这是MRI-CT融合示例code，编程语言为matlab。内含图像，注释清晰，代码完整，下载解压后可以直接运行。

用于并行磁共振成像的阵列线圈设计综述，对阵列线圈设计有较全的介绍

脊柱是人体复杂而长的结构。 脊柱的可视化对于治疗和管理脊柱疾病至关重要，通常需要进一步的成像方式，例如计算机断层扫描（CT）和磁共振成像（MRI）。 在大多数临床领域中，脊柱CT和MRI检查都集中在感兴趣的区域。 但是，脊柱由颈椎，胸廓，腰椎，ac骨和尾骨组成，有时需要根据疾病，患者的状态和医师的决定对整个结构以及区域性脊柱进行检查。 这篇综述考虑了可用的文献来描述何时以及如何根据每种脊柱疾病（例如脊柱外伤，畸形，感染，轴突性脊椎病和转移性肿瘤）应用CT和MRI进行全长脊柱评估。

看脑电图像的文件，fMRI、MRI等脑电图，可以用该软件打开看到，三维立体。

该模型使用基于磁共振成像 (MRI) 的 ResNet-18 模型检测阿尔茨海默病 (AD)。 在该模型中，我们提出了一种在 3D CNN 中利用迁移学习的方法，该方法允许将知识从 2D 图像数据集 (ImageNet) 迁移到 3D 图像数据集。 为了构建 3D ResNet-18，2D ResNet-18 的 2D 过滤器在第三维中扩展为具有 3D 过滤器。 其余层根据新过滤器进行了调整。 然后，将整个 MRI 用于训练 3D ResNet-18，以对每个人做出一个决定。 我们的结果表明，将转移学习引入3D CNN可以提高AD检测系统的准确性。 这种方法在我们的 ADNI 数据集上实现了 96.88% 的准确度、100% 的灵敏度和 93.75% 的特异性。 此文件夹中目前有一些示例图像。 要访问更多图像，您需要将您的应用程序发送到 ADNI ( http://adni.loni

MATLAB C

matlab图像分割肿瘤代码从脑MRI matlab检测肿瘤 从这里获取代码： 从这里观看代码： 该代码使用非常清晰的GUI读取matlab上的MRI脑部扫描（.mha文件），可以非常好地显示所有3D扫描。另一种选择是直接图像文件，然后处理MRI脑部图像以检测是否存在肿瘤如果确实存在，则通过机器学习将该肿瘤分类为良性或恶性。 图像处理包括图像分割和其他图像增强，而机器学习包括SVM模型，该项目还具有用于构建模型的训练集 该代码在GUI（用户友好）中实现，以便于将程序与3D模型配合使用，以实现大脑的最佳可见性。 与我联系：电子邮件：我所有代码的列表： 直接在freelancer上雇用我： MRI脑图像，matlab，gui，图像处理，图像分割，机器学习，SVM钙化，脑肿瘤，良性，恶性，

了解MRI磁共振成像基本原理，老外写的，翻译过来了，很通俗易懂，是学习MRI基本原理的入门书。

4D-CT和MRI的形变配准算法

【医学图像处理】MRI T1, T2 PD-加权成像 深度炼丹炉公众号： 与辐射成像不同，在对比度成像中，对比度取决于所成像结构的衰减率。MR图像中，对比度取决于所成像区域中的磁性和氢核数。通过运行具有不同权重的不同序列，可以选择要成像区域中的不同对比度。主要有一下三个序列： T1加权：最大化T1对比度显示 T2加权：最大化T2对比度显示 质子密度PD加权：氢质子密度显示 当然还有更加复杂的序列，比如 FLAIR：fluid attenuated inversion recovery 和 STIR: short tau inversion recovery T1加权成像 概括地说，T1弛豫