由于髋关节的弧形解剖结构以及相对的关节面紧密相邻，对髋关节病变进行准确评估仍然是一项重大挑战。在健康个体中，髋臼和股骨头的透明软骨层很薄，厚度在 0.8 毫米至 3.0 毫米之间，这进一步增加了评估的复杂性，使得检测小规模病变尤其困难。股骨髋臼撞击综合征（FAIS）是一种与运动相关的疾病，其特征是股骨头颈交界处与髋臼边缘之间的异常接触，会导致不同程度的软骨盂唇损伤和进行性髋关节疼痛。早期检测软骨和盂唇的异常至关重要，因为及时进行髋关节镜检查干预可以显著降低髋关节骨关节炎发病和进展的风险。

磁共振（MR）成像因其出色的软组织对比度而被认为是评估髋关节病变的金标准。标准的成像协议通常包括 T1 加权、T2 加权和脂肪抑制序列。然而，这些传统技术往往缺乏有效检测细微的盂唇和软骨异常所需的空间分辨率。磁共振成像的最新进展集中在优化空间分辨率和组织对比度，同时减少通常与高分辨率成像相关的较长采集时间。压缩感知（CS）通过对 k 空间数据进行欠采样，并采用迭代图像重建算法来保持诊断质量，从而加速图像采集。在此基础上，压缩感知人工智能（CSAI）框架集成了并行成像、压缩感知和深度学习技术，以进一步提高图像质量，并在不影响诊断性能的前提下显著缩短采集时间。这些发展对于改善髋关节中小的解剖结构的可视化以及细微病变的检测很有前景。

最近，发表在European Radiology 上的一篇文章以髋关节镜检查作为参考标准，评估了基于深度学习的高分辨率髋关节磁共振成像（CSAI）相较于标准分辨率压缩感知（CS）序列的性能。

32 例（平均年龄 37.5 岁（±11.7），24 名男性）患有股骨髋臼撞击综合征的患者在接受髋关节镜检查前进行了 3T 磁共振成像。使用压缩感知（分辨率 0.6×0.8 毫米）和高分辨率压缩感知人工智能（分辨率 0.3×0.4 毫米）获取了冠状面和矢状面的脂肪饱和中等加权快速自旋回波序列，层厚为 3 毫米，采集时间相似（3 分 55 秒至 4 分 12 秒）。由三名放射科医生和一名髋关节镜检查专家分别对磁共振扫描图像进行评估，以判断是否存在盂唇和软骨异常。以关节镜检查作为参考标准，计算敏感性、特异性和准确性。使用麦克尼马尔检验对压缩感知和压缩感知人工智能的结果进行统计学比较。

在检测盂唇异常方面，放射科医生（压缩感知和压缩感知人工智能的敏感性：97%-100%）和外科医生（压缩感知敏感性：81%，压缩感知人工智能敏感性：90%，P = 0.08）表现出了极高的敏感性，特异性均为 100%。与压缩感知相比，压缩感知人工智能对软骨病变的总体敏感性显著更高（42% 对 37%，P < 0.001）。在髋臼前外侧软骨的检测中，压缩感知人工智能的敏感性最高（压缩感知：81%，压缩感知人工智能：88%，P < 0.001），而在髋臼前下侧软骨的检测中，两者的特异性最高（压缩感知和压缩感知人工智能均为 99%）。在评估髋臼前下侧和后侧区域以及股骨下侧和后侧区域时，敏感性最低（压缩感知和压缩感知人工智能均小于 6%）。

图 真阳性（右髋关节）。MR: CS （a -矢状面，b -冠状面）和CSAI （C -矢状面，d -冠状面）TSE图像均显示髋臼C区软骨唇部缺损（箭头）。关节镜检查：e关节软骨剥离伴宏观脱粘（粗箭头）和(f)髋臼骨暴露（箭头），经关节镜探查证实（Haddad 4级）

本项研究表明，压缩感知和压缩感知人工智能磁共振成像在检测盂唇异常方面表现出优异的诊断性能。尽管压缩感知人工智能对软骨病变的检测能力有所提高，但在评估软骨方面的总体诊断性能仍不理想。

原文出处：

Alexander W Marka,Felix Meurer,Vanessa Twardy,et al.Deep learning and conventional hip MRI for the detection of labral and cartilage abnormalities using arthroscopy as standard of reference.DOI:10.1007/s00330-025-11546-9

Tags： European Radiology：深度学习和常规髋关节MRI检测唇部和软骨异常的能力及价值