摘要目的 基于1.5 T MRI,比较常规T2液体衰减反转恢复(T2-fluid attenuated inversion recovery,T2-FLAIR)序列传统重建和快速T2-FLAIR深度学习(deep learning,DL)重建在颅内占位性病变患者的图像质量与临床价值,并探究最佳DL重建参数.材料与方法 前瞻性纳入颅内占位性病变患者104例,分别采集常规T2-FLAIR和快速T2-FLAIR[并行采集(parallel imaging,PI)加速因子2].常规T2-FLAIR采用传统重建,记为NDL组;快速T2-FLAIR选择DL重建等级2、3和4,记为PI-DL2、PI-DL3和PI-DL4组.由两位医师采用盲法对四组图像进行定量评价和定性评价,并记录病变大小和数量.定量评价包括信噪比(signal-to-noise ratio,SNR)和对比噪声比(contrast-to-noise ratio,CNR);定性评价包括图像锐利度、噪声、灰白质对比度、伪影、病变显示、诊断信心和整体图像质量.结果 常规T2-FLAIR扫描时间为2 min 8 s,快速T2-FLAIR扫描时间为1 min 20 s,时间缩短约37.5%.定量分析显示,与NDL组相比,各DL重建组(等级2、3、4)的SNR均有提高,且随DL等级增加而提高(P<0.05);PI-DL4组的CNR高于其他三组(P<0.05),而PI-DL2组在胼胝体压部、脑桥和小脑区域的CNR与NDL组差异无统计学意义(P>0.05).定性评价方面,两位诊断医师评价一致性良好;PI-DL4组在图像锐利度、噪声控制和整体图像质量方面表现最佳(P<0.05);PI-DL4与PI-DL3组灰白质对比度、病变显示和诊断信心差异无统计学意义(P>0.05);PI-DL2组与NDL组在各项定性评价指标上差异均无统计学意义(P>0.05).在病变检出方面,DL组检出率高于NDL组,病变大小测量差异无统计学意义(P>0.05).结论 在1.5 T MRI中,将DL重建算法与PI加速技术联合使用,可显著提高T2-FLAIR序列的图像质量和病变显示能力,并有效缩短扫描时间.由于DL等级4可能会导致部分病变边缘对比度降低,因此颅内占位性病变推荐使用DL等级3作为T2-FLAIR序列的最佳重建参数.