YIKE 安徽医科大学学报 Acta Universitatis Medicinalis Anhui Acta Universitatis Medicinalis Anhui 安徽医科大学学报 1000-1492 34-1065/R Anhui Lianzhong Printing Limited Company Editorial Board of Acta Universitatis Medi-cinalis Anhui Meishan Road , Hefei 230032 《安徽医科大学学报》编辑部 安徽省合肥市安徽医科大学校内老图书馆三楼 1000–1492（2026）05–0937–06 10.19405/j.cnki.issn1000–1492.2026.05 019 V220-冯路路-深度学习重建技术 R 445.2 A 临床医学研究 深度学习重建技术用于提升肝脏MRI中HASTE与DWI序列成像效能及质量的应用价值 Application value of deep learning reconstruction technology in enhancing the imaging efficiency and quality of HASTE and DWI sequences for liver MRI 冯 路路 Feng Lulu 潘 志立 Pan Zhili 赵 英明 Zhao Yingming 中国科学技术大学附属第一医院（安徽省立医院）影像科， 合肥 230001 Department of Radiology，The First Affiliated Hospital of USTC，Division of Life Sciences and Medicine， University of Science and Technology of China， Hefei　 230001 Zhao Yingming，E-mail： wisezhao158@ustc.edu.cn

冯路路，女，影像技师

赵英明，男，副主任技师，硕士生导师，通信作者，E-mail： wisezhao158@ustc.edu.cn

13 04 2026 17 03 2026 23 05 2026 61 5 16 937 942 937-942 目的

比较深度学习重建（DLR）的单次激发半傅里叶快速自旋回波（HASTE DLR）和扩散加权成像（DWI DLR）序列与传统刀锋伪影校正技术（BLADE）及DWI 常规序列在肝脏磁共振成像（MRI）中的价值。

方法

70例患者接受MRI检查，2名观察者独立评估各序列图像质量（肝缘、血管、病灶清晰度等），并测量病灶信噪比（SNR）和病灶对比噪声比（CNR）以及表观扩散系数（ADC）值，采用组内相关系数（ICC）评估观察者一致性。

 结果

观察者一致性较高（ICC：0.84~0.97）。HASTE DLR和DWI DLR序列扫描时间分别减少92.63%和50%。HASTE DLR组病灶清晰度评分显著优于BLADE组（ P<0.001），两组DLR序列伪影均减少（ P<0.05）。HASTE DLR组SNR、CNR及DWI DLR组SNR、ADC值均更高（ P<0.05）。

结论

DLR技术可提升肝脏MRI扫描效率，改善图像质量并减少伪影，具有良好的应用前景。

 Objective

To explore the value of deep learning reconstruction （DLR） in liver magnetic resonance imaging （MRI） by comparing the single-shot half-fourier rapid spin-echo sequence with DLR （HASTE DLR） and diffusion-weighted imaging sequence with DLR （DWI DLR） against the conventional BLADE and conventional DWI sequences.

Methods

70 patients underwent MRI examinations. Two observers independently evaluated the image quality of each sequence （including liver edge， blood vessels， lesion clarity， etc.）. Additionally， quantitative evaluation was conducted by measuring the signal to noise ratio （SNR） of liver parenchyma and lesions， contrast to noise ratio （CNR） of lesions， as well as apparent diffusion coefficient （ADC） values from conventional DWI and DWI DLR. Intraclass correlation coefficient （ICC） was used to evaluate the consistency between the two observers.

Results

The inter-observer consistency was high （ICC： 0.84-0.97）. The scanning time was reduced by 92.63% for HASTE DLR and 50% for DWI DLR sequences， respectively. The lesion clarity score of the HASTE DLR group was significantly better than that of the BLADE group （ P<0.001）， with artifacts reduced in both DLR sequences （ P< 0.05）. The HASTE DLR group demonstrated higher SNR and CNR， while the DWI DLR group showed higher SNR and ADC values （all P<0.05）.

Conclusion

The DLR technology can enhance the efficiency of liver MRI scans， improve image quality， and reduce artifacts， demonstrating promising application prospects.

 深度学习重建 信噪比 对比噪声比 图像质量 磁共振成像 deep learning reconstruction signal to noise ratio contrast to noise ratio image quality magnetic resonance imaging 安徽省高等学校省级质量工程项目 2022jyxm1840 安徽省高等学校省级质量工程项目（编号：2022jyxm1840） Provincial Quality Engineering Project of Colleges and Universities in Anhui Province 2022jyxm1840 Provincial Quality Engineering Project of Colleges and Universities in Anhui Province （No. 2022jyxm1840） version 1.0.0.25091 structure-time 2026-06-30T11:07:41 word-source FX

T2加权成像和扩散加权成像（diffusion-weighted imaging， DWI）是肝脏局灶性病变检测的关键磁共振成像（magnetic resonance imaging ，MRI）技术。单次激发半傅里叶快速自旋回波（half fourier acquisition single shot turbo spin echo， HASTE）序列通过单次激发和短回波间隔较传统快速自旋回波（fast spin echo， FSE）序列显著缩短扫描时间并减少运动伪影，但其长回波链和部分傅里叶采样可能导致T2对比度失真、信噪比（signal to noise ratio， SNR）及空间分辨率下降。此外，基于平面回波成像（echo planar imaging， EPI）的DWI序列易受磁敏感伪影影响。而常用的加速采集技术如并行成像（parallel imaging， PI）会伴随SNR下降 ［ 1］ 。近年来，深度学习重建（deep learning reconstruction， DLR）技术基于卷积神经网络或变分网络整合k空间数据一致性约束与图像正则化，在缩短扫描时间的同时能够从欠采样数据中重建高SNR图像 ［ 2］ 。这为解决平衡成像效率与质量这一问题提供了新思路。目前，针对肝脏这类运动敏感器官的DLR应用仍处于探索阶段。该研究通过定性与定量分析，对比基于DLR的HASTE和DWI序列与传统T2加权刀锋伪影校正技术 （BLADE）及DWI在肝脏MRI中的表现。

材料与方法 病例资料

收集2024年11月—2025年4月于本院接受肝脏MRI平扫+增强检查的成年患者。排除标准：① 患者存在MRI对比剂禁忌证；② 临床数据或MRI数据采集不完整。最终纳入70例患者，年龄41~69（54.66±13.95）岁，男性52例，女性18例，其中其中肝细胞癌40例、肝内胆管细胞癌5例、肝硬化结节7例、肝血管瘤3例、肝脏转移瘤7例、肝脏局灶性结节增生8例。研究已通过医院伦理委员会批准（伦理编号：2025-RE-267），所有参与者均提供了书面知情同意。

 MRI检查方法

所有患者均在同一台MRI扫描仪（MAGNETOM Vida，3.0T，德国西门子医疗系统有限公司），患者取仰卧位、头先进，采用18通道体部线圈接受上腹部MRI扫描。检查前患者需禁食、禁水4 h。扫描序列包括轴位T1WI、T2WI、HASTE DLR、BLADE、DWI 常规、DLR和三期动态增强。HASTE DLR、BLADE及DWI 常规、DLR序列采集参数详见 表1。HASTE DLR和DWI DLR序列扫描时间较BLADE和DWI 常规序列减少92.63%和50.00%。DWI序列均在自由呼吸状态下采集完成，扩散敏感系数b值（diffusion sensitivity factor，b-value）分别为50、800 s/mm²。DWI 常规b值采集平均次数分别为2、6；DWI DLRb值采集平均次数分别为1、3。DWI 常规、DLR均采用相同的后处理方法计算获得表观扩散系数图（apparent diffusion coefficient，ADC）。

10.19405/j.cnki.issn1000–1492.2026.05.019.T001

HASTE DLR、BLADE和DWI DLR、常规扫描参数

Scanning parameters of HASTE <sub>DLR</sub>， BLADE， and DWI <sub>DLR， convention</sub>
Scanning parameters HASTE DLR BLADE DWI DLR DWI conventionl
Respiration mode Single breath-hold Free breathing Free breathing Free breathing
Scanning time （min） 00∶21 04∶45 01∶18 02∶36
TR （ms） 600 1 800 7 100 7 700
TE （ms） 74 100 45 47
Matrix 384×250 384×250 120×120 152×152
Field of view （mm 2） 360×225 380×380 360×288 380×305
Slice thickness （mm） 3 3 3 3
Fat suppression technique SPAIR SPAIR SPAIR SPAIR
Parallel acceleration factor 2 2 3 3
深度学习重建

HASTE DLR和DWI DLR序列图像重建分别采用变分网络和展开式迭代网络架构 ［ 3］ 。在图像重建过程中，k空间数据、偏置场校正结果和线圈灵敏度图会被输入网络。HASTE DLR变分网络在前22次迭代中不施加正则化，专注于并行成像重建；在后续12次迭代中引入基于残差密集U-Net网络的正则化。DWI DLR展开式迭代网络在前6次迭代中不施加正则化；在随后的11次迭代中引入基于卷积神经网络的正则化模块。

HASTE DLR和DWI DLR重建网络模型分别基于约1万幅传统HASTE序列图像和约50万次DWI重复扫描数据进行训练。训练数据使用多台1.5T/3TMRI（西门子MAGNETOM系列）采集，训练在PyTorch框架下使用配备NVIDIA Tesla V100 GPU（32GB显存）的集群完成，训练获得的模型权重参数转换为专有的推理框架，并集成至现有MRI扫描仪重建流程中使用。

图像质量定性评价

2名具有5年以上肝脏MRI诊断经验的腹部放射科医师独立阅评HASTE DLR、BLADE以及b=800 s/mm² DWI DLR、常规序列。为避免回忆偏倚，所有患者的序列图像以随机顺序呈现给观察者阅评。两位观察者对成像参数、其他MRI序列检查结果以及患者临床信息均设盲。采用5分制评分法对各序列肝缘清晰度、肝内血管及胰腺轮廓清晰度、脂肪抑制均匀性、>5 mm肝脏病灶显影清晰度（5分：优秀；4分：良好；3分：一般；2分：较差，影响诊断；1分：无法诊断）和图像伪影（5分：无伪影；4分：轻度伪影，不影响诊断；3分：中度伪影，不影响诊断；2分：重度伪影，影响诊断；1分：重度伪影，无法诊断）进行评分，以其中高年资医师评分结果为最终评分。两名观察者独立记录所有非肝囊肿局灶性病变数量，最终病灶总数由一名上级医师确定。

图像质量定量评价

在避开伪影区、血管、胆管或局灶性病变前提下，在HASTE DLR、BLADE和b=800 s/mm² DWI 常规、DLR序列左、右叶肝实质相同解剖位置放置直径1 cm的圆形感兴趣区（region of interest， ROI），另在局灶性病灶最大径层面（排除肝囊肿病灶）绘制覆盖整个病灶ROI。测量肝脏及病灶SNR、病灶对比噪声比（contrast noise ratio，CNR）和ADC 常规、DLR值。由于各序列采用了PI加速成像，噪声并非均匀分布在整个图像上，通过组织信号与背景噪声比进行SNR测量并不准确。因此，在本研究中采用改良SNR和CNR计算公式 ［ 4– 5］ ：

S N R 肝脏 = S I 肝脏 S D 肝脏 、 S N R 病灶 = S I 病灶 S D 病灶 、 C N R 病灶 = | S I 病灶 - S I 肝脏 | N 临肝 。

肝脏和病灶ROI信号值（signal，SI） 肝脏、病灶；肝脏和病灶ROI信号标准差SD 肝脏、病灶（standard deviation，SD）； 病灶ROI临近正常局部肝实质信号标准差为噪声（noise，N），获取方式为：在病灶边缘外5~10 mm范围内选取无血管、胆管及伪影干扰的正常肝实质区域，放置3个直径0.5 cm的圆形ROI，测量各ROI信号标准差后取平均值。最终各参数取值为2名观察者测量结果的平均为值。

统计学处理

使用SPSS 21.0软件进行统计学分析。通过组内相关系数 （intraclass correlation coefficient， ICC）评价观察者间定量和定性评分一致性，并对ICC值进行显著性检验（检验水准 α=0.05）。一致性强度判断标准为：ICC≤0.4一致性较差，0.4<ICC≤0.75一致性良好，0.75<ICC≤1一致性高。通过Shapiro-Wilk检验评估变量的正态分布情况，正态分布的变量以 x ¯ ± s表示，非正态分布的变量以 M （ P 25， P 75）表示，分别采用配对 t检验或Wilcoxon秩和检验。 P<0.05为差异有统计学意义。

结果 观察者间一致性检验

依据术后病理结果、穿刺活检病理或多模态影像学确诊结果，70例患者共计82个局灶性病灶。恶性病灶共计62个：肝细胞癌42个、肝转移瘤13个、肝内胆管细胞癌7个；良性病灶共计20个：肝血管瘤5个、肝硬化结节7个、肝局灶性结节增生8个。两位观察者独立对70例非肝囊肿患者病灶计数，结果均为82个，病灶检出率均为100%。病灶最大层面直径（26.58±21.37）mm。HASTE DLR、BLADE和DWI 常规、DLR（b=800 s/mm²）序列图像质量定性评估ICC为0.92~0.97，SNR、CNR和ADC测量结果ICC为0.84~0.88（ P<0.001），观察者间评分的一致性良好。

图像质量定性评价

HASTE DLR、DWI DLR与BLADE、DWI 常规组图像质量及伪影主观评分对比结果见 表2及图 1A- 1D。HASTE DLR组病灶清晰度评分显著高于BLADE组（ P=0.048）。HASTE DLR和DWI DLR组图像伪影评分均得以改善（ P<0.05）。DWI DLR与DWI 常规除伪影外图像质量评价指标均无显著差异。

10.19405/j.cnki.issn1000–1492.2026.05.019.T002

图像质量定性评估 ［分， M （ P 25， P 75）］

Qualitative evaluation of image quality ［score， <italic>M </italic>（ <italic>P</italic> <sub>25</sub>， <italic>P</italic> <sub>75</sub>）］
Evaluation indicator HASTE DLR BLADE Z value P value DWI DLR ① DWI convention ① Z value P value
Liver margin clarity 3（2，4） 3（2，4） -0.51 0.610 4（3，4） 4（3，4） 0.17 0.866
Intrahepatic vessel clarity 3（2，4） 3（2，4） -0.33 0.741 4（4，5） 4（4，5） 0.08 0.891
Pancreas contour clarity 4（4，5） 4（4，5） -0.12 0.923 3（2，4） 3（2，4） -0.25 0.803
Fat suppression uniformity 3（2，4） 3（2，4） 0.29 0.772 4（4，5） 4（4，5） 0.11 0.905
Lesion clarity 4（4，5） 4（3，4） -1.98 0.048 3（2，4） 3（2，4） 0.37 0.713
Artifacts 3（3，4） 3（2，4） -2.03 0.042 4（4，5） 4（3，4） -2.01 0.044

①： DWI refers to images with b=800 s/mm².

 10.19405/j.cnki.issn1000–1492.2026.05.019.F001 男性，56岁，肝硬化伴肝左叶肝细胞性肝癌患者上腹部DLR序列和常规序列图像 Upper abdominal images of a 56-year-old male patient with liver cirrhosis and hepatocellular carcinomain the left lobe of the liver， obtained by DLR sequences and conventional sequences A， B： The HASTEDLR （A） sequence displayed clearer visualization of the liver margin， omentum， lesion edge， and T2WI hyperintense necrotic areas within the lesion compared with the BLADE （B） sequence； C-F： The lesion showed a slightly hyperintense signal on both DWIDLR （C） and DWIconvention （D） sequences at b=800 s/mm²； The ADC value measured by ADCDLR （E） sequence in the ROI （white circle） within the lesion was 1 021.46×10 <sup>-6</sup> mm²/s， which was higher than the value of 1 006.18×10 <sup>-6</sup> mm²/s measured by ADCconvention （F） sequence. 图像质量定量评价

HASTE DLR、BLADE、DWI DLR、常规组图像质量定量评价对比结果见 表3。HASTE DLR组肝实质和病灶SNR以及病灶CNR均高于BLADE组，而DWI DLR组肝右叶肝实质和病灶SNR高于DWI常规组（ P<0.05）。此外，DWI DLR组测得肝实质及病灶ADC值高于DWI 常规组（ 表4、 图1E、 图1F）。

10.19405/j.cnki.issn1000–1492.2026.05.019.T003

图像定量性评估 （ x ¯ ± s）

Quantitative evaluation of image quality （ <inline-formula> <alternatives> <mml:math id="M6"> <mml:mover accent="true"> <mml:mi>x</mml:mi> <mml:mo>¯</mml:mo> </mml:mover> </mml:math> <graphic specific-use="big" xlink:href="alternativeImage/FD496FFE-0F18-4788-97F2-FD05D1E8DF1C-M005.jpg"><?fx-imagestate width="1.35466671" height="2.03200006"?> </graphic> <graphic specific-use="small" xlink:href="alternativeImage/FD496FFE-0F18-4788-97F2-FD05D1E8DF1C-M005c.jpg"><?fx-imagestate width="1.35466671" height="2.03200006"?> </graphic> </alternatives> </inline-formula>± <italic>s</italic>）
Evaluation indicators HASTE DLR BLADE t value P value DWI DLR ① DWI conventionl ① t value P value
Left hepatic lobe SNR 13.83±2.48 12.25±4.35 2.601 0.010 13.28±1.47 12.73±2.45 1.545 0.124
Right hepatic lobe SNR 14.06±4.24 12.37±5.03 2.150 0.033 13.84±3.80 12.61±2.82 2.134 0.034
Lesion SNR 10.46±5.46 9.57±6.14 2.082 0.039 9.83±4.38 8.52±2.56 2.234 0.021
Lesion CNR 5.26±1.28 4.70±2.12 2.037 0.043 5.85±2.78 5.26±1.23 1.750 0.082

①： DWI refers to images with b=800 s/mm².

 10.19405/j.cnki.issn1000–1492.2026.05.019.T004

DWI DLR和DWI 常规测量ADC值（10 -6mm 2/s）对比

Comparison of ADC values measured by DWI <sub>DLR</sub> and DWI <sub>conventionl</sub> （10 <sup>-6</sup> mm²/s）
Measurement location DWI DLR ① DWI convention ① t value P value
Left Hepatic Lobe 1 086.51±162.41 1 007.83±115.92 5.085 <0.001
Right Hepatic Lobe 1 128.62±146.57 995.16±204.35 8.243 <0.001
Lesion 974.54±224.36 837.94±188.51 7.892 <0.001

①： DWI refers to images with b=800 s/mm².

 讨论

HASTE和DWI序列是肝脏局灶性病变检测与定性的核心MRI技术，但在临床实践中，如何平衡图像质量与扫描耗时始终是一大挑战。传统单次激发HASTE序列常因回波链较长导致模糊效应与SNR下降，常规DWI序列易受磁敏感伪影及加速技术导致SNR受损的影响，而传统BLADE序列虽能改善SNR与运动伪影，但耗时较长 ［ 6］ 。近年来，DLR技术通过整合k空间数据约束与图像正则化，能够在缩短扫描时间的同时重建高SNR图像，为平衡成像效率与质量提供了新路径 ［ 7– 8］ 。

该研究证实了DLR技术能显著提升肝脏磁共振成像的整体效能与图像质量。针对HASTE序列的分析表明，引入DLR技术不仅将扫描时间缩短了92.63%，同时有效改善了图像伪影并提升了SNR与CNR。HASTE DLR在病灶清晰度上表现出显著优势，印证了DLR对快速序列固有缺陷的补偿作用，与Kubicka et al ［ 9］ 的研究结论一致，后者指出HASTEDLR对胆管、胰管等小结构的显示更为清晰，且显著减少了采集时间。尽管Herrmann et al ［ 10］ 曾得出BLADE序列SNR更高的结论， 但这可能与扫描层厚的差异（其采用5 mm vs 该研究3 mm）及模型训练数据量有关。在3 mm薄层扫描条件下，神经网络能够更高效地实现噪声抑制与信号增强 ［ 9］ 。此外，Shanbhogue et al ［ 3］ 的研究亦证实，DLR带来的信号强度变化实为脂肪抑制优化的合理结果，反而有助于增强肝-脂对比度与小病灶的检出灵敏度。Ginocchio et al ［ 11］ 在3.0T设备上的研究也支持了这一点，证实HASTE DLR的肝缘、血管锐利度显著优于标准序列，且扫描时间缩短一半，与该研究的发现高度吻合。

在DWI成像方面，DWI DLR序列在将扫描耗时减半的同时提升了肝右叶的SNR 。这一表现与Afat et al ［ 12］ 的研究高度契合：肝左叶易受心脏跳动干扰，DLR加速扫描虽可能导致局部信号出现不均匀，但整体噪声依然更低。关于ADC值的测量，该研究观察到DWI DLR测得的ADC值普遍高于常规DWI ，这可能与降噪处理及信号均匀性的提升有关；然而Bae et al ［ 13］ 却得出相反结论，提示ADC值的变异性可能受到脂肪抑制技术、并行加速因子及呼吸模式等多重参数的共同影响 ［ 14– 16］ 。此外，DLR重建固有的“平滑效应”也可能系统性地高估ADC值。鉴于ADC值在疾病鉴别与疗效评估中的核心地位，后续亟需针对DLR对其变异性的影响机制展开专门研究。

本研究存在一定的局限性。首先，作为单中心研究，样本来源集中，可能存在选择偏倚导致结果外推性受限，且样本量相对较小，可能影响统计检验效能。其次，本研究纳入多种良恶性病灶，其生物学特性与信号特征差异可能干扰定量指标一致性，降低数据稳定性，进而可能引入潜在偏差，影响组间对比的可靠性。此外，部分良性病灶缺乏病理活检佐证，可能导致定性偏差。最后，本研究未深入探讨ADC值差异的内在机制（如重建算法、扫描参数设置等对扩散信号的影响），后续需针对性研究阐明。

综上所述，DLR技术在提升肝脏MRI扫描效率、改善图像质量和减少伪影方面具有广阔的临床前景。

 参考文献 张海妮， 曾建威， 王　冲， 等 . 比较小视野多激发平面回波序列DWI与常规单激发平面回波序列DWI在直肠癌中的应用价值［J］. 中国医学计算机成像杂志， 2024， 30（ 3）： 338- 42. doi： 10.19627/j.cnki.cn31-1700/th.2024.03.008 . Zhang H N ， Zeng J W ， Wang C ， et al . The comparison of the application value of reduced field of view image reconstruction using image-space sampling function and full field of view single-shot echo-planar imaging DWI in rectal cancer［J］. Chin Comput Med Imag， 2024， 30（ 3）： 338- 42. doi： 10.19627/j.cnki.cn31-1700/th.2024.03.008 . Wilpert C ， Neubauer C ， Rau A ， et al . Accelerated diffusion-weighted imaging in 3 T breast MRI using a deep learning reconstruction algorithm with superresolution processing： a prospective comparative study［J］. Invest Radiol， 2023， 58（ 12）： 842- 52. doi： 10.1097/RLI.0000000000000997 . Shanbhogue K ， Tong A ， Smereka P ， et al . Accelerated single-shot T2-weighted fat-suppressed （FS） MRI of the liver with deep learning-based image reconstruction： qualitative and quantitative comparison of image quality with conventionlal T2-weighted FS sequence［J］. Eur Radiol， 2021， 31（ 11）： 8447- 57. doi： 10.1007/s00330-021-08008-3 . Wary P ， Hossu G ， Ambarki K ， et al . Deep learning HASTE sequence compared with T2-weighted BLADE sequence for liver MRI at 3 Tesla： a qualitative and quantitative prospective study［J］. Eur Radiol， 2023， 33（ 10）： 6817- 27. doi： 10.1007/s00330-023-09693-y . Mulé S ， Kharrat R ， Zerbib P ， et al . Fast T2-weighted liver MRI： image quality and solid focal lesions conspicuity using a deep learning accelerated single breath-hold HASTE fat-suppressed sequence［J］. Diagn Interv Imaging， 2022， 103（ 10）： 479- 85. doi： 10.1016/j.diii.2022.05.001 . Jhan S R ， Wu Y Y ， Chang P Y ， et al . Comparison of ability of lesion detection of two MRI sequences of t2wi haste and t2wi blade for hepatocellular carcinoma［J］. Medicine， 2023， 102（ 6）： e32890. doi： 10.1097/MD.0000000000032890 . Hu Z ， Chen Z ， Cao T ， et al . Generalizable， sequence-invariant deep learning image reconstruction for subspace-constrained quantitative MRI［J］. Magn Reson Med， 2025， 94（ 1）： 89- 104. doi： 10.1002/mrm.30433 . Brendel J M ， Jacoby J ， Dehdab R ， et al . Deep learning reconstruction for accelerated high-resolution upper abdominal MRI improves lesion detection without time penalty［J］. Diagn Interv Imaging， 2025， 106（ 3）： 85- 92. doi： 10.1016/j.diii.2024.09.008 . Kubicka F ， Tan Q ， Meyer T ， et al . Deep-learning-based reconstruction of single-breath-hold 3 mm HASTE improves abdominal image quality and reduces acquisition time： a quantitative analysis［J］. Curr Oncol， 2025， 32（ 1）： 30. doi： 10.3390/curroncol32010030 . Herrmann J ， Gassenmaier S ， Nickel D ， et al . Diagnostic confidence and feasibility of a deep learning accelerated HASTE sequence of the abdomen in a single breath-hold［J］. Invest Radiol， 2021， 56（ 5）： 313- 9. doi： 10.1097/RLI.0000000000000743 . Ginocchio L A ， Smereka P N ， Tong A ， et al . Accelerated T2-weighted MRI of the liver at 3 T using a single-shot technique with deep learning-based image reconstruction： impact on the image quality and lesion detection［J］. Abdom Radiol， 2023， 48（ 1）： 282- 90. doi： 10.1007/s00261-022-03687-y . Afat S ， Herrmann J ， Almansour H ， et al . Acquisition time reduction of diffusion-weighted liver imaging using deep learning image reconstruction［J］. Diagn Interv Imaging， 2023， 104（ 4）： 178- 84. doi： 10.1016/j.diii.2022.11.002 . Bae S H ， Hwang J ， Hong S S ， et al . Clinical feasibility of accelerated diffusion weighted imaging of the abdomen with deep learning reconstruction： comparison with conventionlal diffusion weighted imaging［J］. Eur J Radiol， 2022， 154： 110428. doi： 10.1016/j.ejrad.2022.110428 . 于会昌， 刘士远 . 深度学习在磁共振图像超分辨率重建中的应用［J］. 中国医学物理学杂志， 2024， 41（ 10）： 1243- 8. doi： 10.3969/j.issn.1005-202X.2024.10.008 . Yu H C ， Liu S Y . Application of deep learning in super-resolution reconstruction of magnetic resonance images［J］. Chin J Med Phys， 2024， 41（ 10）： 1243- 8. doi： 10.3969/j.issn.1005-202X.2024.10.008 . 程　勇， 张　钰， 刘紫渲， 等 . 磁共振深度学习重建对三维肝脏加速容积采集序列图像质量和病变诊断效能的价值研究［J］. 中国医学装备， 2025， 22（ 2）： 37- 42. doi： 10.3969/j.issn.1672-8270.2025.02.007 . Cheng Y ， Zhang Y ， Liu Z X ， et al . Study on the value of deep learning reconstruction based magnetic resonance on the image quality and lesion diagnostic efficacy of 3D LAVA sequences［J］. China Med Equip， 2025， 22（ 2）： 37- 42. doi： 10.3969/j.issn. 1672-8270.2025.02.007 . 张天语， 赵小英， 宋　建， 等 . 深度学习重建在主动脉CTA虚拟平扫中的研究［J］. 安徽医科大学学报， 2025， 60（ 4）： 735- 40. doi： 10.19405/j.cnki.issn1000-1492.2025.04.022 . Zhang T Y ， Zhao X Y ， Song J ， et al . A study of deep-learning image reconstruction algorithm in virtual un-enhanced scanning of aortic CTA［J］. Acta Univ Med Anhui， 2025， 60（ 4）： 735- 40. doi： 10.19405/j.cnki.issn1000-1492.2025.04.022 .

冯路路, 潘志立, 赵英明. 深度学习重建技术用于提升肝脏MRI中HASTE与DWI序列成像效能及质量的应用价值[J]. 安徽医科大学学报, 2026, 61(05): 937-942.

Feng Lulu, Pan Zhili, Zhao Yingming. Application value of deep learning reconstruction technology in enhancing the imaging efficiency and quality of HASTE and DWI sequences for liver MRI[J]. Acta Universitatis Medicinalis Anhui, 2026, 61(05): 937-942.