연구진은 노이즈가 많은 MRI 재구성 환경에서 성능을 향상시키는 고차원 k-스페이스 재구성 프레임워크를 제안했어요. 제안된 프레임워크는 기존 디퓨전 기반 솔버를 수정하지 않고 데이터 표현 공간을 확장하여 k-스페이스 임베딩의 표현력을 높여요. 다양한 노이즈 수준과 언더샘플링 계수에서 실험 결과, 제안된 프레임워크는 여러 디퓨전 기반 역솔버의 재구성 품질을 일관되게 향상시키는 것으로 나타났어요.