[发明专利]预配训练数据使神经网络识别NMR测量中信号的系统和方法

权利要求书

1.一种用于产生训练数据集(141)以用于训练神经网络(230)供在NMR频谱中的信号分析的计算机实施方法(1000)，包括：

获得(1100)多个计算的NMR原始频谱(213)，每一原始频谱与具有已知数目个质子(#P)的不同NMR活性分子(211)相关联；

通过每一原始频谱(213)与一个或多个谱线成形函数的卷积来变宽(1200)所述原始频谱的谱线宽度以产生变宽的频谱(111)，作为用于每一原始频谱的当前频谱，其中谱线宽度的所述变宽遵循在所述多个当前频谱上的统计分布，这是通过从所述统计分布针对所述各种原始频谱取样相应变宽值；

针对每一加宽的频谱(111)计算(1310)其积分函数以计数与所述相应加宽的频谱的峰相关联的质子的所述数目；

将信号间隔识别(1320)为所述加宽的频谱(111)中的间隔，其中所述积分函数大致按与单个质子相关联的所述值的倍数增大，使得计数的质子的总数匹配所述相关联的分子的所述已知质子数(#P)，其中调整所述识别的间隔(211)以至少涵盖对应的峰间隔的预定阈值；

将具有针对所述识别的信号间隔的相关联的标签(121)的所述当前频谱(111、111')作为所述训练数据集(141)提供(1500)到所述神经网络。

2.根据权利要求1所述的方法，其中所述相关联的NMR活性分子的分子量小于或等于500道尔顿。

3.根据权利要求1或2所述的方法，进一步包括：

在已接收到所述多个计算的NMR原始频谱后，预处理(1150)所述接收的原始频谱，使得在每一原始频谱中的数据点的数目大致对应于从现实NMR实验获得的相当的现实NMR频谱的数据点的数目。

4.根据权利要求1到3中任一项所述的方法，其中所述一个或多个谱线成形函数选自由以下各者组成的群组：洛伦兹函数、高斯函数和福格特函数。

5.根据权利要求1到4中任一项所述的方法，其中用于变宽的所述统计分布选自由以下各者组成的群组：伽玛分布、贝塔分布、对数正态分布。

6.根据权利要求5所述的方法，其中谱线变宽值等效于从0.3Hz到0.6Hz的范围。

7.根据前述权利要求中任一项所述的方法，进一步包括：

在已识别所述信号间隔后，将一个或多个统计修改应用(1400)于每一当前频谱，其中特定统计修改的统计参数在统计上分布于所述多个当前频谱上。

8.根据前述权利要求中任一项所述的方法，进一步包括：

在已识别所述信号间隔后，将杂质的效应添加(1410)到所述当前频谱(111)，其中杂质的数目、对应的位移和振幅在所述多个当前频谱上在统计上变化，使得与特定当前频谱(111')整体的杂质比重保持低于每杂质0.5个质子的等价整数。

9.根据前述权利要求中任一项所述的方法，进一步包括：

在已识别所述信号间隔后，将线性相移应用(1420)于每一当前频谱(111)，其中所述应用的线性相移在统计上分布于所述多个当前频谱上。

10.根据前述权利要求中任一项所述的方法，进一步包括：

在已识别所述信号间隔后，将基线变化添加(1430)到每一当前频谱(111)，其中针对特定当前频谱的所述基线变化是通过三到十二个被称作结的取样点用逐条多项式内插函数来计算，且其中所述当前频谱的所述结的坐标在统计上均匀地分布于所述多个当前频谱上。

11.根据前述权利要求中任一项所述的方法，进一步包括：

在已确定所述信号间隔后，将噪声添加(1440)到每一当前频谱(111)，其中所述噪声振幅遵循高斯分布，且所述高斯分布的标准偏差在统计上在所述多个当前频谱上变化。