SunVinci-CSDN博客

原创 macbook去除microsoft自动更新

注意这个资源库是本地的，而不是～/Library这样的当前用户独享，一开始在当前用户这里就没找到。尝试访问：/Library/Application Support/Microsoft/每次打开电脑时都有这个自动更新的图标很烦人。(打开“前往文件夹”窗口)查阅资料看怎么把它弄掉。

2025-10-13 15:43:41 217

如何利用一张清晰的、完整的MRI图像（参考模态），来快速重建另一张扫描不完整的图像（目标模态），尤其是在这两张图像没有完全对齐的情况下。现有的方法通常先把图像对齐，再进行重建，可能对齐与重建的结合不够好，而且难以解释其工作原理。作者提出了一种名为DUN-SA的深度展开网络，将“空间对齐”和“图像重建”这两个任务融合在一个可解释的框架中。网络在端到端的训练过程中，边对齐、边重建，让参考图像逐步对齐目标图像，并利用对齐后的信息来更好地重建目标图像。

2025-09-23 20:56:29 736

原创论文阅读：ESPIRiT

并行成像能从欠采样的多线圈数据中重建图像。，显式使用线圈敏感度信息；，它利用在 k 空间中学习到的相关性。本文的目的是要阐明它们之间的关系，并开发和评估一种改进的算法。对于一个矩阵A，其零空间是指所有与A相乘后结果为零向量的向量集合。：用来捕捉k空间中数据点之间的工具，简而言之，就是由 ACS（auto-calibration signal，自校准信号）区域的 k 空间数据拼接而成的矩阵。理论分析表明：k 空间中的相关性被编码在中。SENSE 和 GRAPPA 本质上都将解限制在一个由张成的子空间中。

2025-09-22 10:32:03 845

原创综述阅读：Reconstruction techniques for accelerating dynamic cardiovascular magnetic resonance imaging

PILS假设线圈灵敏度分布严格局部化且无重叠（如每个线圈仅 “观察” 图像的1/R区域），此时可通过线圈灵敏度直接解算欠采样数据中的混叠信号。例如，若R个线圈分别对应图像的不同区域，则可通过R倍欠采样结合线圈信息重建完整图像，避免伪影。（a）每个 coil 只对 y 方向上一小块区域敏感，（b）对应 k 空间采样点，（c）对每个 coil 的稀疏 k-space 做逆傅里叶变换，会得到一个压缩了的图像，（d）把每个 coil 得到的小图像，根据它的已知位置，移到全图的正确位置。

2025-09-17 19:38:43 988

原创论文阅读：GENRE-CMR

文章标题为：GENRE-CMR: Generalizable Deep Learning for Diverse Multi-Domain Cardiac MRI Reconstruction前置文章为：An All-in-one Approach for Accelerated Cardiac MRI Reconstruction从前置文章开始写起。

2025-09-14 16:32:04 598

原创 Systematic Review and Meta-analysis of AI-driven MRI Motion Artifact Detection and Correction

论文阅读比较长的一篇综述。

2025-09-11 19:03:41 1044

原创 HITWH2024软件测试与质量保证wds

没事干清理一下记录，以前这些整理都是在飞书上自己和同学用的。这门课考前也参考了csdn上同学的总结。这里在随便写点。wds的这门课一直为大家所诟病，21级软件的这次考试更是nt，好几个去参加nju夏令营的缓考的爽死了。选填判断简答一直是题库出题，然后这次简答题自己瞎出了几道，大题的话，答疑时是一种说法，考完试又是一种说法，听了答疑的被耍的团团转。最后一道37分看程序大题直接是个错题，创新性拉满。总结来说，一周速成即可。选填判断肯定原题，直接背选项关键词都行。简答也得背，同时准备点套话瞎扯用。

2024-11-27 09:22:42 784

SunVinci的博客