MRI图像重建

DFT的Matlab源代码实现了MRI图像的稀疏优化重建。该实现采用非凸惩罚函数，鼓励稀疏性。所选惩罚函数为最小最大凹惩罚（MCP），用户可以通过直接运行main.m来比较流行方法与此实现之间的效果。Randon变换代码和DFT的反投影由Mark Bangert编写，解算器文件位于解算器文件夹中，用户可根据需求选择相应解算器。GIST_MCP.m使用Barzilai-Borwein步长的近端梯度法，而GIST_MCP_Nesterov.m则使用Nesterov加速的近端梯度法。详细的Nesterov加速近端梯度算法说明可参见Bo Wen等人的研究，该研究展示了在非凸非光滑最小化问题中的线性收敛性，得到了香港研究资助局的支持（PolyU253008/15）。

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。

MATLAB编写的CT图像重建程序提供了一种高效的图像处理方案。此程序不仅仅是MATLAB代码，还包含了详细的实验报告模板，帮助用户深入理解和应用。使用这一程序，研究人员和工程师能够快速重建CT扫描图像，以获得精确的医学图像数据。

这是一个用Matlab实现的基于学习的活动轮廓分割方法，经过验证可以成功运行。

这个软件包包括多种执行CT图像重建任务的函数，如Radon变换、简单反投影、空间域中的卷积滤波反投影、2D傅立叶变换滤波反投影，以及中心切片定理滤波反投影。其中的myCtReconstruction函数提供即开即用的功能，并使用Matlab的Shepp Logan Phantom进行演示。用户也可以通过参数运行myCtReconstruction函数来执行自定义数据集上的图像重建。

这是用于脑部CT和MRI图像基于模型合成的MATLAB代码。通过此代码，可以根据给定的MR（T1w、T2w、PDw）和CT扫描，合成缺失的模态。代码基于SPM12软件包（及其MB工具箱），无需先行处理，完全无监督训练。如果您认为此代码有用，请在参考部分引用出处。

使用Matlab系统函数调用投影算法[R, xp] = radon(I, theta)，实现直接反投影和滤波反投影两种不同插值方法的比较。脚本展示了不同投影数量对重建效果的影响，适合CT重建算法初学者学习调试。该项目源于CMU的课程作业，提供了包括源码和文档在内的完整内容。

在MATLAB中，首先导入图像并进行傅里叶变换。接着，根据图像的相位谱和幅度谱分别重建图像，这一过程主要用于分析和提取这些谱中包含的信息。

生成对抗网络（GAN）在超声CT图像重建中具有重要应用价值。这种模型能够有效学习和重建医学图像，为医疗影像处理领域带来了新的突破。GAN模型的引入，标志着超声CT图像重建技术迈向了一个新的阶段。

本项目提供了基于Matlab的超松弛迭代重建算法代码，用于T2混洗MRI快速自旋回波成像。该算法通过随机调整回波序列顺序，并在压缩感知框架下进行正则化重建，有效减少图像模糊并恢复全信号动态。相关算法及实现细节请参考Tamir等人的文章[1]。 [1] JI Tamir, M. Uecker, W. Chen, P. Lai, MT Alley, SS Vasanawala, and M. Lustig, . Magn Reson Med 2016 (Early View). doi: 10.1002/mrm.26102