摘要：磁共振成像（magnetic resonance imaging，MRI）以其无辐射、高软组织分辨率、多参数成像等特点，在多种疾病的诊断和评估中具有不可替代的优势，已成为现代医学影像学的重要组成部分。图像诊断能力和扫描速度是决定MRI检查工作流程是否经济高效的
磁共振成像（magnetic resonance imaging，MRI）以其无辐射、高软组织分辨率、多参数成像等特点，在多种疾病的诊断和评估中具有不可替代的优势，已成为现代医学影像学的重要组成部分。图像诊断能力和扫描速度是决定MRI检查工作流程是否经济高效的基础。在临床实践中，MRI图像质量和成像速度受软件和硬件限制，由于MRI成像时间长，部分患者（例如耐受度差、婴幼儿、危重症患者等）往往难以坚持而产生不自主运动，造成图像质量较低，伪影严重，甚至成像失败。MRI成像时间与图像分辨率、信噪比、对比度等因素相互制约，如何快速高质量成像一直是MRI领域面临的重大难题和关注焦点。填充k空间以及将k空间数据通过算法（例如，傅里叶变换）转换为MR图像是MRI原理的核心；其中k空间欠采样是MR数据快速采集的基础，可有效地节省成像时间；优化算法是保证图像重建质量和重建速度的关键。
人工智能（artificial intelligence，AI）已经广泛应用于医学成像过程中，计算机辅助诊断作为AI的一个分支，早在数十年前就已经在放射学领域展现出独特的优势和较好的临床应用。近几年，AI在计算机视觉领域展现出巨大的潜力，特别是深度学习（deep learning，DL）中的卷积神经网络在医学成像领域取得了许多令人兴奋的突破，涉及疾病分类、解剖结构分割、图像合成以及图像重建等。稀疏采样结合基于DL的重建算法在磁共振加速成像领域也取得了很大进展。本文综合近年来AI在k空间填充和MR图像重建方面的研究，阐述AI在磁共振加速成像中的进展，有助于影像技师和诊断医师更好地理解、使用和开发基于AI的MR加速技术，通过缩短成像时间为耐受度差、危重症、婴幼儿等患者带来福音。
第一作者丁金立主任，是首都医科大学附属北京天坛医院放射科主任技师，长期从事医学影像技术临床、科研和教学工作。发表中英文学术论文60余篇，副主编医学影像相关国家级教材2部，参编4部。
通讯作者牛延涛，主任技师、教授、博士生导师。首都医科大学附属北京友谊医院放射科副主任以第一作者或通讯作者发表中华级和SCI论文60篇。荣获国家科技进步二等奖1项，荣获北京市抗击新冠肺炎疫情先进个人、北京市卫生健康委优秀共产党员、“国之名医-优秀风范”、“人民好医生-特殊贡献”等荣誉称号。
文章信息
丁金立，郑凤莲，靳步，等。人工智能在磁共振加速成像中的研究进展. 科学通报, 2025.
转载、投稿请留言
| 关注科学通报 | 了解科学前沿
来源：小戴的科学讲堂
