мрт.
МРТ для DataScience. Часть 6
Продолжаем разбираться со особенностями МРТ-данных для обучения нейронных сетей. Содержание и первые части цикла статей здесь. 6. Некоторые библиотеки для работы с МРТ-изображениямиОсновной акцент при рассмотрении всех аспектов работы с МРТ-изображениями делается на данных в формате DICOM, которые создаются непосредственно при проведении исследования на МР-томографе, а, значит, не содержат неизвестных искажений от применения различных преобразований.
МРТ для DataScience. Часть 5.2
Продолжаем разбираться со особенностями МРТ-данных для обучения нейронных сетей. Содержание и первые части цикла статей здесь. 5.5. Размерности серий и их регистрацияПодводя итоги рассмотренных серий:Каждая анатомическая серия представляет собой 3-мерный объем, содержащий набор слайсов одинакового размера. В разных исследованиях может использоваться разная матрица, определяющая высоту и ширину каждого слайса, и разное количество слайсов.
МРТ для DataScience. Часть 5.1
Продолжаем разбираться со особенностями МРТ-данных для обучения нейронных сетей. Содержание и первые части цикла статей здесь.5. Некоторые серии и методы Большое количество настроек импульсных последовательностей (и не только их) приводит к разнообразию получаемых изображений. Их условное разделение на группы помогает лучше ориентироваться в этом «мире» и более точно применять те или иные методы их анализа.
МРТ для DataScience. Часть 4
Продолжаем разбираться со особенностями МРТ-данных для обучения нейронных сетей. Содержание и первые части цикла статей здесь.4. Геометрия МРТ изображений4.1. Размеры и значения пикселейвокселейДискретность К-пространства естественным образом влечет за собой обобщение реальных данных в пределах одного элемента матрицы и, в последующем, в пределах одного пикселя итогового изображения. Реальные размеры пикселей задаются в миллиметрах.
МРТ для DataScience. Часть 3
3. От сигнала к изображениюПродолжаем разбираться с физическими основами генерации МРТ-данных.3.1. Импульсные последовательностиИмпульсная последовательность (ИП) – это серия радиочастотных и градиентных импульсов заданной формы, амплитуды и интервала между ними, многократно повторяемых во время сканирования.Каждый РЧ-импульс технически задается векторной амплитудой, определяющей направление поля В1 и длительностью tp. Импульс отклоняет вектор М на определенный угол q в плоскости, перпендикулярной В1.
МРТ для DataScience. Часть 2
"Ликбез по устройству МР-томографа" - вторая часть цикла статей. Содержание цикла и первая часть "МРТ и другие виды медицинской визуализации" здесь.Картинка для обложки статьи создана в ИИ Шедеврум. 2. Ликбез по устройству МР-томографа
МРТ для DataScience. Часть 1
За полтора года работы с сегментацией МРТ-данных у меня накопилось множество прочитанных статей, а также своих заметок, мыслей и почеркушек. После их сборки получился вполне объемный материал, который я буду здесь постепенно выкладывать. Планирую по понедельникам и четвергам. Сегодня - содержание всего цикла, список литературы, на который я ссылаюсь по ходу, и первый обзорный кусок.
МРТ мозга будет в 64 миллиона раз чётче
Современной МРТ достаточно, чтобы обнаружить опухоль головного мозга. Но разрешения снимка всё ещё недостаточно для визуализации микроскопических особенностей мозга, которые позволят разобраться в его устройстве. К 50-летию первой МРТ учёные из Центра микроскопии In Vivo с коллегами из Теннесси, Пенсильвании, Питтсбурга и Индианы сделали отличный подарок: они смогли значительно улучшить разрешение МРТ, получив самые чёткие изображения мозга мыши из когда‑либо сделанных. Это научный эквивалент перехода от пиксельной 8-битной графики к фотореалистичным картинам
Исследователи применили ИИ для создания изображений на основе активности мозга людей
Исследователи из Высшей школы передовых биологических наук Университета Осаки обнаружили, что они могут реконструировать высокоточные изображения активности мозга, используя модель генерации изображений Stable Diffusion. Им не потребовалось дополнительно обучать или настраивать модель для создания этих изображений.
