Fugu-MT 論文翻訳(概要): Review and Prospect: Deep Learning in Nuclear Magnetic Resonance Spectroscopy

論文の概要: Review and Prospect: Deep Learning in Nuclear Magnetic Resonance Spectroscopy

arxiv url: http://arxiv.org/abs/2001.04813v2
Date: Fri, 3 Apr 2020 07:17:09 GMT
ステータス: 処理完了
システム内更新日: 2023-01-12 00:17:15.925072
Title: Review and Prospect: Deep Learning in Nuclear Magnetic Resonance Spectroscopy
Title（参考訳）: 核磁気共鳴分光法における深層学習の現状と展望
Authors: Dicheng Chen, Zi Wang, Di Guo, Vladislav Orekhov, Xiaobo Qu
Abstract要約: このミニレビューでは、核磁気共鳴分光法(NMR)におけるディープラーニングの応用について要約する。 DLは、コンピュータビジョン、医療画像、自然言語処理などにおいて、実証された結果によってデータを分析し、処理する前例のない方法を提供します。
参考スコア（独自算出の注目度）: 33.73300080571816
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: Since the concept of Deep Learning (DL) was formally proposed in 2006, it had a major impact on academic research and industry. Nowadays, DL provides an unprecedented way to analyze and process data with demonstrated great results in computer vision, medical imaging, natural language processing, etc. In this Minireview, we summarize applications of DL in Nuclear Magnetic Resonance (NMR) spectroscopy and outline a perspective for DL as entirely new approaches that are likely to transform NMR spectroscopy into a much more efficient and powerful technique in chemistry and life science.
Abstract（参考訳）: 2006年に「Deep Learning(DL)」という概念が正式に提案されて以来、学術研究と産業に大きな影響を与えた。今日、dlはコンピュータビジョン、医用画像、自然言語処理などの素晴らしい結果を示すデータを分析および処理する前例のない方法を提供する。このミニレビューでは、核磁気共鳴(NMR)分光におけるDLの応用を要約し、NMR分光を化学や生命科学においてより効率的で強力な技術に転換する可能性のある全く新しいアプローチとしてのDLの展望を概説する。

関連論文リスト

Deep Learning Domain Adaptation to Understand Physico-Chemical Processes from Fluorescence Spectroscopy Small Datasets: Application to Ageing of Olive Oil [4.14360329494344]
蛍光分光法は生命科学や化学の基本的な道具であり、環境モニタリング、食品品質管理、生物医学診断などの応用に広く用いられている。深層学習を用いた分光データの解析、特に蛍光励起放出行列(EEM)は、通常、小さくてスパースなデータセットが利用できるため、大きな課題を提起する。本研究では、これらの課題に対処する新しい解釈可能性アルゴリズムとともに、事前学習された視覚モデルによるドメイン適応を利用する新しいアプローチを提案する。
論文参考訳（メタデータ） (2024-06-14T13:41:21Z)
Deep Learning for Accelerated and Robust MRI Reconstruction: a Review [28.663292249133864]
磁気共鳴イメージング(MRI)の重要技術として深層学習(DL)が登場した本稿では,MRI再建のためのDLの最近の進歩について概説する。
論文参考訳（メタデータ） (2024-04-24T07:02:03Z)
AI-enabled prediction of NMR spectroscopy: Deducing 2-D NMR of carbohydrate [7.470166291890153]
高度な機械学習と予測アルゴリズムを駆使したAI駆動NMR予測は、NMRスペクトルの解釈を根本的に変えた。本手法は, 単糖由来の小分子, オリゴ糖, および多糖類の両方に有効である。 2次元NMRの生成に関わる複雑な性質を考えると、我々の目標は、NMRスペクトル分析の精度、効率、理解性を高めるために、AIの可能性を完全に活用することである。
論文参考訳（メタデータ） (2024-03-17T21:52:51Z)
Graph-based Molecular Representation Learning [59.06193431883431]
分子表現学習(MRL)は、機械学習と化学科学を結びつけるための重要なステップである。近年、MRLは、特に深層分子グラフ学習に基づく手法において、かなりの進歩を遂げている。
論文参考訳（メタデータ） (2022-07-08T17:43:20Z)
Advances in nano- and microscale NMR spectroscopy using diamond quantum sensors [0.0]
量子技術はここ数年で急速な発展を遂げてきた。ダイヤモンドの窒素空孔中心は原子サイズのセンサーで、前例のない長さで核磁気共鳴(NMR)信号を検出することができる。
論文参考訳（メタデータ） (2022-05-24T16:22:11Z)
Data and Physics Driven Learning Models for Fast MRI -- Fundamentals and Methodologies from CNN, GAN to Attention and Transformers [72.047680167969]
本稿では,畳み込みニューラルネットワークや生成的敵ネットワークに基づく手法を含む,高速MRIのためのディープラーニングに基づくデータ駆動手法を紹介する。 MRI加速のための物理とデータ駆動モデルの結合に関する研究について詳述する。最後に, 臨床応用について紹介し, マルチセンター・マルチスキャナー研究における高速MRI技術におけるデータ調和の重要性と説明可能なモデルについて述べる。
論文参考訳（メタデータ） (2022-04-01T22:48:08Z)
The Preliminary Results on Analysis of TAIGA-IACT Images Using Convolutional Neural Networks [68.8204255655161]
本研究の目的は,AIGA-IACTに設定された課題を解決するための機械学習アプリケーションの可能性を検討することである。 The method of Convolutional Neural Networks (CNN) was applied to process and analysis Monte-Carlo eventssimulated with CORSIKA。
論文参考訳（メタデータ） (2021-12-19T15:17:20Z)
ShuffleUNet: Super resolution of diffusion-weighted MRIs using deep learning [47.68307909984442]
SISR(Single Image Super-Resolution)は、1つの低解像度入力画像から高解像度(HR)の詳細を得る技術である。ディープラーニングは、大きなデータセットから事前知識を抽出し、低解像度の画像から優れたMRI画像を生成します。
論文参考訳（メタデータ） (2021-02-25T14:52:23Z)
Zero- to ultralow-field nuclear magnetic resonance and its applications [11.963366832132495]
ZULF NMRはサブミクロテラ系における核磁化シグナルを検出する。スピン交換緩和自由原子磁気センサは、zuLF NMRのための新しい感度検出器を提供する。 ZULF NMRは、最近、化学、生物学、医学、基礎物理学のテストでかなりの注目を集めている。
論文参考訳（メタデータ） (2020-11-30T16:13:20Z)
Confidence-guided Lesion Mask-based Simultaneous Synthesis of Anatomic and Molecular MR Images in Patients with Post-treatment Malignant Gliomas [65.64363834322333]
信頼性ガイドSAMR(CG-SAMR)は、病変情報からマルチモーダル解剖学的配列にデータを合成する。モジュールは中間結果に対する信頼度測定に基づいて合成をガイドする。実際の臨床データを用いた実験により,提案モデルが最先端の合成法よりも優れた性能を発揮することが示された。
論文参考訳（メタデータ） (2020-08-06T20:20:22Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。