一种基于改进磁化模型和先验信息驱动的磁粒子重建方法

一种基于改进磁化模型和先验信息驱动的磁粒子重建方法，通过改进的磁化模型，精确模拟磁纳米粒子的非线性磁化行为，并结合其固有的物理特性通过双先验约束策略设计目标函数，对目标函数进行高效迭代求解构建深度展开模型，实现对磁纳米粒子浓度分布的精确还原。通过该磁化模型，获取测量电压和系统矩阵。构建融合L1正则化先验与Laplacian正则化先验的目标函数。将目标函数的迭代求解过程转化为深度网络的层级结构，从而构建了深度展开模型。实现了对MNPs浓度分布的高保真度重建。本发明显著提升了MPI图像的重建质量，对降低系统硬件要求以及推动生物学应用具有重要意义。