QID^2：用于 DWI 数据 q 空间上采样的图像条件扩散模型

基于摘要分析。该研究针对低角分辨率扩散加权成像（DWI）采集难以提供充分梯度方向信息的问题，提出图像条件扩散模型 QID^2，以已有低角分辨率 DWI 估计目标梯度方向对应的图像，实现 q 空间上采样。研究对象是 DWI 角度采样重建，而非 EEG 解码或 BCI 算法。 核心机制：QID^2 将一组低角分辨率 DWI 作为条件输入，采用带 cross-attention 的 U-Net；作者说明，该设计用于保留参考图像的位置信息并引导目标图像生成。摘要未提供梯度方向的编码方式、扩散过程、损失函数及采样策略，这些实现细节尚未验证。 数据与评估：作者使用 Human Connectome Project（HCP）中的单壳层 DWI 样本，通过对子集梯度方向进行采样构造低角分辨率输入，并训练模型重建缺失方向的 DWI。对照为两个 GAN 模型，但摘要未给出其名称。作者报告，在该评估设置下，QID^2 生成图像质量更高，在多项下游张量估计指标以及测试阶段下采样情形的泛化表现上优于对照；具体指标、数值、下采样比例、被试数量和训练测试划分尚未验证，不能据此量化优势。 证据边界：从高角分辨率数据人工下采样得到的输入，能否代表真实低角分辨率采集条件，以及跨扫描条件的适用性，仍需全文与独立验证支持。复现需核对 HCP 样本筛选、梯度方向选择、数据划分、预处理、基线训练条件及张量估计流程；实验协议、消融及统计信息尚未验证。摘要未提供与 EEG/BCI 的具体机制对应关系，因此不提出跨领域迁移结论或复现实验建议。