目的 深度学习具有端对端的预测能力，能够加速医学图像的后处理，但是目前尚缺乏比较不同神经网络在心脏磁共振定量图像自动化分析性能差异的研究。因此本研究旨在探究不同神经网络是否具有自动化心脏定量图像分析的能力并比较其性能。方法 本研究收集了155名健康志愿者的MOLLI、SASHA T1定量图像和T2-prep bSSFP T2定量图像，分别对AlexNet、GoogLeNet、ResNet和DenseNet进行训练，使这些网络能够直接从T1和T2定量图像中预测左心室全局（左心室心肌和左心室血液）与局部（室间隔和AHA节段）T1和T2定量结果，并对其性能进行比较。结果 4种神经网络均能直接从心脏磁共振定量图像中预测全心和局部心肌的T1和T2,具有自动化分析的能力。不同的网络对T1和T2的预测性能存在差异，同时对序列也敏感。在3个数据集中，DenseNet对于MOLLI和SASHA T1定量图像的预测误差为17 ms±60 ms,对于T2定量图像的预测误差约2 ms,具有最好的性能。GoogLeNet性能优于AlexNet和ResNet。结论 本研究实验证明神经网络能够自动化分析心脏磁共振定量图像，不同神经网络存在性能差异，本研究可为心脏磁共振图像自动化分析技术提供支持，为医生等提供一种快速的图像分析方法。