核磁共振成像技术已广泛用于脑部、脊髓和心脏等相关疾病的临床诊断。然而，由采样时间、环境、设备质量等多种因素导致的成像噪声制约着诊断精度的进一步提高。综合研究了MRI降噪技术的发展脉络，系统梳理了基于滤波、变换、统计等传统MRI图像降噪方法，并重点分析了当前基于深度学习的MRI图像降噪系列新方法，展望了MRI图像降噪的未来发展趋势。最后，总结了现有医学图像质量评估方法，并指出针对依赖大量数据和人工标注医学图像样本、而可解释性较差的现有深度学习方法，需要探索性研究面向临床实际任务的医学图像质量评估新方法。