背景骨盆3D打印（3DPrinting,3DP）以其个性化、精准化等优势广泛应用于指导手术方案设计、医患沟通及临床教学等,但目前存在的主要问题之一是数据来源依赖于CT,不能同时满足骨骼与腰骶丛神经等多种组织结构的精准打印。三维 MR 神经成像（Three-Dimensional Magnetic Resonance Neurography,3DMRN）可清晰显示神经形态及走行,为骨盆多层次结构3D精准打印提供了必要的数据来源,而如何基于MRN实现快速腰骶丛神经精确分割是需要解决的首要关键问题。为此,本研究将:1)用压缩感知（Compressed Sensing,CS）技术解决目前MRN扫描时间较长的局限性;2)用深度学习（Deep Learning,DL）解决目前腰骶丛神经人工分割重建较为费时、且分割受主观影响较大的困境;3)在前两部分研究的基础上实现快速腰骶丛神经精准3D建模与模型打印,并初步探讨腰骶丛神经3D打印模型的临床应用价值。目前尚未见基于MRN进行腰骶丛神经精准分割建模及3D打印模型的报道。目的1)评估CS技术在实现快速MR腰骶丛神经成像中的价值;2)基于快速MRN图像构建腰骶丛神经自动分割DL模型（U-Net模型）;3)实现快速腰骶丛神经精准3D建模与打印,并初步探讨腰骶丛神经3D打印模型的临床应用价值。方法1)招募健康志愿者共24名,行常规基于选择性水激发的三维快速场回波（Fast Field Echo,FFE）序列（常规FFE）及压缩感知FFE序列（FFE-CS2和FFE-CS3）。用4等级评分对图像质量进行主观评价,利用图像的信噪比、神经-肌肉对比信号比以及神经根形态学测量指标进行客观评价,比较不同组间图像质量主观评价指标和客观评价指标的差异。2)回顾性纳入49例腰骶丛神经MR成像的原始MR图像,训练U-Net自动分割模型。以医师手动分割的图像为金标准,计算自动分割的阳性预测值、敏感性、Dice系数、Jaccard相似系数、95%Hausdorff距离,同时对分割图像进行主观评价,评估自动分割的准确性。3)基于MRN数据对腰骶丛神经半自动分割,进行三维建模及3D打印模型;将该模型初步用于临床诊疗及临床教学中。在临床教学中,分析实验组（3D打印联合PowerPoint+PACS）与对照组（PowerPoint+PACS教学）理论考试成绩有无差异,并通过调查问卷方式观察实验组学员对3D打印模型的态度。结果1)FFE-CS2、FFE-CS3与常规FFE相比扫描时间分别缩短93、94秒。FFE图像信噪比明显优于FFE-CS2、FFE-CS3（P<0.05）,但三组间神经-肌肉对比信号比、神经根形态学测量及主观评分均无明显差异（P>0.05）。2)所有腰骶丛FFE数据以39:10随机分为训练集及测试集。U-Net自动分割神经的阳性预测值、敏感性、Dice系数、Jaccard系数、95%Hausdorff距离分别为 0.864±0.017、0.848±0.041、0.855±0.017、0.747±0.027、44.884±28.067。3)基于快速MR成像结合自动分割技术可快速精准实现腰骶丛神经3D建模及实体模型打印,腰骶丛神经3D打印模型可客观清晰展示腰骶丛神经解剖特征并使其实物化,联合腰骶椎CT打印模型,有助于临床诊疗和临床教学,尤其在临床教学中。实验组的授课前后理论考试成绩差值（5.1±2.4）高于对照组（2.9±2.2）,差异具有统计学意义（P<0.05）。问卷调查显示实验组学员认为3D模型逼真,可清晰显示腰骶丛神经解剖及空间信息,极大的激发学习兴趣。结论1)压缩感知在腰骶丛神经成像中是可行的,在保障图像质量的同时可明显缩短扫描时间。2)基于3D U-Net自动分割模型能较快速、准确实现腰骶丛神经自动分割,可明显提高临床中腰骶丛神经三维分割重建的工作效率。3)基于快速MR成像结合自动分割技术可实现快速精准的腰骶丛神经3D建模及实体模型打印,同时联合基于CT的腰骶椎3D打印模型有助于指导临床诊疗及提高临床教学效果。