相关实验视频
Updated: May 27, 2025

Deep Learning-Based Segmentation of Cryo-Electron Tomograms
Published on: November 11, 2022
一个深度学习框架用于H NMR中的多重分割分类
Giulia Fischetti1, Nicolas Schmid2, Simon Bruderer3
1School of Engineering, Zurich University of Applied Sciences (ZHAW), Technikumstrasse 9, Winterthur, 8401, Zurich, Switzerland; Dipartimento di Scienze Molecolari e Nanosistemi, Ca' Foscari Università Venezia, Via Torino 155, Mestre, 30172, Italy.
一个深度学习框架MuSe Net自动化了1D质子核磁共振 (NMR) 光谱的注释. 这种方法通过准确地分类光谱模式和识别异常来增强化学化合物特征.
科学领域:
- 计算化学计算化学
- 频谱学是一种光谱学.
- 化学中的人工智能.
背景情况:
- 一维质子核磁共振 (1D H NMR) 是一种用于化学化合物分析的快速技术.
- 手动注释1DHNMR光谱是耗时的,可能导致不一致的解释.
- 自动化光谱分析对于简化化学特征和确保全社区一致性至关重要.
研究的目的:
- 介绍 MuSe Net,一个新的监督概率深度学习框架,用于自动化 1D H NMR 光谱注释.
- 模拟专家光谱学家在识别和分类光谱特征方面的能力.
- 使用NMR数据提高化学化合物表征的效率和可靠性.
主要方法:
- 开发MuSe Net,一个深度学习框架,利用监督概率学习.
- 该模型分析1D1HNMR光谱,以根据分裂模式 (最多四个合常量) 检测和分类多重光谱.
- 实施不确定性量化以提供对分类可靠性和异常检测的信心评分.
主要成果:
- MuSe Net成功地检测和分类1D H NMR光谱中的多重体.
- 该框架在处理光谱异常和重叠的峰值方面表现出强大.
- 对48个实验光谱的评估显示,与专家注释相比,准确的分类和可靠的信心评分.
结论:
- MuSe Net为1DHNMR光谱注释提供了一个有效的自动化解决方案.
- 深度学习方法提高了化学结构阐明的一致性和效率.
- 在MuSe Net中,不确定性量化有助于评估光谱解释的可靠性和识别具有挑战性的信号.
更多相关视频
10:54Dissolution Dynamic Nuclear Polarization Instrumentation for Real-time Enzymatic Reaction Rate Measurements by NMR
Published on: February 23, 2016
08:59Use of a Multi-compartment Dynamic Single Enzyme Phantom for Studies of Hyperpolarized Magnetic Resonance Agents
Published on: April 15, 2016
相关概念视频
Interpreting ¹H NMR Signal Splitting: The (n + 1) Rule
¹H NMR: Complex Splitting
Splitting diagrams or splitting tree diagrams are routinely used to depict such complex couplings. While drawing splitting diagrams, the splitting with the larger coupling constant is usually applied...
¹H NMR Signal Multiplicity: Splitting Patterns
¹³C NMR: Distortionless Enhancement by Polarization Transfer (DEPT)
¹³C NMR: ¹H–¹³C Decoupling
A broadband decoupling technique is used to simplify these complex, sometimes overlapping, signals. Broadband decoupling relies on a...
Double Resonance Techniques: Overview
Spin decoupling is usually achieved by...