神经网络与MATLAB神经网络工具箱-liu

神经网络与MATLAB神经网络工具箱

一、神经网络的背景、发展和现状

二、神经网络结构和BP神经网络

三、神经网络的应用与实例一、神经网络的背景、发展和现状1.1认识神经网络1.2人工神经网络的产生1.3神经网络的发展与现状1.4神经网络的研究类容1.5目前存在的问题1.1认识神经网络

大脑是由大量神经细胞或神经元组成的。每个神经元可看作是一个小的处理单元，这些神经元按某种方式连接起来，形成大脑内部的生理神经元网络。这种神经元网络中各神经元之间联结的强弱，按外部的激励信号做自适应变化，而每个神经元又随着所接收到的多个接收信号的综合大小而呈现兴奋或抑制状态。从而生物可以对外界刺激做出恰当的反应。

人工神经网络是基于模仿生物大脑的结构和功能而构成的一种信息处理系统。

1.1认识神经网络

因此，我们给出人工神经网络的定义：

人工神经网络（ArtificialNeuralNetworks，NN）是由大的简单的处理单元（称为神经元）广泛地互相连接而形成的复杂网络系统，它反映了人脑功能的许多基本特征，是一个高度复杂的非线性动力学系统。

1.2人工神经网络的产生

各种较为精确的分析和科学实验的结果表明，任何一个实际的物理系统都是非线性的。所谓线性只是对非线性的一种简化或近似，或者说是非线性的一种特例。线性系统理论在对现实进行理想化和近似处理有着不可避免的缺陷。另外随着生产生活的日益复杂，人们对自动控制和人工智能的要求越来越高。这对传统的处理问题的方式提出了新的挑战，迫切需求一种能对复杂事物做出迅速灵敏而又准确反应的工作模式。

生物的神经系统总能恰当、迅速的辨别处复杂环境并做出恰当判断，这种高智能无疑为人类模拟生物神经系统高效解决问题提供了借鉴。

1.2人工神经网络的产生

因此，由具有适应性的简单单元组成的广泛并行互连成网络、能够模拟生物神经系统对真实世界物体所作出的交互反应的人工神经网络应运而生

它克服了传统人工智能方法对于直觉，如模式、语音识别、非结构化信息处理方面的缺陷特别适合处理需要同时考虑许多因素和条件的、不精确和模糊的信息处理问题。1.3神经网络的发展与现状

神经网络起源于20世纪40年代，至今发展已半个多世纪，大致分为三个阶段。 1）20世纪50年代-20世纪60年代：第一次研究高潮自1943年M-P模型开始，至20世纪60年代为止，这一时间可以称为神经网络系统理论发展的初期阶段。这个时期的主要特点是多种网络的模型的产生与学习算法的确定。 2）20世纪60年代-20世纪70年代：低潮时期到了20世纪60年代，人们发现感知器存在一些缺陷，例如，它不能解决异或问题，因而研究工作趋向低潮。不过仍有不少学者继续对神经网络进行研究。 Grossberg提出了自适应共振理论；Kohenen提出了自组织映射；Fukushima提出了神经认知网络理论；1.3神经网络的发展与现状Anderson提出了BSB模型；Webos提出了BP理论等。这些都是在20世纪70年代和20世纪80年代初进行的工作。 3）20世纪80年代-90年代：第二次研究高潮进入20世纪80年代，神经网络研究进入高潮。这个时期最具有标志性的人物是美国加州工学院的物理学家JohnHopfield。他于1982年和1984年在美国科学院院刊上发表了两篇文章，提出了模拟人脑的神经网络模型，即最著名的Hopfield模型。Hopfield网络是一个互连的非线性动力学网络，它解决问题的方法是一种反复运算的动态过程，这是符号逻辑处理方式做不具备的性质。20世纪80年代后期到90年代初，神经网络系统理论形成了发展的热点，多种模型、算法和应用被提出，研究经费重新变得充足，使得研究者们完成了很多有意义的工作。1.3神经网络的发展与现状

进入20世纪90年代以来，神经网络由于应用面还不够宽，结果不够精确，存在可信度问题，从而进入了认识与应用研究期。 1）开发现有模型的应用，并在应用中根据实际运行情况对模型、算法加以改造，以提高网络的训练速度和运行的准确度。 2）充分发挥两种技术各自的优势是一个有效方法。 3）希望在理论上寻找新的突破，建立新的专用/通用模型和算法。 4）进一步对生物神经系统进行研究，不断地丰富对人脑的认识。1.4神经网络的研究类容

神经网络的研究内容相当广泛，反映了多科学交叉技术领域的特点。目前，主要的研究工作集中在以下四方面[6]：

（1）生物原型研究：从生理学、心理学、解剖学、脑科学、病理学生物科学方面研究神经细胞、神经网络、神经系统的生物原型结构及其功能机理。

（2）建立理论模型：根据生物圆形的研究，建立神经元、神经网络的理论模型，其中包括概念模型、知识模型、物理化学模型、数学模型等。1.4神经网络的研究类容

（3）网络模型与算法研究：在理论模型研究的基础上构成具体的神经网络模型，以实现计算机模拟或准备制作硬件，包括网络学习算法的研究。这方面的工作也称为技术模型研究。

（4）神经网络应用系统：在网络模型与算法研究的基础上，利用神经网络组成实际的应用系统，例如，完成某种信号处理或模式识别的功能、构成专家系统、制成机器人等。1.5目前存在的问题

人工神经网络的发展具有强大的生命力。当前存在的问题是智能水平还不高，许多应用方面的要求还不能得到很好的满足；网络分析与综合的一些理论性问题还未得到很好的解决。例如，由于训练中稳定性的要求学习率很小，所以梯度下降法使得训练很忙动量法因为学习率的提高通常比单纯的梯度下降法要快，但在实际应用中还是很慢[7]。针对千变万化的应用对象，各类复杂的求解问题，编制一些特定的程序、软件求解，耗费了大量的人力和物力。而这些软件往往只针对某一方面的问题有效，并且在人机接口、用户友好性等诸多方面存在一定的缺陷。在微机飞速发展的今天，很多都已不能满足发展的需要。二、神经网络结构和BP神经网络2.1生物神经元与神经网络2.2人工神经元与人工神经网络

2.2.1人工神经网络的结构 2.2.2人工神经元 2.2.3人工神经网络原理 2.2.4人工神经网络学习规则 2.2.5人工神经网络模型 2.2.6人工神经网络特点2.3BP神经网络

2.3.1BP神经网络定义 2.3.2BP神经网络原理 2.3.3BP神经网络的特点 2.3.4BP网络的主要功能 2.4.5BP神经网络的优缺点2.1生物神经元与神经网络2.1.1生物神经元

人脑大约由1012个神经元组成，神经元互相连接成神

经网络。神经元是大脑处理信息的基本单元，以细胞体为主体，由许多向周围延伸的不规则树枝状纤维构成的神经细胞，其形状很像一棵枯树的枝干。它主要由细胞体、树突、轴突和突触(Synapse，又称神经键)组成。

从神经元各组成部分的功能来看，信息的处理与传递主要发生在突触附近。当神经元细胞体通过轴突传到突触前膜的脉冲幅度达到一定强度，即超过其阈值电位后，突触前膜将向突触间隙释放神经传递的化学物质。2.1.1生物神经元

基本工作机制：一个神经元有两种状态——兴奋和抑制平时处于抑制状态的神经元，当接收到其它神经元经由突触传来的冲击信号时，多个输入在神经元中以代数和的方式叠加。进入突触的信号会被加权，起兴奋作用的信号为正，起抑制作用的信号为负。如果叠加总量超过某个阈值，神经元就会被激发进入兴奋状态，发出输出脉冲，并由轴突的突触传递给其它神经元。2.1.1生物神经元

信息输入信息传播与处理信息整合处理后结果：兴奋或抑制结果输出2.1生物神经元与神经网络2.1.2生物神经网络神经元之间可以有复杂联系，彼此可以有输入输出关系，输入和输出之间的变换关系一般是非线性的。神经网络是由大量的处理单元（神经元）互相连接而成的网络。神经网络的信息处理通过神经元的互相作用来实现，即信息输入、经神经单元处理、通过各神经元之间信号传递和综合、输出信息、生物做出反应。2.2人工神经元与神经网络

人工神经网络（artificialneuralnetwork，ANN）是模仿生物神经网络功能的一种经验模型。它若干简单（通常是自适应的）元件及其层次组织，以大规模并行连接方式构造而成的网络，按照生物神经网络类似的方式处理输入的信息。模仿生物神经网络而建立的人工神经网络，对输入信号有功能强大的反应和处理能力。

但是，它只是对生物神经网络进行了某种抽象、简化和模拟。神经网络的信息处理通过神经元的互相作用来实现，知识与信息的存储表现为网络元件互相分布式的物理联系。神经网络的学习和识别取决于各种神经元连接权系数的动态演化过程。

2.2人工神经元与神经网络

其中的一个神经元可以接受多个输入信号，按照一定的规则转换为输出信号。由于神经网络中神经元间复杂的连接关系和各神经元传递信号的非线性方式，输入和输出信号间可以构建出各种各样的关系，因此可以用来作为黑箱模型，表达那些用机理模型还无法精确描述、但输入和输出之间确实有客观的、确定性的或模糊性的规律。因此，人工神经网络作为经验模型的一种，在化工生产、研究和开发中得到了越来越多的用途。2.2人工神经元与神经网络单纯型层次型结构2.2.1人工神经网络的结构分类：

神经网络按网络连接的层次型结构分类将神经元按功能分成若干层，如输入层、中间层、隐藏层和输出层，各层顺序相连2.2人工神经元与神经网络

神经网络按连接形式分类有以下几种基本形式：

前向网络

网络中的神经元是分层排列的，每个神经元只与前一层的神经元相连接。神经元分层排列，分别组成输入层、中间层（也称为隐含层，可以由若干层组成）和输出层。每一层的神经元只接受来自前一层神经元的输入，后面的层对前面的层没有信号反馈。输入模式经过各层次的顺序传播，最后在输出层上得到输出。感知器网络和BP网络均属于前向网络。2.2人工神经元与神经网络前向网络结构：2.2人工神经元与神经网络

从输出到输入有反馈的前向网络

输出层对输入层有信息反馈，这种网络可用于存储某种模式序列，如神经认知机和回归BP网络都属于这种类型。

层内互连前向网络

通过层内神经元的相互结合，可以实现同一层神经元之间的横向抑制或兴奋机制。这样可以限制每层内可以同时动作的神经元素，或者把每层内的神经元分为若干组，让每一组作为一个整体进行运作。例如，可利用横向抑制机理把某层内的具有最大输出的神经元挑选出来，从而抑制其他神经元，使之处于无输出状态。2.2人工神经元与神经网络

相互结合型网络

相互结合型网络结构如图2.7所示，这种网络在任意两个神经元之间都可能有连接。Hopfield网络和Boltzmann机均属于这种类型。在无反馈的前向网络中，信号一旦通过某神经元，该神经元的处理就结束了。而在相互结合网络中，信号要在神经元之间反复传递，网络处于一种不断变化状态的动态之中。信号从某初始状态开始，经过若干次变化，才会达到某种平衡状态。根据网络的结构和神经元的特性，网络的运行还有可能进入周期振荡或其他如混沌平衡状态。2.2人工神经元与神经网络 2.2.2人工神经元模型生物神经元是一个多输入、单输出单元。模拟生物神经元，常用的人工神经元模型如下：输入和输出的关系可表示为:

2.2.

2人工神经元模型神经元的传递函数 f（X）是激发函数；它可以是线性函数，也可以是非线性函数．例如，若取激发函数为符号函数

2.2.

2人工神经元模型神经元的传递函数2.2人工神经元和神经网络 2.2.3人工神经网络基本原理

生物神经元信号的传递是通过突触进行的一个复杂的电化学等过程,在人工神经网络中是将其简化模拟成一组数字信号通过一定的学习规则而不断变动更新的过程，这组数字储存在神经元之间的连接权重。网络的输入层模拟的是神经系统中的感觉神经元，它接收输入样本信号。输入信号经输入层输入，通过隐含层的复杂计算由输出层输出，输出信号与期望输出相比较，若有误差，再将误差信号反向由输出层通过隐含层处理后向输入层传播。在这个过程中，误差通过梯度下降算法，分摊给各层的所有单元，从而获得各单元的误差信号，以此误差信号为依据修正各单元权值，网络权值因此被重新分布。此过程完成后，输入信号再次由输入层输入网络，重复上述过程。这种信号正向传播与误差反向传播的各层权值调整过程周而复始地进行着，直到网络输出的误差减少到可以接受的程度，或进行到预先设定的学习次数为止。权值不断调整的过程就是网络的学习训练过程。2.2人工神经元与神经网络信息传递与数据处理示意图如下：2.2人工神经元与神经网络简化：多层网络简化模型2.2人工神经元与神经网络 2.2.4人工神经网络学习规则：

关键在于如何决定每一神经元的权值，常用的学习规则有以下几种：Hebb规则Delta规则(最小均方差规则)反向传播学习方法Kohonen学习规则(用于无指导训练网络)Grosberg学习方法2.2人工神经元与神经网络2.2.5人工神经网络模型共70多种，具有代表性的有：（1）感知器（Perceptron）（2）多层前馈（BP）网络（3）Hopfield网络(优化)（4）Boltzmann机（在BP中加入噪声）（5）双向联想记忆网络（快速存储）2.2人工神经元与神经网络2.2.6人工神经网络的特点

（1）可处理非线性

（2）并行结构．对神经网络中的每一个神经元来说；其运算都是同样的．这样的结构最便于计算机并行处理．

（3）具有学习和记忆能力．一个神经网络可以通过训练学习判别事物；学习某一种规律或规则

（4）对数据的可容性大．在神经网络中可以同时使用量化数据和质量数据（如好、中、差、及格、不及格等）．

（5）神经网络可以用大规模集成电路来实现．如美国用256个神经元组成的神经网络组成硬件用于识别手写体的邮政编码．2.3BP神经网络 2.3.1BP神经网络定义 BP(BackPropagation)神经网络是一种神经网络学习算法。其由输入层、中间层、输出层组成的阶层型神经网络，中间层可扩展为多层。相邻层之间各神经元进行全连接，而每层各神经元之间无连接，网络按有教师示教的方式进行学习，当一对学习模式提供给网络后，各神经元获得网络的输入响应产生连接权值（Weight）。然后按减小希望输出与实际输出误差的方向，从输出层经各中间层逐层修正各连接权，回到输入层。此过程反复交替进行，直至网络的全局误差趋向给定的极小值，即完成学习的过程。2.3BP神经网络 2.3.2BP神经网络基本原理

同上（略）2.3BP神经网络 2.3.3BP神经网络特点1）信息分布存储。人脑存储信息的特点是利用突触效能的变化来调整存储内容，即信息存储在神经元之间的连接强度的分布上，BP神经网络模拟人脑的这一特点，使信息以连接权值的形式分布于整个网络。2)信息并行处理。人脑神经元之间传递脉冲信号的速度远低于冯·诺依曼计算机的工作速度，但是在很多问题上却可以做出快速的判断、决策和处理，这是由于人脑是一个大规模并行与串行组合的处理系统。BP神经网络的基本结构模仿人脑，具有并行处理的特征，大大提高了网络功能。2.3BP神经网络3）具有容错性。生物神经系统部分不严重损伤并不影响整体功能，BP神经网络也具有这种特性，网络的高度连接意味着少量的误差可能不会产生严重的后果，部分神经元的损伤不破坏整体，它可以自动修正误差。这与现代计算机的脆弱性形成鲜明对比。4）具有自学习、自组织、自适应的能力。BP神经网络具有初步的自适应与自组织能力，在学习或训练中改变突触权值以适应环境，可以在使用过程中不断学习完善自己的功能，并且同一网络因学习方式的不同可以具有不同的功能，它甚至具有创新能力，可以发展知识，以至超过设计者原有的知识水平。2.3BP神经网络 2.3.4BP神经网络主要功能目前，在人工神经网络的实际应用中。绝大部分的神经网络模型都采用BP神经网络及其变化形式。它也是前向网络的核心部分，体现了人工神经网络的精华。BP网络主要用于以下四方面[3]。函数逼近：用输入向量和相应的输出向量训练一个网络以逼近一个函数。模式识别：用一个待定的输出向量将它与输入向量联系起来。分类：把输入向量所定义的合适方式进行分类。数据压缩：减少输出向量维数以便传输或存储。2.3BP神经网络 2.3.5BP神经网络优缺点优点：具有极强的非线性映射能力有对外界刺激和输入信息进行联想记忆的能力对外界输入样本有很强的识别与分类能力具有优化计算能力不足：稳定性和学习效率存在矛盾寻优的过程与初始点的选择关系很大，不一定有全局最优解网络隐层神经元的数目也对网络有一定的影响三、神经网络的应用与实例3.1MATLAB中的神经网络3.2人工神经网络的应用领域3.3BP神经网络的解决问题实例3.1MATLAB中的神经网络神经网络工具箱几乎涵盖了所有的神经网络的基本常用模型，如感知器和BP网络等。对于各种不同的网络模型，神经网络工具箱集成了多种学习算法。BP网络的常用函数表如下：3.1MATLAB中的神经网络3.1.1BP网络创建函数(1)newff：创建一个BP网络。调用格式为：net=newffnet=newff(PR,[S1S2..SN1],{TF1TF2..TFN1},BTF,BLF,PF)注：net=newff;用于在对话框中创建一个BP网络。net为创建的新BP神经网络；PR为网络输入向量取值范围的矩阵；[S1S2…SNl]表示网络隐含层和输出层神经元的个数；{TFlTF2…TFN1}表示网络隐含层和输出层的传输函数，默认为‘tansig’；BTF表示网络的训练函数，默认为‘trainlm’；BLF表示网络的权值学习函数，默认为‘learngdm’；PF表示性能数，默认为‘mse’。3.1MATLAB中的神经网络（2）newcf：用于创建级联前向BP网络，newfftd函数用于创建一个存在输入延迟的前向网络3.1MATLAB中的神经网络 3.1.2传递函数传递函数是BP网络的重要组成部分。传递函数又称为激活函数，必须是连续可微的。BP网络经常采用S型的对数或正切函数和线性函数。（1）logsig（2）tansig（3）purelin3.1MATLAB中的神经网络 3.1.3学习函数Learngd：为梯度下降权值/阈值学习函数，它通过神经元的输入和误差，以及权值和阈值的学习效率，来计算权值或阈值的变化率。Learngdm：为梯度下降动量学习函数，它利用神经元的输入和误差、权值或阈值的学习速率和动量常数，来计算权值或阈值的变化率。3.1MATLAB中的神经网络 3.1.4训练函数

（1）train：神经网络训练函数，调用其他训练函数，对网络进行训练。该函数的调用格式为：[net,tr,Y,E,Pf,Af]=train(NET,P,T,Pi,Ai)[net,tr,Y,E,Pf,Af]=train(NET,P,T,Pi,Ai,VV,TV)

（2）traingd：为梯度下降BP算法函数。traingdm函数为梯度下降动量BP算法函数。3.2人工神经网络的应用领域

神经网络理论的应用取得了令人瞩目的发展，特别是在人工智能、自动控制、计算机科学、信息处理、机器人、模式识别、CAD/CAM等方面都有重大的应用实例。下面列出一些主要应用领域：

（1）模式识别和图像处理。印刷体和手写字符识别、语音识别、签字识别、指纹识别、人体病理分析、目标检测与识别、图像压缩和图像复制等。

（2）控制和优化。化工过程控制、机器人运动控制、家电控制、半导体生产中掺杂控制、石油精炼优化控制和超大规模集成电路布线设计等。3.2人工神经网络的应用领域

（3）预报和智能信息管理。股票市场预测、地震预报、有价证券管理、借贷风险分析、IC卡管理和交通管理。

（4）通信。自适应均衡、回波抵消、路由选择和ATM网络中的呼叫接纳识别和控制。

（5）空间科学。空间交汇对接控制、导航信息智能管理、飞行器制导和飞行程序优化管理等。3.3BP神经网络的解决问题实例BP网络由很强的映射能力，主要用于模式识别分类、函数逼近、函数压缩等3.3.1BP网络在函数逼近中的应用

要求设计一个BP网络，逼近以下函数：g(x)=1+sin(k*pi/4*x)，实现对该非线性函数的逼近。其中，分别令k=1，2，4进行仿真，通过调节参数（如隐藏层节点个数等）得出信号的频率与隐层节点之间，隐层节点与函数逼近能力之间的关系。步骤1：假设频率参数k=1，绘制要逼近的非线性函数的曲线步骤3：网络的建立步骤3：网络训练步骤4：网络测试步骤5：不同频率下的逼近效果3.3.1BP网络在函数逼近中的应用程序：k=1;n=3;p=[-1:.05:8];t=1+sin(k*pi/4*p);%创建网络net=newff(minmax(p),[n,1],{'tansig''purelin'},'trainlm');%对于初始网络，可以应用sim（）函数观察网络输出。y1=sim(net,p);figure;plot(p,t,'-',p,y1,':')title('未训练网络的输出结果');xlabel(‘时间’)；ylabel('仿真输出--原函数-')%未训练网络时精度不够，设置训练时间和精度进行训练net.trainParam.epochs=50;(网络训练时间设置为50)net.trainParam.goal=0.01;（网络训练精度设置为0.01）net=train(net,p,t);（开始训练网络）3.3.1BP网络在函数逼近中的应用%训练后的输出与标准输出值绘图y2=sim(net,p);figure;plot(p,t,'-',p,y1,':',p,y2,'--')title('训练后网络的输出结果');xlabel('时间');ylabel('仿真输出');结论：

通过上述仿真结果可知，当k=1，n=3时；k=2，n=6时；k=4，n=8时；k=8，n=15时，BP神经网络分别对函数取得了较好的逼近效果。由此可见，n取不同的值对函数逼近的效果有很大的影响。改变BP网络隐层神经元的数目，可以改变BP神经网络对于函数的逼近效果。隐层神经元数目越多，则BP网络逼近非线性函数的能力越强。3.3BP神经网络的解决问题实例3.3.2

BP网络在样本含量估计中的应用实例：这是一个神经网络在医学中应用的例子。拟设计一台仪器，通过对血液样本进行光谱分析来测试血清中胆固醇水平。共采集了264位病人的血液样本，对其光谱分析共发现21种光谱波长。对这些病人，通过血清分离，同样也测量了hdl、ldl、vldl胆固醇水平。步骤：

（1）将数据导入Matlab工作空间，进行主要成分的分析 (2)将这些数据分成几个部分，分别用于训练、验证和测试3.3.2

BP网络在样本含量估计中的应用程序：%通过主要成分分析

loadcholes_all%matlab中有一个choles_all.mat文件它包含了本问题需要的原始数据[pn,meanp,stdp,tn,meant,stdt]=prestd(p,t);%prestd

函数对样本数据作归一化处理[ptrans,sransMat]=prepca(pn,0.001);%利用

prepca

函数对归一化后的样本数据进行主元分析%通过主要成分分析，由结果知原始数据有着很大的冗余度，因此自选少部分指标就行。现将这些数据分成3个部分，1/2用于训练、1/4验证和1/4测试。iitst=2:4:Q;iival=4:4:Q;iitr=[1:4:Q3:4:Q];val.P=ptrans(:,iival);val.T=tn(:,iival);test.P=ptrans(:,iitst);test.T=tn(:,iitst);ptr=ptrans(:,iitr);ttr=tn(:,iitr);3.3.2

BP网络在样本含量估计中的应用%创建网络net=newff(minmax(ptr),[53],{‘tansig’‘purelin’},‘trainlm’);%设置训练参数net.trainParam.show=5;%训练、验证、并测试[net,tr]=train(net,ptr,ttr,[],[],val,test);plot(tr.epoch,tr.perf,‘-',tr.epoch,tr.vperf,':',tr.epoch,tr.tperf,'-.')legend('Training','Validation','Test',-1);ylabel('平方差');xlabel('时间')3.3.2

BP网络在样本含量估计中的应用%输出结果回归分析an=sim(net,ptrans);a=poststd(an,meant,stdt);fori=1:3figure(i)[m(i),b(i),r(i)]=postreg(a(i,:),t(i,:));%postreg()将三组输出进行线性回归分析End结论：

改变隐含层数值，比较输出结果与标准值之间差异。其中当隐层神经元为五个时，前面两个输出期望值的跟踪较好，相应的R值几乎达到了0.9，而第三个输出则吻合得不是很理想，作进一步研究，在当隐层数据为15时，较第一种情况，它的输出更加接近于期望值。比较可知，当隐层数目越多，则测试得到的样本水平越接近于期望值。MagneticResonanceImaging磁共振成像发生事件作者或公司磁共振发展史1946发现磁共振现象BlochPurcell1971发现肿瘤的T1、T2时间长Damadian1973做出两个充水试管MR图像Lauterbur1974活鼠的MR图像Lauterbur等1976人体胸部的MR图像Damadian1977初期的全身MR图像

Mallard1980磁共振装置商品化1989

0.15T永磁商用磁共振设备中国安科

2003诺贝尔奖金LauterburMansfierd时间MR成像基本原理实现人体磁共振成像的条件:人体内氢原子核是人体内最多的物质。最易受外加磁场的影响而发生磁共振现象(没有核辐射)有一个稳定的静磁场（磁体）梯度场和射频场：前者用于空间编码和选层，后者施加特定频率的射频脉冲，使之形成磁共振现象信号接收装置：各种线圈计算机系统：完成信号采集、传输、图像重建、后处理等

人体内的H核子可看作是自旋状态下的小星球。自然状态下，H核进动杂乱无章，磁性相互抵消zMyx进入静磁场后，H核磁矩发生规律性排列（正负方向），正负方向的磁矢量相互抵消后，少数正向排列（低能态）的H核合成总磁化矢量M，即为MR信号基础ZZYYXB0XMZMXYA:施加90度RF脉冲前的磁化矢量MzB:施加90度RF脉冲后的磁化矢量Mxy.并以Larmor频率横向施进C:90度脉冲对磁化矢量的作用。即M以螺旋运动的形式倾倒到横向平面ABC在这一过程中，产生能量

三、弛豫（Relaxation）回复“自由”的过程

1.

纵向弛豫（T1弛豫）：

M0（MZ）的恢复，“量变”高能态1H→低能态1H自旋—晶格弛豫、热弛豫

吸收RF光子能量（共振）低能态1H高能态1H

放出能量（光子，MRS）T1弛豫时间：

MZ恢复到M0的2/3所需的时间

T1愈小、M0恢复愈快T2弛豫时间：MXY丧失2/3所需的时间；T2愈大、同相位时间长MXY持续时间愈长MXY与ST1加权成像、T2加权成像

所谓的加权就是“突出”的意思

T1加权成像（T1WI）----突出组织T1弛豫（纵向弛豫）差别

T2加权成像（T2WI）----突出组织T2弛豫（横向弛豫）差别。

磁共振诊断基于此两种标准图像磁共振常规h检查必扫这两种标准图像.T1的长度在数百至数千毫秒（ms）范围T2值的长度在数十至数千毫秒（ms）范围

在同一个驰豫过程中,T2比T1短得多

如何观看MR图像：首先我们要分清图像上的各种标示。分清扫描序列、扫描部位、扫描层面。正常或异常的所在部位---即在同一层面观察、分析T1、T2加权像上信号改变。绝大部分病变T1WI是低信号、T2WI是高信号改变。只要熟悉扫描部位正常组织结构的信号表现，通常病变与正常组织不会混淆。一般的规律是T1WI看解剖,T2WI看病变。磁共振成像技术－－图像空间分辨力，对比分辨力一、如何确定MRI的来源（一）层面的选择1.MXY产生（1H共振）条件

RF=ω=γB02.梯度磁场Z（GZ）

GZ→B0→ω

不同频率的RF

特定层面1H激励、共振

3.层厚的影响因素

RF的带宽↓

GZ的强度↑层厚↓〈二〉体素信号的确定1、频率编码2、相位编码

M0↑--GZ、RF→相应层面MXY----------GY→沿Y方向1H有不同ω

各1H同相位MXY旋进速度不同同频率一定时间后→→GX→沿X方向1H有不同ω沿Y方向不同1H的MXYMXY旋进频率不同位置不同（相位不同）〈三〉空间定位及傅立叶转换

GZ----某一层面产生MXYGX----MXY旋进频率不同

GY----MXY旋进相位不同（不影响MXY大小）

↓某一层面不同的体素，有不同频率、相位

MRS（FID）第三节、磁共振检查技术检查技术产生图像的序列名产生图像的脉冲序列技术名TRA、COR、SAGT1WT2WSETR、TE…….梯度回波FFE快速自旋回波FSE压脂压水MRA短TR短TE－－T1W长TR长TE－－T2W增强MR最常用的技术是：多层、多回波的SE（spinecho，自旋回波）技术磁共振扫描时间参数：TR、TE磁共振扫描还有许多其他参数：层厚、层距、层数、矩阵等序列常规序列自旋回波（SE）,快速自旋回波（FSE）梯度回波（FE）反转恢复（IR），脂肪抑制（STIR）、水抑制（FLAIR）高级序列水成像（MRCP,MRU,MRM）血管造影（MRA,TOF2D/3D）三维成像（SPGR）弥散成像（DWI）关节运动分析是一种成像技术而非扫描序列自旋回波（SE）必扫序列图像清晰显示解剖结构目前只用于T1加权像快速自旋回波（FSE）必扫序列成像速度快多用于T2加权像梯度回波（GE）成像速度快对出血敏感T2加权像水抑制反转恢复（IR）水抑制（FLAIR）抑制自由水梗塞灶显示清晰判断病灶成份脂肪抑制反转恢复（IR）脂肪抑制（STIR）抑制脂肪信号判断病灶成分其它组织显示更清晰血管造影（MRA）无需造影剂TOF法PC法MIP投影动静脉分开显示水成像（MRCP，MRU，MRM）含水管道系统成像胆道MRCP泌尿路MRU椎管MRM主要用于诊断梗阻扩张超高空间分辨率扫描任意方位重建窄间距重建技术大大提高对小器官、小病灶的诊断能力三维梯度回波（SPGR） 早期诊断脑梗塞

弥散成像MRI的设备一、信号的产生、探测接受1.磁体（Magnet）:静磁场B0（Tesla,T）→组织净磁矩M0

永磁型（permanentmagnet）常导型（resistivemagnet）超导型（superconductingmagnet）磁体屏蔽（magnetshielding）2.梯度线圈（gradientcoil）:

形成X、Y、Z轴的磁场梯度功率、切换率3.射频系统（radio-frequencesystem，RF）

MR信号接收二、信号的处理和图象显示数模转换、计算机，等等；MRI技术的优势1、软组织分辨力强（判断组织特性）2、多方位成像3、流空效应（显示血管）4、无骨骼伪影5、无电离辐射，无碘过敏6、不断有新的成像技术MRI技术的禁忌证和限度1.禁忌证

体内弹片、金属异物各种金属置入：固定假牙、起搏器、血管夹、人造关节、支架等危重病人的生命监护系统、维持系统不能合作病人，早期妊娠，高热及散热障碍2.其他钙化显示相对较差空间分辨较差（体部，较同等CT）费用昂贵多数MR机检查时间较长1.病人必须去除一切金属物品，最好更衣，以免金属物被吸入磁体而影响磁场均匀度，甚或伤及病人。2.扫描过程中病人身体（皮肤）不要直接触碰磁体内壁及各种导线，防止病人灼伤。3.纹身（纹眉）、化妆品、染发等应事先去掉，因其可能会引起灼伤。4.病人应带耳塞，以防听力损伤。扫描注意事项颅脑MRI适应症颅内良恶性占位病变脑血管性疾病梗死、出血、动脉瘤、动静脉畸形（AVM）等颅脑外伤性疾病脑挫裂伤、外伤性颅内血肿等感染性疾病脑脓肿、化脓性脑膜炎、病毒性脑炎、结核等脱髓鞘性或变性类疾病多发性硬化（MS）等先天性畸形胼胝体发育不良、小脑扁桃体下疝畸形等脊柱和脊髓MRI适应证1.肿瘤性病变椎管类肿瘤（髓内、髓外硬膜内、硬膜外），椎骨肿瘤（转移性、原发性）2.炎症性疾病脊椎结核、骨髓炎、椎间盘感染、硬膜外脓肿、蛛网膜炎、脊髓炎等3.外伤骨折、脱位、椎间盘突出、椎管内血肿、脊髓损伤等4.脊柱退行性变和椎管狭窄症椎间盘变性、膨隆、突出、游离，各种原因椎管狭窄，术后改变，5.脊髓血管畸形和血管瘤6.脊髓脱髓鞘疾病（如MS），脊髓萎缩7.先天性畸形胸部MRI适应证呼吸系统对纵隔及肺门区病变显示良好，对肺部结构显示不如CT。胸廓入口病变及其上下比邻关系纵隔肿瘤和囊肿及其与大血管的关系其他较CT无明显优越性心脏及大血管大血管病变各类动脉瘤、腔静脉血栓等心脏及心包肿瘤，心包其他病变其他（如先心、各种心肌病等）较超声心动图无优势，应用不广腹部MRI适应证主要用于部分实质性器官的肿瘤性病变肝肿瘤性病变，提供鉴别信息胰腺肿瘤，有利小胰癌、胰岛细胞癌显示宫颈、宫体良恶性肿瘤及分期等，先天畸形肿瘤的定位（脏器上下缘附近）、分期胆道、尿路梗阻和肿瘤，MRCP，MRU直肠肿瘤骨与关节MRI适应证X线及CT的后续检查手段－－钙质显示差和空间分辨力部分情况可作首选：1.累及骨髓改变的骨病（早期骨缺血性坏死，早期骨髓炎、骨髓肿瘤或侵犯骨髓的肿瘤）2.结构复杂关节的损伤（膝、髋关节）3.形状复杂部位的检查（脊柱、骨盆等）软件登录界面软件扫描界面图像浏览界面胶片打印界面报告界面报告界面2合理应用抗菌药物预防手术部位感染概述外科手术部位感染的2/3发生在切口医疗费用的增加病人满意度下降导致感染、止血和疼痛一直是外科的三大挑战，止血和疼痛目前已较好解决感染仍是外科医生面临的重大问题，处理不当，将产生严重后果外科手术部位感染占院内感染的14%～16%，仅次于呼吸道感染和泌尿道感染，居院内感染第3位严重手术部位的感染——病人的灾难，医生的梦魇

预防手术部位感染（surgicalsiteinfection,SSI)

手术部位感染的40%–60%可以预防围手术期使用抗菌药物的目的外科医生的困惑★围手术期应用抗生素是预防什么感染？★哪些情况需要抗生素预防？★怎样选择抗生素？★什么时候开始用药？★抗生素要用多长时间？定义：指发生在切口或手术深部器官或腔隙的感染分类：切口浅部感染切口深部感染器官／腔隙感染一、SSI定义和分类二、SSI诊断标准——切口浅部感染

指术后30天内发生、仅累及皮肤及皮下组织的感染，并至少具备下述情况之一者：

1．切口浅层有脓性分泌物

2．切口浅层分泌物培养出细菌

3．具有下列症状体征之一：红热，肿胀，疼痛或压痛，因而医师将切口开放者（如培养阴性则不算感染）

4．由外科医师诊断为切口浅部SSI

注意：缝线脓点及戳孔周围感染不列为手术部位感染二、SSI诊断标准——切口深部感染

指术后30天内（如有人工植入物则为术后1年内）发生、累及切口深部筋膜及肌层的感染，并至少具备下述情况之一者：

1.切口深部流出脓液

2.切口深部自行裂开或由医师主动打开，且具备下列症状体征之一：①体温＞38℃；②局部疼痛或压痛

3.临床或经手术或病理组织学或影像学诊断，发现切口深部有脓肿

4.外科医师诊断为切口深部感染

注意：感染同时累及切口浅部及深部者，应列为深部感染

二、SSI诊断标准—器官／腔隙感染

指术后30天内（如有人工植入物★则术后1年内）、发生在手术曾涉及部位的器官或腔隙的感染，通过手术打开或其他手术处理，并至少具备以下情况之一者：

1.放置于器官/腔隙的引流管有脓性引流物

2.器官/腔隙的液体或组织培养有致病菌

3.经手术或病理组织学或影像学诊断器官/腔隙有脓肿

4.外科医师诊断为器官/腔隙感染

★人工植入物：指人工心脏瓣膜、人工血管、人工关节等二、SSI诊断标准—器官／腔隙感染

不同种类手术部位的器官/腔隙感染有：

腹部：腹腔内感染（腹膜炎，腹腔脓肿）生殖道：子宫内膜炎、盆腔炎、盆腔脓肿血管：静脉或动脉感染三、SSI的发生率美国1986年～1996年593344例手术中，发生SSI15523次，占2.62%英国1997年～2001年152所医院报告在74734例手术中，发生SSI3151例，占4.22%中国？SSI占院内感染的14～16%，仅次于呼吸道感染和泌尿道感染三、SSI的发生率SSI与部位：非腹部手术为2%～5%腹部手术可高达20%SSI与病人：入住ICU的机会增加60%再次入院的机会是未感染者的5倍SSI与切口类型：清洁伤口 1%～2%清洁有植入物 ＜5%可染伤口＜10%手术类别手术数SSI数感染率(%)小肠手术6466610.2大肠手术7116919.7子宫切除术71271722.4肝、胆管、胰手术1201512.5胆囊切除术8222.4不同种类手术的SSI发生率：三、SSI的发生率手术类别SSI数SSI类别（%）切口浅部切口深部器官/腔隙小肠手术6652.335.412.3大肠手术69158.426.315.3子宫切除术17278.813.57.6骨折开放复位12379.712.28.1不同种类手术的SSI类别：三、SSI的发生率延迟愈合疝内脏膨出脓肿，瘘形成。需要进一步处理这里感染将导致:延迟愈合疝内脏膨出脓肿、瘘形成需进一步处理四、SSI的后果四、SSI的后果在一些重大手术，器官/腔隙感染可占到1/3。SSI病人死亡的77%与感染有关，其中90%是器官/腔隙严重感染

——InfectControlandHospEpidemiol,1999,20(40:247-280SSI的死亡率是未感染者的2倍五、导致SSI的危险因素（1）病人因素：高龄、营养不良、糖尿病、肥胖、吸烟、其他部位有感染灶、已有细菌定植、免疫低下、低氧血症五、导致SSI的危险因素（2）术前因素：术前住院时间过长用剃刀剃毛、剃毛过早手术野卫生状况差（术前未很好沐浴）对有指征者未用抗生素预防五、导致SSI的危险因素（3）手术因素：手术时间长、术中发生明显污染置入人工材料、组织创伤大止血不彻底、局部积血积液存在死腔和/或失活组织留置引流术中低血压、大量输血刷手不彻底、消毒液使用不当器械敷料灭菌不彻底等手术特定时间是指在大量同种手术中处于第75百分位的手术持续时间其因手术种类不同而存在差异超过T越多，SSI机会越大五、导致SSI的危险因素（4）SSI危险指数（美国国家医院感染监测系统制定）：病人术前已有≥3种危险因素污染或污秽的手术切口手术持续时间超过该类手术的特定时间（T）

（或一般手术＞2h)六、预防SSI干预方法根据指南使用预防性抗菌药物正确脱毛方法缩短术前住院时间维持手术患者的正常体温血糖控制氧疗抗菌素的预防/治疗预防

在污染细菌接触宿主手术部位前给药治疗

在污染细菌接触宿主手术部位后给药

防患于未然六、预防SSI干预方法

——抗菌药物的应用125预防和治疗性抗菌素使用目的：清洁手术：防止可能的外源污染可染手术：减少粘膜定植细菌的数量污染手术：清除已经污染宿主的细菌六、预防SSI干预方法

——抗菌药物的应用126需植入假体，心脏手术、神外手术、血管外科手术等六、预防SSI干预方法

——抗菌药物的应用预防性抗菌素使用指征：可染伤口(Clean-contaminatedwound)污染伤口（Contaminatedwound）清洁伤口（Cleanwound）但存在感染风险六、预防SSI干预方法

——抗菌药物的应用外科预防性抗生素的应用：预防性抗生素对哪些病人有用?什么时候开始用药?抗生素种类选择?使用单次还是多次?采用怎样的给药途径？六、预防SSI干预方法

——抗菌药物的应用预防性抗菌素显示有效的手术有：妇产科手术胃肠道手术(包括阑尾炎)口咽部手术腹部和肢体血管手术心脏手术骨科假体植入术开颅手术某些“清洁”手术六、预防SSI干预方法

——抗菌药物的应用外科预防性抗生素的应用：预防性抗生素对哪些病人有用?什么时候开始用药?抗生素种类选择?使用单次还是多次?采用怎样的给药途径？六、预防SSI干预方法

——抗菌药物的应用

理想的给药时间？目前还没有明确的证据表明最佳的给药时机研究显示：切皮前45～75min给药，SSI发生率最低，且不建议在切皮前30min内给药影响给药时间的因素:所选药物的代谢动力学特性手术中污染发生的可能时间病人的循环动力学状态止血带的使用剖宫产细菌在手术伤口接种后的生长动力学

手术过程

012345671hr2hrs6hrs1day3-5days细菌数logCFU/ml六、预防SSI干预方法

——抗菌药物的应用132术后给药，细菌在手术伤口接种的生长动力学无改变

手术过程抗生素血肿血浆六、预防SSI干预方法

——抗菌药物的应用Antibioticsinclot

手术过程

血浆中抗生素予以抗生素血块中抗生素血浆术前给药，可以有效抑制细菌在手术伤口的生长六、预防SSI干预方法

——抗菌药物的应用134ClassenDC,etal..NEnglJMed1992;326:281切开前时间切开后时间予以抗生素切开六、预防SSI干预方法

——抗菌药物的应用不同给药时间，手术伤口的感染率不同NEJM1992;326:281-6投药时间感染数（%）相对危险度(95%CI)早期（切皮前2-24h）36914(3.8%)6.7(2.9-14.7)4.3手术前（切皮前45-75min)170810(0.9%)1.0围手术期（切皮后3h内）2824(1.4%)2.4(0.9-7.9) 2.1手术后（切皮3h以上）48816(3.3%)5.8(2.6-12.3)

5.8全部284744(1.5%)似然比病人数六、预防SSI干预方法

——抗菌药物的应用结论：抗生素在切皮前45-75min或麻醉诱导开始时给药，预防SSI效果好136六、预防SSI干预方法

——抗菌药物的应用切口切开后，局部抗生素分布将受阻必须在切口切开前给药！！！抗菌素应在切皮前45～75min给药六、预防SSI干预方法

——抗菌药物的应用外科预防性抗生素的应用：预防性抗生素对哪些病人有用?什么时候开始用药?抗生素种类选择?使用单次还是多次?采用怎样的给药途径？有效安全杀菌剂半衰期长相对窄谱廉价六、预防SSI干预方法

——抗菌药物的应用抗生素的选择原则：各类手术最易引起SSI的病原菌及预防用药选择六、预防SSI干预方法

——抗菌药物的应用

手术最可能的病原菌预防用药选择胆道手术革兰阴性杆菌，厌氧菌头孢呋辛或头孢哌酮或

(如脆弱类杆菌）头孢曲松阑尾手术革兰阴性杆菌，厌氧菌头孢呋辛或头孢噻肟；

(如脆弱类杆菌）＋甲硝唑结、直肠手术革兰阴性杆菌，厌氧菌头孢呋辛或头孢曲松或

(如脆弱类杆菌）头孢噻肟；＋甲硝唑泌尿外科手术革兰阴性杆菌头孢呋辛；环丙沙星妇产科手术革兰阴性杆菌，肠球菌头孢呋辛或头孢曲松或

B族链球菌，厌氧菌头孢噻肟；+甲硝唑莫西沙星（可单药应用）注:各种手术切口感染都可能由葡萄球菌引起六、预防SSI干预方法

——抗菌药物的应用外科预防性抗生素的应用：预防性抗生素对哪些病人有用?什么时候开始用药?抗生素种类选择?使用单次还是多次?采用怎样的给药途径？六、预防SSI干预方法

——抗菌药物的应用单次给药还是多次给药？没有证据显示多次给药比单次给药好伤口关闭后给药没有益处多数指南建议24小时内停药没有必要维持抗菌素治疗直到撤除尿管和引流管手术时间延长或术中出血量较大时可重复给药细菌污染定植感染一次性用药用药24h用药4872h数小时从十数小时到数十小时六、预防SSI干预方法

——抗菌药物的应用用药时机不同，用药期限也应不同短时间预防性应用抗生素的优点：六、预防SSI干预方法

——抗菌药物的应用减少毒副作用不易产生耐药菌株不易引起微生态紊乱减轻病人负担可以选用单价较高但效果较好的抗生素减少护理工作量药品消耗增加抗菌素相关并发症增加耐药抗菌素种类增加易引起脆弱芽孢杆菌肠炎MRSA（耐甲氧西林金黄色葡萄球菌）定植六、预防SSI干预方法

——抗菌药物的应用延长抗菌素使用的缺点：六、预防SSI干预方法

——抗菌药物的应用外科预防性抗生素的应用：预防性抗生素对哪些病人有用?什么时候开始用药?抗生素种类选择?使用单次还是多次?采用怎样的给药途径？正确的给药方法：六、预防SSI干预方法

——抗菌药物的应用应静脉给药，2030min滴完肌注、口服存在吸收上的个体差异，不能保证血液和组织的药物浓度，不宜采用常用的-内酰胺类抗生素半衰期为12h，若手术超过３４h，应给第２个剂量，必要时还可用第３次可能有损伤肠管的手术，术前用抗菌药物准备肠道局部抗生素冲洗创腔或伤口无确切预防效果，不予提倡不应将日常全身性应用的抗生素应用于伤口局部（诱发高耐药）必要时可用新霉素、杆菌肽等抗生素缓释系统（PMMA—青大霉素骨水泥或胶原海绵)局部应用可能有一定益处六、预防SSI干预方法

——抗菌药物的应用不提倡局部预防应用抗生素：时机不当时间太长选药不当，缺乏针对性六、预防SSI干预方法

——抗菌药物的应用预防用药易犯的错误：在开刀前45-75min之内投药按最新临床指南选药术后24小时内停药择期手术后一般无须继续使用抗生素大量对比研究证明，手术后继续用药数次或数天并不能降低手术后感染率若病人有明显感染高危因素或使用人工植入物，可再用1次或数次小结预防SSI干预方法

——正确的脱毛方法用脱毛剂、术前即刻备皮可有效减少SSI的发生手术部位脱毛方法与切口感染率的关系：备皮方法 剃毛备皮 5.6%

脱毛0.6%备皮时间 术前24小时前 ＞20%

术前24小时内 7.1%

术前即刻 3.1%方法/时间 术前即刻剪毛 1.8%

前1晚剪/剃毛 4.0%THANKYOUMagneticResonanceImagingPART01磁共振成像发生事件作者或公司磁共振发展史1946发现磁共振现象BlochPurcell1971发现肿瘤的T1、T2时间长Damadian1973做出两个充水试管MR图像Lauterbur1974活鼠的MR图像Lauterbur等1976人体胸部的MR图像Damadian1977初期的全身MR图像

Mallard1980磁共振装置商品化1989

0.15T永磁商用磁共振设备中国安科

2003诺贝尔奖金LauterburMansfierd时间PART02MR成像基本原理实现人体磁共振成像的条件:人体内氢原子核是人体内最多的物质。最易受外加磁场的影响而发生磁共振现象(没有核辐射)有一个稳定的静磁场（磁体）梯度场和射频场：前者用于空间编码和选层，后者施加特定频率的射频脉冲，使之形成磁共振现象信号接收装置：各种线圈计算机系统：完成信号采集、传输、图像重建、后处理等

人体内的H核子可看作是自旋状态下的小星球。自然状态下，H核进动杂乱无章，磁性相互抵消zMyx进入静磁场后，H核磁矩发生规律性排列（正负方向），正负方向的磁矢量相互抵消后，少数正向排列（低能态）的H核合成总磁化矢量M，即为MR信号基础ZZYYXB0XMZMXYA:施加90度RF脉冲前的磁化矢量MzB:施加90度RF脉冲后的磁化矢量Mxy.并以Larmor频率横向施进C:90度脉冲对磁化矢量的作用。即M以螺旋运动的形式倾倒到横向平面ABC在这一过程中，产生能量

三、弛豫（Relaxation）回复“自由”的过程

1.

纵向弛豫（T1弛豫）：

M0（MZ）的恢复，“量变”高能态1H→低能态1H自旋—晶格弛豫、热弛豫

吸收RF光子能量（共振）低能态1H高能态1H

放出能量（光子，MRS）T1弛豫时间：

MZ恢复到M0的2/3所需的时间

T1愈小、M0恢复愈快T2弛豫时间：MXY丧失2/3所需的时间；T2愈大、同相位时间长MXY持续时间愈长MXY与ST1加权成像、T2加权成像

所谓的加权就是“突出”的意思

T1加权成像（T1WI）----突出组织T1弛豫（纵向弛豫）差别

T2加权成像（T2WI）----突出组织T2弛豫（横向弛豫）差别。

磁共振诊断基于此两种标准图像磁共振常规h检查必扫这两种标准图像.T1的长度在数百至数千毫秒（ms）范围T2值的长度在数十至数千毫秒（ms）范围

在同一个驰豫过程中,T2比T1短得多

如何观看MR图像：首先我们要分清图像上的各种标示。分清扫描序列、扫描部位、扫描层面。正常或异常的所在部位---即在同一层面观察、分析T1、T2加权像上信号改变。绝大部分病变T1WI是低信号、T2WI是高信号改变。只要熟悉扫描部位正常组织结构的信号表现，通常病变与正常组织不会混淆。一般的规律是T1WI看解剖,T2WI看病变。磁共振成像技术－－图像空间分辨力，对比分辨力一、如何确定MRI的来源（一）层面的选择1.MXY产生（1H共振）条件

RF=ω=γB02.梯度磁场Z（GZ）

GZ→B0→ω

不同频率的RF

特定层面1H激励、共振

3.层厚的影响因素

RF的带宽↓

GZ的强度↑层厚↓〈二〉体素信号的确定1、频率编码2、相位编码

M0↑--GZ、RF→相应层面MXY----------GY→沿Y方向1H有不同ω

各1H同相位MXY旋进速度不同同频率一定时间后→→GX→沿X方向1H有不同ω沿Y方向不同1H的MXYMXY旋进频率不同位置不同（相位不同）〈三〉空间定位及傅立叶转换

GZ----某一层面产生