NMR碳谱谱峰检索系统

介绍了核磁共振(NMR)碳谱谱峰检索系统的程序设计原理、系统流程框图、检索比较算法和主要显示界面．系统数据库包含化合物核磁共振碳谱4万多张,能够根据未知物¹³C NMR波谱的谱峰个数及其化学位移值进行检索．结果得到未知化合物的有关信息及其标准波谱图．系统还允许用户将本专业的一些常用化合物的标准谱的信息以及图谱添加进数据库以供日后查询．     

基于近似l0范数最小化的NMR波谱稀疏重建算法

在核磁共振（NMR）波谱中,过长的数据采集时间会使很多化学以及分子生物学领域的高分辨率多维谱应用难以实现. 传统的解决办法是使用随机非均匀采样代替奈奎斯特采样,但这样会使谱图质量受损. 压缩传感的出现为此提供了更好的解决办法,合适的压缩传感重建算法可以通过很少的随机非均匀采样将谱图高质量的重建出来. 该文先介绍了一种可用于谱图重建的压缩传感重建算法,名为“平滑l₀范数最小化法”,然后针对该算法对采样噪声鲁棒性较差的缺点进行了改进. 通过将改进后的算法与原算法在一维实数域信号以及NMR波谱信号重建实验中进行对比后表明,改进后的算法对噪声的鲁棒性明显提高,并能获得更好的重建性能.     

核磁共振二维谱反演

核磁共振二维谱包含扩散系数 D 和横向弛豫时间 T₂ 的信息,利用核磁共振仪来测量多孔介质中物质的信息,根据其弛豫时间和扩散系数的差别来区分不同物质;利用全局反演方法,提出了核磁共振二维谱反演的物理模型和数学模型;介绍了传统的奇异值分解（SVD）和改进的奇异值分解反演算法;采用改进的奇异值分解法对核磁共振二维谱进行反演,其反演算法具有计算速度快和二维谱分布连续等优点. 它适合于信噪比较高的数据反演,当原始数据信噪比SNR≥100时,可以对二维谱图进行定量分析;当60≤SNR<100时,可以对二维谱图进行定性分析. 核磁共振二维谱可以一次性直接区分油和水,为核磁共振测井提供了新的科学技术.     

基于lp范数的压缩感知图像重建算法研究

图像重建是光学成像、光声成像、声纳成像、核磁共振成像、 天体成像等物理成像领域中的关键技术之一. 近年来提出的压缩感知理论指出: 对稀疏或者可压缩信号进行少量非自适应线性投影,投影信号含有足够的信息, 从而能对信号进行高概率重建. 压缩感知已被应用于多种物理成像系统. 将罚函数法和修正Hesse阵序列二次规划方法相结合, 并采用了分块压缩感知思想, 提出一种基于l_p范数的压缩感知图像重建算法. 以cameraman, barbara和mandrill图像为例, 采用该算法进行图像重建. 首先, 在不同采样率下对图像重建. 即便采样率低至0.3时, 也能获得高达32.23dB的信噪比, 重建图像清晰可辨. 验证了该算法的正确性. 其次, 将该算法与正交匹配追踪算法进行对比, 在采样率达到0.5以上时, 能够获得高信噪比的重建图像, 成像时间也大为减少, 特别是采样率为0.7时, 成像时间减少88%. 最后, 与现有基于l_p 范数的压缩感知图像重建算法进行对比, 计算结果表明在成像质量有所提高的基础上, 成像时间大为缩短. 关键词： 图像重建 压缩感知 罚函数 修正Hesse阵序列二次规划     

不同采样模式的固体DQ-SQ实验的压缩感知重建比较

为了提高固体二维双量子-单量子(DQ-SQ)谱的采集速度,根据DQ-SQ谱的自稀疏性,该文使用了一种基于压缩感知技术的重建算法.其优化的能量函数是有限差分约束的l1范数,并使用不同的权重对水平和竖直方向的有限差分项进行约束.该文分别对伪随机采样、全随机采样和e指数采样等采样模式进行了比较,发现伪随机采样表现出最佳的重建结果.进一步研究发现伪随机的极限形式,即t1截尾(t1-cutoff)采样模式效果最佳.     

基于改进的分块压缩感知红外图像重建

针对基于压缩感知理论的红外图像重建问题,提出一种基于改进的分块压缩感知红外图像重建方法。该方法首先对原始红外图像进行分块,并对每个子块用相同的观测矩阵进行随机观测,获得少量的观测数据;然后利用谱图小波变换优异的稀疏特性,将其引入平滑投影Landweber算法进行迭代优化重建,同时采用混合中值滤波进行处理以增加图像的平滑度和减少块伪影,最后输出满足要求的高质量红外图像。实验结果表明,在相同采样率下,该方法对于不同类型红外图像的重建性能均优于目前广为采用的一些小波压缩感知方法,可获得更高质量的红外图像。     

基于连续小波变换的FTIR光谱拟合算法

提出了一种基于连续小波变换的FTIR光谱拟合算法。在计算差减尺度因子时,同时考虑原始谱图及其连续小波变换谱图,从光谱最小二乘拟合的角度求解,克服了常规差谱算法中的参考峰及差减因子的人工选择问题。采用六种不同的小波进行光谱拟合,用计算得到的差减因子来定量酒精度,误差绝对值的平均值仅为0.047°~0.072°,误差标准差仅为0.056°~0.091°。实验结果表明,连续小波变换结合最小二乘拟合的光谱拟合模型能为FTIR差谱提供一种准确可靠的新方法。     

基于压缩感知的动态散射成像

利用基于压缩感知的成像系统可以透过静态的散射介质获得高质量的重建图像. 但是当散射介质动态变化时, 因为采样所得的测量值受到散射介质衰减系数非线性变化的影响, 重建图像质量会大大下降. 针对上述情况, 本文提出基于压缩感知成像系统的测量值线性拉伸算法, 该算法能够对所得到的非线性测量值进行分析, 根据测量值大小的不同将测量值划分成数个区域并计算补偿系数, 从而根据补偿系数进行测量值线性拉伸变换, 使测量值线性化. 最后再对变换后的测量值进行压缩感知重建计算. 通过理论分析、计算机仿真和实验证明了所提算法能够有效地应对动态的散射介质, 提高基于压缩感知成像系统在透过动态散射介质时的图像重建质量.     

一维核磁共振谱数据的小波变换压缩

本成功地将小波变换的多尺寸信号分解（ＭＲＳＤ）方法用于一维核磁共振（ＮＭＲ）信号的数据压缩。将一幅由３２７６８个数据点构成的ＮＭＲ谱图压缩至５１２个数据点,仍能在均方差很小（２．７７６９×１０＾－４）的情况下很好地重建原始谱图。     

基于相似系统理论的红外光谱谱图比对方法

通过计算提问谱和数据库中标准谱图的相似度,以查出与提问谱相同或相近的谱图,有助于确定未知物的结构与性质.基于相似系统理论,以红外谱图的峰强、峰位、峰面积为相似元设计比对算法,通过实验得到相似元中不同特征值对计算谱图相似性存在一定的影响,然后采用层次分析法得到相似度计算中不同特征值的权重系数,最后提出一种改进的比对算法,并以峰数弹性作为相似性测度的评价指标.实验结果表明改进后的算法更加准确地反映提问谱与数据库中谱图的相对差异,验证了提出算法的合理性.     

Motion correction based reconstruction method for compressively sampled cardiac MR imaging

Respiratory motion during Magnetic Resonance (MR) acquisition causes strong blurring artifacts in the reconstructed images. These artifacts become more pronounced when used with the fast imaging reconstruction techniques like compressed sensing (CS). Recently, an MR reconstruction technique has been done with the help of compressed sensing (CS), to provide good quality sparse images from the highly under-sampled k-space data. In order to maximize the benefits of CS, it is obvious to use CS with the motion corrected samples. In this paper, we propose a novel CS based motion corrected image reconstruction technique. First, k-space data have been assigned to different respiratory state with the help of frequency domain phase correlation method. Then, multiple sparsity constraints has been used to provide good quality reconstructed cardiac cine images with the highly under-sampled k-space data. The proposed method exploits the multiple sparsity constraints, in combination with demon based registration technique and a novel reconstruction technique to provide the final motion free images. The proposed method is very simple to implement in clinical settings as compared to existing motion corrected methods. The performance of the proposed method is examined using simulated data and clinical data. Results show that this method performs better than the reconstruction of CS based method of cardiac cine images. Different acceleration rates have been used to show the performance of the proposed method.     

一种结合并行成像和压缩感知的快速磁共振成像新方法

压缩感知（CS）技术和并行成像技术（主要是SENSE技术、GRAPPA技术等）都能通过减少k空间数据的采集量来加快磁共振成像速度,目前已有一些将两种方法相结合进一步加速磁共振成像速度的方法（例如CS-GRAPPA）.本文针对数据采集和重建这两方面对现有CS-GRAPPA方法进行了改进,采集方式上采用了局部等间隔采集模板以满足GRAPPA重建的要求,并对采集模板进行随机放置以满足CS重建的要求;数据重建时,根据自动校正数据估算GRAPPA算法中欠采行的重建误差,并利用误差的大小确定在CS算法中保真的程度.不同磁共振图像重建实验的结果表明：与现有方法相比,本文方法能够更好地保留原有图像细节并有效减少伪影.     

基于压缩感知的反射光谱重构算法研究

光谱反射率描述物体的表面颜色特征,为了能够获取物体自身更加精确的颜色信息,在图像处理领域光谱反射率重构成为了关注的话题。反射光谱重构算法是对实验物体表面在可见光范围内每一波长处的光谱反射率进行重构,以达到提高物体自身颜色准确复制的精度,最后建立相应的反射光谱。尝试将压缩感知(CS)理论应用到光谱实验中,对光谱反射率进行重构。首先是介绍了压缩感知理论知识,然后把压缩感知理论与光谱反射率原理相结合,根据基于压缩感知的光谱反射率重构的理论框架,选取合适的采样值,压缩感知的采样值即压缩值,小波基作为正交矩阵,高斯随机矩阵作为测量矩阵,正交矩阵与测量矩阵需要保证具有不相关性,将原始光谱反射率从高维到低维进行线性投影,得到低维的观测信号,运行简单的正交匹配追踪算法(OMP)对低维的观测信号进行由低维到高维的高精度重构,重构得到的光谱反射率与原始光谱反射率具有相同的维度,最后将压缩感知重构算法与传统的光谱反射率重构算法伪逆法与多项式回归法进行比较。经过压缩感知重构算法得到的色差值与均方根误差值都小于伪逆法和多项式回归法重构的结果,经压缩感知的重构精度明显提高;经压缩感知重构的光谱曲线可以达到或者更接近原始光谱曲线的峰值,整体效果更接近原始光谱曲线;经多项式回归法和伪逆法重构的光谱曲线达不到原始峰值,整体上存在偏差。可以认为压缩感知用低采样的数据达到了全采样的效果,提高了光谱反射率重构的精度。基于压缩感知的光谱反射率重构算法效果明显优于传统的多项式回归法和伪逆法,可以将压缩感知理论应用到实际的多光谱成像系统中。     

Undersampled MRI reconstruction with patch-based directional wavelets

Compressed sensing has shown great potential in reducing data acquisition time in magnetic resonance imaging (MRI). In traditional compressed sensing MRI methods, an image is reconstructed by enforcing its sparse representation with respect to a preconstructed basis or dictionary. In this paper, patch-based directional wavelets are proposed to reconstruct images from undersampled k-space data. A parameter of patch-based directional wavelets, indicating the geometric direction of each patch, is trained from the reconstructed image using conventional compressed sensing MRI methods and incorporated into the sparsifying transform to provide the sparse representation for the image to be reconstructed. A reconstruction formulation is proposed and solved via an efficient alternating direction algorithm. Simulation results on phantom and in vivo data indicate that the proposed method outperforms conventional compressed sensing MRI methods in preserving the edges and suppressing the noise. Besides, the proposed method is not sensitive to the initial image when training directions.     

A new general-purpose fully automatic baseline-correction procedure for 1D and 2D NMR data

A new procedure for automatic baseline correction of NMR data sets is presented. It is based on an improved automatic recognition of signal-free regions that uses a Continuous Wavelet transform derivative calculation, followed by a baseline modelling procedure based on the Whittaker smoother algorithm. The method has been proven to automatically flatten 1D and 2D NMR spectra with large baseline distortions arising from different sources, is tolerant to low signal-to-noise ratio spectra, and to signals of varying widths in a single spectrum. Even though this procedure has so far only been applied to NMR spectra, we believe it to also be applicable to other spectroscopies having relatively narrow peaks (e.g., mass spectrometry), and potentially to those with broad peaks (e.g., near infrared or ultraviolet).     

三种降采样成像策略的性能优化以及与传统傅里叶望远镜的比较

为了获得成像质量较好且成像时间较少的新型傅里叶望远镜成像策略,本文比较了三种降采样成像策略(压缩感知方法 (CS)、低频全采样方法 (LF)和变密度随机采样方法 (VD))与传统傅里叶望远镜(FT)在图像质量和成像时间上的差异.分析方法如下:利用传统FT外场实验所获得的目标频谱数据作为基础,三种降采样方法 (LF, VD和CS)分别按照各自的采样模式和重构方法实现目标图像的重构;通过直观观察和Strehl比两种方法比较三种降采样方法与传统FT在图像质量上的差异;通过分析成像时间的组成要素,初步比较三种降采样方法与传统FT在成像时间上的差异.分析表明:1)压缩感知方法的图像质量优于其他两种降采样方法 (LF和VD),但略低于传统成像结果; 2)压缩感知方法在成像质量上略低于传统FT,但在成像时间上却明显小于传统FT; 3)分析中采用的外场数据均含噪声,这说明上述三种降采样重构过程对噪声有较好的鲁棒性.综合上述分析结果可以看出,基于压缩感知的傅里叶望远镜(CS-FT)是在实际含噪情况下可大幅减少成像时间的优良成像策略.     

Singular Value Decomposition Using Jacobi Algorithm in pMRI and CS

Parallel magnetic resonance imaging (pMRI) and compressed sensing (CS) have been recently used to accelerate data acquisition process in MRI. Matrix inversion (for rectangular matrices) is required to reconstruct images from the acquired under-sampled data in various pMRI algorithms (e.g., SENSE, GRAPPA) and CS. Singular value decomposition (SVD) provides a mechanism to accurately estimate pseudo-inverse of a rectangular matrix. This work proposes the use of Jacobi SVD algorithm to reconstruct MR images from the acquired under-sampled data both in pMRI and in CS. The use of Jacobi SVD algorithm is proposed in advance MRI reconstruction algorithms, including SENSE, GRAPPA, and low-rank matrix estimation in L + S model for matrix inversion and estimation of singular values. Experiments are performed on 1.5T human head MRI data and 3T cardiac perfusion MRI data for different acceleration factors. The reconstructed images are analyzed using artifact power and central line profiles. The results show that the Jacobi SVD algorithm successfully reconstructs the images in SENSE, GRAPPA, and L + S algorithms. The benefit of using Jacobi SVD algorithm for MRI image reconstruction is its suitability for parallel computation on GPUs, which may be a great help in reducing the image reconstruction time.     

基于压缩感知理论的非线性γ谱分析方法

γ谱分析是一种重要的放射性核素定量分析方法. 弱峰的检测和重叠峰的分解是γ 谱分析中的难点. 为了解决这两个问题, 基于压缩感知理论, 提出了一种新的γ 谱分析方法. 这一方法从谱仪对γ 谱调制的物理机理出发, 通过数学建模, 将γ 谱分析转化为一个以真实γ 谱为解的求逆问题, 并在压缩感知理论框架下, 运用γ 谱特征峰的稀疏性, 进行逆问题的求解, 直接获得γ 谱的估计结果. 数值模拟结果和蒙特卡洛模拟结果表明: 该方法能在降低统计涨落的同时, 有效减小谱仪调制带来的能谱展宽, 从而提高γ 谱分析精度. 关键词： γ谱分析')" href="#">γ谱分析 压缩感知 非线性 逆问题     

基于双边信息的分布式视频压缩感知模型研究

针对传统视频编码技术计算量大和复杂度高的缺点,提出一种基于双边信息的分布式视频压缩感知算法。该算法将压缩感知技术与分布式视频编码技术相结合,把视频序列分为Key帧和CS帧,Key帧运用传统的帧内编码和解码,CS帧编码端运用压缩感知编码,解码端运用视频块内与视频块间的双边信息和梯度投影算法进行优化重构。通过双边信息的运动估计和压缩编码器的设计,实现基于双边信息的分布式视频压缩感知模型的构建。仿真结果表明该模型既可以实现高效编码,又可以实现复杂度由编码端向解码端转移,在较低的采样率下,提高视频的压缩能力和传输速度。