Laplace NMR谱图重建——从经典正则化到深度学习OACSTPCD
拉普拉斯核磁共振(Laplace NMR)可以提供待测样品的扩散系数或弛豫时间等物理参数信息,是用于研究分子化学结构、动力学和相互作用的强大工具.Laplace NMR的适用性很大程度上取决于拉普拉斯逆变换相关的信号处理算法的性能.在本文中,我们首先讨论了Laplace NMR谱图重建问题的不适定性,接着回顾了经典的基于正则化约束的重建算法,并介绍了目前前沿的深度学习算法在处理Laplace反演问题方面的应用,最后总结了这些算法的优缺点,并对Laplace NMR信号处理方法未来改进方向进行了展望.
杨钰;陈博;吴柳滨;林恩平;黄玉清;陈忠;
厦门大学电子科学系,福建厦门361005
化学
拉普拉斯核磁共振扩散核磁共振扩散排序谱拉普拉斯反演变换深度学习
《波谱学杂志》 2024 (002)
P.191-208 / 18
厦门市自然科学基金(3502Z202373005);国家自然科学基金资助项目(12175189)。
评论