李烁，王效春

作者单位：1.山西医科大学医学影像学院，太原 030001；2.山西医科大学第一医院影像科，太原 030001

0 前言

MRI 是一种强大的非侵入性检查身体的成像手段，可以有效地提供人体的结构及功能信息[1]。然而，MRI 检查时间较长，部分患者难以耐受，容易产生运动伪影影响图像质量[2-3]。因此，缩短数据采集时间仍然是MRI 发展的核心目标之一。目前广泛应用的加速采集技术包括并行采集（parallel imaging,PI）与压缩感知（compressed sensing, CS），近来还有学者提出一项新的加速采集技术，即人工智能CS（artificial intelligence CS, ACS）[4-5]，该技术是将PI、半傅里叶成像、CS和人工智能网络相结合的一种新型加速成像技术。CS 是一种通过利用图像冗余来提高MRI 的成像速度的强大方法，其概念最初由DONOHO 等和CANDES 等在2006 年提出，并很快被LUSTIG 等应用到MRI[6]。该技术是基于MRI 图像的稀疏特性，通过有选择性地采集k空间内少量重要数据并通过稀疏重建算法进行原始信号的重构，可在不牺牲空间分辨率的同时极大地缩短MRI检查时间，保证重建图像的质量[7-8]。

过去基于CS的综述主要聚焦于对其基本原理的深入探讨，而对于其在临床应用方面的综合分析相对较为有限，然而，随着CS 的不断发展，其在临床应用领域的广泛应用日益显著，因此，本研究深入综述了近年来CS 技术在MRI 临床实践中的应用，以彰显其在医学领域中的潜在临床应用价值，为临床早期快速诊断提供帮助，及时掌握患者病情，提高患者生存质量。

1 CS技术的基本原理

CS 技术表明信号在变换域中具有良好的稀疏性或信号本身具有稀疏性等相关信息，并且如果以不相干方式获取k 空间样本，则可以从较少的k 空间样本中进行重构，获得高质量的重建图像[9]。……