人工智能与快速磁共振波谱:深度低秩Hankel矩阵分解

Yihui Huang ¹黄奕晖 ¹Jinkui Zhao ¹赵金奎 ²Zi Wang ¹王孜 Di Guo 郭迪 Xiaobo Qu 屈小波

扫码查看

作者信息

1. 电子科学系,健康医疗大数据国家研究院,厦门大学,厦门361005
2. 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
折叠

摘要

核磁共振(Nuclear Magnetic Resonance,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(Low Rank Hankel Matrix Factorization,LRHMF)将全采样波谱信号生成的Hankel矩阵的低秩特性作为约束.

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

引用本文复制引用

主办单位

中国物理学会

会议名称

2021第二十一届全国波谱学学术会议

会议时间

2021-11-11

会议地点

浙江温州

会议母体文献

2021第二十一届全国波谱学学术会议论文集

页码

1-2

出版时间

2021

段落导航