傅里叶变换、小波分析、偏微分方程、流体力学数值模拟、三维网格重建。
PythOn、MATLAB、C++的医学影像处理库。
DICOM数据格式的底层解析方法。
每一帧MRI原始信号中蕴含的物理信息映射关系。
还有最核心的部分。
血流动力学信号的自适应提取算法框架。
如何在密集的血管网络中，利用相位差和信号幅度的微小差异，将每一根超细径血管从周围的噪声中剥离出来。
如何将标准阈值替换为自适应阈值，让算法自己判断哪些信号是真实血管，哪些是伪影。
如何用迭代重建取代传统的逆傅里叶变换，从欠采样的K空间数据中恢复出高分辨率的三维血管结构。
这些知识以极高的密度和速度灌入了陆晨的脑中。
过程持续了大约三十秒。
三十秒之后，一切归于平静。
陆晨低头看了看自己的双手。
然后他打开笔记本电脑。
建了一个新的文件夹。
手指放在了键盘上。
他先在脑海中完整地过了一遍算法的整体框架。
输入层：DICOM原始数据，K空间信号。
预处理层：背景噪声去除，运动伪影校正，相位解缠绕。
核心层：自适应阈值血管增强，超细径血管信号提取，血流速度编码解调。
重建层：迭代三维重建，体素分辨率增强。
输出层：全视角旋转三维血管网络模型。
框架非常清晰。
但代码量不小。
陆晨开始写第一行。
他的手指在键盘上快速移动。
代码一行接一行地出现在屏幕上。
窗外的夜色越来越深。
值班室的灯亮了一整夜。
半小时后他去
本章未完，请点击"下一页"继续阅读！ 第2页 / 共5页