【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
2021-09-12 15:38:24
377KB
1
《深入了解MRI基础(第6版)》内容简介：磁共振成像技术与医学影像领域中的其他成像方法相比，对操作者的要求更高：只有在了解其基本物理原理的前提下，成像的结果才能得到准确的解释。对于磁共振成像技术的从业者来说，不仅要知其然，而且要知其所以然。出于这个目的，《深入了解MRI基础(第6版)》在注重实际的同时，更强调对基本理论的阐释。
《深入了解MRI基础(第6版)》循序渐进地引入磁共振成像的方方面面基础知识。每一章都旨在回答特定的问题。从核磁的概念到各种成像应用，读者可以对该技术有完整的了解。
2021-09-10 11:38:39
105.81MB
1
B0 field-corrected MR reconstruction for a spiral k-space trajectory
2021-09-08 21:03:49
6KB
快速核磁共振
| |
通过获取更少的测量值来加快磁共振成像（MRI）的潜力，可以降低医疗成本，将对患者的压力降到最低，并使MR成像在目前速度缓慢或昂贵的应用中成为可能。
是Facebook AI Research（FAIR）和NYU Langone Health的一项合作研究项目，旨在研究使用AI来加快MRI扫描的速度。 纽约大学朗格健康中心已经发布了完全匿名的膝盖和大脑MRI数据集，可以从下载。 可以找到与fastMRI项目相关的出版物。
该存储库包含方便的PyTorch数据加载器，子采样功能，评估指标以及简单基准方法的参考实现。 它还包含fastMRI项目的某些出版物中方法的实现
2021-09-06 21:28:15
169KB
1
brain-amri-age-classifier-master:-深度学习CNN预测大脑年龄-源码
2021-09-06 13:14:24
549KB
1
自动编码器在脑MR图像中的无监督异常分割：比较研究
该存储库包含我们的论文的代码，该论文是。 如果您使用我们的任何代码，请引用：
@article{Baur2020,
title = {Autoencoders for Unsupervised Anomaly Segmentation in Brain MR Images: A Comparative Study},
author = {Baur, Christoph and Denner, Stefan and Wiestler, Benedikt and Albarqouni, Shadi and Navab, Nassir},
url = {http://arxiv.org/abs/2004.03271},
year = {2020}
}
@article{baur2021autoencoders,
tit
2021-08-30 09:47:06
122KB
1