实验背景与目标 本实验探索深度学习方法在非笛卡尔MRI采样下的图像重建性能。传统MRI采集使用笛卡尔网格在k空间进行采样，而非笛卡尔采样（如螺旋、径向、锥形轨迹）能够实现更快的数据采集速度，但重建算法更加复杂。实验分为两部分：第一部分研究UNet网络在不同采样轨迹下的重建效果；第二部分研究螺旋采样在
学生姓名：[姓名] 日期：2026年1月7日 实验概述 理论基础 实验1：笛卡尔k空间欠采样与零填充FFT图像重建 实验目的 研究不同k空间采样掩模（低频/高频、线状/方形）对MRI图像重建质量的影响，并分析参数 factor_ctr 和 signoise 的作用。 任务1：改变 factor_ct
发射断层扫描图像重建 本课程属于医学成像（Medical Imaging）课程单元中的发射断层扫描（Emission Tomography，简称ET）部分。发射断层扫描是核医学成像的核心技术，主要包括正电子发射断层扫描（PET）和单光子发射计算机断层扫描（SPECT）。整个课程的核心内容围绕断层重建
本节内容聚焦于核医学中的发射成像模态。与MRI重建不同，发射断层成像面对的是泊松断层成像病态定量逆问题，这类问题的统计特性和物理建模方式与MRI有本质区别，因此需要专门的求解方法。 从方法论角度，课程涵盖医学成像逆问题的完整处理流程：首先是逆问题的表征，这需要建立采集过程的物理模型，其次是解空间的设
基于模型的高级图像重建方法 本讲属于深度学习时代计算MRI课程的第六讲，主要内容是从基于模型的方法过渡到基于学习的图像重建方案。本节首先介绍稀疏正则化器及其相关优化算法。 稀疏性模型的两种形式 在压缩感知MRI重建中，稀疏性假设是核心。实现稀疏正则化有两种不同的建模方式：综合模型和分析模型。 综合模
并行成像技术与MRI加速方法 MRI加速技术概述 MRI成像的一个核心挑战是采集时间过长。传统的全采样方式需要逐行采集k空间数据，耗时较长，这在临床应用中会导致运动伪影等问题。因此，一个改进思路是，能否通过采集更少的k空间样本来缩短采集时间，同时仍然能够重建出清晰的图像？这就是欠采样（Undersa
深度学习时代的计算MRI NeuroSpin研究设施 NeuroSpin是一个专门用于探测人脑独特性的研究设施。该设施配备了多种场强的MRI扫描仪：3T MRI用于常规高质量成像，7T MRI提供更高的信噪比和空间分辨率，而11.7T ISEULT MRI则是目前世界上用于人体成像的最高场强扫描仪。
第一章 常微分方程基础理论与基本求解方法 1.1 常微分方程概述 1.1.1 定义与基本概念 "微分方程"指的是一个包含未知函数及其导数的方程，而"常"或者说"Ordinary"指的是这个未知函数只依赖于单个自变量。这与偏微分方程(PDE)是相对的，后者处理的是依赖于多个自变量的函数。 1.1.2
第一章 优化理论基础 你好，我们今天开始学习优化理论的基础知识。你手上的这份笔记，可以说是整个优化领域的基石。它从最基本的问题分类开始，一直讲到优化理论中最美妙、最重要的性质——凸性。我们的目标是不仅看懂这些定义，更要理解它们为什么重要，以及它们之间是如何环环相扣的。 1.1 优化问题的基本分类 我
线性系统与最小二乘法 线性系统的基本理论 我们从最基本的线性系统开始讲起。当我们面对一个线性方程组 Ax = b 时，其中 A 是一个 m \times n 的矩阵，这意味着我们有 m 个方程和 n 个未知数。这个系统的可解性完全取决于矩阵 A 的性质。 首先考虑最简单的情况，当 A 是方阵且可逆时
