基于迭代TSVD的NMR二维谱反演算法

波谱学杂志

基于迭代TSVD的NMR二维谱反演算法

周小龙1，聂生东1*，王远军1，张英力2，杨培强2

1. 上海理工大学医学影像工程研究所，上海 200093; 2. 上海纽迈电子科技有限公司，上海 200333

收稿日期:2013-04-07 修回日期:2013-05-04 出版日期:2013-12-05 发布日期:2013-12-05
作者简介:周小龙(1988-)，男，湖南益阳人，硕士研究生, 生物医学工程专业.*通讯联系人：聂生东, 电话: 021-55271172，E-mail: nsd4647@163.com.
基金资助:
国家自然科学基金资助项目（60972122）, 上海市教育委员会科研创新项目(13YZ069、14ZZ135)，国家重大科学仪器设备开发专项资助项目(2013YQ17046303).

An Iterative Truncated Singular Value Decomposition (TSVD)-Based Inversion Methods for 2D NMR

ZHOU Xiao-long1，NIE Sheng-dong1*，WANG Yuan-jun1，ZHANG Ying-li2，YANG Pei-qiang2

1. Institute of Medical Imaging Engineering, University of Shanghai for Science and Technology, Shanghai 200093, China;
2. Shanghai Niumag Corporation, Shanghai 200333, China

Received:2013-04-07 Revised:2013-05-04 Online:2013-12-05 Published:2013-12-05
About author:*Corresponding author: Nie Sheng-dong, Tel: 021-55271172, E-mail:nsd4647@163.com.
Supported by:
国家自然科学基金资助项目（60972122）, 上海市教育委员会科研创新项目(13YZ069、14ZZ135)，国家重大科学仪器设备开发专项资助项目(2013YQ17046303).

摘要/Abstract

摘要：

针对现有基于TSVD的二维反演算法中截断位置判断不准确、容易产生虚假峰等问题，提出了一种改进的方法. 首先，通过逐步求精的方法对L曲线上的拐角位置进行定位，得到迭代的最大截断位置；然后，根据反演核奇异值的集中程度获取迭代的最小截断位置；最后，在给定的截断位置范围内从小到大进行TSVD，每次迭代都以上一次迭代的结果为依据. 对仿真数据和实验数据的反演结果表明，该算法都能够得到比较好的二维反演效果. 与现有基于TSVD的方法相比，该算法具有更高的鲁棒性，能够得到更清晰的二维谱，可满足实际应用需求.

关键词: 核磁共振（NMR）, 二维反演, 扩散-横向弛豫, 纵向-横向弛豫

Abstract:

Truncated singular value decomposition (TSVD)-based methods are often used for two-dimensional inversion, but can suffer from drawbacks such as failure to locate an appropriate truncating position, sensitivity to noise, and generation of artificial signals. In this paper, we proposed an improved TSVDbased inversion method for 2D NMR. First, an accurate locating method using a progressive refinement regional searching algorithm was employed to find the largest preserving number of singular values. Then we calculated the minimum preserving number according to the clustering level of singular values. Lastly, an iterative TSVD method was implemented. The results on simulated and actual data set were reported. Compared with the existing TSVD-based methods, the proposed iterative TSVD method was shown to be more robust, and capable of producing spectra with higher resolution.

Key words: nuclear magnetic resonance, 2D inversion, D-T₂, T₁-T₂

中图分类号:

TP391.9

周小龙1，聂生东1*，王远军1，张英力2，杨培强2. 基于迭代TSVD的NMR二维谱反演算法[J]. 波谱学杂志.

ZHOU Xiao-long1，NIE Sheng-dong1*，WANG Yuan-jun1，ZHANG Ying-li2，YANG Pei-qiang2 . An Iterative Truncated Singular Value Decomposition (TSVD)-Based Inversion Methods for 2D NMR[J]. Chinese Journal of Magnetic Resonance.

参考文献

[1] Akkurt R，Bachman H N，Minh C C, et al. New nuclear magnetic resonance comes out of its shell[J]. Oilfield Review，2008，20（4）: 4-23.

[2] Mitchell J, Chandrasekera T C, Gladden L F. Numerical estimation of relaxation and diffusion distributions in two dimensions[J]. Prog Nucl Magn Reson Spectrosc, 2012, 62: 34-50.

[3] Gu Zhao-bin(顾兆斌), Liu Wei(刘卫). The Inversion of Two-dimensional NMR Map(核磁共振二维谱反演)[J]. Chinese J Magn Reson(波谱学杂志), 2007, 24(3): 311-319.

[4] Tan M J, Zou Y L, Zhou C C. A new inversion method for (T₂, D) 2D NMR logging and fluid typing[J]. Comput Geosci, 2013, 51: 366-380.

[5] Li Xin-jun(李新军), Nie Sheng-dong(聂生东), Wang Yuan-jun(王远军), et al. A Low-field NMR diffusion-transverse relaxation two-dimensional inversion algorithm (低场核磁共振扩散-横向弛豫二维反演算法)[J]. Chinese J Magn Reson(波谱学杂志). 2013, 30(3): 322-335.

[6] Venkataramanan L, Song Y Q, Hurlimann M D. Solving fredholm integrals of the first kind with tensor product structure in 2 and 2.5 dimensions[J]. IEEE T Signal Proces, 2002, 50(5): 1 017-1 026.

[7] Chouzenoux , Moussaoui S, Idier J, et al. Efficient maximum entropy reconstruction of nuclear magnetic resonance T₁-T₂ Spectra[J]. IEEE T Signal Proces, 2010, 58(12): 6 040-6 051.

[8] Zhou Xiao-long(周小龙), Nie Sheng-dong(聂生东), Wang Yuan-jun(王远军), et al. 2D NMR inversion method: A review(核磁共振二维谱反演技术综述)[J]. Chinese J Magn Reson(波谱学杂志). 2013, 30(2): 293-305.

[9] Warsa, Grandis H. Sensitivity study of 3-D modeling for multi D inversion of surface NMR[J]. AIP Conf Proc, 2012,1 454: 130-133.

[10] Hansen P C, O'Leary D P. The use of the L-curve in the regularization of discrete ill-posed problems[J]. Siam J Sci Comput, 1993, 14: 1 487-1 503.

[1]	胡坤, 孙汉董, 普诺·白玛丹增. 量子化学计算核磁共振参数在天然产物结构鉴定中的应用[J]. 波谱学杂志, 2019, 36(3): 359-376.
[2]	尹田鹏, 王雅溶, 王敏, 石文智, 张正茜, 何莎莎. 三个C₁₉-二萜生物碱的NMR数据全归属[J]. 波谱学杂志, 2019, 36(3): 331-340.
[3]	杨云汉, 杜瑶, 应飞祥, 杨俊丽, 夏大真, 夏福婷, 杨丽娟. 柚皮素/β-环糊精超分子体系的包合行为[J]. 波谱学杂志, 2019, 36(3): 319-330.
[4]	王亚兰, 王晓静, 王志伟. 阿齐沙坦的波谱学数据及结构确证[J]. 波谱学杂志, 2019, 36(3): 350-358.
[5]	曹园, 吴永平, 陈东军. 卷柏属Selaginellin类化合物互变异构的波谱学研究[J]. 波谱学杂志, 2019, 36(2): 155-163.
[6]	陈晓瑛, 俞刚金, 毛诗珍, 刘买利, 杜有如. 利用¹H NMR探究混合离子型/非离子型表面活性剂临界胶束浓度降低的实质[J]. 波谱学杂志, 2019, 36(2): 219-224.
[7]	寇新慧, 刘乙祥, 刘兴弘, 李从刚, 刘买利, 姜凌. 探测应答调控蛋白PhoB_N^F20D自由态中存在的Pre-Active构象[J]. 波谱学杂志, 2019, 36(2): 164-171.
[8]	迟秀娟, 乔晓亚, 刘颖, 刘惠丽, 陈雷, 王际辉, 艾选军. 拟南芥AtGrp7 RRM结构域的纯化及其结构与结合的初步分析(英文)[J]. 波谱学杂志, 2019, 36(1): 1-14.
[9]	尹田鹏, 汪泽, 陈阳, 邵娅婷, 邓亮, 黎唯. 10-吲哚细胞松弛素chaetoglobosin F的NMR解析[J]. 波谱学杂志, 2019, 36(1): 74-82.
[10]	尹田鹏, 罗智慧, 蔡乐, 丁中涛. 天然C₁₉-二萜生物碱的研究进展及其核磁共振波谱特征[J]. 波谱学杂志, 2019, 36(1): 113-126.
[11]	冉梦琳, 覃凌云, 唐淳, 董旭. 磷酸化调控泛素单体与Rad23A/Ubiquilin-1中泛素结合域互作的检测[J]. 波谱学杂志, 2019, 36(1): 15-22.
[12]	魏会强, 于江, 毕常芬, 宁洪鑫, 李祎亮, 刘强. N-异丁酰基-3'-O-(1-氟-1,1,3,3-四异丙基-1,3-二硅氧烷-3-基)-2'-苄氧羰基鸟苷的NMR研究[J]. 波谱学杂志, 2019, 36(1): 93-102.
[13]	李英俊, 杨凯栋, 靳焜, 刘季红, 王思远, 张楠. 基于咔唑-靛红双-硫代碳酰腙衍生物的NMR研究[J]. 波谱学杂志, 2019, 36(1): 83-92.
[14]	王伟宇, 胡涵, 徐君, 邓风. Pd-Cu双金属催化剂上加氢反应的仲氢诱导超极化研究[J]. 波谱学杂志, 2018, 35(3): 269-279.
[15]	朱云峰, 何为, 何传红, 王怡, 齐天昊, 陈柏冰, 徐征. 基于数字调制技术的核磁共振射频脉冲发生器[J]. 波谱学杂志, 2018, 35(3): 318-327.