摘要目的 探讨深度学习重建(deep-learning reconstruction,DLR)结合小视野(small field-of-view,sFOV)高分辨率扫描在提高手指磁共振成像(magnetic resonance imaging,MRI)图像质量中的价值.材料与方法 前瞻性纳入33例健康志愿者和24例手部疾病患者,每位受检者均接受小视野高分辨率T2加权自旋回波成像矢状位序列(the small field-of-view high-resolution T2-weighted turbo spin-echo sequence,TSE-sFOV)和DLR结合TSE-sFOV(DLR combined with TSE-sFOV,TSEDL-sFOV)的MRI扫描.采用4分法对57例样本的两组图像的整体图像质量(基于图像对比度、边缘锐利度、噪声、伪影)和解剖结构清晰度(包括骨、关节软骨、肌腱和韧带)进行主观评分;对其中24例样本的两组图像的病灶显示(包括病灶对比度及边缘锐利度、病灶位置及内部形态)和诊断置信度进行评分.评估57例样本两组图像的疾病检出能力(包括骨改变、关节间隙改变、肌腱异常、软组织异常)进行0或1检出.比较两组图像的信噪比(signal-to-noise ratio,SNR)、对比噪声比(contrast-to-noise ratio,CNR).结果 在主观评分中,57例样本的TSEDL-sFOV组图像在整体图像质量、骨、关节软骨的评分中均高于TSE-sFOV组(P均<0.05),肌腱韧带方面的评分差异无统计学意义(P>0.05);在24例样本的病灶显示和诊断置信度方面,TSEDL-sFOV组图像评分均高于TSE-sFOV组,差异具有统计学意义(P均<0.05).在疾病检出能力方面,两组图像的疾病检出结果差异无统计学意义(P均>0.05);两组图像的一致性很好(kappa值均>0.84).在客观评价中,TSEDL-sFOV组的SNR和CNR均高于TSE-sFOV组(P均<0.05).结论 DLR结合sFOV手指MRI在缩短扫描时间的前提下,降低了噪声并提高了图像质量,为临床提供了更精准的影像依据.