骨关节炎（osteoarthritis,OA）是严重影响患者身体健康与生活质量的退行性疾病 ， 我国40岁以上人群总体患病率达46.3% ， 60岁以上人群高达62.1% ， 其主要症状为疼痛、关节强直、功能障碍 ， 甚至丧失劳动能力 ， 给家庭及社会带来沉重负担 。 OA可累及全关节组织 ， 关节软骨损伤在发病及病程进展中具有重要作用 。 全身关节OA中 ， 膝关节最常受累 ， 不同区域关节软骨损伤与疼痛、疾病进展关联性存在差异 。 对OA早期的及时干预 ， 如规范运动、减重及非甾体类药物应用等 ， 能缓解疼痛、减少并发症 ， 改善预后 。

文章图片
MRI图像征象与组织病理改变强相关 ， 可在OA早期发现关节软骨病变 ， 对诊断及治疗具有积极作用 。 MRI临床应用受限于检查时间长 ， OA患者关节不适难以全程配合 ， 出现图像质量下降、细节显示不清 ， 导致误诊、漏诊 ， 因此实现MRI快速采集十分必要 。

文章图片
目前已有多项加速采集技术进入临床 。 并行采集（parallelimaging,PI）利用相控阵线圈空间敏感度差异实现加速采集 ， 是目前应用最广泛的加速采集技术；但随加速因子增大 ， 面临图像难以解码出现混叠伪影、噪声增加等问题 ， 加速效率有限 。 压缩感知（compressedsensing,CS）利用随机采样的非相干数据经稀疏变换后进行非线性迭代重建 ， 降低重建图像必要的数据量 ， 缩短采集时间；近十年内逐步应用于各部位MRI形态与功能成像 。 若多个维度存在可压缩性 ， CS大幅度加速采集的同时可提高空间分辨率或时间分辨率；但仅在一个维度具有可压缩性时CS加速效率有限 ， 且面临图像信噪比下降、真实纹理丢失等难题 。 人工智能-压缩感知（artificialintelligence-compressedsensing,ACS）基于深度学习算法 ， 利用多模块组建级联深度卷积神经网络 ， 从大量全采样图像中预先学习图像结构与内容参数 ， 完成模型训练 ， 并应用到亚采样图像重建中 ， 减少重建必需的采样点数目来实现加速采集 ， 并可同时增加空间分辨率、降低噪声、增强组织对比 。
国内外已有ACS在MRI加速采集中的应用研究 ， 多集中于肝脏、盆腔及颅脑 。 目前已有的膝关节方面应用研究仅进行定性评价 ， 未分析不同区域软骨损伤程度 。 本研究利用目前所有加速采集技术 ， PI、CS与ACS分别加速质子密度加权成像（protondensityweightedimaging,PDWI）序列 ， 分析三项加速采集技术在膝关节OA软骨损伤半定量评价中的表现 ， 将对ACS应用于关节软骨损伤评价、预测疾病进展具有重要意义 。 川北医学院附属医院放射科刘倩倩教授团队此次研究将以PI为参考 ， 对CS、ACS加速的二维PDWI图像质量、不同区域关节软骨损伤的诊断表现进行深入分析 。
该项目受到四川省南充市市级应用技术研究与开发项目20YFZJ0108川北医学院附属医院科研发展计划项目2022JC017的资助 。
【潘珂,黄小华,刘念,等.人工智能-压缩感知加速的磁共振质子密度加权成像序列在膝关节骨关节炎软骨损伤评价中的应用研究[J].磁共振成像,2022,13(10):138-143,156.
DOI:10.12015/issn.1674-8034.2022.10.021.】
（作者：潘珂 ， 黄小华 ， 刘念 ， 雷力行 ， 刘倩倩）
点击此处“阅读原文”可查看详细内容；关注“磁共振成像传媒”公众号与《磁共振成像》杂志共同成长！
刘倩倩教授简介

文章图片
刘倩倩 ， 川北医学院附属医院 ， 教学秘书 ， 主管技师 。
【人工智能-磁共振加权成像序列在膝关节骨关节炎软骨损伤评价中的应用研究