基于FPGA的FFT算法优化及其在磁共振谱仪中的应用.pdf

医学医疗-Alltech医学检测磁共振成像(MRI)系统.docx

磁共振弥散张量成像，磁共振弥散张量成像课件，磁共振弥散张量成像PPT

功能核磁共振（fMRI）数据处理工具，代码，利用统计参数映射方法和独立成分分析方法分析了fMRI

乳腺磁共振检查及诊断规范专家共识.pdf

(很全)整理的离散傅里叶变换及图像处理磁共振k空间应用ppt、word及matlab代码

完整英文版IEC 63245-1：2021 Spatial wireless power transfer based on multiple magnetic resonances - Part 1：Requirements(基于多磁共振的空间无线功率传输 - 第一部分：要求)。IEC 63245-1:2021规定了基于多磁共振的空间无线功率传输（SWPT-MMR）的要求，这是一种非辐射性无线功率传输（WPT）。本文件包含两类要求：一般要求和功能要求。一般要求涵盖充电程序和充电区。功能要求涵盖了SWPT-MMR系统的每个组件，如发射器线圈。

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。

基于单片机的磁共振充电系统，包括电路图、单片机程序、论文、充电原理等，资料非常完善。