Passer au contenu principal

Switch to dark mode

Recherche

Afficher tous les résultats pour

Accueil

Publication

In vivo magnetic resonance P-31-Spectral Analysis With Neural Networks: 31P-SPAWNN

À propos
Confidentialité
Mentions légales

Copyright © 2025 EPFL, tous droits réservés

Graph Chatbot

Lijing Xin, François Lazeyras, Sébastien Courvoisier, Julien Songeon
2022

Résumé

Purpose: We have introduced an artificial intelligence framework, 31P-SPAWNN, in order to fully analyze phosphorus-31 (P-31) magnetic resonance spectra. The flexibility and speed of the technique rival traditional least-square fitting methods, with the performance of the two approaches, are compared in this work.

Source officielle

https://infoscience.epfl.ch/entities/publication/804a3a5a-1a45-47f6-911b-b8e291747b58

À propos de ce résultat

Cette page est générée automatiquement et peut contenir des informations qui ne sont pas correctes, complètes, à jour ou pertinentes par rapport à votre recherche. Il en va de même pour toutes les autres pages de ce site. Veillez à vérifier les informations auprès des sources officielles de l'EPFL.

Concepts associés (27)

In vivo magnetic resonance spectroscopy

In vivo magnetic resonance spectroscopy (MRS) is a specialized technique associated with magnetic resonance imaging (MRI). Magnetic resonance spectroscopy (MRS), also known as nuclear magnetic resonance (NMR) spectroscopy, is a non-invasive, ionizing-radiation-free analytical technique that has been used to study metabolic changes in brain tumors, strokes, seizure disorders, Alzheimer's disease, depression, and other diseases affecting the brain. It has also been used to study the metabolism of other organs such as muscles.

Spectroscopie RMN

vignette|redresse|Spectromètre RMN avec passeur automatique d'échantillons utilisé en chimie organique pour la détermination des structures chimiques. vignette|redresse|Animation présentant le principe de la Résonance Magnétique Nucléaire (RMN). La spectroscopie RMN est une technique qui exploite les propriétés magnétiques de certains noyaux atomiques. Elle est basée sur le phénomène de résonance magnétique nucléaire (RMN), utilisé également en sous le nom d’.

Résonance magnétique nucléaire

vignette|175px|Spectromètre de résonance magnétique nucléaire. L'aimant de 21,2 T permet à l'hydrogène (H) de résonner à . La résonance magnétique nucléaire (RMN) est une propriété de certains noyaux atomiques possédant un spin nucléaire (par exemple H, C, O, F, P, Xe...), placés dans un champ magnétique. Lorsqu'ils sont soumis à un rayonnement électromagnétique (radiofréquence), le plus souvent appliqué sous forme d'impulsions, les noyaux atomiques peuvent absorber l'énergie du rayonnement puis la relâcher lors de la relaxation.

Publications associées (30)

Random matrix methods for high-dimensional machine learning models

Antoine Philippe Michel Bodin

In the rapidly evolving landscape of machine learning research, neural networks stand out with their ever-expanding number of parameters and reliance on increasingly large datasets. The financial cost and computational resources required for the training p ...

EPFL2024

Deep learning approach for identification of H II regions during reionization in 21-cm observations - II. Foreground contamination

Jean-Paul Richard Kneib, Emma Elizabeth Tolley, Tianyue Chen, Michele Bianco

The upcoming Square Kilometre Array Observatory will produce images of neutral hydrogen distribution during the epoch of reionization by observing the corresponding 21-cm signal. However, the 21-cm signal will be subject to instrumental limitations such as ...

Oxford Univ Press2024

Coupling a recurrent neural network to SPAD TCSPC systems for real-time fluorescence lifetime imaging

Edoardo Charbon, Claudio Bruschini, Andrei Ardelean, Paul Mos, Yang Lin

Fluorescence lifetime imaging (FLI) has been receiving increased attention in recent years as a powerful diagnostic technique in biological and medical research. However, existing FLI systems often suffer from a tradeoff between processing speed, accuracy, ...

Nature Portfolio2024