【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FSEPDWI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。