摘要目的 探讨应用深度学习重建算法提高颞下颌关节MRI图像质量并且降低扫描时间的可行性.方法 前瞻性纳入未经治疗的颞下颌关节紊乱病患者42例,分别行颞下颌关节张、闭口位常规快速自旋回波(fast-spin echo,FSE)PDWI序列,和DLR快速FSE-PDWI扫描.并保存未应用DLR的原始快速FSE-PDWI序列.由两名医师对三组图像(常规PDWI、快速PDWI、DLR快速PDWI)进行LIKERT五分制法评分,内容包括图像整体质量,关节结构显示情况及伪影进行主观评分,应用组内相关系数(intra-class correlation coefficient,ICC)对评分进行一致性检测.在三组图像的相同层面上测量颞部,髁状突颈部,翼外肌,腮腺及脂肪的信号强度(SI)和噪声值(SD),并分别计算SNR、CNR.采用Friedman秩检验对主观评分和客观评价进行统计学分析.结果 本研究共纳入42名受试者数据,主观评分均采用中位数(四分位数)M(P25,P75)表示.常规FSE-PDWI序列图像的张、闭口位主观整体评分分别为5(4,5),4(4,5),快速FSE-PDWI序列图像张、闭口主观整体评分分别为4(4,4)和4(4,4),DLR快速FSE-PDWI序列图像的张、闭口主观评分分别为5(5,5)和5(5,5),DLR快速FSE-PDWI主观评分明显高于其余两组.两名医师的主观评价的一致性组内相关系数在0.741～0.779之间,一致性良好.DLR快速FSE-PDWI序列的各个部位SNR分别为62.65±18.77、79.68±22.93、36.10±6.52、44.68±12.68、CNR分别为18.12±9.28、35.00±15.56、28.95±12.23、48.90±19.59,均高于其余两组,且差异具有统计学意义(P＜0.05).DLR快速FSE-PDWI的总扫描时间为108,较常规组(161s),减少32％.结论 深度学习重建算法可用于颞下颌关节MRI序列扫描中,可以在保证图像质量的同时大幅度的缩短检查时间.