磁気共鳴画像法（MRI）の遅い取得速度を克服するために、二つの補完的な手法が開発されてきた。一つは、解剖学的構造を複数の視角を同時に取得する（並列画像化）、もう一つは、従来の信号処理手法に必要なサンプル数よりも少ないデータを取得する（圧縮センシング）というアプローチである。これらの手法を組み合わせることで、大幅なスキャン時間短縮が可能となるが、未サンプリングされた多コイルデータからの再構成は、長年にわたり解決されていない課題であった。本論文では、従来提案された変分法を拡張し、完全にエンド・ツー・エンドで学習可能な新しいアプローチを提示する。本手法は、脳および膝関節MRIの両方において、fastMRIデータセットにおいて新たな最先端の性能を達成した。