原子核自旋，有角动量。由于核带电荷，它们的自旋就产生磁矩。当原子核置于静磁场中，本来是随机取向的双极磁体受磁场力的作用，与磁场作同一取向。以质子即氢的主要同位素为例，它只能有两种基本状态：取向“平行”和“反向平行”，他们分别对应于低能和高能状态。精确分析证明，自旋并不完全与磁场趋向一致，而是倾斜一个角度θ。这样，双极磁体开始环绕磁场进动。进动的频率取决于磁场强度。也与原子核类型有关。它们之间的关系满足拉莫尔关系：ω0=γB0，即进动角频率ω0是磁场强度B0与磁旋比γ的积。γ是每种核素的一个基本物理常数。氢的主要同位素，质子，在人体中丰度大，而且它的磁矩便于检测，因此最适合从它得到核磁共振图像。

功能磁共振成像（fMRI)的基础知识，欢迎各位下载！

傅里叶反变换matlab代码LRTV-MRFResnet 该工具箱提供了用于解决磁共振指纹（MRF）问题的代码，而无需根据字典通过时空正则凸重构和神经定量推断来进行字典匹配： M. Golbabaee, G. Bounincontri, C. Pirkl, M. Menzel, B. Menze, M. Davies, and P. Gomez. "Compressive MRI quantification using convex spatiotemporal priors and deep auto-encoders." arXiv preprint arXiv:2001.08746 (2020). 该工具箱的关键组件包括：1-用于解决低秩和总变化正则化MRF重构问题的凸和动量补偿算法Solve_LRTV.m。 2-用于快速定量推断的编码器-解码器网络（MRFResent_AE.mat）。 训练此模型的代码在文件夹train_mrfresnet中。 LRTV算法除了MRF低秩子空间约束[Asslander et al'18]外，还合并了2D或3D总变化（TV）正则化方法，以便在时

针对医学图像分割中网络深度过深和上下文信息欠缺导致的分割精度降低等问题,提出了一种基于改进U-Net的磁共振成像(MRI)脑肿瘤图像分割算法。该算法通过嵌套残差模块和密集跳跃连接组成一种深度监督网络模型。为了减小编码路径和解码路径特征图之间的语义差距,将U-Net中的跳跃连接改为多类型的密集跳跃连接;为了解决网络过深导致的退化问题,加入残差模块,以防止网络梯度消失。实验结果表明,本算法分割肿瘤整体、肿瘤核心、增强肿瘤的Dice系数分别为0.88、0.84、0.80,满足临床应用的需求。

代码运行效果图见压缩包

非均匀傅里叶变换(NUFFT)在雷达、通信、医学成像、射电天文学等诸多领域都获得了广泛应用, 其快速计算是近年 来的研究热点, 对于MRI非笛卡尔采样的重建具有良好效果。。

基于GPU加速的磁共振血管造影图像的并行分割与追踪算法.pdf

基于弥散张量磁共振脑影像的神经性厌食症机器学习分类研究.pdf

由于人体脑血管结构复杂,空间比例小,三维分割和重构十分困难,本文面向时飞磁共振血管造影(TOF MRA)数据提出了一种新的瑞利高斯有限混合模型来实现脑血管的自动提取和分割。首先,对已有的混合模型进行了分析;然后,采用最大强度投影法(MIP)预处理脑部数据后采用高斯分布拟合血管类,采用瑞利分布和高斯分布拟合非血管类。提出的模型构造简单,参数向量较少;在血管与非血管的混合区域,模型与灰度直方图具有较好的拟合性。模型在传统期望最大化(EM)算法中加入随机扰动项构造随机期望最大化(SEM)算法来实现混合模型的参数估计,降低了算法对初值的依赖,同时提高了鲁棒性。实验证明,与已有双高斯模型相比,血管点数增加了27%,可细分到三级血管且细节的连通性更好。本模型可更准确地拟合数据的灰度分布曲线,有效地分割脑血管主分支及周围较细小分支,泛化性较好并可应用于相似系统中。

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。