恭喜郑霄栩的论文在The Journal of Physical Chemistry Letters发表
The Journal of Physical Chemistry Letters：通过深度神经网络快速获取高质量核磁共振纯位移谱。
Xiaoxu Zheng, Zhengxian Yang, Chuang Yang, Xiaoqi Shi, Yao Luo, Jie Luo, Qing Zeng, Yanqin lin*, and Zhong Chen*. Fast Acquisition of High Quality Nuclear Magnetic Resonance Pure Shift Spectroscopy via a Deep Neural Network. The Journal of Physical Chemistry Letters, 13 (9): 2101-2106,2022.
介绍
质子是核磁共振(NMR)检测中最敏感的原子核，但核磁共振氢谱存在分辨率低、信号重叠的问题。纯位移核磁共振可以显著简化多重峰，从而提高谱图分辨率。由小角度脉冲激发产生的纯位移方法(PSYCHE)操作简单并且有较好的灵敏度，是一种很有前景的方法。然而，PSYCHE是伪二维的采集模式，因此采集时间较长。实验中常使用非均匀采样减少测量点，然后对欠采谱进行重建从而减少采集时间。目前，有许多传统的算法被使用来重建谱图，但仍然很难得到完全干净的纯位移谱。在这项工作中，我们在实验中引入了指数采样来加速PSYCHE纯位移谱的获取，并设计了一个基于经典残差网络的卷积神经网络(PS-ResNet)来对欠采谱进行重建。同时与传统算法中的迭代软阈值方法(IST)进行比较。该工作为快速获取高质量的核磁共振纯位移谱提供了一种新的方法。
主要内容
图1. (a)PS-ResNet的总体架构和 (b)Conv_Block的结构。
图2. 浓度为0.05 M/L奎宁光谱。(a)完全采样的PSYCHE纯位移谱 (1分35秒), (b)15.6%采样率的PSYCHE纯位移谱(15秒), (c)使用PS-ResNet重建的波谱, (d)使用IST重建的波谱。图中显示了谱宽(sw),峰的最大和最小振幅比(Ar)，以及最大线宽(LWmax)和最小线宽(LWmin)。
图3. 浓度为0.05 M/L奎宁光谱。(a) 9.4%采样率的PSYCHE纯位移谱, (b)使用PS-ResNet重建的波谱, (c)使用IST重建的波谱。
图1展示的是该方法使用的深度神经网络结构。图2展示了分别使用PS-ResNet和IST对欠采样的奎宁PSYCHE纯位移谱的重建效果并进行对比。可以看出PS-ResNet的重建性能要优于IST，PS-ResNet的重建结果(图2(c))保留了所有的峰，去除了欠采样伪影和分块边带，并且抑制了噪声，重建了峰形，而IST的重建结果(图2(d))仍然存在一些欠采样伪影和相位失真。图3展示了更低采样率的情况。由于采样率极低，频谱的分辨率严重不足，黑色矩形内用箭头标记的实际存在的两个峰仅显示为一个峰。PS-ResNet能正确识别为两个峰而IST重建光谱中仍然只显示一个峰。
图4.浓度为0.2 M/L肌苷和 0.25 M/L布洛芬混合物光谱。(a)布洛芬结构和肌苷结构，(b)完全采样PSYCHE纯移谱(1 min35 s)，(c)15%采样纯移谱(15 s)， (d)和(e)分别使用(d) PS-ResNet和(e) IST重建光谱。
图4显示了肌苷和布洛芬在DMSO中的混合物的结果, 布洛芬的低强度信号与肌苷的分块边带强度相似，分块边带很容易被误认为是真实信号。PS-ResNet正确识别了分块边带和低电平信号，保留了所有的峰值，去除了所有的欠采样伪影和分块边带，获得了干净的频谱。相比之下，IST保留了分块边带，并且留下了许多欠采样伪影。这一结果显示PS-ResNet在区分信号和分块边带的出色能力，同样适用于混合物。
综上所述，PS-ResNet可以保留所有的峰值，并去除所有的欠采样伪影和分块边带，还能抑制噪声，恢复峰值形状，并且实现了端到端的操作。这意味着PS-ResNet为快速获取高质量的核磁共振纯位移谱提供了一种新的方法。预计将极大地促进各种液态核磁共振的应用。
