基于CS-CAIPIRINHA与深度学习重建技术的颈椎加速7T 3D DESS MR神经成像技术

《Investigative Radiology》：Accelerated 7T 3D DESS MR Neurography of the Cervical Spine Using CS-CAIPIRINHA and Deep Learning Reconstruction

　　目的：评估在7T磁场下，将相干与非相干欠采样结合深度学习重建技术，用于快速实现高分辨率三维双回波稳态MRI成像，以显示颈椎神经及神经根的潜力。方法：在这项前瞻性研究中，无症状志愿者接受了7T颈椎MRI检查。以高分辨率3D双回波稳态序列（重建体素大小为0.35毫米3，各向同性）作为参考，该序列采用常规的2倍GRAPPA欠采样技术。随后分别使用单纯的相干CAIPIRINHA欠采样技术、以及结合CAIPIRINHA与非相干压缩感知欠采样并借助深度学习重建的技术进行重复检测，同时调整不同的加速因子（DL-CAIPIRINHA：R=2至12；DL-CS-CAIPI：R=4至16），其他成像参数保持不变。两名经过专业培训的肌肉骨骼放射科医师使用5点李克特量表独立评估图像质量、噪声、重建伪影以及脊髓、硬膜内神经根/神经干和出颅脊神经的边缘清晰度，得分越高表示图像质量越好或伪影越少。统计分析采用弗里德曼检验以及事后威尔科克森符号秩检验（经本杰明-霍奇伯格校正），还可使用κ统计量。结果：共有32名志愿者参与研究（平均年龄30.9±7.2岁，平均BMI值为23.4±2.8千克/平方米，其中16名为女性）。与GRAPPA技术相比，2倍和4倍DL-CAIPIRINHA技术的图像质量显著提升（评分分别为4.4至4.6分），4倍和8倍DL-CS-CAIPI技术的图像质量也有所提高（评分分别为3.8至3.9分），所有这些技术的评分均高于GRAPPA的3.2分，且差异均有显著性（P<0.001）；而12倍DL-CS-CAIPI技术虽然扫描时间缩短了6倍以上，但其图像质量仍与GRAPPA相当（P=0.42）。所有基于深度学习的重建方法都能有效降低噪声水平（P<0.001）。12倍DL-CAIPIRINHA技术产生的重建伪影最为明显（评分为1.6分），而12倍和16倍DL-CS-CAIPI技术产生的伪影评分则在3.1至3.3分之间，差异也有显著性（P<0.001）。当加速因子大于或等于4时，运动伪影会明显减少（P<0.001）。在4倍DL-CAIPIRINHA技术处理下，脊髓、脊柱内神经根/神经干以及背根神经节的边缘清晰度最高（评分分别为4.2至4.7分），远高于GRAPPA技术的评分（2.9至3.2分），差异具有显著性（P<0.001）。对于所有成像特征，两位评估医师的判断一致性几乎完美（κ值在0.85至0.95之间）。结论：相干CAIPIRINHA欠采样结合深度学习重建技术，不仅能够提升图像质量，还能在7T颈椎MRI检查中实现50%的快速成像。若再加入非相干压缩感知欠采样技术，就能在保持图像质量且减少重建伪影的同时，进一步提升成像速度。通过将相干欠采样与非相干欠采样相结合，并借助深度学习重建技术，可形成一种有效的框架，即使在超过8倍的加速因子下也能保持图像质量，从而实现高效的高分辨率颈椎MRI成像，扫描时间可缩短6倍以上。三维双回波稳态MRI技术是一种用于高分辨率显示颈椎结构的优秀技术。由于该技术对神经和椎间盘具有较好的对比度，且以水作为激发源，因此可在1.5特斯拉和3特斯拉的磁场强度下，详细展示颅颈神经1,2以及神经孔3的情况。在7特斯拉的超高压磁场环境下，该技术还有助于更准确地预测颈椎神经根受压患者的感官或运动功能障碍4。尤其是在7特斯拉的高分辨率成像条件下，能够精准呈现颈椎的微观结构，包括可能因椎间盘突出或神经根脱位等病理变化而受损的脊柱内神经根和神经末梢5。不过，要利用3D双回波稳态技术分辨这些细微的解剖结构，就需要达到亚毫米级的各向同性空间分辨率，而这会导致成像时间延长，且更容易出现运动伪影。近年来，得益于各种加速技术的进步，包括相干欠采样和非相干欠采样策略，大幅缩短了成像时间6,7。诸如“广义自校准部分并行采集”和“控制并行成像中的混叠以实现更高加速率”这类常规欠采样方法，都是在笛卡尔坐标网格上应用相干欠采样模式8,9。而基于压缩感知的成像技术则采用非相干的、密度可变的采样模式，比如泊松盘采样模式10,11。当这些技术与基于深度学习的图像重建技术相结合时，就能显著加快3D双回波稳态序列的采集速度，同时还能保持甚至提升图像质量。此前已有研究在3特斯拉磁场下，成功应用CAIPIRINHA加速技术进行膝关节软骨成像12，而在7特斯拉磁场下，则有研究将CAIPIRINHA加速或压缩感知加速技术分别与深度学习重建技术结合使用13,14。最近还有研究在7特斯拉磁场下的脑部成像中评估了结合深度学习重建技术的压缩感知加速与CAIPIRINHA加速序列的协同效应，结果显示在不影响关键成像指标的前提下，扫描时间可缩短多达50%15。不过，目前尚未在3D双回波稳态成像任务中测试过这种结合压缩感知加速与深度学习重建技术的方案，也未在7特斯拉磁场下的非滑膜关节中对其效果进行过评估。我们推测，在3D双回波稳态成像中，将常规的CAIPIRINHA欠采样与非相干压缩感知欠采样技术结合，并借助深度学习重建技术，不仅能实现更高的加速因子（R≥8），还能在保持图像质量、减少重建伪影方面表现得更为出色，优于单独使用CAIPIRINHA加速技术的方法。本研究旨在探讨在7特斯拉磁场下，利用CAIPIRINHA欠采样以及结合压缩感知加速与CAIPIRINHA欠采样的技术，配合新的深度学习重建算法，实现快速颈椎双回波稳态MRI成像的可行性。研究比较了不同加速因子和欠采样方案下的图像质量、重建伪影以及神经结构的显示效果，并将这些结果与采用标准GRAPPA重建技术的双回波稳态序列在无症状志愿者中的成像效果进行了对比。方法研究设计与志愿者这项前瞻性单中心研究已获得瑞士苏黎世州伦理委员会的批准，所有参与者都签署了书面知情同意书。通过双尾配对t检验进行事前功效分析，设定功效值为80%，效应量为Cohen d=0.7，并应用本杰明-霍奇伯格校正方法将家族错误率控制在α=0.05的水平，最终确定所需样本量为30人。效应量的估算基于之前一项关于7特斯拉MRI欠采样技术的研究数据14，考虑到需要对比多种序列，因此采用了较为保守的d=0.7这一数值。共有32名无症状志愿者参与了这项研究（平均年龄30.9±7.2岁，平均BMI值为23.4±2.8千克/平方米，其中16名为女性），这些志愿者均无颈椎疾病、疼痛或手术史，他们于2026年1月至3月期间接受了7特斯拉颈椎MRI检查。纳入标准为年龄在18岁及以上，且不存在进行超高压磁场MRI检查的禁忌症，比如体内有金属植入物或处于妊娠期。图像采集志愿者们仰卧、头部朝前，使用德国福尔赫海姆的西门子医疗公司生产的MAGNETOM Terra.X型7特斯拉MRI扫描仪，以及德国里姆帕尔的Rapid Biomedical公司生产的8Tx/8Rx型号颈部线圈进行扫描。3D双回波稳态序列的参数参考了之前一项针对7特斯拉磁场下颈椎成像的研究结果5，扫描是在冠状面上进行的（详细的采集参数见表1），扫描范围从颅底延伸到Th1椎体的上端板。首先使用常规的2倍并行成像技术（GRAPPA-2）依次采集双回波稳态序列数据，之后再使用基于深度学习重建技术的研究专用序列，分别采用CAIPIRINHA加速技术和压缩感知加速技术采集数据（对应分别为DL-CAIPIRINHA和DL-CS-CAIPI）。加速因子逐渐增加（DL-CAIPIRINHA：R=2至12；DL-CS-CAIPI：R=4至16）。表2汇总了所采用的各类欠采样方案及其对应的采集时间，所有9次采集任务的完整信息见补充表1，即补充数字内容1，链接为https://links.lww.com/RLI/B120。除了逐步增加加速因子外，其他所有成像参数均保持不变。整个采集流程共包含9次双回波稳态序列采集，总耗时为23分35秒。表1 7特斯拉双回波稳态序列的采集参数TR/TE（毫秒）：8.0 / 3.0；翻转角度（度）：15；接收器带宽（赫兹/像素）：434；切片数量：384；重建体素大小（立方毫米）：0.35×0.35×0.35；视野大小（平方毫米）：180×180；采集矩阵尺寸：256×256；水脂肪对比度；水作为激发源；相位过采样百分比：40；相位编码方向：左右；成像平面方向：冠状面。无论加速因子或欠采样方案如何变化，3D双回波稳态序列的采集参数均保持不变。FOV指视野大小；TE指回波时间；TR指重复时间。表2 所选欠采样方案（GRAPPA、CAIPIRINHA、压缩感知）及其组合的概述，包括总加速因子和采集时间欠采样方案RCAIPIRINHARCS总采集时间（分钟:秒）GRAPPA-2206:18DL-CAIPIRINHA-44403:01DL-CS-2-CAIPI-222402:28DL-CS-2-CAIPI-442801:17DL-CS-4-CAIPI-4441600:44CS指压缩感知；DL-CAIPIRINHA指基于CAIPIRINHA技术的深度学习重建技术；DL-CS-CAIPI指基于CAIPIRINHA与非相干压缩感知技术结合的深度学习重建技术；R指加速因子。数据采样与深度学习图像重建采样模式的设计参考了Middlebrooks等人的研究方法15。在生成常规的CAIPIRINHA采样模式后，还会进一步应用密度可变的泊松盘采样模式16来进行二次欠采样。总加速因子是RCAIPIRINHA与RCS的乘积，例如，4倍CAIPIRINHA欠采样与4倍压缩感知欠采样结合时，总加速因子为R总=RCAIPIRINHA x RCS=16。图像重建通过深度学习驱动的CS-CAIPI联合方法分两个阶段进行：首先，利用冗余的Haar小波进行空间正则化处理，再通过快速迭代收缩阈值算法进行优化，从而完成压缩感知重建17。得到初步图像后，再利用这些图像来填补CAIPIRINHA采样网格中的缺失数据点。之后，将处理后的CAIPIRINHA数据集输入到基于深度学习的重建模型中18，该模型受到变分网络的启发，能够在6次迭代内从相干欠采样的k空间数据中生成图像，这6次迭代会交替进行数据一致性优化和基于网络的图像增强处理19。该重建模型是在1.5特斯拉和3特斯拉磁场下从健康志愿者身上获取的1000组完整且相干采样的3D数据集上训练而成的，之后又通过自监督学习在7特斯拉磁场下的数据集上进行了微调。所有训练数据均来自西门子医疗公司生产的MAGNETOM系列扫描仪。图像分析两名经过专业培训的肌肉骨骼放射科医师（F.A.和A.J.W.，其工作经验分别为5年和6年）在不知道图像重建方法的情况下，独立地在图像存档和传输系统工作站上，按照随机顺序对匿名化的图像进行评估。图像质量的评估采用5点李克特量表：(1)整体图像质量（1=非常差/无法诊断；2=较差；3=一般；4=良好；5=优秀）；(2)噪声水平（1=非常严重，严重影响主要结构的显示；2=严重，极大程度影响主要结构的显示；3=一般，可能干扰诊断决策；4=轻微，可察觉但不会干扰诊断决策；5=无噪声）；(3)重建伪影；(4)运动伪影（评分标准与噪声水平相同）。此外，还评估了神经结构的边缘清晰度和可见度，具体包括(5)脊髓、(6)从脊髓到背根神经节的硬膜内神经根和神经干，以及(7)背根神经节（位于神经孔内），还包括出颅脊神经的腹侧分支（评分标准为1=非常差；2=较差；3=一般；4=良好；5=优秀）（见图1）。硬膜内神经根/神经干、背根神经节以及出颅脊神经的评估是整体进行的，涵盖从C2到C8的所有脊柱节段及两侧结构。图1 对7特斯拉MRI下颈椎脊髓、双侧神经根/神经干以及背根神经节和相应脊神经的定性评估结果。这是一名29岁志愿者经过4倍CAIPIRINHA加速处理并采用深度学习重建技术生成的3D双回波稳态序列的5毫米最大强度曲线投影图。从所有脊柱节段和两侧角度共同评估了脊髓（星号标出）、脊柱内神经根/神经干（绿色括号标注）以及背根神经节和出颅脊神经（蓝色括号标注）的边缘清晰度。另外，还有一名评估医师（F.A.）在所有双回波稳态序列中相同的C4/5椎体水平的脊髓中央区域，设置了一个10平方毫米的圆形感兴趣区域，用来测量表观信噪比（SNR）（见补充图1，补充数字内容2，链接为https://links.lww.com/RLI/B121）。信噪比的计算方法是该兴趣区域内的信号平均强度除以信号的标准差。由于深度学习重建具有非线性特征，且噪声水平会随空间位置发生变化，因此这些数值被定义为表观信噪比。统计分析采用Shapiro-Wilk检验来判断数据是否呈正态分布。定性特征的组间比较则先进行弗里德曼检验，然后再进行事后配对威尔科克森符号秩检验。表观信噪比的比较则采用单因素重复测量方差分析，之后再进行事后配对t检验。多重比较问题通过本杰明-霍奇伯格校正方法来解决，该方法会在9组序列之间的所有配对比较中，针对每一项特征分别进行校正。对于定性成像特征，评估医师之间的一致性则通过加权Cohen kappa系数（κ）及其95%置信区间来衡量。一致性程度的判定标准如下：κ≤0.20为差；0.21至0.40为一般；0.41至0.60为中等；0.61至0.80为较好；0.81至1.00为几乎完美。双尾P值小于0.05时被视为具有统计学显著性。所有分析均使用R语言（版本4.4.1；奥地利维也纳的统计计算基金会）完成。结果图像质量、噪声、信噪比及伪影评估表3和图2展示了图像质量、噪声及伪影的定性评估结果。表3汇总了不同采样方案及加速因子下图像质量、噪声水平、重建伪影和运动伪影的定性评价结果。采样方案RTotal图像质量噪声水平重建伪影运动伪影GRAPPA-223.2 (2.5-4)c2.5 (1-4)e4.5 (3-5)a3.8 (1-5)bDL-CAIPIRINHA-224.4 (3-5)a4.6 (3-5)a4.6 (4-5)a4.0 (1-5)bDL-CAIPIRINHA-444.6 (3-5)a4.6 (3-5)a4.5 (3.5-5)a4.8 (3-5)aDL-CAIPIRINHA-882.7 (1-4)d4.3 (2-5)b3.3 (2-5)cd4.8 (3-5)aDL-CAIPIRINHA-12121.9 (1-4)e3.6 (1-5)d1.6 (1-3)e4.7 (3-5)aDL-CS-2-CAIPI-243.9 (2-5)b4.2 (2.5-5)b3.8 (3-5)b4.7 (1-5)aDL-CS-2-CAIPI-483.8 (2-5)b4.1 (2-5)bc3.8 (3-5)b4.7 (1-5)aDL-CS-3-CAIPI-4123.1 (2-4)c4.0 (2-5)c3.3 (2-4)c4.7 (2.5-5)aDL-CS-4-CAIPI-4162.8 (1-4)d4.0 (2-5)c3.1 (1-3)d4.7 (2.5-5)a读者间一致性κ值（95%置信区间）为0.91（0.88-0.94）、0.91（0.88-0.94）、0.92（0.88-0.95）、0.85（0.79-0.91）。数据以均值形式呈现，括号内为数值范围。同一列中相同上标字母的不同DESS变体之间无显著差异（P≥0.05），字母顺序表示数值越好（a为最佳）。不同字母表示存在显著差异（P<0.05）。P值来自经过Benjamini-Hochberg校正的后续Wilcoxon符号秩检验。DL-CAIPIRINHA指利用CAIPIRINHA技术进行深度学习重建；DL-CS-CAIPI指结合CAIPIRINHA与压缩感知技术进行深度学习重建；R为加速因子。打开多媒体模式图2打开多媒体模式以5点李克特量表评估的图像质量、噪声水平、重建伪影和运动伪影的汇总定性评分的堆叠条形图。4倍CAIPIRINHA加速的深度学习重建DESS（DL-CAIPIRINHA-4）的图像质量评分最高。所有基于深度学习的重建方法都能显著降低噪声水平。当仅使用CAIPIRINHA加速且加速因子≥8时，重建伪影显著增加，而结合压缩感知与CAIPIRINHA并采用深度学习重建的方法（DL-CS-CAIPI）在较高加速因子下表现更稳定。所有采样方案在加速因子≥4时，运动伪影都会显著增加。2倍加速的DL-CAIPIRINHA-2和4倍加速的DL-CAIPIRINHA-4序列的图像质量评分最高（平均分为4.4至4.6，采集时间分别为6分18秒和3分01秒），同样，4倍加速的DL-CS-2-CAIPI-2和8倍加速的DL-CS-2-CAIPI-4序列的评分也为3.8至3.9（采集时间分别为2分28秒和1分17秒），这些序列的图像质量均显著高于标准的2倍加速GRAPPA-2序列（3.2，采集时间6分18秒，P<0.001）。尽管DL-CS-3-CAIPI-4序列的扫描时间减少了6倍以上，但其图像质量仍与前者相当（3.1，P=0.42）。相比之下，DL-CAIPIRINHA-8、DL-CAIPIRINHA-12以及DL-CS-4-CAIPI-4序列的图像质量显著较差（均为P<0.05）。在R=12和R=16时，结合DL-CS-CAIPI技术的序列的评分显著高于单独的DL-CAIPIRINHA-12序列（两者P值均<0.001）。与GRAPPA-2相比，所有基于深度学习的采样方案都能显著改善噪声水平（均为P<0.001），其中DL-CAIPIRINHA-12的噪声放大程度最大（3.6，P<0.01，与其他深度学习重建结果相比）。所有深度学习重建方法的平均表观信噪比均显著高于GRAPPA-2参考组（17.3±3.3，所有P值均<0.05），不过8倍加速的DL-CAIPIRINHA序列的表观信噪比与后者相当（P=0.17）。相反，12倍加速的DL-CAIPIRINHA序列的表观信噪比较低（15.0±5.0，P<0.05）。4倍加速的DL-CAIPIRINHA序列的表观信噪比最高（24.6±4.9），其次是2倍加速的DL-CAIPIRINHA序列（24.0±5.8）和4倍加速的DL-CS-2-CAIPI-2序列（23.5±5.2）（见补充图2，补充数字内容2，网址：https://links.lww.com/RLI/B121）。GRAPPA-2、DL-CAIPIRINHA-2和DL-CAIPIRINHA-4序列的重建伪影程度相当（4.5至4.6，P值分别为0.63至0.91）。当仅使用CAIPIRINHA加速且加速程度越高时，混叠伪影会显著增加，其中DL-CAIPIRINHA-8和DL-CAIPIRINHA-12的混叠伪影严重程度明显高于DL-CAIPIRINHA-4（P<0.001）。虽然结合DL-CS-CAIPI技术的序列的基线重建伪影水平较高（主要是模糊和斑点状图案），但在R=12和R=16时，其严重伪影数量显著少于DL-CAIPIRINHA-12序列（分别为3.1至3.3和1.6，两者P值均<0.001）。运动伪影在GRAPPA-2和DL-CAIPIRINHA-2序列中最为明显，而在所有加速因子≥4的情况下，运动伪影都显著减少（所有P值均<0.001）。图3和图4展示了不同采样方案及加速因子下各DESS序列的图像质量和重建伪影的典型示例。打开多媒体模式图3打开多媒体模式一名31岁志愿者的脊柱图像质量与重建伪影情况。该图像为采用2倍加速GRAPPA技术获取的矢状面3D DESS 7T磁共振图像（A），以及采用逐步递增的加速因子R=2至12的深度学习重建CAIPIRINHA技术获取的图像（B–E），还有采用R=4至16的DL-CS-CAIPI技术获取的图像（F–I），同时标注了相应的采集时间。与GRAPPA-2相比，2倍和4倍加速的DL-CAIPIRINHA序列（B、C）以及4倍和8倍加速的DL-CS-CAIPI序列（F、G）的图像质量和噪声水平均有显著提升，而12倍加速的DL-CS-CAIPI序列（H）的图像质量仍与GRAPPA-2相当，尽管其扫描时间有所缩短。较高的CAIPIRINHA单独加速会在脑干区域产生条纹状混叠伪影（D、E中的箭头所示），在R=12时还会在周围区域出现边缘混叠现象（E中的箭头所示），同时还会出现轻微的噪声放大。相比之下，DL-CS-CAIPI技术获取的图像（F–I）在脑干周围呈现轻微的斑点状、块状重建图案（用括号标出），且随着加速因子升高，这种图案仅会有轻微变化，不过仍会出现一定程度的模糊。打开多媒体模式图4打开多媒体模式一名36岁志愿者左侧C5/6处的椎骨关节炎情况。该图像为采用2倍加速GRAPPA技术获取的冠状面3D DESS 7T磁共振图像（A），以及采用逐步递增的加速因子R=2至12的深度学习重建CAIPIRINHA技术获取的图像（B–E），还有采用R=4至16的DL-CS-CAIPI技术获取的图像（F–I）。在经过去噪处理的DL-CAIPIRINHA-2图像（B）中，尽管存在轻微的运动伪影，但左侧C5/6处的严重椎骨关节炎仍能更清晰地显示出来。采用DL-CAIPIRINHA-4技术处理后，图像质量和病变显示效果进一步提升（C），在8倍加速情况下仍可清晰辨识病变（D），不过在颅底区域会出现带状折叠伪影（箭头所示）。在DL-CAIPIRINHA-12图像（E）中，条纹状伪影更为明显（箭头所示），且由于边缘混叠伪影的干扰，椎骨关节炎的特征被掩盖。而结合DL-CS-CAIPI技术的序列（F–I）仍能较好地显示椎骨关节炎的特征（蓝色箭头所示），即使在R=12和R=16时（H、I），也只有轻微的块状重建伪影，其表现优于DL-CAIPIRINHA-12序列。对于图像质量、噪声以及伪影的评估，不同评估者之间的意见一致性几乎完美（κ值介于0.85至0.92之间，95%置信区间为0.79-0.95）（见表3）。神经结构评估表4和图5展示了神经结构的定性评估结果。表4汇总了不同采样方案及加速因子下脊髓、神经根及背根神经节及其相连脊神经的边缘清晰度的定性评价结果。采样方案RTotal脊髓边缘清晰度神经根边缘清晰度背根神经节边缘清晰度GRAPPA-223.2 (1-4)f3.3 (1-4)d2.9 (2-4)cdDL-CAIPIRINHA-224.1 (1-5)bc3.5 (1-5)bc4.0 (1-5)abDL-CAIPIRINHA-444.7 (3.5-5)a4.5 (3-5)a4.2 (2.5-5)aDL-CAIPIRINHA-884.2 (2-5)b3.9 (1-5)b3.9 (1.5-5)bDL-CAIPIRINHA-12123.9 (1-5)cd3.3 (1-5)cd3.3 (1-5)cDL-CS-2-CAIPI-243.8 (1-5)de3.5 (1-5)cd3.4 (1-5)cDL-CS-2-CAIPI-483.7 (1-5)e3.1 (1-5)d3.3 (1.5-5)cDL-CS-3-CAIPI-4123.0 (1-4)f2.2 (1-4)e2.6 (1-4)dDL-CS-4-CAIPI-4162.7 (1-4)g1.8 (1-3)f2.4 (1-4)e读者间一致性κ值（95%置信区间）分别为0.95（0.93-0.97）、0.91（0.89-0.94）、0.87（0.84-0.91）（见表4）。数据以均值形式呈现，括号内为数值范围。同一列中相同上标字母的不同DESS变体之间无显著差异（P≥0.05），字母顺序表示数值越好（a为最佳）。不同字母表示存在显著差异（P<0.05）。P值来自经过Benjamini-Hochberg校正的后续Wilcoxon符号秩检验。DL-CAIPIRINHA指利用CAIPIRINHA技术进行深度学习重建；DL-CS-CAIPI指结合CAIPIRINHA与压缩感知技术进行深度学习重建；DRG指背根神经节；R为加速因子。打开多媒体模式图5打开多媒体模式以5点李克特量表评估的脊髓、神经根及背根神经节边缘清晰度的汇总定性评分的堆叠条形图，其中还包含了相连的脊神经的评估结果。与GRAPPA参考组相比，尽管扫描时间缩短了50%，但4倍加速的DL-CAIPIRINHA深度学习重建DESS序列的各类结构的边缘清晰度评分仍然最高。在所有仅使用CAIPIRINHA加速的序列中，独立的DL-CAIPIRINHA-4序列的脊髓边缘清晰度评分最高（4.7，P<0.001，显著高于其他所有序列），其评分也显著高于GRAPPA-2序列（3.2，P<0.01）。结合DL-CS-CAIPI技术的序列的边缘清晰度虽低于独立的CAIPIRINHA序列，但在R=8时仍优于GRAPPA-2序列（评分分别为3.7至3.8，P<0.05）。硬膜内神经根的边缘清晰度在DL-CAIPIRINHA-4序列中也最高（4.5，P<0.001，显著高于其他序列）。DL-CAIPIRINHA-2和DL-CAIPIRINHA-8序列的评分也高于GRAPPA-2序列（3.3，P<0.01），而DL-CAIPIRINHA-12序列的评分与GRAPPA-2序列相当（P=0.62）。在R=4和R=8时，结合DL-CS-CAIPI技术的序列的评分与GRAPPA-2序列相当，但高于后者，不过在加速因子超过R=8时，这些序列会出现明显的模糊现象（评分分别为1.8至2.2，P<0.001，显著高于其他序列）。对于背根神经节及相连的近端脊神经的评估，结果也与此类似，DL-CAIPIRINHA-4序列的边缘清晰度最高（4.2，P<0.001，显著高于GRAPPA-2序列），而DL-CS-3-CAIPI-4和DL-CS-4-CAIPI-4序列的图像则会出现较严重的模糊现象（评分分别为2.4至2.6）。图6和图7展示了不同序列及加速因子下神经结构边缘清晰度的典型示例。打开多媒体模式图6打开多媒体模式一名26岁志愿者体内的硬膜内神经根情况。该图像为采用标准2倍加速GRAPPA技术获取的冠状面5毫米最大强度投影的3D DESS 7T磁共振图像（A），以及采用逐步递增的加速因子R=2至12的深度学习重建CAIPIRINHA技术获取的图像（B–E），还有采用R=4至16的DL-CS-CAIPI技术获取的图像（F–I）。插图中的绿色框区域（A’–I’）为双侧C5神经根的放大视图（绿色箭头所示）。经过去噪处理的DL-CAIPIRINHA重建图像能显著提高硬膜内神经根的边缘清晰度，尤其是在R≥4时（C–E），其中DL-CAIPIRINHA-4序列的重建效果最佳（C）。结合DL-CS-CAIPI技术的重建图像也能提升神经根的边缘清晰度，但在R=12和R=16时，图像会出现轻微的边缘过平滑现象，从而导致脊髓及神经根的边缘清晰度下降。打开多媒体模式图7打开多媒体模式一名31岁志愿者脊柱的脊髓、硬膜内神经根及背根神经节情况。该图像为采用2倍加速GRAPPA技术获取的C2段脊柱神经的轴向3毫米最大强度投影的3D DESS 7T磁共振图像（A），以及采用逐步递增的加速因子R=2至12的深度学习重建CAIPIRINHA技术获取的图像（B–E），还有采用R=4至16的DL-CS-CAIPI技术获取的图像（F–I）。与GRAPPA-2序列相比，DL-CAIPIRINHA-2和DL-CAIPIRINHA-4序列能显著提升脊髓（星号标记）、成对的双侧腹侧和背侧神经根（绿色括号标记）以及C2段脊柱神经的腹侧分支对应的背根神经节的边缘清晰度（A、B、C）。但在较高的CAIPIRINHA单独加速条件下，图像质量会下降，细微结构特征会丢失，尤其在DL-CAIPIRINHA-12序列中，右侧腹侧神经根会出现明显的噪声放大现象（黄色箭头所示）。结合DL-CS-CAIPI技术的序列在较高加速条件下虽也会出现一定的边缘模糊现象，但总体上仍能保留较好的结构细节；不过在R=16时，图像的模糊程度加剧，导致微观结构特征丢失（黄色箭头所示）。对于脊髓、硬膜内神经根及背根神经节的边缘清晰度评估，不同评估者之间的意见一致性几乎完美（κ值介于0.87至0.95之间，95%置信区间为0.84-0.97）（见表4）。讨论这项前瞻性7T研究结果表明，与标准的2倍加速GRAPPA参考序列相比，采用CAIPIRINHA加速结合深度学习重建技术的3D DESS磁共振成像方法能显著提升图像质量及神经结构的显示效果，即便在扫描时间缩短50%的情况下，适度加速仍能获得最佳成像效果。相比之下，结合DL-CS-CAIPI技术的方案虽然能在更高加速条件下工作，且能有效减少严重的混叠伪影，但在最高加速因子下仍会出现轻微的边缘模糊现象。这些结果验证了我们的假设，即将常规的CAIPIRINHA采样技术与非相干压缩感知采样技术结合，并与深度学习重建技术搭配使用，不仅能实现更高的加速效率（R≥8），还能更好地保持图像质量，减少重建伪影，其效果优于单独使用CAIPIRINHA加速技术。据我们所知，这是首项探讨将相干CAIPIRINHA采样技术与非相干压缩感知采样技术结合并与深度学习重建技术共同用于高分辨率3D DESS磁共振成像研究的文献。3D DESS序列在纤维软骨和透明软骨的成像中已被广泛应用，尤其是膝关节的成像，因为它具有较高的平面内和垂直于平面的分辨率，非常适合用于骨关节炎的评估。20–23 相比而言，颈椎的成像难度要大得多——尤其是在7T磁场强度下——因为颈椎更容易出现运动伪影、B0/B1不均匀性，此外颈椎区域本身呈凹陷状，线圈贴合度较差，还会导致g因子噪声加剧。24–26 不过，与自旋回波序列相比，梯度回波型的DESS序列的特定吸收率较低，因此非常适合用于超高场磁共振成像27，而且其可行性已在腰椎和颈椎的成像中得到验证。4,5,28 由于高分辨率成像需要较大的采集矩阵，导致扫描时间过长，因此之前的研究已经探讨了多种采样技术用于3D DESS成像。在膝关节软骨的成像研究中，4倍加速的CAIPIRINHA DESS序列已能实现与2倍加速的3T序列相当的诊断图像质量，同时还能将扫描时间缩短一半。12 在7T磁场下，结合深度学习重建技术的6倍加速方案也已实现，其效果优于4倍加速的GRAPPA序列，不过在R=8和R=12时，这类序列仍会出现较为严重的重建伪影。13 我们的研究结果与这些膝关节成像研究一致，即适度加速能保持图像质量，而过高加速则会增加重建伪影。四倍速的DL-CAIPIRINHA在图像质量以及神经结构边缘清晰度方面表现最佳，其优势不仅体现在相较于两倍速的GRAPPA，也在于优于两倍速的DL-CAIPIRINHA（这主要得益于更快的采样速度，从而减少了脑脊液波动带来的运动伪影）。与Marth等人报告的情况类似，更高的加速因子存在一个重要缺陷：当加速因子达到R≥8时，单独使用CAIPIRINHA会导致明显的重建伪影，表现为图像边缘的条纹状混叠现象，进而降低图像质量。Marth等人则通过使用单独的CS加速DESS结合DL重建技术，在高分辨率膝关节软骨成像中获得了较少的重建伪影，该技术在16倍速加速与常规4倍速GRAPPA之间实现了相当的图像质量，且在与CAIPIRINHA相同加速因子下伪影更少。最近，Middlebrooks等人研究了在7T脑部成像中结合CS和CAIPIRINHA以及DL重建技术的CS-CAIPI SPACE序列（最高加速因子可达R=14）。他们在不降低对比度噪声比或增加噪声水平的情况下，将扫描时间缩短了50%，同时还减少了重影和运动伪影。与这些研究结果一致，我们在颈椎成像中采用DL-CS-CAIPI DESS技术时也观察到重建伪影显著减少，且图像质量得以保持，这一效果在较高加速因子（R≥8）下更为明显。与单独使用CAIPIRINHA相比，结合DL-CS-CAIPI技术显著减少了严重的重建伪影，但同时也带来了一定程度的过度平滑效应，导致边缘清晰度下降，这在硬膜内神经根处尤为明显。结合DL-CS-CAIPI技术所产生的较轻微的重建伪影源于非相干欠采样，表现为一种细微的随机斑块状“豹纹”图案，尤其在脑干周围较为明显。不过，这类伪影通常对诊断决策的干扰小于CAIPIRINHA常规欠采样所产生的有规律且较为明显的条纹状混叠伪影。通过结合常规欠采样与非相干欠采样，能够为更高加速因子提供一种有效的策略，能够在抑制高加速因子下常规欠采样带来的严重伪影的同时，平衡两种欠采样的效果。总体而言，这种方法能够在保持图像质量的同时实现快速的高分辨率成像，唯一的妥协是图像可能会有一定模糊度。最后，尽管这项研究是在7T磁场强度下进行的，而该磁场强度本身较高的信噪比有助于实现快速成像，但DL-CS-CAIPI技术预计也可应用于更普遍的3T系统。由于3T系统的信噪比较低，本研究中测试的最高加速因子可能会导致图像质量进一步下降；不过，3T系统更佳的B0/B?均匀性或许可以部分弥补信噪比方面的劣势，从而在保持颈椎MR神经成像诊断质量的同时大幅缩短扫描时间。这项研究的一个局限性在于，参与者均为无症状、年龄相对较轻且无已知颈椎疾病的志愿者。因此，无法评估这种加速的DL重建DESS序列在检测和识别实际临床病变（如退行性变化、神经根压迫或脊柱异常弯曲）方面的性能，而且年龄差异可能影响神经形态、组织对比度以及对运动伪影的敏感度，进而限制了研究结果的推广性。此外，参考组的成像采用的是常规的两倍速GRAPPA重建技术，而加速后的CAIPIRINHA和CS-CAIPI成像则是通过基于DL的算法来重建的。因此，所观察到的噪声水平及主观图像质量的改善，可能部分归因于DL重建技术本身的去噪和图像增强功能，而不仅仅是欠采样策略的作用。最后，由于DL重建图像中的噪声具有空间差异性，再加上非线性重建效应以及DL算法的去噪特性，对其信噪比进行定量评估仍面临挑战。所以我们采用了表观信噪比测量方法，但对其结果需谨慎解读。

结论：在适度加速因子下，结合DL重建技术的常规CAIPIRINHA欠采样技术能够提升图像质量，优于传统的GRAPPA技术，同时还能加快7T颈椎MRI的扫描速度。进一步引入非相干的CS欠采样技术，则能够在保持图像质量并减少重建伪影的前提下，实现更高的加速效率。通过结合CAIPIRINHA和CS欠采样技术，并借助DL重建，该方法为在高加速因子下实现高效的高分辨率颈椎MRI提供了可靠的解决方案。