Frequency-Selective MRS Data Quantification with Frequency Prior Knowledge

Dologlou, Ioannis; Huffel, Sabine Van; Ormondt, D. van

doi:10.1006/jmre.1997.1315

Cited by 16 publications

(10 citation statements)

References 15 publications

Supporting

Mentioning

Contrasting

Order By: Relevance

“…Several subband methods have been proposed in the NMR literature (see e.g. [36,[40][41][42][43][44][45]). Recently, Sandgren et al [46] proposed a survey of the main subband methods and discussed their estimation performances.…”

Section: O S S I E Rmentioning

confidence: 99%

NMR Data Analysis: A Time-Domain Parametric Approach Using Adaptive Subband Decomposition

Djermoune

Tomczak

Brie

2013

Oil Gas Sci. Technol. – Rev. IFP Energies nouvelles

View full text Add to dashboard Cite

and available online here Cet article fait partie du dossier thématique ci-dessous publié dans la revue OGST, Vol. 69, n°2, et téléchargeable ici Résumé -Analyse de données RMN : une approche paramétrique basée sur une décomposi-tion en sous-bandes adaptative -Dans ce papier, nous proposons une méthode rapide d'analyse de signaux de spectroscopie de Résonance Magnétique Nucléaire (RMN), dans le cas Lorentzien, fondée sur une décomposition adaptative en sous-bandes. Cette dernière est obtenue par une succession d'étages de filtrage/décimation aboutissant à un arbre de décomposition. À chaque noeud de l'arbre, les paramètres du signal correspondant à la sous-bande sont estimés par une méthode haute-résolution. Puis l'erreur d'estimation est utilisée dans un test d'arrêt qui permet de décider si la décomposition doit être poursuivie ou non dans cette branche. Ainsi, cette approche permet la sélection automatique du niveau de décimation ce qui conduit la décomposition à s'adapter au contenu fréquentiel du signal. De plus, la méthode entraîne une réduction du temps de calcul et facilite le choix des paramètres libres comparativement à une analyse globale du signal. Son efficacité est illustrée au travers d'exemples de signaux RMN 13 C 1-D et 2-D.

show abstract

Section: O S S I E Rmentioning

confidence: 99%

NMR Data Analysis: A Time-Domain Parametric Approach Using Adaptive Subband Decomposition

Djermoune

Tomczak

Brie

2013

Oil Gas Sci. Technol. – Rev. IFP Energies nouvelles

View full text Add to dashboard Cite

show abstract

“…• Time-and frequency domain fitting using a linear combination of individual peaks/profiles to fit the spectra QUEST (Ratiney et al, 2004), AQSES (Poullet et al, 2007) LCModel (Provencher, 1993;2001) • Time-domain estimation of parameters using prior knowledge Young et al, 1998), AMARES • Time-domain non-iterative fitting methods such as HLSVD (Barkhuijsen et al, 1987;Chen et al, 1996;Dologlou et al, 1998;Laudadio et al, 2002;Pijnappel et al, 1992;van den Boogaart, 1997) • Iterative time-and frequency domain fitting (Slotboom et al, 1998) • Semi-parametric fitting (Elster et al, 2005) • Time-domain variable projection (VARPRO) (Cavassila et al, 1999;van der Veen et al, 1988) • Time domain fitting of one peak at a time and wavelet modeling for the baseline (Dong et al, 2006;Romano et al, 2002) • Constrained least squares (TARQUIN) (Reynolds et al, 2006;Wilson et al, 2011) • Genetic algorithms (Metzger et al, 1996) • Fast Padé Transform (Belkić&Belkić, 2006) • Artificial Neural Networks (Bhat et al, 2006;Hiltunen et al, 2002) • Sparse representation (Guo et al, 2010) • Circular fitting (Gabr et al, 2006) • Principal Component Analysis (PCA), Independent Component Analysis (ICA) (Hao et al, 2009;Stoyanova & Brown, 2001) …”

Section: Quantificationmentioning

confidence: 99%

Quantification Improvements of 1H MRS Signals

Osorio-Garcia¹,

Sava²,

Sima³

et al. 2012

Magnetic Resonance Spectroscopy

View full text Add to dashboard Cite

“…The fit is performed for data points in the frequency domain after z-transform of the time-domain data. In Dologlou et al 84 a particular narrow pass-band FIR-filter was proposed for suppressing neighboring peaks in the spectrum. The peak of interest was thereafter quantitated using the HSVD method and the parameters adjusted for the filter influence.…”

Section: Removal Of Unwanted Componentsmentioning

confidence: 99%

MR spectroscopy quantitation: a review of time‐domain methods

et al. 2001

View full text Add to dashboard Cite

In this article an overview of time-domain quantitation methods is given. Advantages of processing the data in the measurement domain are discussed. The basic underlying principles of the methods are outlined and from them the situations under which these algorithms perform well are derived. Also an overview of methods to preprocess the data is given. In that respect, signal-to-noise and/or resolution enhancement, the removal of unwanted components and corrections for model imperfections are discussed.

show abstract

Frequency-Selective MRS Data Quantification with Frequency Prior Knowledge

Cited by 16 publications

References 15 publications

NMR Data Analysis: A Time-Domain Parametric Approach Using Adaptive Subband Decomposition

NMR Data Analysis: A Time-Domain Parametric Approach Using Adaptive Subband Decomposition

Quantification Improvements of 1H MRS Signals

MR spectroscopy quantitation: a review of time‐domain methods

Contact Info

Product

Resources

About