MatMRI: A GPU enabled package for MRI image reconstruction and processing
Notice bibliographique
Résumé
MatMRI is a package for MRI image reconstruction and processing using only core or toolbox MATLAB® functions (i.e., no mex files or pre-compiled binaries). This philosophy is used to enable easy integration with built-in MATLAB® GPU functionality, and to minimize dependencies. It currently supports: Reconstruction non-Cartesian regridding iterative SENSE (Cartesian or non-Cartesian) iterative SENSE for higher order models that may include: a B0 map time varying spherical harmonics of phase accrual compressed sensing with wavelet xform trajectory design spiral LOTUS (doi.org/10.1002/mrm.70469) diffusion MRI fitting spatially regularized diffusion kurtosis fitting with an axially symmetric model (nii2kurt.m) microscopic fractional anisotropy from LTE and STE data, using a free water elimination model (nii2uFA_fwe.m) Also see https://gitlab.com/cfmm/matlab/matmri Citations For citing MatMRI as a whole, use: Varela-Mattatall G, Dubovan PI, Santini T, Gilbert KM, Menon RS, Baron CA. Single-shot spiral diffusion-weighted imaging at 7T using expanded encoding with compressed sensing. Magn Reson Med. 2023 Apr 10. doi: 10.1002/mrm.29666 Baron CA (2021, February 2). MatMRI: A GPU enabled package for model based MRI image reconstruction. Zenodo. http://doi.org/10.5281/zenodo.4495476 Additionally, please reference the following works for usage of the below methods: nii2kurt: Hamilton, J., Xu, K., Geremia, N., Prado, V. F., Prado, M. A. M., Brown, A., & Baron, C. A. (2024). Robust frequency-dependent diffusional kurtosis computation using an efficient direction scheme, axisymmetric modelling, and spatial regularization. Imaging Neuroscience, 2, 1–22. nii2uFA_fwe: Arezza NJJ, Santini T, Omer M, Baron CA. Estimation of free water-corrected microscopic fractional anisotropy. Front Neurosci. 2023 Mar 7;17:1074730. doi: 10.3389/fnins.2023.1074730 spiralGen: Sothynathan M, Dubovan PI, Baron CA. Laterally Oscillating Trajectory for Undersampling Slices: LOTUS. Magn Reson Med. 2026 Oct;96(4):1682-1695. doi: 10.1002/mrm.70469 Pipe JG, Zwart NR. Spiral trajectory design: a flexible numerical algorithm and base analytical equations. Magn Reson Med. 2014 Jan;71(1):278-85. doi: 10.1002/mrm.24675 harmonicsFromRaw: Dubovan PI, Gilbert KM, Baron CA. A correction algorithm for improved magnetic field monitoring with distal field probes. Magn Reson Med. 2023 Dec;90(6):2242-2260. doi: 10.1002/mrm.29781 Dubovan PI, Varela-Mattatall G, Michael ES, Hennel F, Menon RS, Pruessmann KP, Kerr AB, Baron CA. Basis function compression for field probe monitoring. Magn Reson Med. 2025 Jun;93(6):2414-2433 findDelAuto: Dubovan PI, Baron CA. Model-based determination of the synchronization delay between MRI and trajectory data. Magn Reson Med. 2022 Sep 26. doi:10.1002/mrm.29460. nufftOp: Baron CA, Dwork N, Pauly JM, Nishimura DG. Rapid compressed sensing reconstruction of 3D non-Cartesian MRI. Magn. Reson. Med. 2018;79:2685–2692. sampHighOrder: Wilm BJ, Barmet C, Pruessmann KP. Fast higher-order MR image reconstruction using singular-vector separation. IEEE Trans Med Imaging. 2012 Jul;31(7):1396-403. doi: 10.1109/TMI.2012.2190991. Baron CA, Dwork N, Pauly JM, Nishimura DG. Rapid compressed sensing reconstruction of 3D non-Cartesian MRI. Magn. Reson. Med. 2018;79:2685–2692
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,005 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,002 | 0,002 |
| Science ouverte | 0,003 | 0,002 |
| Intégrité de la recherche | 0,001 | 0,003 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,221 | 0,137 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».