• 医学文献
  • 知识库
  • 评价分析
  • 全部
  • 中外期刊
  • 学位
  • 会议
  • 专利
  • 成果
  • 标准
  • 法规
  • 临床诊疗知识库
  • 中医药知识库
  • 机构
  • 作者
热搜词:
换一批
论文 期刊
取消
高级检索

检索历史 清除

医学文献 >>
  • 全部
  • 中外期刊
  • 学位
  • 会议
  • 专利
  • 成果
  • 标准
  • 法规
知识库 >>
  • 临床诊疗知识库
  • 中医药知识库
评价分析 >>
  • 机构
  • 作者
热搜词:
换一批
当前检索式: 关键词=(k空间重建)
当前检索式
关键词=(k空间重建)
展开
  • 排序
  • 筛选
44条结果
资源类型收起
  • 32
  • 12
中图分类展开
19
9
4
1
年份展开
关键词聚类展开
  • 15
  • 15
  • 10
  • 6
  • 5
更多...
关键词聚类
    加载更多选项
      定制检索筛选项
      中文期刊
      刊名
      作者
      作者单位
      收录源
      栏目名称
      语种
      主题词
      外文期刊
      文献类型
      刊名
      作者
      主题词
      收录源
      语种
      学位论文
      授予学位
      授予单位
      会议论文
      主办单位
      专      利
      专利分类
      专利类型
      国家/组织
      法律状态
      申请/专利权人
      发明/设计人
      成      果
      鉴定年份
      学科分类
      地域
      完成单位
      标      准
      强制性标准
      中标分类
      标准类型
      标准状态
      来源数据库
      法      规
      法规分类
      内容分类
      效力级别
      时效性
        加载更多选项
          定制检索筛选项
          当前检索式: 关键词=(k空间重建)
          当前检索式
          关键词=(k空间重建)
          展开
          共44条结果
          排序方式
          出版时间 相关度 被引次数 下载量
          清除 | 已选 0/200
          0

          【中文期刊】 靳建华 庄吓海  等 《北京生物医学工程》 2023年42卷6期 648-653页 ISTIC

          【摘要】 近年,深度学习技术在磁共振(magnetic resonance,MR)图像重建领域飞速发展.然而,由于有监督的MR图像重建方法所依赖的高质量配对MR数据难以获取,无监督的MR图像重建方法逐渐成为了研究者们关注的重点,并展现出巨大的应用前景...

          【关键词】 加速磁共振成像图像重建深度学习

          浏览:7 被引:0 下载:1

          【中文期刊】 王丽丽 边传振  等 《中国医疗设备》 2022年37卷11期 170-175页 ISTIC

          【摘要】 MRI检查无电离辐射,且可多参数、多序列、多方位成像,能提供丰富的诊断信息,其软组织分辨率高于CT,并具有磁共振水成像、血管造影、功能成像、波谱成像等独特优势.但其最大的缺点在于成像时间太长,因此各个厂家开发了多种基于不同原理的缩短成像时间...

          【关键词】 磁共振检查时间径向k空间采集

          浏览:18 被引:4 下载:21

          【中文期刊】 薛方 许朝萍  等 《中国医学装备》 2021年18卷8期 1-4页 ISTIC

          【摘要】 目的:研究基于K空间的图像重建方法,以实现并行成像,提高磁共振图像(MRI)的采集速度,为临床诊断提供可靠依据.方法:提出一种图像重构的基于迭代正则化的一致性并行成像重建(SPIRiT-TV-ADMM,STA)算法,在K空间对欠采样数据进行...

          【关键词】 核磁共振并行成像图像重建

          浏览:167 被引:9 下载:16

          【中文期刊】 黄敏 管智慧  等 《生物医学工程研究》 2020年39卷2期 139-144页 ISTIC

          【摘要】 传统的核磁共振(magnetic resonance imaging,MRI)成像技术中,图像重建算法与脉冲序列和K空间采样轨迹等因素密切相关.深度MRI成像采用了全新的重建方法.本研究采用深度卷积神经网络W-net对数据样本进行学习,从欠...

          【关键词】 深度核磁共振图像重建卷积神经网络

          浏览:208 被引:5 下载:38

          【中文期刊】 钱勇先 徐凯  等 《中国生物医学工程学报》 2003年22卷4期 330-336页 ISTICPKUCSCDCA

          【摘要】 同像权是一种新的采样密度补偿函数,可用来提高任意k空间采样轨迹磁共振图像重建的精度.以同像准则为基础,导出了同像权满足的方程,并给出了一个迭代解法.首先,把同像权用于一维模型,从随机采样的数据中重建一维图像.随后,把同像权用于二维图像重建,...

          【关键词】 同像权采样密度补偿函数任意k空间采样轨迹

          浏览:119 被引:1 下载:4

          【中文期刊】 王婉婷 苏适  等 《波谱学杂志》 2020年37卷4期 407-421页

          【摘要】 本文提出一种基于虚拟共轭线圈(Virtual Coil Concept,VCC)技术和k空间插值鲁棒人工神经网络(Robust Artificial-neural-networks for k-space Interpolation,RAK...

          【关键词】 磁共振图像重建多层同时成像k空间插值鲁棒人工神经网络(RAKI)

          浏览:1 被引:4 下载:1

          【中文期刊】 何汶静 陈晓文  等 《重庆医学》 2016年45卷20期 2804-2806,2809页 MEDLINEISTICCA

          【摘要】 目的:比较磁共振(M RI)图像处理中部分傅里叶重建算法,对比各算法的优缺点,改进算法。方法基于部分傅里叶重建算法理论上的k空间数据的共轭、对称性,利用1.5 T 医用M RI设备,采集全k空间的数据,重建时仅利用其中55%~85%的数据模...

          【关键词】 部分傅里叶重建磁共振成像k空间

          浏览:448 被引:8 下载:16

          【中文期刊】 黄敏 黄慧玲  《生物医学工程研究》 2014年1期 6-10页 ISTIC

          【摘要】 我们对压缩感知重建算法在MRI中的应用进行了研究,并在VC6.0平台下对其进行工程实现。该程序主要由以下几部分组成:(1)建立图像模型及引入仪器采集数据;(2)设计采样方法模拟压缩感知的稀疏采集;(3)选择图像稀疏变换方法;(4)选用压缩...

          【关键词】 压缩感知K空间数据稀疏变换

          浏览:149 被引:2 下载:17

          【中文期刊】 王进喜 薛美  等 《中国医学物理学杂志》 2012年29卷3期 3368-3370,3400页 ISTICCSCD

          【摘要】 目的:开发基于普通PC的软件包,实现磁共振图像k空间数据的读取分析与多种后处理.方法:根据磁共振原始数据的存储规则和文件结构,开发读取磁共振图象k空间数据的PC平台,读取文件头相关信息(图像层数,回波采样点数,相位编码步数,数据偏移量等关系...

          【关键词】 k空间数据MRI图像重建

          浏览:433 被引:3 下载:16

          【中文期刊】 水力  《软件导刊》 2014年6期 147-150页

          【摘要】 为了更好地研究M RI成像技术和图像重建算法,采用M atlab图形用户界面创建了M RI仿真平台。该平台模拟了线性、螺旋及并行扫描3种成像方式,可以导入不同模型图像,设计K空间扫描轨迹,模拟K空间数据采集过程,显示采集信号的波形。对这3种...

          【关键词】 磁共振成像仿真平台图形用户界面

          浏览:1 被引:4 下载:0
          • / 5
          收起侧边栏
          显示侧边栏
          更多> - 相关医事流 -
          • 加载中...
          - 相关学者 -
          • 加载中...
          - 相关机构 -
          • 加载中...

          特别提示:本网站仅提供医学学术资源服务,不销售任何药品和器械,有关药品和器械的销售信息,请查阅其他网站。

          • 客服热线:4000-115-888 转3 (周一至周五:8:00至17:00)

          • |
          • 客服邮箱:yiyao@wanfangdata.com.cn

          • 违法和不良信息举报电话:4000-115-888,举报邮箱:problem@wanfangdata.com.cn,举报专区

          官方微信
          万方医学小程序
          new翻译 充值 订阅 收藏 移动端

          官方微信

          万方医学小程序

          使用
          帮助
          Alternate Text
          调查问卷