論文の概要: DiffNMR: Advancing Inpainting of Randomly Sampled Nuclear Magnetic Resonance Signals

• arxiv url: http://arxiv.org/abs/2505.20367v1
• Date: Mon, 26 May 2025 11:06:11 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-05-28 17:05:58.210728
• Title: DiffNMR: Advancing Inpainting of Randomly Sampled Nuclear Magnetic Resonance Signals
• Title（参考訳）: DiffNMR: ランダムサンプリングされた核磁気共鳴信号の塗装改善
• Authors: Sen Yan, Fabrizio Gabellieri, Etienne Goffinet, Filippo Castiglione, Thomas Launey,
• Abstract要約: 核磁気共鳴分光法は分子の化学環境、構造、力学を探索するために用いられる。 非均一サンプリング(NUS)はこれらの課題に対処するためのサブサンプリング手法として広く用いられている。 本研究では,NUSスペクトルの再構成品質を高めるためのディープラーニング手法を提案する。
• 参考スコア（独自算出の注目度）: 1.2582887633807602
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Nuclear Magnetic Resonance (NMR) spectroscopy leverages nuclear magnetization to probe molecules' chemical environment, structure, and dynamics, with applications spanning from pharmaceuticals to the petroleum industry. Despite its utility, the high cost of NMR instrumentation, operation and the lengthy duration of experiments necessitate the development of computational techniques to optimize acquisition times. Non-Uniform sampling (NUS) is widely employed as a sub-sampling method to address these challenges, but it often introduces artifacts and degrades spectral quality, offsetting the benefits of reduced acquisition times. In this work, we propose the use of deep learning techniques to enhance the reconstruction quality of NUS spectra. Specifically, we explore the application of diffusion models, a relatively untapped approach in this domain. Our methodology involves applying diffusion models to both time-time and time-frequency NUS data, yielding satisfactory reconstructions of challenging spectra from the benchmark Artina dataset. This approach demonstrates the potential of diffusion models to improve the efficiency and accuracy of NMR spectroscopy as well as the superiority of using a time-frequency domain data over the time-time one, opening new landscapes for future studies.
• Abstract（参考訳）: 核磁気共鳴分光法(NMR)は核磁化を利用して分子の化学環境、構造、動力学を探索し、医薬品から石油産業に応用する。 その実用性にもかかわらず、NMR装置の高コスト、運用、実験の長い期間は、取得時間を最適化する計算技術の開発を必要とする。 非均一サンプリング(NUS)はこれらの課題に対処するためのサブサンプリング手法として広く用いられているが、しばしばアーティファクトを導入し、スペクトル品質を低下させ、取得時間の短縮の利点を相殺する。 本研究では,NUSスペクトルの再構成品質を高めるためのディープラーニング手法を提案する。 具体的には、この領域における比較的未解決のアプローチである拡散モデルの適用について検討する。 我々の手法は、時間と時間の両方のNASデータに拡散モデルを適用し、ベンチマークArtinaデータセットから挑戦的なスペクトルを十分に再構成する。 このアプローチは、NMR分光の効率と精度を向上させるための拡散モデルの可能性を示すとともに、時間周波数領域データを用いた場合の優位性を証明し、将来の研究のための新たな展望を開く。

関連論文リスト

• Simulating near-infrared spectroscopy on a quantum computer for enhanced chemical detection [0.0]
  近赤外分光法(英: Near-infrared spectroscopy、NIR)は、化学濃度を測定するための非侵襲的、低コスト、試薬無し、迅速技術である。 量子コンピュータ上でのNIRスペクトルのシミュレーション手法を提案する。
  論文  参考訳（メタデータ） (2025-04-14T18:02:48Z)
• DiffNMR3: Advancing NMR Resolution Beyond Instrumental Limits [1.1844780810044506]
  高分解能NMRは高分解能のスペクトルを提供するが、低分解能の機器はよりアクセスしやすいが低分解能の結果を提供する。 本稿では,超解像法によりNMRスペクトルの周波数分解能を高めるAI駆動方式を提案する。
  論文  参考訳（メタデータ） (2025-02-06T21:00:35Z)
• DiffNMR2: NMR Guided Sampling Acquisition Through Diffusion Model Uncertainty [2.4634393035848494]
  本稿では,タンパク質NMRデータに基づく拡散モデルに基づく新しいサブサンプリング手法を提案する。 提案手法は, モデル不確実性を用いてアンダーサンプルスペクトルを反復的に再構成し, その後のサンプリングをガイドし, 取得時間を著しく短縮する。 この進歩は、薬物発見から物質科学まで、迅速かつ高分解能のスペクトル分析が不可欠である多くの応用を約束する。
  論文  参考訳（メタデータ） (2025-02-06T20:10:28Z)
• Spatio-temporal reconstruction of substance dynamics using compressed sensing in multi-spectral magnetic resonance spectroscopic imaging [4.784326786161368]
  本研究の目的は、MRSI(Multi-spectral magnetic resonance imaging)データから高時間分解能の複数の物質をin vivoで観察することである。
  論文  参考訳（メタデータ） (2024-03-01T09:46:41Z)
• 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)
• Toward deep-learning-assisted spectrally-resolved imaging of magnetic noise [52.77024349608834]
  本研究では,基礎となるゆらぎ磁場のスペクトル密度を効率的に再構成するディープニューラルネットワークを実装した。 これらの結果は、色中心に基づくナノスケールセンシングとイメージングに機械学習手法を適用する機会を生み出す。
  論文  参考訳（メタデータ） (2022-08-01T19:18:26Z)
• Supernova Light Curves Approximation based on Neural Network Models [53.180678723280145]
  光度データによる超新星の分類は、天文学におけるビッグデータのリアルタイム処理の出現によって課題となる。 近年の研究では、様々な機械学習モデルに基づく解の優れた品質が実証されている。 我々は,多層パーセプトロン(MLP),ベイジアンニューラルネットワーク(BNN),正規化フロー(NF)の単一光曲線観測への応用について検討した。
  論文  参考訳（メタデータ） (2022-06-27T13:46:51Z)
• Learning Optimal K-space Acquisition and Reconstruction using Physics-Informed Neural Networks [46.751292014516025]
  深層ニューラルネットワークは、アンサンプされたk空間データの再構成に応用され、再構成性能が改善されている。 本研究は,k空間サンプリング軌道を正規微分方程式(ODE)問題と考えることによって学習する新しい枠組みを提案する。 実験は、異なるシーケンスで取得された様々な生き残りデータセット(例えば、脳と膝の画像)で実施された。
  論文  参考訳（メタデータ） (2022-04-05T20:28:42Z)
• Towards performant and reliable undersampled MR reconstruction via diffusion model sampling [67.73698021297022]
  DiffuseReconは拡散モデルに基づく新しいMR再構成法である。 観測された信号に基づいて生成過程を導出する。 特定の加速因子に関する追加の訓練は必要としない。
  論文  参考訳（メタデータ） (2022-03-08T02:25:38Z)
• Real-time estimation of the optically detected magnetic resonance shift in diamond quantum thermometry [47.50219326456544]
  ナノダイヤモンド(NDs)における窒素空孔中心の光検出磁気共鳴(ODMR)の周波数シフトのリアルタイム推定手法について検討する。 近年,多点ODMR測定とND粒子追跡を蛍光顕微鏡に効果的に統合することで,生体内温度の安定なモニタリングが実証されている。
  論文  参考訳（メタデータ） (2020-06-12T01:44:35Z)

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。