MRI 成像(二):K空间与快速成像
空间定位 在均匀的主磁场中,MR接收线圈所收集到的是整个被成像区域内的质子发出的MR信号,这些信号不含有空间的信息。为了获得各个方向的空间信息,需要在Z轴、Y轴、X轴每个方向都施加一个梯度,分别被称为: 层面选择梯度 相位编码梯度 频率(读出)梯度 层面选择:在 z 方向上施加一个梯度变化的磁场 $G_z$,当我们向人体发射一个单一频率的射频脉冲,我们会获得一个以该频率进...
空间定位 在均匀的主磁场中,MR接收线圈所收集到的是整个被成像区域内的质子发出的MR信号,这些信号不含有空间的信息。为了获得各个方向的空间信息,需要在Z轴、Y轴、X轴每个方向都施加一个梯度,分别被称为: 层面选择梯度 相位编码梯度 频率(读出)梯度 层面选择:在 z 方向上施加一个梯度变化的磁场 $G_z$,当我们向人体发射一个单一频率的射频脉冲,我们会获得一个以该频率进...
磁共振成像(Magnetic Resonance Imaging,简称 MRI)通过对静磁场中的人体施加某种特定频率的射频脉冲,使人体中的原子核(主要是氢质子)受到激励而发生磁共振现象,在停止脉冲后,原子核在弛豫过程中产生 MR 信号,通过对 MR 信号的接收、空间编码和图像重建等处理过程,最终处理成图像信息。 磁共振硬件组成 包括主磁体,梯度系统,射频系统,计算机系统,辅助设备。 主...
1. 读书总结 《智慧的疆界:从图灵机到人工智能》 一本关于人工智能的书,对于系统的理解人工智能有很好的帮助。 《生命进化的跃升》 生命是如何在一系列机缘巧合中进化而来的。 《猫的多元宇宙》 一本关于猫是如何而来的书。 《冬牧场》 李娟 冬牧场是牧民们赶着牛羊过冬的地方,一种很难想象的生活,人们在雪地里做房子,收集雪当作水,在惊叹条件艰苦的同时,也让人重新思考关于人和自然。 ...
1. 磁共振中的噪声 磁共振成像中的主要噪声源是热噪声,它来自被扫描对象以及接收器中的电子元件。 噪声通常根据扫描仪线圈结构进行统计建模。对于单线圈采集,复数的空间磁共振数据通常被建模为一个复数的高斯过程,其中原始信号的实部和虚部被均值为零、方差为 $σ_n^2$ 的不相关高斯噪声所破坏。因此,幅值信号就是复信号的 Rician 分布包络。 在考虑多线圈磁共振采集系统时,每个接收线圈都...
nnUNet revisited 论文: nnU-Net Revisited: A Call for Rigorous Validation in 3D Medical Image Segmentation nnUNet 论文:nnU-Net: Self-adapting Framework for U-Net-Based Medical Image Segmentation nnU-N...
论文标题: Stronger, Fewer, & Superior: Harnessing Vision Foundation Models for Domain Generalized Semantic Segmentation 论文地址:https://arxiv.org/pdf/2312.04265.pdf 代码:https://github.com/w1oves/Rein.g...
装饰器可以在不修改原有代码的情况下,为函数增加新功能或者限制条件。装饰器是基于闭包环境存在的。 闭包(Closure)指的是一个函数及其执行环境(变量)的组合。闭包需要满足: 内嵌函数 内嵌函数中有外部嵌套函数的变量 外部嵌套函数的返回值是内嵌函数名 装饰器函数可以使用装饰器语法糖 @,也可以采用原始方式进行调用。 被装饰函数的参数取决于装饰器函数的参数。 装饰器函数应...
基础问题 什么是卷积? 卷积运算的过程,将卷积核与矩阵上对应位置的值相乘后的和,放在输出矩阵对应的位置,输出的矩阵也就是通过卷积得到的特征矩阵,不同的卷积核可以得到不同的特征输出。把不同的特征组合起来,就能得到输入图像的特征。 卷积的计算公式和代码 假设一个大小为 $H\times W$的特征图,与一个大小为$h \times w$的卷积核做卷积,padding大小为$p$,stride...
The Bitter Lesson Rich Sutton March 13, 2019 The biggest lesson that can be read from 70 years of AI research is that general methods that leverage computation are ultimately the most effective,...
报告地址:https://openai.com/research/video-generation-models-as-world-simulators 技术报告主要介绍了两个方面: (1)将所有类型的视觉数据转化为统一表示的方法,从而能够大规模训练生成模型; (2)对Sora的能力和局限性的定性评价。 这里我们主要关注(可能用到的)技术部分。 将视觉数据转化为 patches ...