使用神经隐式 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 中训练限制了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），直接在 k-space 中引入自监督正则化，以约束一致的邻域关系。 核心贡献是将并行成像中的自一致性思想用于神经隐式 k-space 重建，使重建过程无需额外数据即可获得正则化约束。摘要未提供邻域定义、自一致性约束的数学形式、损失权重、采样方式或训练与推理流程，这些实现细节尚未验证。 作者报告，在模拟数据上，该正则化显著改善了神经隐式 k-space 重建；在腹部在体重建中，使用 PISCO 的结果相较作者所称的当前先进方法具有更好的时空图像质量。摘要未给出具体指标、效应大小、样本规模、采集与划分协议或对照方法名称，因此尚不能判断改善幅度及适用范围，实验协议、消融及统计信息尚未验证。 材料提供了代码仓库，但代码可用性、运行环境、数据获取条件及结果可复现性尚未核验。本文的主要对象是 MRI 成像重建，并非 EEG 解码或 BCI；摘要中的机制依赖 k-space 邻域关系及并行成像背景，不能直接据此推断其对 EEG 或 BCI 有效。已有 EEG 相关工作尚未检索确认。