摘要目的:探讨压缩感知(compressed sensing,CS)结合深度学习(deep learning,DL)重建技术在眼眶MRI中的应用价值.方法:选取30名健康者接受MRI扫描,均采用并行成像(parallel imaging,PI)(作为S组,加速因子为2)及CS扫描成像(作为CS组,加速因子为2、3、4、5),经DL重建后获取图像(作为DL组,包括S2DL、CS2DL、CS3DL、CS4DL、CS5DL序列).比较各组之间的主观指标(图像总体质量、眼肌边界清晰度、诊断置信度)和客观指标[眼肌-颞肌信号强度比(signal intensity ratio,SIR)、眼肌信噪比(signal to noise ratio,SNR)及眼肌-颞肌对比噪声比(contrast to noise ratio,CNR)].采用SPSS 26.0统计学软件进行数据分析.结果:在主观指标评分中,S组和CS组图像经DL重建后,图像总体质量、眼肌边界清晰度、诊断置信度的评分均有提高,但CS2与S2、CS2DL与S2DL、CS2与CS2DL在图像总体质量、眼肌边界清晰度、诊断置信度方面比较差异无统计学意义(P＞0.05);CS3与CS2、CS5与CS5DL在图像总体质量、眼肌边界清晰度方面比较差异有统计学意义(P＜0.05);CS2DL与CS3DL在图像总体质量、眼肌边界清晰度方面比较差异无统计学意义(P＞0.05);CS3与CS3DL、CS4与CS4DL在图像总体质量、眼肌边界清晰度、诊断置信度方面比较差异有统计学意义(P＜0.05).在客观指标评价中,在眼肌SNR和眼肌-颞肌CNR方面,S组和CS组图像经DL重建后的评价结果均提高,DL组与S组、DL组与CS组比较差异有统计学意义(P＜0.05);在眼肌-颞肌SIR方面,DL组与CS组比较差异无统计学意义(P＞0.05).结论:DL重建技术在提高图像SNR、CNR的同时还能改善图像质量,选用加速因子为3的CS结合DL重建技术,既能缩短扫描时间,又可获得较高质量的图像,还可提升患者的检查体验,在眼眶MRI中具有重要的应用价值.