從核磁共振成像分析儀上直觀采集到的信號無法直接反映樣品屬性,必須采用反演算法獲取弛豫時間及這種弛豫分量所對應回波的初始幅度之間的關系。因此,正確的反演算法結果直接影響核磁共振信號的解釋和應用。本文基于不適定反問題正則化理論,優化了正則化因子的選取方法,通過Matlab7.0數值模擬,設計了一套低場核磁共振弛豫譜反演正則化算法。構造譜反演和樣品實測回波串反演表明本算法能夠滿足核磁共振成像分析儀測試和科研的需要。
基于磁電效應的血液流速反演有助于血管狹窄病變日常監測的發展，但血液流速反演準確率和成像分辨率仍有待提高。因此，本文提出一種基于卷積神經網絡（CNN）的血管內血液流速反演方法。首先，構建非監督學習CNN提取權重矩陣表征信息對電壓數據預處理；再將預處理結果輸入至有監督學習CNN，經非線性映射輸出血液流速值；最終獲得血管斷層圖像。本文通過構建數據檢驗所提方法的有效性，結果顯示，所提方法在血管位置和血管狹窄實驗中的血液流速反演相關系數分別達到0.884 4和0.972 1。以上研究表明，本文所提方法有效減少反演過程中信息的丟失，并提高反演準確率和成像分辨率，有望輔助臨床診斷。