深度学习重建技术在克罗恩病磁共振小肠成像中的应用：T2加权与对比增强T1加权序列的图像质量与临床价值评估

本研究针对克罗恩病(CD)患者磁共振小肠成像(MRE)中因呼吸运动伪影和长扫描时间导致的图像质量问题，通过深度学习重建(DLR)技术优化T2 HASTE和T1 VIBE序列。结果显示DLR在保持图像质量的同时将扫描时间缩短至单次屏气完成，为CD的精准诊断提供高效解决方案。

　　

磁共振小肠成像(MRE)已成为克罗恩病(CD)评估的重要工具，但其面临呼吸运动伪影和冗长扫描时间的双重挑战。传统T2加权半傅里叶单次激发快速自旋回波(T2 HASTE)需两次屏气完成，易因呼吸不一致导致空间错位；对比增强T1加权容积插值屏气检查(T1 VIBE)则受限于运动敏感性和时间成本。韩国某医院团队在《Clinical Imaging》发表研究，首次系统评估深度学习重建(DLR)技术对这两种关键序列的优化效果。

研究采用回顾性队列设计，纳入93例CD患者对比T2 HASTE与DL T2 HASTE，42例对比T1 VIBE与DL T1 VIBE。通过双盲5分量表评估图像质量，记录扫描时间，并以回肠、末端回肠和右结肠为靶区比较炎症检出效能。关键技术包括：基于深度学习的图像重建算法、单次屏气扫描协议、以及基于简化内镜CD评分(SES-CD)的病理对照。

图像质量与扫描效率
DL T2 HASTE将扫描时间从传统序列的(未明确)缩短至16.17±2.53秒，DL T1 VIBE仅需14.19±0.84秒。尽管观察者间一致性评分显示DL序列略低(T2组Kappa值0.443 vs 0.624)，但平均质量评分无统计学差异(p>0.05)。值得注意的是，DL T1 VIBE在观察者偏好中出现分歧，反映其在噪声抑制与细节保留间的平衡仍需优化。

诊断性能
在炎症活动度评估中，DL T2 HASTE与传统序列的节段诊断一致性达100%，证实其临床等效性。研究特别指出，DLR技术通过减少呼吸运动伪影，使肠壁增厚、系膜水肿等关键征象的显示更加稳定。

讨论与意义
该研究证实DLR技术可实现MRE的"又快又好"：单次屏气扫描显著提升患者耐受性，尤其有利于老年或呼吸功能受限人群；而保持诊断效能的特点使其可直接整合至现有临床流程。作者Myung-Won You团队指出，DL T1 VIBE的争议性结果可能源于血管强化模式的细微变化，这为后续算法优化指明方向。西门子Healthineers开发者Dominik Nickel参与的技术开发，体现了产学研合作在医疗AI领域的价值。

这项研究为CD的精准影像诊断树立新标准，其方法论更可推广至其他运动敏感器官的MR检查。未来研究需扩大样本验证DLR在不同疾病活动度CD中的稳定性，并探索多模态DL重建的协同效应。