磁共振专题
群体优化算法---电磁共振优化算法(EROA)介绍包含示例滤波器设计
介绍 电磁共振优化算法（Electromagnetic Resonance Optimization Algorithm, EROA）是一种新型的元启发式优化算法，其灵感来源于电磁共振现象。电磁共振是一种物理现象，当一个系统在特定频率下响应最大时，这个频率被称为共振频率。在优化算法中，共振频率可以用来引导搜索过程，提高优化效率 EROA 算法的基本原理 种群初始化： 在搜索空间内随机生成一定
脑部磁共振成像肿瘤分割方法（MATLAB 2018）
近年脑肿瘤发病率呈上升趋势，约占全身肿瘤的5%，占儿童肿瘤的70%。CT、MRI等多种影像检查方法可用于检测脑肿瘤，其中MRI应用于脑肿瘤成像效果最佳。精准的脑肿瘤分割是病情诊断、手术规划及后期治疗的必备条件，既往研究者对脑部肿瘤分割算法进行了深入研究，并取得了很多成果。然而脑部结构复杂，包括脑皮层、灰质、白质、胼胝体、脑脊液等组织，分割精度难以保证。目前临床使用最广泛的脑部肿瘤分割方法是模糊Ｃ均
【医学图像分割】基于matlab磁共振成像 (MRI) 数值模拟平台【含Matlab源码 826期】
✅博主简介：热爱科研的Matlab仿真开发者，修心和技术同步精进，Matlab项目合作可私信。 🍎个人主页：海神之光 🏆代码获取方式： 海神之光Matlab王者学习之路—代码获取方式 ⛳️座右铭：行百里者，半于九十。 更多Matlab仿真内容点击👇 Matlab图像处理（进阶版） 路径规划（Matlab） 神经网络预测与分类（Matlab） 优化求解（Matlab） 语音处理（Matlab
磁共振梯度回波（gradiant echo）与自旋回波(spin echo)
在90度脉冲以后，xy平面的磁化向量会按照时间常数为T2的指数函数衰减。而实际上测得的信号比这个理论衰减过程更快，相应的时间常数为T2*。关于T2 和T2*的定义在上一篇文章《磁共振中T1，T2和T2*的原理和区别》中已有阐述。 T2*衰减的原因是磁场的不均匀导致不同位置处的原子核旋转频率不一样，在磁场强度较低的地方旋转得慢，在磁场强度较高的地方旋转得快，因此经过一定时间后，不同位置处的原子核旋
总结磁共振成像的脑龄预测的人工智能模型
脑龄预测的人工智能模型 介绍基于神经影像的BA预测BA预测建模：从统计方法到DL统计方法使用统计/最大似然估计方法的BA研究的主要结果 深度学习使用DL方法进行BA研究的主要结果可解释的人工智能（即可解释的深度学习方案）可解释的能力（Interpretability,）、可因果性和可解释性（explainability）事前模型事后可解释模型可解释模型
使用我们的 MCS-EMP 或 8600 VSM 进行铁磁共振 (FMR) 测量
Lake Shore Cryotronics 的新产品：安装套件，使您能够轻松地将 NanOsc Instruments PhaseFMR 和 PhaseFMR-40 光谱仪与我们的MeasureReady™ MCS-EMP或8600 系列 VSM系统一起使用，以进行铁磁共振 (FMR) 测量。 FMR解释 铁磁共振 (FMR) 测量允许薄膜的磁动力学特性1
《功能磁共振多变量模式分析中空间分辨率对解码精度的影响》论文阅读
《The effect of spatial resolution on decoding accuracy in fMRI multivariate pattern analysis》 文章目录 一、简介论文的基本信息摘要 二、论文主要内容语音刺激的解码任务多变量模式分析（MVPA）K空间 空间分辨率和平滑对MVPA的影响平滑的具体过程 流程详解流程图BOLD acivation 
磁共振并行成像方法--从SMASH到GRAPPA（1）
Part1：SMASH 基于K空间的磁共振并行成像是利用多通道的相控阵列线圈，采集部分k空间数据结合线圈的敏感度信息，对未采集的K空间数据进行估计，从而组合成全采样的K空间数据。在K空间域的并行重建的典型方法有SMASH、AUTO-SMASH、VD-ATUO-SAMSH 以及目前普遍使用的GRAPPA。 在二维平面中，磁共振信号可以表示为： S ( k x , k y ) = ∬ C ( x
BART - 磁共振重建库 linux系统安装 MATLAB 使用
本文主要介绍如何在linux系统中安装伯克利大学的磁共振重建库BART 和在matlab中的配置使用。 安装必要的库 （linux 命令行） $ sudo apt-get install make gcc libfftw3-dev liblapacke-dev libpng-dev libopenblas-dev 下载编译BART 文件 （官网链接：BART Toolbox）
扩散加权磁共振成像(DWI)
扩散加权磁共振成像(diffusion-weighted imaging, DWI)是20世纪90年代初中期发展起来的MRI新技术。DWI能够无创地测量生物组织内水分子的扩散速度。水分子扩散是一个三维过程，在理想环境下，水分子沿各个方向的扩散速度使相同的，称为各向同性扩散。然而，在人体组织内，水分子受到各种因素的影响（如脑白质纤维，由于髓鞘阻碍了水分子垂直于纤维方向的扩散，水分子表现为沿纤维束方向
静息态功能磁共振成像(rs-fMRI)原理与数据分析学习笔记（3）：R-fMRI Data Processing DPARSFA
视频来自：3_R-fMRI_Data_Processing_DPARSFA_哔哩哔哩_bilibili pdf：The R-fMRI Course | The R-fMRI Network 目录 1. DPABI基本流程和下载方式 1.1. 静息态功能磁共振成像数据流程 1.2. DPABI下载 2. DPABI软件操作 2.1. 数据分类和整合 1. DPABI基
对功能连接组静息态功能磁共振预测模型的基准测试
研究表明，功能连接可揭示生物标志物的个体心理或临床特征。然而在静息态功能磁共振的典型分析中，不同研究者对其分析方法的选择并不固定且存在很多差异。为此，对静息态数据进行一种特定类型的研究将具有较强的现实意义，所以我们选择了一种预测模型（针对功能连接），接下来本文将对此选择做出合理的解释。本文发表在Neuroimage杂志。 研究方法： 本文系统地研究了6个不同队列的预测模型（被试2000人左右）
新生儿大脑的磁共振成像
近年来，发展中大脑的探索已成为研究人员和临床医生的主要关注焦点，以理解是什么使儿童能够获得惊人和独特的能力，以及早期干扰（例如，早产，新生儿损伤）可能导致一系列神经发育障碍的影响。非侵入性神经影像学方法如MRI对于建立新生儿和婴儿的大脑与行为变化之间的联系至关重要。在这篇文章中，我们旨在突出使用各种可用技术的最新和有代表性的研究：解剖MRI、定量MRI（弛豫测量，扩散MRI）、多参数方法和功能MR
matlab 读写磁共振影像.nii 数据
问题描述： 参考LEiDA方法和周昌松老师的large-scale network 的分离整合的划分[1]，脑区划分结束后需要把脑区的结果用脑图的形式呈现出来，但是因为我划分脑区的结果都是保存在mat文件里，Brainnet Viewer 则需要使用 .nii 类型的文件。因此，研究了一下如何将数据写入.nii文件。 加载BrainNet Viewer的样例数据 nifti_data
方法篇：定制磁共振指纹
导读 某些病理的神经影像学检查需要多参数定性和定量成像。定量磁共振成像(qMRI)的作用已获得广泛认可，但由于其采集时间较长，容易导致患者不适，尤其是在老年患者和儿童患者群体中。先前的研究表明，可以使用合成MRI来缩短扫描时间，并提供qMRI以及多对比度数据。然而，这种方法会受到诸如部分体积和流动等伪影的影响。为了提高扫描效率(单位时间内获得的对比图和定量图的数量)，本研究设计、模拟并演示了通过
做脑磁共振影像数据处理不得不看的几本书
《本文同步发布于“脑之说”微信公众号，欢迎搜索关注~~》 医学影像技术的发展极大地促进通过非侵入型的方法对人脑结构和功能的进一步了解。核磁共振技术发源于1946年斯坦福大学的Flelix Bloch教授和哈佛大学的Edward Purcell教授领导的两个研究小组各自独立的发现了核磁共振现象，两位教授也凭借这一重大发现，共同分享了1952年的诺贝尔物理学奖。而后，磁共振成像技术基于这一物理现象发