Scidown文献预览系统！
脑质子磁共振波谱中基于深度学习的目标代谢物分离和大数据驱动的测量不确定度估计( Deep learning‐based target metabolite isolation and big data‐driven measurement uncertainty estimation in proton magnetic resonance spectroscopy of the brain )
HH Lee H Kim brain deep learning measurement uncertainty metabolite quantification proton magnetic resonance spectroscopy
目的：研究基于深度学习的质子磁共振波谱(1H-MRS)中代谢物定量的不确定度估计方法。方法代谢物定量的可靠性取决于信噪比(SNR)、谱线宽度和光谱重叠度(DSO)，因此，基于深度学习的1H-MRS可以利用这些因素的知识进行测量不确定度估计。虽然信噪比和线宽通常是从代表性的单重态估计的，但DSO需要具体地估计代谢物。我们开发了卷积神经网络(CNNs)，能够在9.4T模拟大鼠脑光谱上分离出目标代谢物信号，这样，除了代谢物含量之外，还可以直接从CNN输出中估计每个代谢物的信号背景比(SBR)作为DSO的定量指标。利用大光谱数据(N=80000)对CNN预测的SBR与地面真值SBR的关系进行调整，并与CNN输入光谱的信噪比和线宽一起进行测量不确定度估计。首先在模拟光谱上与LCModel和jMRUI进行了比较，然后在体内光谱上进行了验证。结果该方法在定量精度和测量不确定度估计方面均优于LCModel和jMRUI。利用体内数据，所提方法的代谢物浓度接近报道范围，谷氨酰胺、谷氨酸、肌醇、N-乙酰天门冬氨酸和Tau的测量不确定度小于10%。结论：利用CNNs的光谱分离能力和大光谱数据的可获得性，该方法可用于9.4T大鼠脑内代谢物的定量和测量不确定度估计。
SciDown文献求助系统（解决99%问题） Public Download Wiley ResearchGate
『Sci-Hub|Scidown』怎么用？来看看教程吧！

支持模式 1.支持DOI号 2.支持英文文献全名搜索 3.支持参考文献搜索 4.知网文献（暂时关闭）

安卓手机、电脑用户，您可以在QQ浏览器里输入 www.scidown.cn 打开scidown解析，就可以解析、下载了！（注意是文献的DOI号）

苹果手机用户，您需要先在App Store里搜索并下载 Documents by Readdle 这个APP，在APP首页，左划右下角的指南针图标打开APP内置浏览器，在浏览器里输入 www.scidown.cn 打开scidown解析，就可以解析、下载了！

如出现BUG？赶快加入【Scidown互助交流群】反馈吧：729083885【点击一键加群】
『Sci-Hub|Scidown』相关参考文献
scidown 基于道路轮廓估计的半主动悬架切换控制下载
scidown IV型磷酸二酯酶在脑血管中的鉴定、表征和功能作用:选择性磷酸二酯酶抑制剂的作用。下载
scidown IV型磷酸二酯酶在脑血管中的鉴定、表征和功能作用:选择性磷酸二酯酶抑制剂的作用。下载