深度学习重建1.5-T与3-T颞下颌关节磁共振成像

周鑫¹，李小敏¹，张钲佳¹，马海荣¹，曹然¹，吴剑苇²，孙琦¹，艾松涛¹

（1. 上海交通大学医学院附属第九人民医院 放射科，上海 200011；2. 上海交通大学医学院 基础医学院，上海 200025）

摘要：比较标准参数快速自旋回波序列（FSE-SD）与基于深度学习重建的欠采样快速自旋回波序列（FSE-DL）在1.5-T和3-T磁共振成像（MRI）中对颞下颌关节（TMJ）图像质量及诊断效能的影响。纳入183例颞下颌关节紊乱患者（1.5-T：94例，3-T：89例）均接受FSE-SD和FSE-DL两种协议扫描。由两名阅片者评估两种协议的扫描时间、主观图像质量、病变检出率以及协议间和阅片者间一致性。采用Wilcoxon检验、McNemar检验及未加权/线性加权Cohen's κ检验进行统计分析。结果显示，在深度学习重建算法支持下，1.5-T总扫描时间由316 s缩短至211 s，缩短33.23%；3-T总扫描时间由329 s缩短至189 s，缩短42.55%。与FSE-SD相比，FSE-DL图像噪声更低、伪影更少，在1.5-T和3-T下总体图像质量相当或略有提高，多数差异有统计学意义。两种序列的诊断置信度差异无统计学意义。阅片者间及协议间一致性为中等至几乎完全一致（κ = 0.602~1.000）。在1.5-T和3-T下，两种协议对主要TMJ病变的检出率差异均无统计学意义（p ≥ 0.375）。FSE-DL在1.5-T和3-T TMJ MRI中可在保持图像质量和病变检出能力的同时显著缩短扫描时间，其诊断置信度与FSE-SD相当。

关键词：深度学习，磁共振成像，人工智能，颞下颌关节，颞下颌关节紊乱

扫二维码浏览全文  

Cite this article

Zhou, X., Li, X., Zhang, Z. et al. Deep Learning-Based Reconstruction of Temporomandibular Joint MRI at 1.5-T and 3-T. J. Shanghai Jiaotong Univ. (Sci.) (2026). https://doi.org/10.1007/s12204-026-2927-8