小波域射频脉冲设计用于磁共振成像数据集

数据集获取

源站：https://doi.org/10.5061/dryad.2h0v0

标准获取流程：

1. 访问源站链接，注册/登录账号；
2. 进入数据集详情页，按页面指引申请权限或直接下载；
3. 部分平台提供 SDK，例如：
   • OpenDataLab: pip install openxlab 后 openxlab.dataset.get(...)
   • ModelScope: pip install modelscope 后 modelscope download
   • 天池: 登录后页面提供直链下载
     以源站「数据下载/使用文档」页面为准。

数据集大小约 267.0 MB。

数据说明

本文提出了一种在小波域中通过数值优化设计射频（RF）脉冲的新方法。数值优化可能产生仅用解析技术无法发现的解。此外，在小波域中处理通过小波变换固有的压缩特性减少了未知量的数量，从而提供了更易处理的优化问题。该算法以同时多层（SMS）自旋回波重聚焦脉冲为例进行了演示，因为对于高加速因子的SMS扩散成像而言，降低峰值RF功率是必要的。开发了一种迭代、非线性、带约束的数值最小化算法，以生成优化的RF脉冲波形。在迭代运行Bloch方程模拟器以生成净磁化强度的中间层面轮廓的同时，对小波域系数进行调制。该算法最小化层面轮廓的L2范数，并附加惩罚项以抑制阻带纹波，同时最大化每个层面上的净横向磁化强度。

本研究通过模拟和人类脑成像，展示了一种新的射频脉冲设计，该设计在多带单次回波平面扩散采集应用中，能够实现优化的切片轮廓并减少峰值能量沉积。此方法可用于优化多带同时多层（SMS）采集中的幅度和相位谱轮廓以及峰值射频脉冲功率等因素。基于小波的射频脉冲优化提供了一种有用的设计方法，旨在实现具有有益幅度减小的脉冲波形，同时保持适用于磁共振成像的适当磁化响应。

数据加载示例（图像类）

from PIL import Image
import glob, os

files = (glob.glob(os.path.join(path, "**", "*.png"), recursive=True)
       + glob.glob(os.path.join(path, "**", "*.jpg"), recursive=True)
       + glob.glob(os.path.join(path, "**", "*.tif"), recursive=True))
print("图像文件数:", len(files))
img = Image.open(files[0]); print("尺寸/模式:", img.size, img.mode)

# torchvision Dataset 方式:
# from torchvision import datasets
# ds = datasets.ImageFolder(path)  # 要求 子目录=类别

目录组织与标注格式以源站说明和下载后实际文件为准。