共振成像》杂志入编《中文核心期刊要目总览》2020年版（即第9版），被评为中国科技核心期刊(2013年至今)、中国科学引文数据库(CSCD)核心库来源期刊(2021-2022年)、中国科学引文数据库(CSCD)来源期刊(2013-2018年)、中国科技论文统计源期刊(2013年至今)。被国内知名数据库中国知网、万方数据、中华医学期刊网、中国科学引文索引数据库、国家科技期刊开放平台、重庆维普等数据库等数据库收录，被世界六大检索系统之一——美国《化学文摘》(CA)以及美国《剑桥科学文摘（自然科学》(CSA)、美国《乌利希国际期刊指南》、日本科学技术振兴机构数据库、波兰《哥白尼索引》(IC)等数据库收录，已被全球100余个国家和地区读者检索、阅读、下载。全文免费阅读官网：www.chinesemri.com，编辑部邮箱：editor@cjmri.cn，官方投稿网址：www.cjmri.cn。编辑部电话：010-57155853，010-57155377，010-67113815，编辑部微信号：cgzcxbjb，官方微信公众号：磁共振成像传媒（cjmri-media）。《磁共振成像》杂志电子刊免费订阅网址：http://article.chinesemri.com/Emailalert。每期定时邮件发送当期电子版，不定时发送精选专题论文。
关于谨防上当受骗的特别提醒
近日接到多名作者举报：有人冒充本刊编辑名义以各种理由向作者发邮件、打电话、发快递、加微信好友，目的是让作者相信他/她是编辑部的工作人员，以便今后诈骗作者钱财。更有甚者，有不法之徒私刻我刊编辑部公章向作者发放优秀论文证书等证件。
以上行为已严重影响本刊声誉及作者的工作和生活！我刊编辑部提醒您遇到骗子要不听、不信，及时揭发、举报骗子行为，积极向公安机关、我刊编辑部提供相关证据（如果受到经济损失，请保存并提交往来电话、邮件、微信等录音、录像、汇款单据、截屏等证据）。
我刊银行账号：
开户行：中国银行股份有限公司北京劲松支行；
户名：《磁共振成像》杂志社有限公司；
账号：344156659971。
如有向其他账户转账的，与我刊无关，后果自负。
请勿转账，以免造成经济损失。
我刊联系方式：
编辑部电话：010-57155853，010-57155377，010-67113815
编辑部E-mail：editor@cjmri.cn
编辑部办公微信号：cgzcxbjb
编辑部人员一律使用@cjmri.cn或者@chinesemri.com企业邮箱进行必要的工作联系。
防诈骗技巧：
1. 凡不是使用以上杂志社联系方式与你联系自称是《磁共振成像》杂志人员的，都是骗子！
2. 骗子一般情况下是在稿件发表后（每月20日前后在官网和中国知网、中华医学期刊网等数据库发布当期稿件）通过数据库或杂志官网看到作者的发表信息的（包括稿件全文和通信作者邮箱，稿件投稿日期、录用日期、基金项目等），骗子一般情况下不知道作者稿件上未发表的信息，例如稿件编号。
3. 骗子大多是团伙作案，他们积累了一定的作者数据信息，有可能知道作者的手机号；据作者反映，大多数骗子是通过打科室电话联系作者的。
遇到不明身份的人自称我刊编辑怎么辨别？
1. 通过其使用的联系方式辨别。如不是我刊公布的联系方式，则非常有可能是骗子。
2. 通过加编辑部办公微信号：cgzcxbjb为好友，微信询问、证实（发给编辑部与你联系的人的手机号和微信号 ）。
遇到骗子怎么？
在你没受到经济损失的情况下，相关部门不容易立案。认清骗子面目后，不听、不信，直接拉黑就行了。千万不要存侥幸心理梦想着骗子能帮你做些什么。如果方便，可向编辑部举报骗子的行为。
祝大家工作顺利、天天开心！
磁共振成像编辑部
2022年8月18日
《磁共振成像》杂志联系方式
杂志公众号
编辑：徐 颖
初审：张 琴
复审：王志强
终审：贺光军
版权声明
磁共振成像传媒提倡尊重和保护知识产权。欢迎转载，但需取得本平台书面授权许可。欢迎转发微信朋友圈或微信群，欢迎合理引用。如您对文章内容版权存疑，请发邮件至editor@cjmri.cn，我们将与您及时沟通处理。本平台内容仅供参考、学习使用，不为盈利且不作为医疗、诊断依据。
欢迎点赞 收藏 分享
