基于双重时间稀疏性的压缩感知静息态 fMRI 加速重建

基于摘要分析。该研究针对静息态 fMRI 在高加速倍数下欠采样重建伪影增大的问题，提出 Double Temporal Sparsity based Reconstruction（DTSR），利用两类时间稀疏约束从欠采样 k-space 测量中重建 fMRI，并评估静息态网络（RSNs）的保留情况。 核心机制是 l1−l1 范数约束：第一项对体素时间序列在变换域中的表示施加 l1 稀疏约束，第二项对同一时间序列的相邻时刻差分施加 l1 稀疏约束。两项约束分别利用变换域稀疏性与时间变化的稀疏性；具体变换、目标函数权重及优化求解过程尚未验证。 作者报告，在真实 fMRI 数据上进行了个体层面与群体层面的评估，并考察多个加速倍数。摘要以 PSNR 等指标衡量重建质量，以 RSNs 的可复现性进行定性分析。作者报告，在静息态 fMRI 数据、加速倍数最高为 3.5 的比较中，DTSR 相对既有方法的 PSNR 提高 10–12 dB，并能够保留用于静息态分析的脑网络。摘要未明确各加速倍数对应的增益、对照方法及统计不确定性，不能将该增益视为所有设置下的统一结果。 这些结果来自真实数据上的模拟欠采样重建，不应直接等同于前瞻性加速采集的验证。数据集、被试数、k-space 采样模式、参考图像、RSNs 提取与匹配方法，以及实验协议、消融及统计信息尚未验证。本文主要研究对象是 fMRI 采集重建，而非 BCI 解码；摘要不支持将其结果外推为 EEG 或 BCI 性能提升。