简介：在核磁共振成像中,涡流的存在会影响系统的成像质量。梯度电流预增强方法是一种被广泛采用的有效的涡流补偿方法。梯度电流预增强在一个周期内要进行上千次e指数计算,需采用快速的计算方法。迭代计算是普遍采用的涡流补偿快速计算方法,但是存在累积误差放大的问题。针对这种问题,基于迭代计算原理,我们提出了一种改进的分段迭代的MRI成像涡流补偿计算方法。实验结果表明,在计算时间同量级的条件下有效地提高了梯度预增强量的精度。
简介：通过径向基函数神经网络的分析，对神经元脉冲电位信号提出了新的分类方法。对原始信号进行峰电位检测，获得脉冲电位信号样本，以主成分进行预分类，选取与类中心方差小的典型脉冲电位集合作为径向基网络的训练样本，让神经网络进行自适应学习，以实现对原始信号的分类。仿真结果表明，在对模拟的脉冲电位信号进行分类时此方法的错误率比主成分聚类法和形状聚类法小。多电极细胞外记录的海马神经元细胞电活动信号应用此方法分类也取得了较好的效果。
一种基于分段迭代的MRI成像涡流补偿方法
基于径向基函数神经网络的多电极阵列信号脉冲电位的分类
