神经网络用于核磁共振碳谱的研究:烷烃的化学位移和CSS与分子距边矢量λ

波谱学杂志 ›› 1997, Vol. 14 ›› Issue (5): 403-412.

神经网络用于核磁共振碳谱的研究:烷烃的化学位移和CSS与分子距边矢量λ

胡芳¹, 刘树深^1,2, 余般梅³, 彭升阳³, 莫立宇³, 曹晨忠^1,4, 村松由起⁵, 李志良^1,5

1 湖南大学化学化工学院药物研究所, 长沙 410082;
2 桂林工学院应用化学系, 桂林 541004;
3 国防科技大学应用物理系, 长沙4 10073;
4 湘潭师范学院化学系, 湘潭 411100;
5 早稻田大学化学与生化系, 东京178

收稿日期:1997-05-09 修回日期:1997-06-19 出版日期:1997-10-05 在线发表日期:2018-01-22
作者简介:胡芳,女,24岁,硕士,助教
基金资助:
国家教委与自然科学基金和机械部跨世纪人才专项基金及日本文部省与科学振兴会资助项目

NEURAL NETWORK APPLIED TO THE STUDY OF CHEMICAL SHIFT OF ¹³C NMR SPECTROSCOPY IN ALKANES WITH A NOVEL MOLECULAR DISTANCEEDGE VECTOR (λ)

Hu Fang¹, Liu Shushen^1,2, Yu Banmei³, Peng Shengyang³, Mo Liyu³, Cao Chenzhong^1,4, Muramatsu Y⁵, Li Zhiliang^1,5

1 Institute of Chemistry and Chemical Engineering, ICP, Hunan University, Changsha 410082;
2 Department of Applied Chemistry, Gnilin Institute of Technology, Guilin 541004;
3 Department of Applied Physics, Changsha Institute of Technology, Changsha 410073;
4 Department of Chemistry, Xiangtan Teacher's College, Xiangtan 411100;
5 Department of Chemistry and Biochemistry, Waseda University, Tokyo 178, Japan

Received:1997-05-09 Revised:1997-06-19 Published:1997-10-05 Online:2018-01-22

摘要/Abstract

摘要： 系统研究了核磁共振碳谱及其化学位移规律性.提出了一种新的分子图论参数:分子距离-边数矢量(λ矢量),并发现了它与烷烃的¹³C NMR有良好的相关性.进一步用神经网络改进反传算法(BPNN)进行准确估计与定量预测,结果良好.

关键词: 核磁共振碳谱, 化学位移和CSS, 分子距边矢量λ, 烷烃, 神经网络, 改进反传算法

Abstract: Systematic studies were made on the ¹³C NMR and its regularity of chemical shift sum (CSS).In this paper, a set of novel molecular graph theoretical parameters, called the distance-edge vector (λ), was developed and found to be excellently correlated to ¹³C NMR CSS of alkanes. The modified backpropagation (MBP) naural networks were also applied to estimate and predict, the ressults satisfactoryly.

Key words: ¹³C NMR, CSS, Novel distance-edge vector (λ), Alkanes, Neural networks, BMP

胡芳, 刘树深, 余般梅, 彭升阳, 莫立宇, 曹晨忠, 村松由起, 李志良. 神经网络用于核磁共振碳谱的研究:烷烃的化学位移和CSS与分子距边矢量λ[J]. 波谱学杂志, 1997, 14(5): 403-412.

Hu Fang, Liu Shushen, Yu Banmei, Peng Shengyang, Mo Liyu, Cao Chenzhong, Muramatsu Y, Li Zhiliang. NEURAL NETWORK APPLIED TO THE STUDY OF CHEMICAL SHIFT OF ¹³C NMR SPECTROSCOPY IN ALKANES WITH A NOVEL MOLECULAR DISTANCEEDGE VECTOR (λ)[J]. Chinese Journal of Magnetic Resonance, 1997, 14(5): 403-412.

[1]	魏志宏, 孔旭东, 孔燕, 闫士举, 丁阳, 魏贤顶, 孔栋, 杨波. 基于全局和局部特征信息的生成对抗网络在海马体分割中的应用[J]. 波谱学杂志, 2025, 42(2): 143-153.
[2]	顾佳佳, 王远军. 混合注意力和多尺度模块的阿尔茨海默病分类方法[J]. 波谱学杂志, 2025, 42(2): 103-116.
[3]	章浩伟, 汪郧城, 刘颖. 基于卷积神经网络的重度抑郁症患者大脑年龄评估[J]. 波谱学杂志, 2024, 41(2): 139-150.
[4]	常博, 孙灏芸, 高清宇, 王丽嘉. 传统方法和深度学习用于不同模态心脏医学图像的分割研究进展[J]. 波谱学杂志, 2024, 41(2): 224-244.
[5]	宋林红, 柴鑫, 张许, 蒋滨, 刘买利. 用遗传算法优化灵敏度增强的定量¹³C NMR实验[J]. 波谱学杂志, 2023, 40(4): 365-375.
[6]	胡小洋, 刘颖, 陈淑, 董彬彬. 融合注意力机制Mask RCNN的桥小脑角区听神经瘤和脑膜瘤的识别研究[J]. 波谱学杂志, 2023, 40(3): 293-306.
[7]	施伟成,金朝阳,叶铮. 基于PCAU-Net的快速多通道磁共振成像方法[J]. 波谱学杂志, 2023, 40(1): 39-51.
[8]	杨一风, 祁章璇, 聂生东. 基于多模态MRI与深度学习的乳腺病变良恶性鉴别[J]. 波谱学杂志, 2022, 39(4): 401-412.
[9]	王志超,张记磊,赵羽,华婷,汤光宇,李建奇. 基于神经网络拟合的腹部化学交换饱和转移成像[J]. 波谱学杂志, 2022, 39(1): 33-42.
[10]	刘颖,郭伊云,陈静聪,章浩伟. 基于Faster-RCNN和Level-Set的桥小脑角区肿瘤自动精准分割[J]. 波谱学杂志, 2021, 38(3): 381-391.
[11]	魏志宏, 闫士举, 韩宝三, 宋成利. 基于多输出的 3D 卷积神经网络诊断阿尔兹海默病[J]. 波谱学杂志, 2021, 38(1): 92-100.
[12]	刘颖, 陈静聪, 胡小洋, 章浩伟. 基于 Mask RCNN 的桥小脑角区脑膜瘤与听神经瘤分类定位研究[J]. 波谱学杂志, 2021, 38(1): 58-68.
[13]	王婉婷, 苏适, 贾森, 梁栋, 王海峰. 基于虚拟线圈和卷积神经网络的多层同时激发图像重建[J]. 波谱学杂志, 2020, 37(4): 407-421.
[14]	娄云重, 刘颖, 江华, 章浩伟. 基于MRI和深度学习的桥小脑角区脑膜瘤与听神经瘤分类算法研究[J]. 波谱学杂志, 2020, 37(3): 300-310.
[15]	刘可文, 刘紫龙, 汪香玉, 陈黎, 李钊, 吴光耀, 刘朝阳. 基于级联卷积神经网络的前列腺磁共振图像分类[J]. 波谱学杂志, 2020, 37(2): 152-161.