K-CMorph：融合 K-space 一致性与复数值处理以改进 MRI 可变形配准

基于摘要分析。该研究面向三维脑 MRI 可变形配准，提出 K-CMorph，将空间域特征与 K-space 频率数据结合，利用复数值处理、注意力融合及 K-space 一致性约束改善图像对齐。其主要研究对象是 MRI 图像配准，并非 EEG 解码或 BCI 控制。 方法针对现有配准方法对 K-space、尤其是相位信息利用不足的问题，采用复数值卷积网络处理 K-space 的幅度与相位，以保留与精细结构相关的变化；通过注意力机制自适应融合空间域与频率域特征。作者另提出 K-space Image Consistency Loss（KIC Loss），旨在约束频率域的全局一致性、减少伪影并保持配准输出的保真度。摘要未给出该损失的数学形式、形变参数化方式及具体训练流程，尚不能判断各模块如何协同约束形变。 作者报告，在 IXI 数据集上的实验相较所比较的先进方法取得显著改进，但摘要未提供评价指标、数值、数据划分、对照方法或统计检验信息，因此无法量化增益，也不能确认“显著”是否指统计显著。实验协议、消融及统计信息尚未验证；后续需核对配准精度、形变合理性及复数值处理与 KIC Loss 的独立贡献。 MRI 的 K-space 与 EEG 的时间频谱并不等同，摘要未建立该方法到 EEG/BCI 的具体对应关系，因此不据此推断 BCI 有效性或提出迁移实验。相关 EEG 工作尚未检索确认。