张雨，徐旭，肖奕，曾令明，曾文，夏春潮，张树恒，罗曼，李真林

1.四川大学华西医院 放射科，四川 成都 610041；2.上海联影智能医疗科技有限公司，上海 201800

引言

磁共振成像（Magnetic Resonance Imaging，MRI）提供了腰椎和腰椎周围软组织和神经的可视化，包括椎间盘、脊髓、韧带、肌肉组织和血管系统[1]，并且可以识别大多数临床相关的病理改变，包括外伤性[1]、退行性[2]和炎症[3]等病变，在腰椎相关疾病诊断中起着重要作用。MR图像受随机噪声的影响，在采集过程中不可避免地与噪声一起被捕获。噪声影响临床诊断的精度和后续的图像处理任务，例如分割、分类和配准[4]。去除或降低噪声对于MR图像至关重要。在临床应用中，增加激励次数是一种常见的选择，然而激励次数的增加会导致更长的采集时间，限制了临床应用范围。深度学习技术广泛应用于后处理图像去噪中，取得了较好的性能[5]。然而，大多数用于图像恢复的深度学习模型的计算成本高，需要强大的硬件，例如具有大内存的高性能图形处理器。这增加了硬件成本以及MRI重建时间，限制了临床应用。

深度学习重建技术是一种基于编码器和解码器架构的轻量级卷积神经网络（Convolutional Neural Network，CNN），通过大数据深度学习的图像滤波和插值技术[6]。与其他传统模型相比，深度学习重建技术的模型在保持高性能的同时有效地减少了计算负担，无需增加扫描时间，甚至可以缩短扫描时间，提升SNR和分辨率。本研究与原始图像、常规滤波重建获得的腰椎序列图像……