医学医疗-Alltech医学检测磁共振成像(MRI)系统.docx

malini：NeuroImaging中的机器学习（MALINI）是基于MATLAB的工具箱，用于使用静止状态功能磁共振成像（rs-fMRI）数据进行特征提取和疾病分类。 介绍了18种不同的流行分类器。 稍加修改，它也可以用于使用任何功能集的任何分类问题

在磁共振（MR）图像中对前列腺的自动分割已越来越多地应用于前列腺疾病的诊断和各种临床应用。 然而，由于前列腺边界周围的解剖结构不均匀且变化，因此前列腺MR图像的分割面临着巨大的挑战。 由于深度学习在计算机视觉中显示出优异的性能，因此我们提出了一种使用深度神经网络的粗细细分策略，以分别解决直肠内线圈前列腺图像和非直肠内线圈前列腺图像的分割问题。 首先，我们将基于配准的粗略分割呈现给预处理的前列腺MR图像，以获得潜在的边界区域。 其次，我们训练深度神经网络作为基于像素的分类器，以预测潜在边界区域中的像素是否为前列腺像素。 为了提高算法的可分辨性，我们进一步引入了集成学习以进行精细分割。 最后，使用边界细化来消除离群值并使边界平滑。 所提出的方法已经在PROMIS12挑战数据集和PROSTATEx17挑战数据集上得到了广泛的评估。 实验结果表明，该算法具有较好的分割性能（骰子比为0.910±0.036，平均边界距离为1.583±0.441，Hausdorff距离为4.579±1.791），证明了该算法的有效性。

matlab开发-磁共振成像。Este Proyecto Realiza la Modulacion PWM de Se_ales Como Voz，Coseno，Seno.

使用3D卷积神经网络和磁共振成像的早期识别阿尔茨海默氏病

非笛卡尔并行磁共振成像重建技术研究新进展.pdf,相对于传统的k空间笛卡尔采样，非笛卡尔采样能够使得k空间具有更高的覆盖效率，同时可以更有效地利用梯度系统性能，减少dB/dt值，避免引起人体不良的生理反应。k空间非笛卡尔采样和并行成像技术结合能够进一步提高成像速度，但是也使得图像域中的伪影模式更加复杂，因此非笛卡尔并行磁共振成像重建具有更高的技术难度。综述了目前几种典型的非笛卡尔并行成像重建技术，具体讨论了每种方法的技术细节和优缺点，包括敏感度编码（SENSE）、共轭梯度敏感度编码（CG SENSE）、非笛卡尔自标定并行采集方法（non Cartesian GRAPPA）、基于数据一致性的迭代方法（SPIRiT）和近年来发展迅速的压缩感知技术。SENSE和CG SENSE理论上可以获得最优的重建结果，但受制于线圈敏感度分布的准确测量；Non Cartesian GRAPPA无需测量线圈敏感度，但只能对特定的非笛卡尔采样模式进行近似计算；SPIRiT结合了SENSE和GRAPPA的优点，通过迭代优化方法可以获得较满意的结果；压缩感知技术利用图像的稀疏变换特性，配合现有的迭代优化并行成像方法可以进一步提升重建图像质量，将继续成为未来研究的热点。

近年来，结构性磁共振成像（sMRI）和功能性磁共振成像（fMRI）被广泛应用于抑郁症研究。从结构形态学、结构网络、功能网络3个角度探索抑郁症患者的大脑异常，了解其发病机制，辅助医生临床诊断、治疗和预后。目前大量研究发现抑郁症患者的海马体、杏仁核出现不同程度的萎缩，脑网络的连接强度、图论属性等均出现显著异常，且出现异常的脑区对应于人的情绪调节、注意力和认知控制等功能，异常的程度与抑郁的严重程度呈现高度相关性。从不同角度对抑郁症的研究现状进行综述，并对未来的研究提出了建议。

MATLAB工具箱大全-磁共振成像处理工具箱CONN 18b

在动态磁共振成像中，采样时间过长既不利于对动态信息的获取也容易产生运动伪影。而传统的基于压缩感知的动态磁共振成像方法，具有重构算法慢，成像时间长等特点。基于此，本文将k-t FOCUSS和自适应非局部平均算法相结合应用于动态磁共振成像中，由k-t FOCUSS得到中等质量图像序列，再经过基于块的自适应非局部平均算法处理，最后得到的动态磁共振图像重建效果相较于单一的k-t FOCUSS重建效果更好。为了增加实验的对比性，本文还与k-t FOCUSS与ME/MC的结合算法做对比，经比较发现，本文提出的算法在保证重建图像质量的同时，计算时间更短。

文件为压缩感知磁共振成像的源代码，使用MATLAB语言进行实现，参考论文SparseMRI。