Page 77 - 南京医科大学自然版

第45卷第6期 徐思雨，张永杰，田 水，等. 深度学习重建算法在胰腺HASTE⁃T2WI序列中的临床应用价值［J］.
2025年6月 南京医科大学学报（自然科学版），2025，45（6）：810-815，825 ·815 ·

Conflict of Interests： HASTE T2 weighted image with reduced echo time for de⁃
All authors declare no conflict of interests. tecting focal liver lesions in patients at risk of developing
作者贡献声明： hepatocellular carcinoma［J］. Eur J Radiol，2022，157：
徐思雨设计本研究方案，实施研究过程，起草和撰写稿 110588
件，获取、分析或解释本研究的数据；张永杰获取、分析或解 ［7］ GINOCCHIO L A，SMEREKA P N，TONG A，et al. Accel⁃
释本研究的数据，指导性支持；田水获取、分析或解释本研究 erated T2⁃weighted MRI of the liver at 3 T using a single⁃
的数据，对稿件重要内容进行了修改。王建伟提出研究选 shot technique with deep learning ⁃ based image recon⁃
题，设计本研究的方案，对稿件重要的内容进行了修改，终审 struction：impact on the image quality and lesion detec⁃
论文。 tion［J］. Abdom Radiol（NY），2023，48（1）：282-290
Author’s Contributions： ［8］ 唐蛰雨，李绍钦，贾中芝. 基于CT图像的深度学习在主
XU Siyu designed the research plan，conducted the re⁃ 动脉夹层中的应用进展［J］. 南京医科大学学报（自然
search process，drafted and wrote the manuscript，obtained，ana⁃ 科学版），2024，44（8）：1174-1178
lyzed or interpreted the data of this study；ZHANG Yongjie ob⁃ TANG Y Z，LI S Q，JIA Z Z. The application progress of
tained，analyzed or interpreted the data of this study，provided deep learning based on CT images in aortic dissection［J］.
guiding support；TIAN Shui obtained，analyzed or interpreted Journal of Nanjing Medical University（Natural Sciences），
the data of this study，and made significant intellectual contribu⁃ 2024（8）：1174-1178
tions to the manuscript；WANG Jianwei proposed the research ［9］ SUN S ，TAN E T ，MINTZ D N ，et al. Evaluation of
topic，designed the research plan，made significant intellectual deep learning reconstructed high ⁃ resolution 3D lumbar
contributions to the manuscript，and reviewed the final version spine MRI［J］. Eur Radiol，2022，32（9）：6167-6177
of the paper. ［10］HERRMANN J，KOERZDOERFER G，NICKEL D，et al.
［参考文献］ Feasibility and implementation of a deep learning MR re⁃
construction for TSE sequences in musculoskeletal imag⁃
［1］ 喻 悦，王瑜亮，张 晓. 葡萄糖代谢重编程在胰腺癌
ing［J］. Diagnostics（Basel）.2021，11（8）：1484
耐药中的研究进展［J］. 南京医科大学学报（自然科学
［11］可 赞，李 亮，宋鑫洋，等. 基于深度学习重建技术改
版），2024，44（4）：524-535
善前列腺 T2WI 图像质量的研究［J］. 磁共振成像，
YU Y，WANG Y L，ZHANG X. Research progress of glu⁃
2023，14（5）：41-47
cose metabolic reprogrammingin drug resistance of pan⁃
KE Z，LI L，SONG X Y，et al. Novel deep learning⁃based
creatic cancer［J］. Journal of Nanjing Medical University
T2⁃weighted imaging of the prostate provides superior im⁃
（Natural Sciences），2024，44（4）：524-535
age quality［J］. Magnetic Resonance Imaging，2023，14
［2］ 王 莎，张艳利，陈圆圆，等. 影像组学在胰腺炎中的应
（5）：41-47
用研究进展［J］. 放射学实践，2024，39（1）：42-48
［12］杨正汉，冯 逢，郑卓肇，等. 磁共振成像技术指南第二
WANG S，ZHANG Y L，CHEN Y Y，et al. Research prog⁃
版［M］. 北京：中国协会医科大学出版社，2023
ress on the application of rdiomics in pancreatitis［J］. Ra⁃
YANG Z H，FENG F，ZHENG Z Z，et al. A guide to tech⁃
diological Practice，2024，39（1）：42-48
nical of Magnetic Resonance Imaging，second edition
［3］ TAJIMA T，AKAI H，YASAKA K，et al. Clinical feasibili⁃
［M］. Beijing：Peking Union Medical College Press，2023
ty of an abdominal thin⁃slicebreath⁃hold single⁃shot fast
［13］TAKAYAM Y，SATO K，TANAKA S，et al. Deep learning
spin echo sequence processed using a deep learning ⁃
⁃based magnetic resonance imaging reconstruction for im⁃
based noise⁃reduction approach［J］. Magnetic Resonance
proving the image quality of reduced⁃field⁃of⁃view diffu⁃
Imaging，2022，90：76-83
sion⁃weighted imaging of the pancreas［J］. World J Radi⁃
［4］ LIU K，LI Q，WANG X X，et al. Feasibility of deep learn⁃
ol，2023，15（12）：338-349
ing⁃reconstructed thin⁃slice single⁃breath⁃hold HASTE
［14］GASSENMAIER S，KÜSTNER T，NICKEL D，et al. Deep
for detecting pancreatic lesions：a comparison with two
conventional T2⁃weighted imaging sequences［J］. Res Di⁃ Learning applications in magnetic resonance imaging：has
the future become present?［J］. Diagnostics（Basel），
agn Interv Imaging，2024，31（9）：100038
［5］ HERRMANN J，NICKEL D，MUGLER J P 3RD，et al. De⁃ 2021，11（12）：2181
velopment and evaluation of deep learning ⁃ accelerated ［15］KANIEWSKAM，DEININGER⁃CZERMAKE，GETZMANN
single⁃breath⁃hold abdominal HASTE at 3 T using vari⁃ J M，et al. Application of deep learning⁃based image re⁃
able refocusing flip angles［J］. Invest Radiol，2021，56： construction in MR imaging of the shoulder joint to im⁃
prove image quality and reduce scan time［J］. Eur Radiol，
645-652
［6］ HANA S，LEE J M，KIMA S W，et al. Evaluation of （下转第825页）