神经成像

聚束SAR（Synthetic Aperture Radar）成像技术在雷达成像领域具有重要应用，其成像指标包括分辨率、覆盖范围和数据处理速度等关键参数。聚束SAR成像技术通过合成孔径雷达技术实现高分辨率的地面目标探测，广泛应用于地质勘探、环境监测和灾害评估等领域。

Matlab格式代码BrainStat是专为神经影像数据统计分析和上下文解码设计的工具箱。它支持单变量和多元线性模型，与艾伦人脑图集和Nimare数据库兼容。BrainStat可以处理地表、体积和宗地级数据格式，并提供多种交互式可视化功能。该工具箱在Python和Matlab中均有实现，是神经成像和神经信息学领域广泛采用的工具之一。

介绍了两种不同的人工神经网络（ANN I和ANN II），用于生成髓鞘水成像。提供了用于训练和测试网络的Python（.py）和MATLAB（.m）源代码，以及提交给《Magnetic Resonance in Medicine》的手稿。手稿详细说明了三个网络（ANN I_mwf、ANN I_gmt2和ANN II）的最终参数，适用于3T Trio MRI扫描仪数据。

ReadSTP 允许您从分子成像原子力显微镜 (AFM) 文件中提取选定的数据缓冲区，并将数据加载到 MATLAB 矩阵中，方便后续分析和处理。

关于我：你好，我是TY，毕业于梨花女子大学，主修机械与生物医学工程，辅修计算机科学工程。我对深度学习、机器学习、计算机视觉和自然语言处理等领域特别感兴趣。在技术博客和GitHub上分享我的研究成果和项目经验。我曾获得多个奖项，包括2020年ICT Kok AI Contest的二等奖和2020年KISTI研究数据• AI分析应用大赛的二等奖。持有ADsP（高级数据分析半专业）证书。

去自由基算法Matlab代码SpecSeg：慢性钙成像数据集中基于跨谱功率的神经元和神经突分割这个Github包含“ SpecSeg”，这是一个开放源码的钙成像处理工具箱，用于检测钙成像数据集中的感兴趣区域（ROI）。ROI分割基于频率范围内的互谱功率，并已针对各种神经元隔室（细胞体，树突，轴突）和成像技术（慢性玻璃窗，GRIN透镜，1P，2P）进行了测试和优化。SpecSeg工具箱包含用户友好的图形界面，可检测、调整ROI并可视化其活动轨迹。该管道包括从SpectralSegmentation下的代码，以将运动校正应用于SBX文件。为了执行运动校正，请从SpectralSegmentation下载代码并将其添加到Matlab路径中。可以使用代码在荧光迹线上进行峰值估计。MLspike需要工具箱。将MLspike和brick文件夹添加到Matlab路径。这是荷兰神经科学研究所（NIN）的Leveltlab使用的管道。可以使用脚本轻松手动执行每个步骤中的管道，或通过脚本自动运行管道以处理请求的多个文件，直到RoiManagerGUI需要手动输入。为何选择光谱分割工具箱

Matlab超声成像波束合成工具箱Beamformation Toolbox。本目录包含用于超声成像的工具箱。当前目录包括：文档目录（PDF、HTML格式）、bft_*.m文件集、示例目录、C文件目录和头文件目录。

费利佩·古铁雷斯艾萨克·宋的Matlab实验比较HDR影像代码要求用户在运行程序前，需先建立一个包含所有图像的子目录，并创建一个名为“ list.txt”的文件，其中包含图像文件名及对应的浮点格式快门速度列表。每行应包含一个图像及其快门速度。例如，如果子目录包含快门速度为1秒和0.5秒的两张照片，则文件应包含： image1.jpg 1 image2.jpg 0.5。创建子目录和list.txt文件后，将project1.m中的目录变量修改为指向该子目录。例如，若创建名为“ images”的文件夹，则代码行应更改为： directory = './images/'; 确保路径末尾有斜杠“/”，以确保程序正常运行。更改代码后，即可运行。本实验使用第10章介绍的算法来估算辐射响应函数，这是我们HDR处理流程的第一步。估算辐射响应函数的基本原理是对每个曝光tj将每个像素Ei的辐照度值与测得的像素值zij进行图像化。

这个项目利用Matlab进行磁共振成像开发。该项目实现了PWM调制，用于信号如声音、余弦和正弦波的处理。

Matlab逆成像代码水族馆存储库包含了文章《逆成像问题的自适应分位数稀疏图像(AQuaSI)先验》的实现，作者为F. Schirrmacher、C. Riess和T. Köhler。该论文发表在IEEE计算成像交易期刊第6卷第503-517页，年份为2020，doi为10.1109/TCI.2019.2956888。如果您在工作中使用此代码，请引用：@ARTICLE{8931625, author={F. {Schirrmacher} and C. {Riess} and T. {K\"ohler}}, journal={IEEE Transactions on Computational Imaging}, title={Adaptive Quantile Sparse Image (AQuaSI) Prior for Inverse Imaging Problems}, year={2020}, volume={6}, pages={503--517}, doi={10.1109/TCI.2019.2956888}}。