L'approche basée sur le filtre annihilant et la matrice de Hankel de rang faible (ALOHA) est l'une des méthodes les plus avancées en matière de capteur compressé qui interpole directement les données manquantes dans l'espace k en utilisant la complétion de matrices de Hankel de rang faible. Le succès d'ALOHA s'explique par la représentation concise du signal dans le domaine de l'espace k, grâce à la dualité entre la structure de rang faible dans le domaine de l'espace k et la parcimonie dans le domaine de l'image. Inspirés par la récente découverte mathématique établissant un lien entre les réseaux neuronaux convolutifs et la décomposition de matrices de Hankel à l'aide d'une base framelet pilotée par les données, nous proposons ici un algorithme d'apprentissage profond entièrement piloté par les données pour l'interpolation dans l'espace k. Notre réseau peut également être facilement appliqué aux trajectoires non cartésiennes de l'espace k en ajoutant simplement une couche supplémentaire de regrillage. De nombreuses expériences numériques montrent que la méthode d'apprentissage profond proposée dépasse constamment les approches existantes basées sur l'apprentissage profond dans le domaine de l'image.