論文の概要: Reduction in the complexity of 1D 1H-NMR spectra by the use of Frequency to Information Transformation

• arxiv url: http://arxiv.org/abs/2012.09267v1
• Date: Wed, 16 Dec 2020 21:08:35 GMT
• ステータス: 処理完了
• システム内更新日: 2021-05-03 02:45:04.911293
• Title: Reduction in the complexity of 1D 1H-NMR spectra by the use of Frequency to Information Transformation
• Title（参考訳）: 周波数情報変換による1d 1h-nmrスペクトルの複雑さの低減
• Authors: Homayoun Valafar, Faramarz Valafar
• Abstract要約: 周波数情報変換(FIT)を提示し、以前に使用した手法と比較する(SPUTNIK)。 同じ分子の異なるスペクトルは、言い換えれば、互いに似ているが、異なる分子のスペクトルは互いにより異なるように見える。
• 参考スコア（独自算出の注目度）: 0.4061135251278187
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Analysis of 1H-NMR spectra is often hindered by large variations that occur during the collection of these spectra. Large solvent and standard peaks, base line drift and negative peaks (due to improper phasing) are among some of these variations. Furthermore, some instrument dependent alterations, such as incorrect shimming, are also embedded in the recorded spectrum. The unpredictable nature of these alterations of the signal has rendered the automated and instrument independent computer analysis of these spectra unreliable. In this paper, a novel method of extracting the information content of a signal (in this paper, frequency domain 1H-NMR spectrum), called the frequency-information transformation (FIT), is presented and compared to a previously used method (SPUTNIK). FIT can successfully extract the relevant information to a pattern matching task present in a signal, while discarding the remainder of a signal by transforming a Fourier transformed signal into an information spectrum (IS). This technique exhibits the ability of decreasing the inter-class correlation coefficients while increasing the intra-class correlation coefficients. Different spectra of the same molecule, in other words, will resemble more to each other while the spectra of different molecules will look more different from each other. This feature allows easier automated identification and analysis of molecules based on their spectral signatures using computer algorithms.
• Abstract（参考訳）: 1H-NMRスペクトルの分析は、しばしばこれらのスペクトルの収集中に起こる大きな変動によって妨げられる。 大きな溶媒と標準ピーク、ベースラインドリフトと負のピーク(不適切なフェージングによる)は、これらのバリエーションの1つである。 さらに、不正なシミングなどの機器依存的な変化も記録されたスペクトルに埋め込まれている。 これらの信号の変更の予測不能な性質は、これらのスペクトルの自動化およびインストゥルメンタルなコンピュータ解析を信頼できないものにした。 本稿では、周波数情報変換(FIT)と呼ばれる信号(周波数領域1H-NMRスペクトル)の情報内容を抽出し、従来使用されていた手法(SPUTNIK)と比較する。 fitは、フーリエ変換信号を情報スペクトル(is)に変換することによって、信号の残りを破棄しながら、信号に存在するパターンマッチングタスクに関連する情報を適切に抽出することができる。 本手法は,クラス内相関係数を増加させながらクラス間相関係数を減少させる能力を示す。 言い換えれば、同じ分子の異なるスペクトルは互いに似ているが、異なる分子のスペクトルは互いにより異なるように見える。 この機能により、コンピュータアルゴリズムを用いたスペクトルシグネチャに基づく分子の自動識別と解析が容易になる。

関連論文リスト

• Multi-Source and Test-Time Domain Adaptation on Multivariate Signals using Spatio-Temporal Monge Alignment [59.75420353684495]
  コンピュータビジョンやバイオメディカルデータなどの信号に対する機械学習の応用は、ハードウェアデバイスやセッション記録にまたがる変動のため、しばしば課題に直面している。 本研究では,これらの変動を緩和するために,時空間モンジュアライメント(STMA)を提案する。 我々はSTMAが、非常に異なる設定で取得したデータセット間で、顕著で一貫したパフォーマンス向上をもたらすことを示す。
  論文  参考訳（メタデータ） (2024-07-19T13:33:38Z)
• Spectrum Translation for Refinement of Image Generation (STIG) Based on Contrastive Learning and Spectral Filter Profile [15.5188527312094]
  生成した画像の周波数領域における相違を緩和する枠組みを提案する。 これは、コントラスト学習に基づく画像生成(STIG)の洗練のためのスペクトル変換によって実現される。 我々は,STIGの有効性を実証するために,8つのフェイク画像データセットと様々な最先端モデルにまたがるフレームワークの評価を行った。
  論文  参考訳（メタデータ） (2024-03-08T06:39:24Z)
• Spectral Invariant Learning for Dynamic Graphs under Distribution Shifts [57.19908334882441]
  動的グラフニューラルネットワーク(DyGNN)は現在、動的グラフ固有の分散シフトを扱うのに苦労している。 本稿では,スペクトル領域における動的グラフの分布変化を初めて研究する。
  論文  参考訳（メタデータ） (2024-03-08T04:07:23Z)
• HoloNets: Spectral Convolutions do extend to Directed Graphs [59.851175771106625]
  従来の知恵は、スペクトル畳み込みネットワークは無向グラフ上にしか展開できないと規定している。 ここでは、このグラフフーリエ変換への伝統的な依存が超フルであることを示す。 本稿では,新たに開発されたフィルタの周波数応答解釈を行い,フィルタ表現に使用するベースの影響を調査し,ネットワークを基盤とする特性演算子との相互作用について議論する。
  論文  参考訳（メタデータ） (2023-10-03T17:42:09Z)
• Digital noise spectroscopy with a quantum sensor [57.53000001488777]
  本稿では,ノイズプロセスの自己相関をサンプリングし,再構成するための量子センシングプロトコルを実験的に導入し,実証する。 ウォルシュノイズ分光法はスピンフリップパルスの単純な配列を利用してディジタルフィルタの完全基底を生成する。 ダイヤモンド中の単一窒素空孔中心の電子スピン上での核スピン浴により生じる有効磁場の自己相関関数を実験的に再構成した。
  論文  参考訳（メタデータ） (2022-12-19T02:19:35Z)
• Removing grid structure in angle-resolved photoemission spectra via deep learning method [0.0]
  ARPES実験では、ワイヤメッシュがCCDの前に置かれ、格子状の光電子を遮断するが、迅速な測定モード中にスペクトルの格子状構造を引き起こす可能性がある。 本稿では,この問題を効果的に克服するためのディープラーニング手法を提案する。
  論文  参考訳（メタデータ） (2022-10-20T12:24:37Z)
• Robust, Nonparametric, Efficient Decomposition of Spectral Peaks under Distortion and Interference [0.0]
  本稿では, 高速フーリエ変換を用いて, 周波数スペクトルのスペクトルピークの分解法を提案する。 スペクトルのピークを擬対称関数としてモデル化する。そこでは、距離が大きくなると中心周波数の周りの非増加的な振る舞いが制約となる。 我々のアプローチは、観測システムによって引き起こされる可能性のあるスペクトルの任意の歪み、干渉、ノイズに対してより堅牢である。
  論文  参考訳（メタデータ） (2022-04-18T17:08:37Z)
• Unsupervised Spectral Unmixing For Telluric Correction Using A Neural Network Autoencoder [58.720142291102135]
  本研究では,HARPS-N線速度スペクトルから高精度の太陽スペクトルを抽出するニューラルネットワークオートエンコーダ手法を提案する。
  論文  参考訳（メタデータ） (2021-11-17T12:54:48Z)
• Spectral Variability Augmented Sparse Unmixing of Hyperspectral Images [20.703976519242094]
  スペクトル変動を明示的に抽出するスペクトル変動拡張スパース混合モデル(SVASU)を提案する。 スペクトル変動ライブラリーと固有スペクトルライブラリーはいずれもIn-situ観測画像から構築されている。 合成, 実世界の両方のデータセットに対する実験結果から, スペクトル変動による拡張分解は未混合性能を著しく向上させることが示された。
  論文  参考訳（メタデータ） (2021-10-19T05:25:30Z)
• Two-Dimensional Single- and Multiple-Quantum Correlation Spectroscopy in Zero-Field Nuclear Magnetic Resonance [55.41644538483948]
  Rb気相セル磁気センサを用いてゼロ磁場で検出された1量子および複数量子相関$J$-spectroscopyを示す。 ゼロフィールドでは、エタノールのスペクトルは炭素イソトポマーの混合物として現れ、相関スペクトルは2つの複合スペクトルを分離するのに有用である。
  論文  参考訳（メタデータ） (2020-04-09T10:02:45Z)
• Deep Neural Networks for the Correction of Mie Scattering in Fourier-Transformed Infrared Spectra of Biological Samples [0.0]
  本稿では,この複雑な前処理関数をディープニューラルネットワークを用いて近似する手法を提案する。 提案手法は, 時間と補正スペクトルとのトレードオフを克服し, 人工基準スペクトルに偏りを生じさせる。
  論文  参考訳（メタデータ） (2020-02-18T16:07:07Z)

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。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。