DFT的matlab源代码稀疏优化的MRI重建 磁共振成像（MRI）图像稀疏。 这是一个使用非凸罚函数的实现，该函数鼓励稀疏性。 选择惩罚函数作为最小最大凹惩罚（MCP），可以从以下方法检查算法（GIST）： 龚平华，张长水，卢兆松，黄建华，叶洁平的非凸正则优化问题的通用迭代收缩和阈值算法 直接运行main.m，您将看到流行方法与该实现之间的比较。 Randon变换代码和DFT代码的反投影由Mark Ba​​ngert编写。 解算器也位于解算器文件夹中，选择所需的解算器。 GIST_MCP.m使用Barzilai-Borwein步长的近端梯度法，GIST_MCP_Nesterov.m使用Nesterov加速度的近端梯度法。 切记将相应的子例程放入求解器。 这里有重新启动的Nesterov加速近端梯度算法的详细说明，该算法真正保证了收敛，在这里： 一类非凸非光滑最小化问题外推法的近邻梯度算法的线性收敛性，作者：Bo Wen，Chen Xiaojun Chen，Ting Kei Pong 这项研究于2017年Spring进行，部分由香港研究资助局拨款PolyU253008 / 15资助

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