骨關節炎（osteoarthritis,OA）是嚴重影響患者身體健康與生活質量的退行性疾病 ， 我國40歲以上人群總體患病率達46.3% ， 60歲以上人群高達62.1% ， 其主要癥狀為疼痛、關節強直、功能障礙 ， 甚至喪失勞動能力 ， 給家庭及社會帶來沉重負擔 。 OA可累及全關節組織 ， 關節軟骨損傷在發病及病程進展中具有重要作用 。 全身關節OA中 ， 膝關節最常受累 ， 不同區域關節軟骨損傷與疼痛、疾病進展關聯性存在差異 。 對OA早期的及時干預 ， 如規范運動、減重及非甾體類藥物應用等 ， 能緩解疼痛、減少并發癥 ， 改善預后 。

文章圖片
MRI圖像征象與組織病理改變強相關 ， 可在OA早期發現關節軟骨病變 ， 對診斷及治療具有積極作用 。 MRI臨床應用受限于檢查時間長 ， OA患者關節不適難以全程配合 ， 出現圖像質量下降、細節顯示不清 ， 導致誤診、漏診 ， 因此實現MRI快速采集十分必要 。

文章圖片
目前已有多項加速采集技術進入臨床 。 并行采集（parallelimaging,PI）利用相控陣線圈空間敏感度差異實現加速采集 ， 是目前應用最廣泛的加速采集技術；但隨加速因子增大 ， 面臨圖像難以解碼出現混疊偽影、噪聲增加等問題 ， 加速效率有限 。 壓縮感知（compressedsensing,CS）利用隨機采樣的非相干數據經稀疏變換后進行非線性迭代重建 ， 降低重建圖像必要的數據量 ， 縮短采集時間；近十年內逐步應用于各部位MRI形態與功能成像 。 若多個維度存在可壓縮性 ， CS大幅度加速采集的同時可提高空間分辨率或時間分辨率；但僅在一個維度具有可壓縮性時CS加速效率有限 ， 且面臨圖像信噪比下降、真實紋理丟失等難題 。 人工智能-壓縮感知（artificialintelligence-compressedsensing,ACS）基于深度學習算法 ， 利用多模塊組建級聯深度卷積神經網絡 ， 從大量全采樣圖像中預先學習圖像結構與內容參數 ， 完成模型訓練 ， 并應用到亞采樣圖像重建中 ， 減少重建必需的采樣點數目來實現加速采集 ， 并可同時增加空間分辨率、降低噪聲、增強組織對比 。
國內外已有ACS在MRI加速采集中的應用研究 ， 多集中于肝臟、盆腔及顱腦 。 目前已有的膝關節方面應用研究僅進行定性評價 ， 未分析不同區域軟骨損傷程度 。 本研究利用目前所有加速采集技術 ， PI、CS與ACS分別加速質子密度加權成像（protondensityweightedimaging,PDWI）序列 ， 分析三項加速采集技術在膝關節OA軟骨損傷半定量評價中的表現 ， 將對ACS應用于關節軟骨損傷評價、預測疾病進展具有重要意義 。 川北醫學院附屬醫院放射科劉倩倩教授團隊此次研究將以PI為參考 ， 對CS、ACS加速的二維PDWI圖像質量、不同區域關節軟骨損傷的診斷表現進行深入分析 。
該項目受到四川省南充市市級應用技術研究與開發項目20YFZJ0108川北醫學院附屬醫院科研發展計劃項目2022JC017的資助 。
【潘珂,黃小華,劉念,等.人工智能-壓縮感知加速的磁共振質子密度加權成像序列在膝關節骨關節炎軟骨損傷評價中的應用研究[J].磁共振成像,2022,13(10):138-143,156.
DOI:10.12015/issn.1674-8034.2022.10.021.】
（作者：潘珂 ， 黃小華 ， 劉念 ， 雷力行 ， 劉倩倩）
點擊此處“閱讀原文”可查看詳細內容；關注“磁共振成像傳媒”公眾號與《磁共振成像》雜志共同成長！
劉倩倩教授簡介

文章圖片
劉倩倩 ， 川北醫學院附屬醫院 ， 教學秘書 ， 主管技師 。
【人工智能-磁共振加權成像序列在膝關節骨關節炎軟骨損傷評價中的應用研究