基于压缩感知的T2混洗MRI快速自旋回波成像重建算法

超短回波时间(UTE)和零回波时间(ZTE)磁共振成像(MRI)技术使得富含胶原蛋白的半固体组织（如肌腱、韧带、半月板）以及钙化、髓鞘、骨膜和皮质骨等组织的可视化成为可能，这些组织在传统MRI下往往难以观察。为提高短T2物种的对比度，许多UTE/ZTE应用需要优化长T2物种的抑制效果。本软件包提供了Matlab文件和详细描述，帮助设计长T2抑制射频脉冲，显著改善半固体组织的MRI可视化效果。

OMP算法的基本思想是从字典矩阵D（也称为过完备原子库）中选择与信号y最匹配的原子（即某列），构建稀疏逼近。然后将剩余残差减去所有已选择的原子组成的矩阵在空间上的正交投影，得到下一步的信号残差。随后，继续选择与信号残差最匹配的原子，反复迭代。信号y可以由这些原子的线性和，加上最后的残差值来表示。如果残差值在可以忽略的范围内，则信号y即为这些原子的线性组合。OMP分解过程实际上是依次对所选原子进行Schmidt正交化，然后将待分解信号减去在正交化后的原子上的各自分量，即可得到残差。

Matlab坐标正算代码现已经优化至支持CUDAGPU加速，可用于快速MRI图像重建。

这份压缩感知OMP算法源码，简洁易懂，专为初学者打造，助你轻松理解算法精髓，快速上手实践。

压缩感知图像MATLAB代码[IEEE计算机视觉和模式识别会议（CVPR），2016]（），第449-458页。项目页面：介绍：ReconNet是一种非迭代且极其快速的算法，可从压缩感测（CS）随机测量中重建图像。在中，我们展示了在各种测量速率下，相对于最新的迭代CS重建算法，重建结果（在PSNR和时间复杂度方面）均得到了显着改善。提供的代码有助于重现中介绍的某些结果。引文（BibTex）：如果您正在使用此代码，请引用以下论文。@InProceedings{Kulkarni_2016_CVPR，作者= {Kulkarni，Kuldeep和Lohit，Suhas和Turaga，Pavan和Kerviche，Ronan和Ashok，Amit}，title = {ReconNet：Non-Iterative Reconstruction of Images From Compressively Sensed Measurements}，booktitle = {The IEEE Conference o

随着技术的不断进步，有限视角光声断层成像的迭代重建算法在医学影像领域展示出了巨大潜力。刘学彦的研究探索了这一算法在提高成像质量和减少成本方面的创新应用。

这段Matlab代码展示了如何利用并行传输技术优化MRI水选择性成像中的激发脉冲。代码中包含一个8通道3T MRI系统的示例数据集，用于测试基于并行传输的优化算法，并生成包含4个元素的光谱空间脉冲和一个1-3-3-1二项式脉冲进行对比。 代码库 /lib 中包含： 用于最小二乘优化的代码 用于生成系统矩阵的代码 用于生成MRI扫描仪可使用的脉冲和梯度波形的代码 请注意，生成射频和梯度波形的函数已经过时，仅供演示使用，尚未经过全面测试。 该代码已在Matlab R2014b上测试，预计可以与旧版本兼容。

心电数据压缩新思路：挖掘结构信息，提升压缩效率 压缩感知算法为心电数据压缩提供了新的思路。不同于传统方法，压缩感知算法能够利用心电数据自身的结构信息，实现更高的压缩率和精度。 挖掘数据结构，突破传统瓶颈 传统压缩算法往往忽略了数据的内在结构，而压缩感知算法则通过构建能够反映心电数据结构信息的稀疏字典，更好地捕捉数据的变化规律。 MIT-BIH数据库验证，性能表现优异 在MIT-BIH数据库上的实验结果表明，相比于传统压缩算法，基于压缩感知的算法在均方根误差和压缩率上均展现出显著优势。

快速：扩散成像的标准质量保证管道- De Santis等人。 （提交）用于计算SNR并确定获取QA数据的最佳参数的脚本。 输入：100个b=0图像的nifti文件。 输出：最大b值和体素大小的脚本，用于运行QA，检查b值的线性性，视场上的Gmax均匀性，以及三个逻辑轴上的梯度幂的一致性，并校正梯度不匹配。 输入：使用梯度表Grad_dirs_QA_shuffled.txt获取的体模扩散数据的nifti文件。 输出：带有日期的QA .mat文件，用于比较两个.mat质量保证结果文件的时间稳定性。