磁场量子传感器（超导量子干涉仪、激光泵浦型原子传感器、金刚石氮-空位色心等）利用量子效应对磁场进行精密测量。激光泵浦型原子传感器具有灵敏度高、体积小、功耗低和易维护的优点，已成为当前快速发展的一个研究领域。激光泵浦型原子传感器已被应用于核磁共振领域，用来获取物质更精确的核磁共振波谱以及实现特殊条件下对样品的测量。特别地，在延伸至零场-超低场（磁感应强度B<1 μT）的核磁共振研究中，激光泵浦型原子传感器展现出了许多重要应用特性，拓展了人们对生物、化学物质更精细结构的探测和解析能力，进而使得核磁共振测量与研究覆盖了高场（B>1 T）、低场（μT<B<1 T）和零场-超低场（B<1 μT）整个工作磁场范围。本文简要介绍了基于激光泵浦型原子传感器的零场-超低场核磁共振的基本原理和相关技术，包括核磁样品的极化增强（强磁场热极化、激光泵浦极化、动态核极化、仲氢诱导极化等）以及传输、编码和探测等，综述了近几年来基于激光泵浦型原子传感器的核磁共振研究进展，并展望了该技术的发展趋势和应用前景。

空心硅酸锰纳米材料是一种新型无机材料, 其形貌主要包括空心纳米球、纳米颗粒、核壳结构等。其中空心硅酸锰纳米材料具有高比表面积、大孔容、可调的孔尺寸等特性, 同时具有良好的生物相容性和可降解性, 已被应用于生物、医药等领域。综述了空心硅酸锰及其复合纳米材料的合成方法, 主要包括水热法和沉淀法, 并对所合成的材料形貌和尺寸进行了总结, 介绍了其在癌症诊断、癌症治疗以及癌症的联合诊疗等方面的应用, 对今后硅酸锰纳米材料的研究重点和发展方向进行了展望。

为了研究水泥砂浆反复经历高温及局部水冷作用后的损伤演化特征, 将水泥砂浆试件中部进行钻孔, 将试件加热到400 ℃并且向孔洞注水冷却至室温, 重复操作。采用低场核磁共振技术、数字声波仪器、数码显微镜分别研究了水泥砂浆试件在高温及局部水冷作用下的损伤行为。结果表明, 随着高温及局部冷却次数增多, 试件小孔孔径及数量不断增大, 而大孔孔径则减小, 试件在经过第一次处理后其性能劣化最明显, 且局部注水冷却使得孔洞周围的损伤大于其他部位。同时, 随着高温及局部冷却次数增多, 概率密度峰值所对应的灰度值增大并向右移动。另外, 高温弱化了胶凝材料与砂粒的胶结能力, 反复高温处理使得水泥浆与砂粒之间的胶结能力进一步削弱, 试件的波速减小, 但孔洞中注水冷却产生的温度应力使得胶凝材料与砂粒的胶结能力急剧下降, 温度骤降产生的温度应力对胶凝材料与砂粒间的胶结能力的影响远大于反复高温处理。

利用Nd3+与Yb3+之间的能量传递, 设计了808 nm激发下具有近红外光致发光的GdF3∶Nd3+,Yb3+@NaGdF4磁性纳米探针。通过合成参数调控, 研究了反应时间和前驱物浓度对GdF3∶Nd3+,Yb3+材料形貌的影响。GdF3∶Nd3+,Yb3+在808 nm激发下在近红外(NIR)第一/第二窗口具有较宽的发射峰(970~1 070 nm), 共掺杂体系实现了Yb3+和Nd3+双发光中心发光, 有效提高了近红外区间的发光性能, 同时克服了用980 nm激发的荧光成像引起生物组织过热的缺点。表面包覆NaGdF4惰性壳可以进一步提高GdF3∶Nd3+,Yb3+的近红外发光强度, 研究了不同厚度NaGdF4惰性壳对GdF3∶Nd3+,Yb3+发光增强的影响。由于Gd3+具有的顺磁特性, GdF3∶Nd3+,Yb3+@NaGdF4显示出顺磁性能, 磁化值为0.45 A·m2/kg, 适合作为磁共振成像(MRI)T1探针。GdF3∶Nd3+,Yb3+@NaGdF4纳米颗粒在NIR荧光成像和MRI领域具有广阔的应用前景。

磁共振成像具有出色的软组织对比度，在很多诊断中具有其他方式不可比拟的优势，是现代临床医学的重要观测手段之一。但磁共振成像扫描时间较长，严重制约了诊断效率，按照一定加速倍率通过部分扫描得到欠采样的K空间数据是减少扫描时间的重要途径。现有方法仅单独对K域或图像域进行重建，或者通过串行连接的图像域和K域卷积对两域进行交替处理，未能实现双域信息的融合，导致重建性能较差。为了实现对高加速倍率欠采样K空间数据的高质量重建，提出了一种同时处理图像域和K域数据的双域并行编解码结构。所提方法使用两个并行的编解码网络分别重建欠采样图像域和K域数据，并将K域分支的特征通过傅里叶逆变换融合到图像域，从而显著提高重建质量。实验结果表明，对于不同加速倍率的前采样数据，所提方法都优于其他基于U-Net的图像重建方法。所提方法有望成为一种高性能的高加速倍率磁共振欠采样数据重建方法，可应用于临床磁共振重建。

利用深度学习技术对颅脑核磁共振图像(MRI)中三叉神经区域进行自动检测可为后续三叉神经分割提供可靠的输入图像，有效解决了人工筛选三叉神经对临床医生专业素养要求高、耗时长等弊端。采用YOLO网络自动检测颅脑核磁共振图像中三叉神经区域提高推理速度，并系统性地评估NVIDIA TensorRT框架在不同计算平台下的推理性能。实验结果表明，通过YOLO目标检测网络能够准确检测出三叉神经所在的区域，同时在NVIDIA TensorRT框架下，当输入的颅脑MRI分辨率为(204×204)时，CPU平台、嵌入式GPU平台、桌面GPU平台及专业GPU计算卡平台下，YOLOv2网络检测优化后的三叉神经目标的每秒帧率分别可达到0.1 FPS, 23.4 FPS, 112.5FPS和793.7 FPS，这为后续开发便携式的三叉神经分割设备提供了可参考的重要依据。

局部k空间邻域模型是最近提出的一种k空间低秩约束重构模型,其利用图像的线性位移不变性将图像的k空间数据映射到高维矩阵中,可以解决图像重构的问题。在并行磁共振成像重构的过程中,使用欠采样技术来提高成像速度会导致重构图像的质量下降,为此提出一种基于交替方向乘子法求解的L_p范数联合全变分正则项局部k空间邻域建模算法,将所提算法与其他算法在人体的脑部和膝盖数据集上进行实验。实验结果表明,相比于其他算法,所提算法能够减少重构图像的伪影,更好地保留重构图像的边缘轮廓信息,重构效果更好。

基于卷积神经网络的脑肿瘤图像分割是近年来图像处理领域的研究热点。基于此现状,首先阐述了脑肿瘤图像分割的意义、研究现状以及将卷积神经网络应用于脑肿瘤图像分割的具体优势。然后,对二维卷积神经网络、三维卷积神经网络以及卷积神经网络的经典改进模型应用于脑肿瘤图像分割的研究进展进行了详细综述,总结了在多模态脑肿瘤分割挑战赛的数据集中进行训练的分割结果。最后,讨论了卷积神经网络在脑肿瘤核磁共振图像分割中的未来发展方向。