人工智能与快速磁共振波谱深度低秩Hankel矩阵分解

人工智能与快速磁共振波谱深度低秩Hankel矩阵分解.pdf
核磁共振(NuclearMagneticResonance,NMR)波谱是现代化学和生命科学中必不可少的研究工具.为了加快波谱信号的采集,多种方法已被用于重建非均匀采样NMR波谱,包括基于模型的迭代算法和深度学习方法.前者需要不同的先验假设,使得算法可能无法最优地利用信号特性,而后者缺乏可解释性.作为前沿的迭代算法,低秩Hankel矩阵分解(LowRankHankelMatrixFactorization,LRHMF)将全采样波谱信号生成的Hankel矩阵的低秩特性作为约束.
作者：黄奕晖 赵金奎 王孜 郭迪 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厦门理工大学计算机与信息工程学院,厦门理工学院,厦门361024
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：
关键词：核磁共振波谱  信号采集  迭代算法  深度学习  低秩Hankel矩阵分解
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 20:48 上传 人工智能与快速磁共振波谱深度低秩Hankel矩阵分解.pdf

文件大小:

426.12 KB

下载次数:

60

高速下载