目的研究迭代影像重建（IIR）辅以深度学习技术在膝关节MRI扫描中的临床价值。方法选取2022年6月至2023年7月重庆市急救医疗中心/重庆大学附属中心医院收治的疑似为膝关节病变行MRI检查的患者240例，随机选择其中120例为试验组，另120例为对照组。对照组采用常规T1WI-Fse-Sag、PDWI-Fse-Sag序列；试验组采用加速T1WI-Fse-Sag、PDWI-Fse-Sag序列，并采用IIR辅以深度学习进行图像重建。两组图像质量评价采用Likert5级计分法进行对比，主观指标包括图像质量、清晰度、诊断置信度,客观指标包括图像信噪比（SNR）、对比噪声比（CNR）。在矢状位PDWI、 T1WI分别测量股骨内侧髁、腓肠肌内侧头、髌下脂肪垫、髌上囊积液及髌软骨感兴趣区（ROI）的SI 值，再分别以相同大小ROI测量膝关节以外的背景噪声标准差（SD），通过计算SI 组织/SD 背景获得SNR；通过计算矢状位PDWI、T1WI髌上囊积液SI与髌软骨SI的差值，再将该差值与髌软骨层面SD相除，所得结果为CNR。使用Stoller分级评估半月板内、外侧前、后角及体部损伤程度。结果对照组常规序列T1-Fse-Sag、PD-Fse-Sag扫描时间分别为75、84 s，试验组分别为60、67 s，与对照组比较分别缩短20.00%、20.24%。试验组整体图像质量、清晰度及诊断置信度评分均明显高于对照组（P＜0.05）。在半月板损伤诊断方面，2位阅片者内部可靠性较强，Kappa值为0.46~0.92。客观指标方面，试验组图像股骨内侧髁、腓肠肌内侧头、髌下脂肪垫、髌上囊积液、髌软骨SNR明显高于对照组，同时加速图像上滑膜液/髌软骨CNR高于常规图像（P＜0.05）。结论IIR辅以深度学习技术可以在缩短膝关节MRI扫描时间的同时，明显提高图像质量，提高检查效率。