本文提出一种相位感知自监督框架（MSPR‑GRE），用于加速高分辨率多回波梯度回波（mGRE）MRI，同时保留解剖细节和复数回波信息以实现定量映射。方法上，MSPR‑GRE 将逐步 k 空间扩展与相位估计、细化相结合。网络采用序列化展开结构，先重建复数多回波图像，再更新回波相关的相位先验。对于回波数≥4 的采集，使用基于弛豫信息的时间子空间；回波数较少时则在图像域直接重建。训练仅使用保留的 k 空间样本，无需全采样目标。实验在 9.4 T 小鼠脑（30 µm 八回波、18 µm 双回波）和 7 T 人脑 AHEAD 数据上进行回顾性欠采样评估，并与监督基线进行对比。结果显示，MSPR‑GRE 在相位快速变化区域显著降低伪影，保留细微解剖结构。对五组 AHEAD 测试数据在加速因子 R=4、8、12 下，整体提升幅度图、T2* 图和 QSM 指标，尤其在高加速下优势明显。R=12 时，第四回波幅度 NRMSE 为 $12.09\pm0.60\%$，而 SSDU 为 $21.55\pm1.12\%$。消融实验表明相位细化带来性能提升，监督实验进一步验证了多阶段相位感知重建的有效性。结论是，MSPR‑GRE 在无需全采样训练目标的情况下提升了加速 mGRE 重建和定量映射的一致性，但仍需进一步验证其通用性和相位估计精度。\n\n点评：该工作通过自监督学习和相位先验的巧妙结合，为高加速 MRI 重建提供了可行路径，尤其在保持定量参数准确性方面表现突出。后续可探索更复杂的相位模型和跨模态迁移。