摘要目的 探讨深度学习重建(deep learning reconstruction,DLR)技术在提高颞下颌关节MRI快速自旋回波-质子密度加权成像(fast-spin echo proton density weighted imaging,FSE-PD)图像质量及缩短扫描时间中的应用价值.材料与方法 招募40名健康志愿者,进行颞下颌关节MRI扫描,对每名健康志愿者行颞下颌关节MRI常规FSE-PD扫描和DLR加速FSE-PD扫描,并保存未施加DLR的加速FSE-PD原始图像.两名放射科医师分别对3组FSE-PD图像质量进行定性、定量评价.定性评价使用Likert量表(5分法)对图像解剖结构清晰度及整体图像质量进行主观评分.定量评价采用信噪比(signal-to-noise ratio,SNR)和对比噪声比(contrast-to-noise ratio,CNR)对图像质量进行客观评价.采用单因素方差分析和Kruskal-Wallis检验比较三组图像主观评分和客观指标的差异.采用组内相关系数(intra-class correlation coefficient,ICC)评估两名放射科医师主观评分的一致性.结果 与常规FSE-PD组相比,DLR快速FSE-PD组扫描时间缩短了 67％.两名放射科医师对图像解剖结构清晰度及整体图像质量主观评分的一致性较好(ICC分别为0.80、0.78),常规FSE-PD组、快速FSE-PD组和DLR快速FSE-PD组的图像解剖结构清晰度及整体图像质量评分差异均有统计学意义(P＜0.05);三组FSE-PD图像间的SNR、CNR差异有统计学意义(P＜0.05);DLR快速FSE-PD组的定性及定量评价结果均显著优于常规FSE-PD组.结论 DLR技术可以缩短颞下颌关节MRI常规FSE-PD序列检查的扫描时间,提高图像质量,有助于患者更快地完成检查.