定义
MRI（Magnetic Resonance Imaging，磁共振成像）是利用强磁场与射频脉冲使人体内氢原子核发生共振，通过接收弛豫信号重建人体软组织影像的医学影像技术。与CT、X光不同，MRI 无电离辐射，对软组织（脑、脊髓、关节、肌肉等）分辨力高。是医学影像AI、智能诊断、循证医学的重要数据源，需满足FDA等监管要求。
核心概念与技术特点
MRI 的成像序列包括 T1、T2、FLAIR、DWI、MRA 等，不同序列突出不同组织对比。与CT相比，MRI 对脑卒中、肿瘤、韧带损伤等诊断优势明显。影像数据以 DICOM 格式存储，可接入医学影像AI平台，结合深度学习进行病灶检测、分割、分类。与知识图谱、循证医学结合，可提供符合指南的辅助诊断建议。在远程医疗场景，MRI 影像可上传云端供专家会诊。
应用场景
MRI 应用于：神经内科（脑卒中、肿瘤、脱髓鞘）、骨科（关节、韧带、椎间盘）、心血管（心脏、血管）、腹部（肝、肾、盆腔）等。与医学影像AI结合，可实现脑卒中快速评估、肿瘤自动分割、关节损伤辅助诊断。与智能诊断、循证医学、远程医疗协同，可提升基层诊断能力。需满足FDA、NMPA 等医疗器械与 AI 软件监管要求。
技术架构与数据流
MRI 影像从设备采集后，经 PACS 存储与传输，可接入云平台、医学影像AI分析引擎。AI 模型通过API或嵌入式方式接入诊断工作流。选型时需关注：与 PACS/HIS 的集成、云计算与隐私保护、FDA等合规、API开放能力。达希物联可为智慧医疗提供云平台、API等基础设施支撑。
实施建议
医疗机构引入 MRI 与医学影像AI需：评估数据质量与标注资源、选定符合FDA等监管的 AI 产品、与 PACS/HIS 集成、开展临床验证与医生培训。选型时关注：模型性能与临床证据、可解释性、与CT、X光等多模态融合、API开放能力。
序列选择与成像约束
磁共振成像区分的是氢核在强磁场里的弛豫差异，不是密度投影的更清晰版本。T1 加权更利于看解剖边界，T2 加权把含水增多的区域显亮，FLAIR 压低自由水，弥散加权对细胞毒性水肿敏感。同一病灶在不同序列上可以一亮一暗，亮度本身不是轻重刻度。没有序列名称的图像，不能拿去比较治疗前后。
检查能成立，需要静磁场安全、患者能保持体位，并且序列与临床问题匹配。未确认的铁磁植入物不能进入磁体间。胸腹若没有呼吸门控或屏气，运动伪影会沿相位编码方向拉出条带，看起来像新的病灶。怀疑超早期脑缺血时只做常规 T1、T2，可能看不到弥散受限。远程传输应送完整 DICOM，保留层厚、层间距、方位和窗宽；手机截图只剩灰阶，会诊方无法重建平面。
对比和左右标记是高频错误。增强前后层厚不一致，就无法逐层相减。标记贴反会把病灶写到对侧肢体或半球。习惯了密度影像的读者，容易把磁共振上的高信号理解成更致密，这在很多序列里正好相反。金属假牙、脊柱固定器造成的信号空洞，不应被描述成占位。辅助检测若依赖图像识别，必须写明训练时见过的序列和层厚；医院更换扫描参数后，原来的敏感度不再自动有效。
报告里应分开写看见的信号改变和据此作出的判断。信号改变可以被另一家机构复核，判断则还依赖临床。把两者合成一句影像已确诊，会让后续序列无法独立质疑。运动伪影和真实病灶的差别，在于伪影是否沿固定编码方向延伸、换一个序列后是否消失。
参数单要和图像一起保存。重复时间、回波时间、层厚、间距、视野和线圈名称，决定了这张图为什么是这个对比。只留一张漂亮的关键层，复查时无法按同样参数再扫。增强扫描还要记下对比剂种类和注射到采集的时间，过早或过晚采集，强化程度不能和上一份报告比高低。
患者准备同样属于使用条件。体内金属未询问清楚就进磁体间，风险不在图像质量而在安全。幽闭或不自主运动若没有提前说明，扫到一半中断，已经采集的层可能不够诊断，却仍被归档成一次完整检查。儿科或疼痛患者无法屏气时，应改用能容忍运动的方案，而不是把模糊图像解释成病变边界不清。
不同医院的窗宽习惯不同，把对方调好窗的截图再调一次，灰度会失真。会诊意见应写明看的是原始数据还是打印胶片。打印胶片丢失了可调窗的信息，不宜再做测量。序列名称被手写改成别的缩写后，后来的读者会用错误的对比去理解亮暗。