TVCondNet：用于NMR光谱的条件去噪神经网络
信号处理
2024-05-21 v1 计算机视觉与模式识别
摘要
核磁共振(NMR)光谱是生物医学、化学和生物学领域中广泛使用的技术，用于分析化合物和蛋白质。NMR光谱的信号常因获取噪声而信噪比较低，这对后续分析提出了重大挑战。最近的研究探索了深度学习(DL)用于NMR去噪的潜力，显示出比传统方法(如总变分(TV)去噪)显著的性能提升。本文表明，DL去噪的性能可通过将数据驱动训练与传统TV去噪结合来进一步提高。提出的TVCondNet方法通过在DL训练中将TV解作为条件(condition)来提高去噪性能。我们在实验收集的NMR数据上进行验证，显示TVCondNet在去噪性能和推理速度方面优于现有方法。
引用
@article{arxiv.2405.11064,
title = {TVCondNet: A Conditional Denoising Neural Network for NMR Spectroscopy},
author = {Zihao Zou and Shirin Shoushtari and Jiaming Liu and Jialiang Zhang and Patrick Judge and Emilia Santana and Alison Lim and Marcus Foston and Ulugbek S. Kamilov},
journal= {arXiv preprint arXiv:2405.11064},
year = {2024}
}