近年，深度学习技术在磁共振（ｍａｇｎｅｔｉｃ ｒｅｓｏｎａｎｃｅ，ＭＲ）图像重建领域飞速发展。 然而，由
于有监督的 ＭＲ 图像重建方法所依赖的高质量配对 ＭＲ 数据难以获取，无监督的 ＭＲ 图像重建方法逐
渐成为了研究者们关注的重点，并展现出巨大的应用前景。 当前关于此类问题的研究层出不穷，但仍缺
乏系统性的归纳和分析。 为此，本文综述了无监督 ＭＲ 图像重建方法的研究进展。 首先，本文对无监督
的 ＭＲ 图像重建方法进行了总结，无监督的 ＭＲ 图像重建方法能够从图像域或 Ｋ 空间域数据学习先验
信息，实现在缺少配对数据情况下的 ＭＲ 图像重建；其次，本文根据学习先验信息的作用域的不同，将这
些方法分为基于 Ｋ 空间域、基于图像域和基于混合域的无监督 ＭＲ 图像重建方法，并重点对各类方法的
算法模型和实现流程进行了详细的介绍。 最后，本文对无监督 ＭＲ 图像重建领域的进展和各类方法的
特点进行了较为全面的总结，并对未来的发展方向进行了展望，以期为实现无监督 ＭＲ 图像重建提供思
路和参考，并促进 ＭＲ 成像的临床应用。