CN106199474B - 一种低场核磁共振二维谱反演算法 - Google Patents
一种低场核磁共振二维谱反演算法 Download PDFInfo
- Publication number
- CN106199474B CN106199474B CN201610578393.3A CN201610578393A CN106199474B CN 106199474 B CN106199474 B CN 106199474B CN 201610578393 A CN201610578393 A CN 201610578393A CN 106199474 B CN106199474 B CN 106199474B
- Authority
- CN
- China
- Prior art keywords
- signal
- data
- magnetic resonance
- nuclear magnetic
- indicate
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
- 238000004422 calculation algorithm Methods 0.000 title claims abstract description 36
- 238000001228 spectrum Methods 0.000 title claims abstract description 33
- 238000005481 NMR spectroscopy Methods 0.000 title claims abstract description 28
- 238000000034 method Methods 0.000 claims abstract description 15
- 238000002474 experimental method Methods 0.000 claims description 17
- 239000011159 matrix material Substances 0.000 claims description 17
- 239000000126 substance Substances 0.000 claims description 5
- 238000000205 computational method Methods 0.000 claims description 3
- 238000005070 sampling Methods 0.000 claims description 3
- 230000003595 spectral effect Effects 0.000 abstract description 7
- 241001269238 Data Species 0.000 abstract description 5
- 230000009977 dual effect Effects 0.000 abstract description 3
- 238000004088 simulation Methods 0.000 description 10
- 239000000523 sample Substances 0.000 description 8
- 238000005516 engineering process Methods 0.000 description 6
- 238000011161 development Methods 0.000 description 4
- 239000004744 fabric Substances 0.000 description 4
- 238000004458 analytical method Methods 0.000 description 3
- 238000010276 construction Methods 0.000 description 3
- 150000002500 ions Chemical class 0.000 description 3
- 238000004364 calculation method Methods 0.000 description 2
- ARUVKPQLZAKDPS-UHFFFAOYSA-L copper(II) sulfate Chemical compound [Cu+2].[O-][S+2]([O-])([O-])[O-] ARUVKPQLZAKDPS-UHFFFAOYSA-L 0.000 description 2
- 229910000366 copper(II) sulfate Inorganic materials 0.000 description 2
- 235000013399 edible fruits Nutrition 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 235000013305 food Nutrition 0.000 description 2
- 229910001385 heavy metal Inorganic materials 0.000 description 2
- 239000000463 material Substances 0.000 description 2
- 210000003739 neck Anatomy 0.000 description 2
- 230000005311 nuclear magnetism Effects 0.000 description 2
- 239000003208 petroleum Substances 0.000 description 2
- 238000012545 processing Methods 0.000 description 2
- 238000012360 testing method Methods 0.000 description 2
- 238000009941 weaving Methods 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 238000003759 clinical diagnosis Methods 0.000 description 1
- 230000000295 complement effect Effects 0.000 description 1
- 230000001186 cumulative effect Effects 0.000 description 1
- 238000000354 decomposition reaction Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 239000004615 ingredient Substances 0.000 description 1
- 238000009434 installation Methods 0.000 description 1
- 238000012804 iterative process Methods 0.000 description 1
- 239000006101 laboratory sample Substances 0.000 description 1
- 238000012423 maintenance Methods 0.000 description 1
- 230000035800 maturation Effects 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 230000006641 stabilisation Effects 0.000 description 1
- 238000011105 stabilization Methods 0.000 description 1
- 238000003786 synthesis reaction Methods 0.000 description 1
- 230000017105 transposition Effects 0.000 description 1
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 1
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01R—MEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
- G01R33/00—Arrangements or instruments for measuring magnetic variables
- G01R33/20—Arrangements or instruments for measuring magnetic variables involving magnetic resonance
- G01R33/44—Arrangements or instruments for measuring magnetic variables involving magnetic resonance using nuclear magnetic resonance [NMR]
- G01R33/48—NMR imaging systems
- G01R33/54—Signal processing systems, e.g. using pulse sequences ; Generation or control of pulse sequences; Operator console
- G01R33/56—Image enhancement or correction, e.g. subtraction or averaging techniques, e.g. improvement of signal-to-noise ratio and resolution
Landscapes
- Physics & Mathematics (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
- Radiology & Medical Imaging (AREA)
- Engineering & Computer Science (AREA)
- Signal Processing (AREA)
- High Energy & Nuclear Physics (AREA)
- Condensed Matter Physics & Semiconductors (AREA)
- General Physics & Mathematics (AREA)
- Magnetic Resonance Imaging Apparatus (AREA)
Abstract
本发明涉及一种低场核磁共振二维谱反演算法,在PDCO(一种求解凸规划的原始对偶内点法)基础上推广到二维空间,用于求解二维反演问题。与目前国内外文献报道的其他低场核磁共振反演算法相比,本发明其使用L1正则化和L2正则化而不是通常的只使用L2正则化,更贴近原始信号的稀疏性,得到的解更能体现真实的谱分布;原始对偶内点法在计算时就保证了解的非负性,不需要进行额外的非负约束计算,简化了反演流程;对紧密相连的临近峰也能够区分,计算精度高;鲁棒性好,在不同信噪比数据情况下,能够得到稳定的反演结果。
Description
技术领域
本发明涉及一种核磁共振信号处理技术,特别涉及一种基于PDCO的低场核磁共振二维谱反演算法。
背景技术
在世界范围内,核磁共振技术发展迅猛,在很多领域得到了广泛的发展,比如高场强核磁共振技术应用于对人体的临床诊断等。随着核磁共振技术的不断发展,人们发现核磁共振技术不仅可以应用于临床,还可以在其他领域(如食品科学、农业、石油能源、材料科学、纺织化工等)发挥其他科学仪器所不能发挥的作用。很多科学研究已经证明,在这些领域中应用核磁共振分析技术,可以解决现有的其他科学仪器所不能解决的问题,对这些领域的科学进步起到了举足轻重的推动作用。与用于临床的高场核磁共振技术不同的是,在食品科学、农业、石油能源、材料科学、纺织化工等领域采用低场核磁共振技术就可以很好的解决相关问题。此外,低场核磁共振分析仪器由于采用低场强磁体,可以使所研发的分析仪器体积较小,安装、调试、维护、操作都很方便。因此,低场核磁共振分析仪器得到了科学界的关注。
CPMG(Carr-Purcell-Meiboom-Gill)序列速度快,是低场核磁共振中最常用的序列之一。研究者常常利用CPMG等序列的原始数据和样品横向弛豫时间、纵向弛豫时间的分布特点,进行时域谱反演的相关研究。但是核磁共振采集到的原始信号并不能得到直观的样品结构信息,需要通过反演技术才能得到易于理解的时域谱。一般,一维时域谱就可以为研究者分析样品的组成、性质等提供重要的依据。但是,随着低场核磁共振应用的不断深入,研究者们发现实验得到的一维谱可能存在峰的交叠。解决这一问题通常需要进行多次额外实验或者引入其它辅助手段,二维时域谱技术应运而生。二维谱不仅简化了原有流程,还可以为分析样品提供更多有价值的信息。
国内二维反演技术由于起步晚,国外相关企业的技术垄断,加上二维谱反演需要处理的数据量巨大等问题,想要发展具有极大的挑战性。目前二维反演算法,国外研究者以显式增加罚函数的正则化算法为主,对解的某些性质进行限制,以得到合理的反演结果;国内研究者最早使用基于截断奇异值分解的二维反演算法,并取得了很多成果,在信噪比(Signal to Noise Ratio,SNR)较高的情况下能够得到可靠的反演结果。现在一般采用的是标准Tikhonov正则化形式,惩罚项用于限制解的范数,这种方式的问题求解策略也相对成熟,此外还有对斜率和曲率进行平滑的正则化形式。这些正则化算法的关键在于如何选择一个合适的正则化因子,现有正则化因子的选择算法需要一定的人为干预,还待完善。
发明内容
本发明是针对核磁共振信号处理中反演技术存在的问题,提出了一种低场核磁共振二维谱反演算法,在PDCO(a Primal-Dual interior method for Convex Objectives一种求解凸规划的原始对偶内点法)基础上推广到二维空间,用于求解二维反演问题。PDCO迭代使用L1范数与L2范数,使得反演结果更贴近于真实的谱分布,并且保证了解的非负性,不再需要额外的非负约束计算。该算法能够提高反演运算的计算精度和鲁棒性,可以得到清晰、准确的二维谱。
本发明的技术方案为:一种低场核磁共振二维谱反演算法,具体包括如下步骤:
1)读取低场核磁共振设备采集得到的原始数据文件,提取出数据文件中包含的采样时间和对应时刻的采样数据M;
2)对原始数据进行横向弛豫时间、纵向弛豫时间布点,矩阵的拼接、张量积预处理操作得到反演核心矩阵K和信号幅值m;
3)计算采集数据的信噪比,根据信噪比计算反演参数,采用求解凸规划的原始对偶内点法PDCO解决反演问题表达式如下:
s.t.Ks+r=m
s≥0
其中s=vect(S),vect表示将矩阵按列拼接,形成一个列向量,S(T2,T1)表示横向弛豫时间为T2、纵向弛豫时间为T1的物质的含量,反演参数λ1=α1||m||1/SNR,反演参数λ2=α2/SNR,r表示拟合残差,||*||1表示取某向量的L1范数,||*||2表示取某向量的L2范数,信噪比SNR使用的计算方法为:采样数据信号最大值除以衰减后数据的方差,α1与α2参数值由大量仿真实验测得:α1取值为0.0001,α2为20;
4)进行迭代计算,每次迭代并保证解的非负性,得到最优解s';
5)生成网格,绘出二维谱,用T2、T1这两组数据分别表示Y轴X轴信息,将这两组信息生成网格,根据T2、T1中元素的个数并对最优解s'进行重新排序成s”,s”表示二维谱反演结果信号的幅值,利用T2、T1、s”这3组数据绘出二维谱。
本发明的有益效果在于:本发明一种低场核磁共振二维谱反演算法,与目前国内外文献报道的其他低场核磁共振反演算法相比,其使用L1正则化和L2正则化而不是通常的只使用L2正则化,更贴近原始信号的稀疏性,得到的解更能体现真实的谱分布;原始对偶内点法在计算时就保证了解的非负性,不需要进行额外的非负约束计算,简化了反演流程;对紧密相连的临近峰也能够区分,计算精度高;鲁棒性好,在不同信噪比数据情况下,能够得到稳定的反演结果。
附图说明
图1为本发明低场核磁共振二维谱反演算法步骤示意图;
图2-1为本发明信噪比为1000的构造高斯峰二维谱仿真实验结果图;
图2-2为本发明信噪比为1000的CPMG数据串仿真实验结果图;
图2-3为本发明信噪比为1000的反演仿真实验结果图;
图2-4为本发明信噪比为1000的标准Tikhonov正则化算法的反演仿真实验结果图;
图3-1为本发明信噪比为100的构造高斯峰二维谱仿真实验结果图;
图3-2为本发明信噪比为100的CPMG数据串仿真实验结果图;
图3-3为本发明信噪比为100的反演仿真实验结果图;
图3-4为本发明信噪比为100的标准Tikhonov正则化算法的反演仿真实验结果图;
图4-1为本发明实验案例低浓度溶液反演结果图;
图4-2为本发明实验案例加入高浓度溶液反演结果图。
具体实施方式
下面结合附图对本发明提供的具体实施方式作详细说明。
如附图1所示,一种基于PDCO的低场核磁共振二维谱反演算法,包括如下步骤:
a.读取低场核磁共振设备采集得到的原始数据文件。
读取低场核磁共振设备采集得到的原始数据文件,提取出数据文件中包含的采样时间和对应时刻的采样数据M等信息。
b.对原始数据进行横向弛豫时间、纵向弛豫时间布点,矩阵的拼接、张量积等预处理操作得到反演核心矩阵K和信号幅值m。
二维反演问题就是求解如式(1)所示的具有两个核的Fredholm积分方程,τ2表示各回波波峰的回波时刻,τ1表示等待时间,S(T2,T1)表示横向弛豫时间为T2、纵向弛豫时间为T1的物质的含量,M表示特定时刻的采样数据。
将公式(1)中的弛豫时间、离散化后可以用矩阵的形式表示如式(2)所示,其中(上标i,j表示矩阵中元素位置的索引,TE表示CPMG序列中的回波时间,TW为等待时间)。
上标T表示矩阵转置,对于公式(2),可以利用矩阵的张量积将两个核K1、K2合成一个核,合并后公式如(3)式所示,其中m=vect(M),s=vect(S),vect表示将矩阵按列拼接,形成一个列向量,表示两个矩阵的张量积。
m=Ks (3)
这样转换之后,二维反演问题就变成一个已知m和K求s的问题,其中矩阵K称为反演的核心矩阵。
为了得到符合真实情况的谱分布,要对T2、T1进行布点,布点方法是在以10为底的对数空间内均匀布点,布点数目根据具体实验情况而定,实验精度要求越高,布点数目越多,一般为了节约计算时间将布点数目设为64。
该步骤中所述的数据预处理主要包括:T2、T1布点;按照公式(2)中K1、K2的定义计算得到K1、K2;利用矩阵的张量积转化K1、K2得到K;使用矩阵的拼接方法得到信号幅值m等操作。
c.计算采集数据的信噪比,根据信噪比计算反演参数。PDCO解决上述反演问题表达式如下:
s.t.Ks+r=m
s≥0
其中反演参数λ1=α1||m||1/SNR,反演参数λ2=α2/SNR,r表示拟合残差,||*||1表示取某向量的L1范数,||*||2表示取某向量的L2范数。信噪比SNR使用的计算方法为:采样数据信号最大值除以衰减后数据的方差。α1与α2参数值由大量仿真实验测得:α1取值为0.0001,α2为20(信噪比较高时,可将λ2直接设为0.5)。
d.进行迭代计算,每次迭代并保证解的非负性,得到最优解。
迭代计算时主要求解如下问题:
s.t.Ks+r=m:y
s-s1=0:z1
其中μ,s1≥0(μ表示惩罚因子,通常取一个很小的正参数,s1表示松弛变量,通常第一次迭代时所有元素初始化为1),l表示s1中元素的位置,n表示s1中元素总个数,由此实现累加求和。引入惩罚因子与松弛变量,保证了PDCO算法能够拓展到二维空间,并且增加了对数项保证了迭代过程中解的非负性。问题转换之后,在求解时将上式与Karush-Kuhn-Tuucker(KKT)条件联立,使用牛顿法进行搜索,即可进行迭代计算。阈值误差设置为0.001,达到终止条件时,停止迭代,得到最优解s'。
e.生成网格,绘出二维谱。用T2、T1这两组数据分别表示Y轴X轴信息,将这两组信息生成网格。根据T2、T1中元素的个数并对最优解s'进行重新排序成s”,s”表示二维谱反演结果信号的幅值,利用T2、T1、s”这3组数据绘出二维谱。
本发明的效果能够通过以下实验进一步说明。
1.仿真实验:
实验首先构造一个中心位于(T1,T2)=(100,10)ms处的高斯峰作为理想的T1-T2谱,然后向正演结果中加入一定程度的高斯白噪声,得到不同信噪比的仿真数据。
2.仿真实验结果及结果分析
图2-1~2-4和图3-1~3-4分别是信噪比为1000(仿真低场下的高信噪比数据)和信噪比为100(仿真低场下的低信噪比数据)的仿真结果,图2-1/图3-1显示的是构造的高斯峰二维谱;图2-2/图3-2是原始数据正演得到的8条CPMG数据串;图2-3/图3-3是本发明提出的基于PDCO的二维谱反演算法反演结果;图2-4/图3-4是使用标准Tikhonov正则化算法的反演结果。
将这两组实验进行对比分析,可以看出在高信噪比环境下,2种算法都能得到反演结果,这两种算法都有一定的干扰峰出现,但明显可以看出基于PDCO的二维反演算法结果优于传统的标准Tikhonov正则化算法。在低信噪比环境下,传统的Tikhonov正则化算法,反演结果比较稳定,谱峰仍然明显被拓宽,有虚假轮廓出现;基于PDCO的混合反演算法得到的反演结果中也产生了虚假轮廓,反演结果相对于另一种算法明显更贴近仿真数据。
为了进一步验证本发明算法的抗噪性能,表1列举了信噪比分别为3000、1000、300、200、100、50下的两种算法对拟合误差比较结果。由表1可知,本发明的算法与标准Tikhonov正则化算法能够在不同信噪比数据的情况下得到稳定的结果;本发明的算法与标准Tikhonov正则化算法相比,拟合误差更小,反演结果更贴近真实的仿真数据。
表1
3.实验案例:
本实验使用NIUMAG公司的NMI-20低场核磁共振分析仪进行采样,采样序列为IR-CPMG,TW设置为0~2500ms内对数均匀分布的8个点(对应界面参数DL1),TE设为0.235ms,累加次数NS为4。实验样品为预先制备的两种不同浓度的CuSO4溶液,分别密封在两个无核磁信号的色谱瓶中。
4.实验案例结果及结果分析:
实验首先在无磁试管中放入装有低浓度溶液的色谱瓶进行采样,使用本发明算法反演得到了图4-1所示的T1-T2谱;然后再向试管中放入装有高浓度溶液的色谱瓶(色谱瓶足够小,保证样品均处于设备的匀场区域),得到了图4-2所示的T1-T2谱。
通常,在水中添加无磁性重金属离子会影响质子的弛豫时间,添加的离子浓度越高,采集到的CPMG信号衰减越快,质子的弛豫时间越短,在二维谱中的位置就越靠近原点。该实验中,加入高浓度的CuSO4溶液后,在T1-T2谱中更靠近原点的位置又出现了一个谱峰,说明样品中出现了更短弛豫时间的成分,进而证明了无磁性重金属离子对质子影响的论断。
Claims (1)
1.一种低场核磁共振二维谱反演算法,其特征在于,具体包括如下步骤:
1)读取低场核磁共振设备采集得到的原始数据文件,提取出数据文件中包含的采样时间和对应时刻的采样数据M;
2)对原始数据进行横向弛豫时间、纵向弛豫时间布点,矩阵的拼接、张量积预处理操作得到反演核心矩阵K和信号幅值m;
3)计算采集数据的信噪比,根据信噪比计算反演参数,采用求解凸规划的原始对偶内点法PDCO解决反演问题表达式如下:
s.t.Ks+r=m
s≥0
其中s=vect(S),vect表示将矩阵按列拼接,形成一个列向量,S(T2,T1)表示横向弛豫时间为T2、纵向弛豫时间为T1的物质的含量,反演参数λ1=α1||m||1/SNR,反演参数λ2=α2/SNR,r表示拟合残差,||*||1表示取某向量的L1范数,||*||2表示取某向量的L2范数,信噪比SNR使用的计算方法为:采样数据信号最大值除以衰减后数据的方差,α1与α2参数值由大量仿真实验测得:α1取值为0.0001,α2为20;
4)进行迭代计算,每次迭代并保证解的非负性,得到最优解s';
5)生成网格,绘出二维谱,用T2、T1这两组数据分别表示Y轴X轴信息,将这两组信息生成网格,根据T2、T1中元素的个数并对最优解s'进行重新排序成s”,s”表示二维谱反演结果信号的幅值,利用T2、T1、s”这3组数据绘出二维谱。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610578393.3A CN106199474B (zh) | 2016-07-21 | 2016-07-21 | 一种低场核磁共振二维谱反演算法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610578393.3A CN106199474B (zh) | 2016-07-21 | 2016-07-21 | 一种低场核磁共振二维谱反演算法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN106199474A CN106199474A (zh) | 2016-12-07 |
CN106199474B true CN106199474B (zh) | 2018-10-12 |
Family
ID=57491373
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201610578393.3A Active CN106199474B (zh) | 2016-07-21 | 2016-07-21 | 一种低场核磁共振二维谱反演算法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN106199474B (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110109037A (zh) * | 2019-06-11 | 2019-08-09 | 东南大学 | 一种面向多弛豫组分的核磁共振信号的反演方法 |
Families Citing this family (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2018163188A1 (en) * | 2017-03-09 | 2018-09-13 | B.G. Negev Technologies And Applications Ltd., At Ben-Gurion University | Generation of nuclear magnetic resonance multidimensional t1(spin-matrix)-t2(spin-spin) energy relaxation maps and uses thereof |
CN108120944B (zh) * | 2017-11-16 | 2019-12-06 | 上海理工大学 | 一种加权迭代的低场核磁共振t2谱反演算法 |
CN108049866B (zh) * | 2017-12-11 | 2021-05-14 | 中石化石油工程技术服务有限公司 | 二维核磁共振测井致密气藏定量评价方法 |
CN108009125B (zh) * | 2017-12-15 | 2020-05-12 | 中国石油大学(北京) | 基于l0正则化的核磁共振回波数据反演方法及装置 |
CN110321524B (zh) * | 2018-03-30 | 2022-09-30 | 中国石油化工股份有限公司 | 基于非负弹性网络的核磁共振回波数据反演方法及系统 |
CN112834548B (zh) * | 2021-01-08 | 2022-08-19 | 上海纽迈电子科技有限公司 | 一种交联密度测量方法及装置 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US4728893A (en) * | 1985-07-31 | 1988-03-01 | The Regents Of The University Of California | Increased signal-to-noise ratio in magnetic resonance images using synthesized conjugate symmetric data |
CN103116148A (zh) * | 2013-01-30 | 2013-05-22 | 上海理工大学 | 一种核磁共振二维谱反演的方法 |
CN103294890A (zh) * | 2013-03-18 | 2013-09-11 | 国家电网公司 | 基于原对偶内点法的非线性规划潮流计算方法 |
CN103984033A (zh) * | 2014-06-09 | 2014-08-13 | 桂林电子科技大学 | 一种地面核磁共振二维反演方法 |
CN104375108A (zh) * | 2014-11-19 | 2015-02-25 | 上海理工大学 | 一种基于lsqr的低场核磁共振二维谱反演算法 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP1301810B1 (en) * | 2000-07-21 | 2008-09-10 | Services Petroliers Schlumberger | Nuclear magnetic resonance methods for extracting information about a fluid in a rock |
-
2016
- 2016-07-21 CN CN201610578393.3A patent/CN106199474B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US4728893A (en) * | 1985-07-31 | 1988-03-01 | The Regents Of The University Of California | Increased signal-to-noise ratio in magnetic resonance images using synthesized conjugate symmetric data |
CN103116148A (zh) * | 2013-01-30 | 2013-05-22 | 上海理工大学 | 一种核磁共振二维谱反演的方法 |
CN103294890A (zh) * | 2013-03-18 | 2013-09-11 | 国家电网公司 | 基于原对偶内点法的非线性规划潮流计算方法 |
CN103984033A (zh) * | 2014-06-09 | 2014-08-13 | 桂林电子科技大学 | 一种地面核磁共振二维反演方法 |
CN104375108A (zh) * | 2014-11-19 | 2015-02-25 | 上海理工大学 | 一种基于lsqr的低场核磁共振二维谱反演算法 |
Non-Patent Citations (2)
Title |
---|
Primal-dual interior point optimization for a regularized reconstruction of NMR relaxation time distributions;E. Chouzenoux etc;《2013 IEEE International Conference on Acoustics, Speech and Signal Processing》;20130531;第8747-8750页 * |
低场核磁共振二维谱反演技术及其应用;聂生东 等;《电子科技大学学报》;20150531;第44卷(第3期);第460-466页 * |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110109037A (zh) * | 2019-06-11 | 2019-08-09 | 东南大学 | 一种面向多弛豫组分的核磁共振信号的反演方法 |
Also Published As
Publication number | Publication date |
---|---|
CN106199474A (zh) | 2016-12-07 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN106199474B (zh) | 一种低场核磁共振二维谱反演算法 | |
Alexander et al. | Imaging brain microstructure with diffusion MRI: practicality and applications | |
Kenyon et al. | A three-part study of NMR longitudinal relaxation properties of water-saturated sandstones | |
Zhou et al. | The inversion of 2D NMR relaxometry data using L1 regularization | |
Lu et al. | Low rank enhanced matrix recovery of hybrid time and frequency data in fast magnetic resonance spectroscopy | |
CN105807241B (zh) | 一种利用先验信息的指数信号去噪方法 | |
CN105808869A (zh) | 一种基于块Hankel矩阵的磁共振波谱重建方法 | |
Ge et al. | Joint inversion of T1–T2 spectrum combining the iterative truncated singular value decomposition and the parallel particle swarm optimization algorithms | |
Guo et al. | Nuclear magnetic resonance T1–T2 inversion with double objective functions | |
Su et al. | An inversion method of 2D NMR relaxation spectra in low fields based on LSQR and L-curve | |
CN109597012A (zh) | 一种基于残差网络的单扫描时空编码成像重建方法 | |
CN104375108B (zh) | 一种基于lsqr的低场核磁共振二维谱反演算法 | |
Luo et al. | A machine learning framework for low-field NMR data processing | |
CN107423543A (zh) | 一种超复数磁共振波谱的快速重建方法 | |
CN104793159B (zh) | 一种高维核磁共振时域信号补全方法 | |
Liu et al. | A novel pulse sequence and inversion algorithm of three-dimensional low field NMR technique in unconventional resources | |
Tan et al. | Comparative study of inversion methods of three-dimensional NMR and sensitivity to fluids | |
CN108828482B (zh) | 结合稀疏和低秩特性的欠采样磁共振扩散谱的重建方法 | |
Guo et al. | Improved reconstruction of low intensity magnetic resonance spectroscopy with weighted low rank Hankel matrix completion | |
CN105759233B (zh) | 一种快速化学交换饱和转移成像方法和系统 | |
CN108120944A (zh) | 一种加权迭代的低场核磁共振t2谱反演算法 | |
Xu et al. | Lorentzian-model-based Bayesian analysis for automated estimation of attenuated resonance spectrum | |
CN109507221B (zh) | 一种多维核磁共振分子扩散耦合成像方法 | |
Luo et al. | A study on multi-exponential inversion of nuclear magnetic resonance relaxation data using deep learning | |
CN108107391B (zh) | 一种单体素定域一维高分辨同核去耦谱方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant | ||
TR01 | Transfer of patent right |
Effective date of registration: 20231225 Address after: Room 306, Building A-3, No. 8, Xinda Road, Huimin Street, Jiashan County, Jiaxing City, Zhejiang Province, 314199 Patentee after: Kalefu Medical Technology Group Co.,Ltd. Address before: 200093 No. 516, military road, Shanghai, Yangpu District Patentee before: University of Shanghai for Science and Technology |
|
TR01 | Transfer of patent right |