为 NIfTI 图像设计的简单医学成像可视化工具。包括用于转换 DICOM、Philips 和其他专有格式的 dcm2nii MRIcron 功能强大且稳定，但开发工作已转移到 MRIcroGL。MRIcroGL 的主要缺点是它需要支持硬件加速的 OpenGL 3.3 图形。因此，MRIcron 对于旧计算机的用户或在连接到远程超级计算机集群时仍然有用。这些用户也可以考虑 fsleyes，它可以设置为只需要OpenGL 1.4 和间接渲染。 最新版本的 MRIcron 仅包括 MRIcron 查看器和 dcm2niix 图像转换器。曾几何时，该软件随统计信息 (NPM) 和传统图像转换器 (dcm2nii) 一起分发。人们仍然可以从 NITRC 下载旧版本的MRIcron或编译这些遗留工具（见下一节）。 NPM 是一种用于神经影像病变数据的非参数分析的工具。dcm2nii 旨在将医学成像中使用的复杂 DICOM 格式转换为科学家首选的简单 NIfTI 格式。这些工具已经成熟并且有望健壮，但不再处于积极开发中。

投影数据采集与滤波反投影重建 Shepp-Logan MATLAB图像处理工具箱的phantom radon函数iradon函数

用于医学成像的硅漂移探测器 (SDD)行业调研

光声医学成像技术进展，殷杰，陶超，光声成像是21世纪以来兴起的一种生物医学成像技术，它是一种低功率、非电离的成像方式，既具有声学方法对深层组织成像分辨率高的�

MedicalTorch是pytorch的开源框架，为医学成像实现了大量的加载器，预处理器和数据集。

压缩感知MRI 医学成像中的图像处理项目-使用压缩传感（CS）框架进行MR图像重建的实验。 本质上将目标函数建模为具有数据保真度项和两个正则化参数（水平和垂直有限差分）的降噪问题。 我实现的求解器是迭代软阈值算法（ISTA），但显然可以使用其他迭代算法。 最好使用无矩阵的方法进行图像处理。 即使与MATLAB相比，ISTA在Python中的运行速度也很慢。 我尝试使用numba jit，但是并没有加快速度。 也许C包装程序会有所帮助（可以尝试将来）。 幸运的是，成本函数在22-25次迭代中收敛。 最初尝试理解CS的概念时，我主要依靠Miki Lustig教授的讲座材料和演示。 我使用的数据也可以从他的网站获得： :

医学成像交互工具包（MITK）是一个C ++类库，用于开发具有高度交互性的医学成像软件。 该示例应用程序具有DICOM查看，测量，图像分割和配准的功能。

医学影像中的机器学习--U-Net 是用于生物图像分割的卷积神经网络（CNN）。 为了保留更精细的特征图，使用了跳过连接来补充更深层中的数据。 在这项工作中，将相同的体系结构用于MRI脑部扫描，以预测一种给予另一种的方式。 这是通过将以两种不同方式扫描的原始MRI体数据切成可在网络上进行训练的2D图像来完成的。 该网络是使用 （用于CNN的MATLAB工具箱）实现的。

量子物理学 3D / 4D医学成像数据的查看器和数据处理 概述 Quantiphyse提供了用于对3D / 4D体积数据（主要是MRI数据）进行建模和分析的工具。 核心功能： 加载/保存3D / 4D NIFTI文件 分析工具，包括单/多个体素分析和数据比较 通用处理，包括平滑，重采样，聚类 可通过插件使用的功能 对位，运动校正 DCE，ASL，DSC和CEST MRI的建模工具 集成选定的FSL工具 有关完整的文档，请参见： : 。 执照 Quantiphyse可根据学术（非商业）许可免费获得。 有关完整的详细信息，请参阅LICENSE文件，如果对商业许可感兴趣，请与联系。 安装 有关当前安装说明，请参见 从源代码运行（对于开发人员） 仅当您有兴趣进一步开发该软件时，才建议从源代码运行。 安装依赖项： Python依赖项列表在requirements.txt 例如： p

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