数据一致性触及零空间

基于摘要分析。本文研究稀疏视角图像重建：测量无法观测的前向算子零空间承载了大量重建误差，直接在图像空间最小化测量一致性损失无法改变这部分误差。作者提出 Routed data consistency（RDC），固定已发布重建器的全部权重，仅优化一个内部激活，经其后方的冻结解码器拟合测量，以间接改变零空间分量。 核心分析是零空间更新与零空间误差之间的方向对齐程度。作者以二者夹角的余弦 cos θ 描述这种对齐，并指出在固定前向算子时，对齐由预训练网络及其目标决定，而非由扫描本身决定；其给出的可消除比例上限为 1 − sin θ。结合更新的相对长度 r，作者建立了一个恒等关系，用候选变量的分解预测其优劣。另以留出视角上的无标签测试，在冻结映射不适合当前情况时回退至权重适应；具体判据尚未验证。 作者报告，在八视角锥束 CT 上，RDC 优化四十步后，比图像空间拟合无法超越的 range oracle 高出 1.72 dB，并超过使用四十八个有标签体数据、预算匹配的监督微调；摘要未说明该 dB 指标的具体名称及预算定义。在十八例临床扫描中，RDC 在十六例上优于权重空间适应。在四种前向算子、六个网络的比较中，该恒等关系在一百一十五次比较中有一百一十次预测出更好的内部变量。各结果的详细划分、误差定义、消融及统计信息尚未验证，也不能据此推断 BCI 有效性。 平台推测（待验证）：一个可检验的迁移假设是，将其用于具有明确前向算子的 EEG 源成像，而非直接用于 EEG 分类。可复用的是冻结解码器中的内部激活优化；需改造的是 EEG 头模型、测量一致性项和留出验证方式，且依赖合适的预训练源重建器。低信噪比、跨被试头模型变化、通道不足及小数据训练可能使网络诱导的零空间更新方向失准。可先在具有已知源真值的模拟 EEG 上，固定头模型与噪声条件，对比图像空间数据一致性、RDC 和权重适应，检查残差下降是否同时降低源重建误差，以及对齐关系能否预测变量排序。已有 EEG 相关工作尚未检索确认。