MRIの高解像度画像は、多くの臨床および研究アプリケーションにとって重要であるが、取得にはコストや技術的制約が伴う。超解像（SR）は、低解像度スキャンから高解像度画像を生成する計算手法であり、追加のハードウェアなしで精度と効率を向上させる可能性を秘めている。本調査では、MRIの超解像手法の最近の進展、とりわけ深層学習（DL）アプローチに焦点を当て、計算画像学や逆問題、MR物理学などの観点からDLベースの手法を考察する。理論的基盤やアーキテクチャ設計、学習戦略、ベンチマークデータセット、性能指標についても詳述しており、既存および新興のSR技術をクライアントの文脈での特有の課題を考慮しつつ分類する体系的な分類法を提案している。さらに、今後の課題や研究の方向性についても強調し、オープンアクセスのリソースやツールを提供している。