L'évaluation précise du conflit fémoro-acétabulaire représente un défi en raison de l'anatomie complexe et de la finesse du cartilage. Des avancées récentes, comme le compressed sensing et surtout le compressed sensing avec intelligence artificielle (deep learning, CSAI), visent à améliorer la résolution spatiale et la qualité des images tout en réduisant les temps d'acquisition, ce qui pourrait permettre une meilleure détection des lésions subtiles. Cette étude a donc pour objectif d'évaluer la performance de l'IRM à haute résolution basée sur le deep learning par rapport aux protocoles à résolution standard pour la détection des anomalies labrales et cartilagineuses chez des patients atteints de syndrome de conflit fémoro-acétabulaire, en utilisant l'arthroscopie de la hanche comme référence.