用于磁共振波谱的去噪神经网络
机器学习
2022-11-02 v1 信号处理
应用统计
摘要
在许多科学应用中，测得的时间序列会受到噪声或畸变的污染。传统去噪技术往往无法恢复感兴趣的信号，尤其在信噪比低或关于信号与噪声的某些假设被违背时。本工作中，我们证明基于深度学习的去噪方法能够优于传统技术，同时对噪声和信号特性的变化表现出更强的鲁棒性。我们的 motivating example 是磁共振波谱，其主要目标是检测常被强干扰掩盖的短时长、低幅度射频信号，而传统方法难以将这些干扰与信号分离。我们探索了多种深度学习架构选择以捕捉磁共振信号固有的复值特性。在合成与实验数据上，我们表明基于深度学习的方法可以超越传统技术的性能，为科学时间序列数据分析提供一类强大的新方法。
引用
@article{arxiv.2211.00080,
title = {Denoising neural networks for magnetic resonance spectroscopy},
author = {Natalie Klein and Amber J. Day and Harris Mason and Michael W. Malone and Sinead A. Williamson},
journal= {arXiv preprint arXiv:2211.00080},
year = {2022}
}
备注
5 pages with appendix