摘要

目的：探讨人工智能辅助下的压缩感知（Artificial intelligence compressed sensing,ACS）技术在肩关节MRI成像中对图像质量和缩短扫描时间的应用价值。方法：招募健康志愿者27例，应用联影3.0T MR行肩关节MRI扫描，对受试者均应用并行采集技术（PI）以及ACS技术扫描肩关节横轴位PDWI、矢状位PDWI、冠状位T2WI、冠状位T1WI序列，4个序列使用PI技术的综合加速因子分别为1.77、1.72、1.60、1.87，使用ACS技术的综合加速因子分别为3.23、3.01、2.81、2.86。由两名医师从关节图像结构显示情况、脂肪抑制情况、伪影及图像整体情况四方面进行评分。在两组图像相同层面位置测量冈上肌、肱骨头均匀组织的信号强度（SI）和噪声值（SD），计算冈上肌和肱骨头SNR和CNR。采用配对样本t检验和Mann-Whitney U检验对主观评分和客观评价指标进行统计学分析。结果：PI在横轴位PDWI、矢状位PDWI、冠状位T2WI、冠状位T1WI的主观评分别为4.89±0.33、4.85±0.46、4.85±0.46、4.85±0.46,ACS为4.92±0.27、4.92±0.27、4.88±0.33、4.92±0.27，差异无统计学意义（P>0.05）。PI在横轴位PDWI、矢状位PDWI、冠状位T2WI、冠状位T1WI测量冈上肌SNR分别为25.08±4.08、30.40±6.93、10.37±1.95、17.53±3.17，低于ACS的31.77±6.83、38.95±7.05、13.22±2.47、20.09±5.95，差异有统计学意义（P<0.05）。ACS组总扫描时间为241 s，较PI组（438 s）比较，减少了45%。结论：应用ACS技术扫描肩关节MRI，可以在保证图像的质量的前提下，大幅减少扫描时间，为临床提供高效的检查。

关键词