一、数据集简介

本数据集包含基于自研设备采集的系统矩阵和仿体数据。其中，设备为基于磁场自由线（Field-Free Line, FFL）的系统，关于设备详细信息，可参考文章Wei et al., A compact low-power magnetic particle imaging scanner based on a permanent-magnet field-free-line generator with high gradient, Review of Scientific Instruments, 2026, 97 (6).

采用上述文章中FFL投影成像方式（图5）进行数据采集，其中FFL沿y方向进行扫描，x方向使用位移台移动实现x-y平面的二维扫描。扫描基本参数如下表所示。

11.  系统矩阵数据

系统矩阵数据为沿y方向采集的一维系统矩阵，其中扫描的视场范围（Field of View, FOV）大小为±9 mm，步长为0.5 mm。数据对应文件SM_signal.mat及SM_background.mat，其中每个数据文件包含一个2,500,000×N的矩阵。其中N表示FOV内的离散点数量，因此每一个2,500,000×1数据对应FOV中一个离散空间位置的原始时域信号。

SM_signal.mat中存储的为delta仿体在FOV不同离散位置的粒子信号（已减背景），SM_background.mat中存储的为对应的背景信号（无粒子信号）。两个信号在N维度上一一对应。

2. 仿体数据

仿体数据包括三个仿体C，A和S对应的粒子信号，数据对应文件Phantom_C.mat，Phantom_A.mat和Phantom_S.mat。其中，基于上述扫描方式，对仿体沿y方向逐行进行一维FFL投影扫描，通过位移台沿x方向移动仿体实现二维扫描。其中，一维扫描FOV与系统矩阵的扫描范围一致（参数见上表），x方向扫描范围为±9 mm，步长为0.5 mm。

因此每个仿体数据文件中包含一个大小为2,500,000×M的矩阵。其中M表示沿x方向扫描的行数，因此每一个2,500,000×1数据对应扫描仿体某一行的原始时域信号。

二、数据使用方法

1. 重建基本流程

1）傅里叶变换。原始信号为时域信号，可以首先需要对系统矩阵和仿体信号分别进行傅里叶变换，获得对应频域信号。

2）频率筛选。考虑到粒子信息主要存在于倍频中，可以对系统矩阵和仿体的频域信号进行频率筛选（如选取2-10倍频进行重建），或基于给出的系统矩阵背景信号，计算系统矩阵中SNR大于某阈值的频点，并基于此筛选频点。

3）逐行重建并凭借得到二维图像。对仿体的每一行信号（2,500,000×1）重建得到x=xi位置的一维图像，并通过拼接M行图像得到二维图像。

三、数据应用方向

该数据集可用于：

1）MPI 图像重建算法验证。验证不同重建算法的性能，包括 Kaczmarz、Tikhonov正则化、深度学习重建等。

2）系统矩阵处理研究。频域分析，频点选择，系统矩阵压缩，系统矩阵质量提升等。

3）信号增强与去噪实验。原始MPI时域信号去噪，信号增强，深度学习信号恢复等。

文章引用：

Zechen Wei et al., Harmonic Autoencoding Framework for Multiple Tasks in Magnetic Particle Imaging Reconstruction, IEEE Transactions on Neural Networks and Learning Systems, 2026.