arXiv 2026年9月25日该工作提出MPFlow，一个基于整流流的零样本多模态MRI重建框架，通过自监督预训练策略PAMRI学习跨模态共享表征，在推理时用数据一致性与跨模态特征对齐联合引导无条件先验，在HCP的T2 4倍超分辨与BraTS的FLAIR 8倍k空间重建上，以仅20%的采样步数匹配扩散基线的图像质量，并将肿瘤分割Dice提升15%、SHAFE幻觉分数降低26%。该工作提出MPFlow，一个基于整流流的零样本多模态MRI重建框架，通过自监督预训练策略PAMRI学习跨模态共享表征，在推理时用数据一致性与跨模态特征对齐联合引导无条件先验，在HCP的T2 4倍超分辨与BraTS的FLAIR 8倍k空间重建上，以仅20%的采样步数匹配扩散基线的图像质量，并将肿瘤分割Dice提升15%、SHAFE幻觉分数降低26%。MPFlow用辅助MRI模态在推理时引导整流流先验，以20%采样步数达到扩散基线质量并将肿瘤幻觉Dice降低15%该工作提出MPFlow，一个基于整流流的零样本多模态MRI重建框架，通过自监督预训练策略PAMRI学习跨模态共享表征，在推理时用数据一致性与跨模态特征对齐联合引导无条件先验，在HCP的T2 4倍超分辨与BraTS的FLAIR 8倍k空间重建上，以仅20%的采样步数匹配扩散基线的图像质量，并将肿瘤分割Dice提升15%、SHAFE幻觉分数降低26%。该工作提出MPFlow，一个基于整流流的零样本多模态MRI重建框架，通过自监督预训练策略PAMRI学习跨模态共享表征，在推理时用数据一致性与跨模态特征对齐联合引导无条件先验，在HCP的T2 4倍超分辨与BraTS的FLAIR 8倍k空间重建上，以仅20%的采样步数匹配扩散基线的图像质量，并将肿瘤分割Dice提升15%、SHAFE幻觉分数降低26%。