利用神经隐式 k-Space 表示的运动分辨腹部 MRI 自监督 k-Space 正则化

基于摘要分析。本文研究运动分辨腹部 MRI 重建：神经隐式 k-space 表示可支持高时间分辨率动态 MRI，但仅在 k-space 中训练会限制常用图像正则化方法的应用。作者提出 parallel imaging-inspired self-consistency（PISCO，并行成像启发的自一致性），通过约束一致的邻域关系，在 k-space 中直接引入自监督正则化。 核心机制是利用并行成像所启发的局部关系约束神经隐式表示，而非直接套用图像域正则化。摘要未给出邻域的具体定义、自一致性算子的构造、损失形式及其权重，也未说明隐式表示如何编码运动状态；这些实现细节尚未验证。 作者报告，在不增加数据成本的条件下，该正则化显著改善了模拟数据上的神经隐式 k-space 重建；在腹部在体重建中，相比作者所称的当前最先进方法，PISCO 提升了图像的时空质量。摘要未提供具体指标、效果数值、样本规模、采样方案或对照方法名称，因而目前无法判断收益幅度及比较条件。实验协议、消融及统计信息尚未验证。 摘要提供了代码地址，便于后续核对实现；代码完整性、数据可用性及复现条件尚未验证。本文的主要研究对象是腹部 MRI，并非 EEG 或 BCI。其正则化依赖 MRI k-space 与并行成像的结构，现有材料不足以建立向 EEG 的直接迁移路径，因此不据此提出 BCI 效果或复现实验建议；已有 EEG 相关工作尚未检索确认。