基于压缩感知模型启发的深度学习快速NMR波谱研究

基于压缩感知模型启发的深度学习快速NMR波谱研究.pdf
过去的二十年,许多方法被提出来从非均匀采样(NUS)数据中重建高质量的核磁共振波谱.在此,提出了一种受压缩感知模型启发的深度学习框架,称为MoDern,作为一种可靠、鲁棒和超快速的技术,可以从NUS数据中恢复高质量的波谱.所提方法采用了经典压缩感知算法的主要思想:迭代软阈值.一旦总迭代次数固定，它的数据流可以看作是一个展开的深度学习网络，如图1a所示。在神经网络中，我们加入了数据保真模块DC使得波谱与采样采样信号具有一致性；此外，由于阈值的选择仍然是一个很大挑战，设计了一种可学习的网络模块LS，它可以根据输入数据的特性进行自适应软阈值化。随着网络迭代次数的增加，由欠采样引入的伪影被逐渐去除，最终得到高质量的重构谱。对于仅使用指数函数的合成数据训练得到的良好网络，可以从欠采样信号可靠而快速地重构波谱。
作者：王孜 黄奕晖 涂章仁 郭迪 VladislavOrekhov 屈小波
作者单位：电子科学系,健康医疗大数据国家研究院,厦门大学,厦门361005,中国厦门理工学院计算机与信息工程学院,厦门361024,中国化学与分子生物学系,哥德堡大学,哥德堡40530,瑞典
母体文献：2021第二十一届全国波谱学学术会议论文集
会议名称：2021第二十一届全国波谱学学术会议  
会议时间：2021年11月11日
会议地点：浙江温州
主办单位：中国物理学会
语种：chi
分类号：U67TP3
关键词：核磁共振  非均匀采样  波谱重构  压缩感知  深度学习
在线出版日期：2022年5月27日
基金项目：
相似文献
相关博文

2024-12-1 20:20 上传 基于压缩感知模型启发的深度学习快速NMR波谱研究.pdf

文件大小:

336.7 KB

下载次数:

60

高速下载