基于压缩感知（CS）的磁共振成像（MRI）是一种利用磁共振（MR）图像的稀疏性的快速成像技术，经典CS-MRI重建数学模型是在包含线性合成非平滑正则约束下的最优化问题。针对重建模型中的线性合成正则项提出利用原始-对偶框架同时求解原始-对偶问题，对原始-对偶问题的增广Lagrangian形式求解其最优解，提出了一种原始-对偶迭代重建算法；对于非平滑正则项的处理，提出使用Moreau包络进行平滑近似，然后利用近似算子得到平滑近似函数的导数形式。用体模图像和真实MR图像，与共轭梯度算法（CG）、算子分离算法（TVCMRI）、变量分离算法（RecPF）和快速混合分离算法（FCSA）进行比较，表明该算法重建效果最好，算法复杂度与最快的FCSA算法相当。

腹部_MR_幻影 用于磁共振成像的逼真的4D腹部幻影。 本着可重现性研究的精神，我们的4D腹部MR幻影已在线上提供给社区。 源代码以MATLAB软件包的形式提供，可以在找到。 引用 如果您在科学出版物中使用过Abdominal_MR_Phantom，我们将对以下论文的引用表示赞赏： Lo WC，Chen Y，Jiang Y，Gulani V，Seiberlich N.用于磁共振成像的逼真的4D腹部幻影。 Proc Intl Soc Mag Reson Med，檀香山，2017，＃1231。 如果您使用过Fessler工具箱，也请引用以下文章： 菲斯勒JA。 基于非笛卡尔MRI的基于NUFFT的网格化。 J.Magn。 雷森2007; 188：191–195。 正在下载 请下载并安装Fessler工具箱，以用于非基于笛卡尔的NUFFT网格化。 菲斯勒工具箱： ://web.eecs

Matlab核磁共振仿真：原子核的进动（Precession）和共振（Resonance）实验，具体实现效果在文章中又提到。https://blog.csdn.net/weixin_44597810/article/details/105139593

乳腺癌患者核磁共振成像数据集，1480个乳房MRI图像，图像分为两类-健康(良性)和疾病(恶性)。为了培训，这两类都包含700张健康和生病患者的核磁共振扫描图像。为了验证，这两类都包含了健康和生病患者的40张MRI扫描图像

彩色预处理阿尔茨海默病MRI(磁共振成像)所有的图像都被调整为128 x 128像素。该数据集有四类图像。该数据集由总共6400张MRI图像组成。1类轻度痴呆(896张图片)2类中度痴呆(64张图片)3类非痴呆(3200张图片)4类非常轻度痴呆(2240张图片)

ct、核磁共振、pet等相关的医学图像相关知识，包括医学图像噪声，x射线相关基础知识。超声等，核安全，回波序列。ct伪影，ct剂量，ct重建等知识。

从磁共振成像系统中读出原始的fid信号，并进行相关K空间，图像处理等

matlab开发-磁共振成像.zip

提出了一种基于低秩矩阵逼近（LRMA）和加权核范数最小化（WNNM）正则化的去噪算法，以消除磁共振图像的Rician噪声。 该技术将来自嘈杂的3D MR数据的相似的非局部立方块简单地分组到一个补丁矩阵中，每个块按字典顺序矢量化为一列，计算该矩阵的奇异值分解（SVD），然后是LRMA的闭式解通过用不同的阈值硬阈值不同的奇异值来实现。 去噪块是从低秩矩阵的此估计中获得的，整个无噪声MR数据的最终估计是通过汇总彼此重叠的所有去噪示例块来建立的。 为了进一步提高WNNM算法的去噪性能，我们首先在两个迭代的正则化框架中实现了上述去噪过程，然后利用基于单像素补丁的简单非局部均值（NLM）滤波器来减少WNNM算法的去噪强度。均匀面积。 所提出的降噪算法与相关的最新技术进行了比较，并在合成和真实3D MR数据上产生了非常有竞争力的结果。

本资源仅供学习使用。磁共振序列开发平台IDEA说明文档 序列部分 密码三个数