医学信息学中基于SCSA的1H MR谱水抑制和去噪的MATLAB预处理工具箱

医学信息学解锁18（2020）100294基于SCSA的1H MR谱水抑制和去噪的MATLAB预处理工具箱Sourav Bhaduria，1，Abderrazak Chahidb， 1，Eric Achten a，Taous-Meriem Laleg-Kiratib，*，Hacene Serraia，ca比利时根特根特大学诊断科学系b阿卜杜拉国王科技大学计算机、电气和数学科学与工程系，Thuwal，KSAc加拿大安大略省伦敦市西安大略大学Robarts研究所A R T I C L EI N FO保留字：Schrodinger算子的本征函数磁共振波谱学水抑制去噪奇异值分解数字信号处理A B S T R A C T体内1H磁共振波谱（MRS）是评估神经和代谢疾病以及改善肿瘤治疗的有用工具。已经开发了不同的预处理管道，以通过复杂的数据拟合、峰值抑制和去噪协议从所采集的数据中获得最佳结果。我们介绍了一种基于半经典信号分析（SCSA）的光谱预处理工具箱，用于水抑制和数据去噪，它允许研究人员使用SCSA进行水抑制，相位校正和切趾滤波器以及MRS数据的去噪，数据拟合已被包括作为一个附加功能，但它不是工作的主要目的。拟合模块可以传递到其他软件。该工具箱易于安装和使用：用途：1）导入以Siemens、Philips和.mat文件格式采集的水未抑制MRS数据，并允许光谱数据的可视化，2）允许对单体积Xel和多体积Xel光谱进行预处理，3）使用SCSA执行水抑制和去噪，4）将迭代非线性最小二乘拟合作为额外功能。本文提供了有关如何包含上述特性的信息，以及在MATLAB中使用这些特性的图形用户界面的详细信息。代码可以从https://github.com/EMANG-KAUST/GUI_spectroscopy下载。1. 介绍磁共振波谱（MRS）有助于收集体内组织代谢物图谱，并提供代谢物的定量，以评估神经和代谢疾病。为了定量代谢物，已经开发了不同的拟合工具，例如，LCModel [1]、jMRUI [2]、TARQUIN [3]、ProFit [4]、OXSA [5]。之前在1H-MRS数据的量化中，通常使用基于硬件的技术（如CHESS [6]、WET [7]、双曲正割（HS）脉冲[9]和具有优化弛豫的可变功率RF脉冲（VAPOR）[8]）来执行水抑制基于不同软件的预处理技术进一步用 于 MRS 数 据 [10 预 处 理 方 法 ， 如 Hankel-Lanczos 奇 异 值 分 解（HLSVD）[17]和Hankel Lanczos平方奇异值分解与部分重归一化（HLSVD-PRO）方法[17，18]，广泛用于MRS数据中的残留水抑制其他方法如Gabor变换[19，20]，小波变换[19-方法[23]和基于FIR的滤波器（MP-FIR）[24]、用于精确、鲁棒和有效谱拟合的高级方法（AMARES）[25]、短回波时间MRS谱的自动量化（AQSES）[26]和半参数方法[27]也被用作MRS数据中的水抑制滤波器。体内MR光谱可能遭受低信噪比（SNR）。因此，许多预处理方法被用于数据去噪。这些方法将MRS数据投影到基函数上，包括已经提出的基于Gabor [28]、小波[29]、奇异值分解（SVD）的方法[30，31]。这些方法在不影响定量结果的情况下有效地从信号中滤除噪声。在本文中，我们介绍了半 经典信号 基于SCSA的MATLAB预处理工具箱X来抑制残余水和去噪1H MRS数据。的SCSA算法使用Schrodinger算子的平方本征函数，这对于分析脉冲整形信号非常有用，在参考文献中描述。[32、33]。SCSA算法已扩展用于1H MRS/MRSI的去噪和残留水抑制[34，35]。的* 通讯作者。电子邮件地址：taousmeriem. kaust.edu.sa（T.-M. Laleg-Kirati）。1这些作者是共享的第一共同作者，贡献相等。https://doi.org/10.1016/j.imu.2020.100294接收日期：2020年1月6日;接受日期：2020年1月12日2020年1月14日在线提供2352-9148/©2020的 自行发表通过Elsevier 公司这是一个开放接入文章下的CCBY-NC-ND许可证（http://creativecommons.org/licenses/by-nc-nd/4.0/）中找到。可在ScienceDirect上获得目录列表医学信息学期刊主页：http://www.elsevier.com/locate/imuS. Bhaduri等人医学信息学解锁18（2020）1002942方法已经过测试，与基于SVD的方法相比，该方法在去除噪声的同时保留代谢物方面表现良好[34]。与流行的HLSVD-PRO方法相比，该方法在水抑制方面也提供了类似的性能，但其主要优点是它是一种无模型方法，适用于任何给定形状的残留水峰，与HLSVD相反，HLSVD依赖于峰的模型函数[35]。考虑到SCSA方法的上述优点和性质，本文使用体内数据重新验证了该算法，并以MATLAB工具箱的形式呈现。工具箱X是：1。易于安装和使用，2。加载以Siemens、Philips文件格式采集的水未抑制MRS数据，以及根据某些数据结构从.mat文件采集的水未抑制MRS数据。允许在时域和频域中可视化单体积和多体积允许使用相位校正（第一阶和第二阶）和切趾对MRS数据进行预处理，使用SCSA和HLSVD-PRO进行残留水抑制，使用SCSA和SVD进行去噪，以及5.数据拟合使用（AMARES），一种先进的方法，准确，稳健，高效的光谱拟合，包括作为一个额外的功能，但不是工作的主要目的2. 工具安装和依赖项基 于 SCSA 的 MATLAB 工 具 箱 X 可 以 从 github.com/EMANG-KAUST/GUI_spectroscopy下载。该工具箱适用于1H-MRS分析。该工具箱是在MATLAB平台上开发的，可以在下载后立即执行。 它包括一个图形用户界面（GUI），可在Windows、Mac和LinuX系统上运行，并已在所有MATLAB版本上测试一些额外要求3. 导入数据该工具箱加载Siemens中的单体积和多体积MRS数据。rda和DICOM文件格式、Philips .sdat文件格式和.mat文件，根据以下结构，包含变量文件可以从数据对应的“Input_data“文件夹中加载4. 光谱数据使用GUI的“预处理窗口“和“拟合窗口“可视化光谱数据图形用户界面适用于单体积或多体积1H光谱数据。加载数据后，在主窗口中激活“cess“通过在“预处理窗口”顶部的“显示属性面板“中更改显示ppm范围，可以更改显示段通过点击实部的“FD（real）“、绝对部的“FD（abs）“、虚部的“FD（imag）“，可以在频域中显示数据;通过选择“TD”，可以在时域中显示数据默认显示范围为0.01 相同的是MATLAB优化和信号处理工具箱。 可以使用GitHub的问题框架报告https://github.com/EMANG-工具箱X的的下载zip文件00GUI_spectroscopy-master.zip00需要从GitHub链接中提取并添加为MATLAB中的工作目录。“GUI_start然后，带有主窗口的GUI将出现在屏幕上。数据处理单元的流程图如图所示。1.一、当“Fitting window”打开时，可以完成此过程5. 预处理模块The The “零阶相位校正“可用于零阶相位校正，方法是输入-pi至pi范围内的值或滑动光标。“First-order phase correction图1.一、数据处理流程图。S. Bhaduri等人医学信息学解锁18（2020）1002943东þ图二. 主GUI窗口。图三. The “Preprocessing window该图显示了预处理操作后“显示窗口”中的原始光谱（绿色）、水抑制光谱（蓝色）和去噪光谱（红色）在“相位校正面板”内移动滑块这可以通过单击“显示属性面板”内按钮组中的相应按钮来 为单个体积元素或所有体积“ 切趾面板“ 使用E xponential、Gaussian、Gaussian-E x ponential和Sigmoid函数对数据执行切可直接以Hz或使用滑块输入调平值。The 可以直接输入水抑制命令，如SCSA的特征函数数量（默认值：17）或HLSVD-PRO的模型命令（默认值：10），或者可以使用slider调整参数后6. 用于信号重构的SCSA方法是基于使用半经典薛定谔算子的谱，由下式给出H2D2-H2D2 -y：（1）Schrodinger算子已被提出用于信号分解和表示，参考文献[1]。[32，33]其中，实正输入信号yf由下式给出的yhf近似：N面板内的按钮可用于执行水抑制yf4hXh pffiffiffi ffiλffiffiffiffi ffiiffiF（二）使用所需的方法和参数。The 去噪hn1-nhnhhaplotype;可以直接输入h（默认值：1）或基于SVD的方法[30，31]的模型阶数（默认值：3），也可以使用滑块。调整参数后，切趾、水抑制和去噪操作可以逐个voX el或使用所有voX el完成，方法是单击“显示属性面板”内按钮组中的相应按钮“预处理窗口“上角的由于该工具箱的目的是执行基于SCSA的预处理操作，因此在接下来的小节中简要讨论用于水抑制和去噪的基于SCSA的算法。出于比较的目的，基于SVD的算法也包含在工具箱中，但不会讨论，因为这不是本文的目的。其中h2R*，称为半经典参数，Nh表示特征函数的个数。λ nh是负特征值，λ1 h<λ nh<<. 0和λ nh λ f λ是Schro dinger算子H λ y λ的相应的L2归一化特征函数，使得：高质量的服务：（ 3）值得注意的是，Eq. （1）当半经典参数h收敛到零值时精确地重建信号。此外，当h的值减小时，负特征值的数量增加，从而改善了重建（2）[32]。下面的算法描述了基于SCSA的信号重构。● 输入信号：yf● 半经典参数：h● 输出信号：yhfS. Bhaduri等人医学信息学解锁18（2020）1002944BBbBb140ð ÞH最高信噪比我的天啊俄罗斯2● 步骤1：离散化等式（一）.● 步骤2：求解方程（3）求出特征值及其对应的特征函数。● 步骤3：选择负特征值及其对应的特征函数。● 步骤4：使用等式（2）重构输出信号y hf ff。7. MRS谱去噪SCSA方法利用输入信号的谱分解，这有助于将由高振荡特征函数携带的噪声与MRS谱中的有用信息因此，去噪性能取决于参数h值的选择，其产生完美捕获MRS频谱中的有用信息的本征函数[34]。h的最佳值由两个标准定义：第一，最大化噪声部分的SNR值。第二，保留图1B中所示的每个代谢物峰下的面积。 5并在等式（4）中公式化。这两个标准的组合在定义如下的成本函数中示出特征函数，其中NwpN，N是输入光谱的长度[34]。下面的算法描述了使用SCSA方法的MRS水抑制的主要步骤● 输入：MRS频谱y● 参数：Nwp● 输出：抑制的水MRS信号● 步骤1：使用Nwp个负特征值/特征函数的水峰ypf估计。● 步骤2：通过选择本征函数进行水峰细化，本征函数对水峰有贡献，但不影响代谢物。● 步骤3：水峰抑制：y_f● 步骤4：通过在闭环中仅在水残留部分上施加SCSA来减少yf的水残留，直到实现期望的减少。图 6显示了水抑制结果的示例。该工具允许用户调整用于水峰估计的特征函数的数量，称为模型阶数Nwp明和βXHξ F�f��y f2（四）服从。h>0，其中1如果fεpeakm其他地方0;（五）工具箱中使用了精确、稳健和高效的光谱拟合高级方法（AMARES）[25]，这是一种结合先验知识的时域拟合算法。我们的拟合模块包括使用HLSVD-PRO算法[17，18]估计峰值幅度的初始峰值信息估计，其中y是有噪MRS频谱，并且yh是使用参数值h的去噪信号。 M是代谢物峰的数量，SNR yh是输出信号的信噪比（SNR），计算出的区域偏差由“噪声位置“确定，如图所示。 四、SCSA用于使用h的最佳值对MRS频谱的实部进行去噪。h的最佳选择可确保保留代谢物峰面积（由代谢物峰位置确定）。因此，它有助于从噪声区域中尽可能多地去除噪声。该工具允许用户调整去噪参数h，以达到令人满意的去噪水平，如图所示。 五、8. MRS水抑制半经典信号分析（SCSA）方法，用于水抑制，利用MRS频谱的实部。它用半经典参数h的最佳值确定的一定数量的本征函数重建水峰[35]。SCSA使用Nwp数量的见图4。最小化问题中使用的代谢物峰和噪声位置的确定。阻尼因子和频率，其使用具有非线性最小二乘时域拟合的AMARES算法进一步优化。 AMARES的拟合模型可以在Lorentz、Gauss和Voigt之间改变。The 在图7中的“拟合范围面板“内对于AMARES算法，函数求值的最大数量（“max_fun”）的默认值这些值可以在“拟合范围面板”中更改要拟合的峰可以在“代谢物面板“中设置也可以在“拟合范围面板“中选择峰值，可以在“代谢物面板“中选择峰的拟合模型最后，可以通过点击“拟合范围面板”中的“拟合按钮“来进行拟合将要求用户等待直到拟合完成，并且在拟合操作之后，将在“Metabolite panel”旁边的表格的前五列中生成感兴趣的输出变量（拟合峰面积、SNR、NAA/Cr和Cho/Cr、拟合误差（以定量峰振幅的%为单位的Cramer-Rao界限9.1. 输出模块拟合后，主窗口中的输出文件将在“Output_data“文件夹中创建为感兴趣的输出全局变量如下：“data_value。FID_TD“ - 时 域 输 出 水 抑 制和 去 噪 信 号 ， “ d a t a _ v a l u e . F I D _ F D “ - 频 域 输 出 水 抑 制 和去 噪 信 号 ， “ d a t a _ v a l u e . f i t _ T D “ - 时 域 输 出 拟 合 水 抑 制 和去 噪 信 号 ， “ d a t a _ v a l u e . f i t _ F D “ - 频 域 输 出 拟 合 水 抑 制 和去 噪 信 号 ， “ d a t a _ v a l u e . p e a k _ a r e a “ - 拟 合 峰 面 积 ，“ d a t a _ v a l u e . p e a k _ a r e a “ -输出S N R，“ d a t a _ v a l u e . N A A _ C r “ -N A A / C r比率，“ d a t a _ v a l u e . C h o _ C r “ - C h o / CrM��m¼19. 装配模块（用于确认的附加功能）S. Bhaduri等人医学信息学解锁18（2020）1002945图五、 采用SCSA去噪方法进行不同去噪级别的去噪。见图6。 使用SCSA进行水抑制。比例为了提取上述值，可以通过MATLAB中的命令窗口访问全局变量data_value 。 输 出 Excel 文 件 将 被 创 建 为 “mainfilename_output.csv“ 。 感 兴 趣 的 输 出 变 量 （ 拟 合 峰 面 积 、 SNR 、NAA/Cr、Cho/Cr和拟合误差（Cramer-Rao界，以定量峰振幅的百分比表示））将存储在Excel文件的前五列中。要分析另一个数据，一个新可以加载数据或者也可以加载先前保存的数据以进行再处理或进一步处理。10. 结果我们的工具箱X是MRS数据预处理工具箱X，它使用SCSA [32]算法进行残留水抑制和去噪S. Bhaduri等人医学信息学解锁18（2020）1002946��图7.第一次会议。“拟合窗口”以及GUI的“显示窗口”。图中显示了去噪光谱（蓝色）和光谱中的拟合峰（红色）。“Display而不是HLSVD-PRO [17，18]算法，该算法用于其他流行的工具，如jMRUI [2]，TARQUIN [3]。然而，我们已经将我们的工具与HLSVD-PRO（用于jMRUI [2]、TARQUIN[3] packages）用于验证目的。使用两个体内数据集（数据集1和数据集2，也与工具箱一起提供第一个是分辨率为16 16的2D MRSI数据，使用化学位移成像序列从10名健康志愿者获得，时间为35 ms，重复时间为2 s，视场为100（AP）100（RL）mm2，ADC带宽为2000 Hz，采集数据点为512个，平均数（NEX）为2。从包含来自所有十名志愿者的四个体积（两个来自FOV的中心，两个在FOV的边缘）的数据的数据集中选择的四十个体内第二个数据集包含来自健康志愿者的额叶区域的单体积水抑制体内MR波谱数据，使用与上述相同的回波和重复时间，ADC带宽为2500 Hz，1024 ac。要求数据点。体积尺寸为20- 20- 20 mm3。NEX图8.第八条。 体内数据集1水抑制结果。使用选定的40个MRS光谱评价结果(a)采用数据集1的大水信号进行相位校正后的吸收光谱。图（a）光谱上基于SCSA的残留水抑制结果在图（b）中以蓝色显示。类似地，基于HLSVD-PRO的残留水抑制结果在图（c）中以蓝色显示。图（d）中使用SCSA（红色）和HLSVD-PRO（蓝色）去除残留水后的NAA/Cr代谢物比率，图（e）中的Cho/Cr代谢物比率。S. Bhaduri等人医学信息学解锁18（2020）1002947¼¼¼¼¼¼范围从2到16。该数据集用于验证基于SCSA的去噪算法及其相对于基于SVD的去噪的性能[30，31]。所有这些数据集都是从根特大学医院的3T西门子研究扫描仪收集的。本验证研究获得了根特大学医院伦理委员会的批准。在图8中，示出了来自第一数据集的包含大的水信号的相位校正之后的吸收光谱;图 8b中示出了图8a的光谱上的基于SCSA的水抑制结果。类似地，基于HLSVD-PRO的水抑制结果示于图8c中。使用AMARES拟合从SCSA和HLSVD-PRO方法的第一个数据集计算的NAA/Cr和Cho/Cr比值分别显示在图8d和e的方框图中。SCSA的本征函数数选择为13，HLSVD-PRO的模型阶参数选择为10。该模型阶次提供了最佳残留水抑制[36]。从所有这些图中可以看出，两种方法在残余水抑制方面的性能相似。还发现计算的代谢物比率与文献[37]一致。为了验证噪声算法，使用SCSA（具有去噪参数1.6）和SVD（具有去噪参数1.6）两者对第二数据集（使用SCSA抑制水）进行去噪。去噪处理参数3）（图9）然后用AMARES配件。计算的NAA/Cr和Cho/Cr比值以及去噪前后的SNR（计算为NAA峰面积与噪声标准偏差的比率）报告在表1中。可以看出，与SVD结果相比，SCSA实现了有效的MRS信号去噪，同时保留了代谢物峰。值得注意的是，用于水抑制和去噪的SCSA算法已经在之前发表的论文中得到了验证，其中考虑了不同的信号类型，包括不同噪声条件下的模拟数据，体外和体内数据，以检查该方法的效率[34，35]。在本文中，我们以MATLAB工具箱的形式重新验证了该方法，用户可以免费获得两组不同的体内数据，以进一步研究该方法。体内数据集在代谢物峰和光谱/空间特征方面提供了更真实的场景，以进行验证。11. 讨论在以前的论文[34，35]中，SCSA算法用于1H MRS水抑制的应用和发展，与使用体内数据获得的结果一起单独解释去噪。但在本文中，这两种算法同时应用于新的体内数据集，使用新开发的用户交互式工具箱X，结合上述算法以及一些额外的数据处理功能。在这项工作中，我们表明，基于SCSA的水抑制和去噪算法一起使用该工具箱，有效地抑制了水峰，同时提高了信噪比，同时保留了代谢物信息。数据拟合和量化已作为一个额外的功能，包括在这个工具箱X，但可以执行其他复杂的工具箱Xes或软件，通过安排输出变量，从我们的工具箱生成的表格转换成其他软件所需的特定格式。ProFit[4]、OXSA [5]等工具箱可以提供非常好的基于先验知识的1H MRS/MRSI数据拟合结果的最近开发的OXSA [5]工具箱使用（AMARES）[25]算法进行数据拟合。然而，这些工具箱不提供专用的预处理特征，如手动相位校正、切趾、残留水抑制和去噪，而是仅专用于数据拟合和量化。我们的主要重点是工作并不合适，而是提供一个开源的用户交互式平台，用于1HMRS数据预处理。大多数流行的开源软件包，如jMRUI [2]，TARQUIN [3]，都使用HLSVD-PRO算法[17，18]执行水抑制和基于SVD/Cadzow的去噪[30，31，38]。因此，出于比较的目的，我们没有将数据加载到这些软件中，而是将HLSVD-PRO和基于SVD的去噪合并到我们的工具箱中，以对SCSA进行直接比较和验证。用户还可以使用我们的工具箱X使用这些算法预处理他们的数据以进行比较。它允许用户在每个阶段指定预处理参数，并在其数据上测试不同算法的性能，以便选择最适合预处理流水线。本文的主要目的是介绍SCSA预处理算法，展示其在1H MRS/MRSI水抑制和去噪中的有效性。jMRUI软件使用基于Java的图形用户界面（GUI）来分析时域MRS数据，并运行在PC与Windows，LinuX和UniX平台。与LCModel软件[1]相比，jMRUI需要用户交互，并处理时域MRS/MRSI（1H）单体素和多个VOXEL数据[2]。另一方面，LCModel是一种非迭代、自动的商业软件，用于频域中的1H MRS数据分析，用户输入最少[1]，在UniX中运行。见图9。 体内数据集2去噪结果。（a）用（NEX 2）、SCSA和HLSVD-PRO去噪光谱去噪前的原始数据，（b）用（NEX 2）、SCSA和HLSVD-PRO去噪光谱去噪前的原始数据， 4）、SCSA和HLSVD-PRO去噪光谱，（c）用（NEX 8）、SCSA和HLSVD-PRO去噪光谱去噪前的原始数据，（d）用（NEX 16）、SCSA和HLSVD-PRO去噪光谱去噪前的原始数据。S. Bhaduri等人医学信息学解锁18（2020）1002948表1体内数据集2结果表显示了使用SCSA和SVD进行去噪前后的SNR值和代谢物比率。SNR NAA/Cr Cho/CrSCSA之前之后SVD之后SCSA之前之后SVD之后SCSA之后SVD之前NEX¼4 9 23 21 1.37 1.31 1.27 0.95 0.94 0.95NEX¼8 15 87 46 1.39 1.35 1.33 0.91 0.91NEX¼16 23 97 50 1.4 1.38 1.33 0.91 0.91环境新提出的工具箱也可应用于单体积和多体积的1HMRS/MRSI数据，并可在WinXP、Mac和LINUX平台上运行。像jMRUI一样，这个工具箱X是用户间的，此外，它还使用基于HLSVD-PRO的水抑制、基于SVD/Cadzow的去噪和基于AMARES的拟合处理时域数据但是，基于水抑制和去噪的SCSA算法是在频域数据上应用的因此，工具箱X在时域和频域模式两者中操作GUI必须在MATLAB中运行，并带有信号处理和优化工具箱。可以加载和处理Siemens、Philips文件格式和.mat文件中的数据该工具箱允许局部单体积和多体积MRS数据的可视化在该实现中，使用基于SCSA和SVD算法的预处理方法来执行水抑制和去噪以及相位校正和切趾从验证部分可以看出，与SVD相比，SCSA执行基于HLSVD-PRO的残留水抑制（用于jMRUI [2]、TARQUIN [3]包），在去噪方面具有更好的性能，SVD有效降低了MRS数据中的SCSA算法用于抑制水和去噪已经过验证在以前发表的论文中，其中具有不同SNR的1来自KU Leuven的Van Huelman为HLSVD软件，以及根特功能和代谢成像研究所（GIfMI）团队在数据采集方面的帮助。引用[1] Provencher SW. 使 用 LCModel 自 动 定 量 体 内 局 部 1H 光 谱 。 NMR Biomed2001;14（4）：260-4. https://doi.org/10.1002/nbm.698网站。[2] Stefan D，Cesare F，Andrasescu A，Popa E，Lazariev A，Vescovo E，et al.磁共振波谱信号的定量：jMRUI软件包。Meas SciTechnol 2009;20（10）：104035.[3] WilsonM，Reynolds G，Kauppinen RA，Arvanitis TN，Peet AC.一个受约束的最小-平方的方法，在体内1H磁共振波谱数据的自动定量。 Magn Reson Med 2011;65（1）：1-12。[4] Schulte RF，Boesiger P. ProFit：J-分辨光谱的二维先验知识拟合。NMRBiomed2006;19（2）：255-63.[5] Purvis LAB ， Clarke WT， Biasiolli L ， Valkovic L ， Robson MD ， Rodgers CT.OXSA：MATLAB中的开源磁共振波谱分析工具箱。PLoSOne 2017;12（9）：e0185356.[6] 放大图片作者：Haase A，FrahmJ，Hanicke W，Matthaei D. 1H NMR化学位移选择性（CHESS）成像。物理医学生物学1985;30（4）：341.[7] OggRJ，Kingsley R，Taylor JS. WET，一种用于体内局部1H NMR光谱的T1和B1不敏感的水抑制方法。 J Magn Reson 1994;104（1）：1-10.[8] T ka�cI，StarcukZ，ChoiIY，GruetterR. 大鼠脑在体1HNMR光谱1 ms回波时间。Magn Reson Med1999;41（4）：649-56.体外和体内数值 H MRS/MRSI数据被认为是检查[9] Smith MA，GillenJ，McMahon MT，Barker PB，Golay X.同时，水和方法的有效性[34，35]。本文以MATLAB工具箱的形式重新验证了该算法，并向用户免费提供了两组不同的体内数据。我们选择体内数据，因为它提供了在执行验证时要考虑的真实代谢物峰形状和光谱/空间伪影。用于验证的所有数据集均已包含在包中。12. 结论在MATLAB中开发了一个人机交互工具箱，用于可视化和预处理单体积或多体积1H MR波谱数据此工具箱中嵌入了许多功能X：MRS可视化、阶段校正和切趾、基于SCSA和HLSVD的残余水抑制、基于SCSA的去噪、基于AMARES算法的拟合管道（作为额外特征）。该工具箱将帮助研究人员使用SCSA工具箱预处理MRS数据并导出结果。资金该研究项目由阿卜杜拉国王科技大学（KAUST）基础研究基金（BAS/1/1627-01-01）和根特大学基金共同资助。竞合利益本手稿的提交不存在任何利益冲突，所有作者均同意发表本手稿。所描述的工作尚未在其他地方发表。确认本出版物中报告的研究得到了阿卜杜拉国王科技大学（KAUST）与根特大学合作的支持。作者要感谢博士。Sabine用于人体内脑光谱学的脂质抑制。 Magn Reson Med 2005;54（3）：691-6。[10] Le Fur Y，Cozzone PJ. FID模量：一种简单有效的技术，相位和对齐MR光谱。Magma Magn Reson Mater Phys BiolMed 2014;27（2）：131-48.[11] Hock A，MacMillan EL，Fuchs A，Kreis R，Boesiger P，Kollias SS等人。非水抑制质子MR光谱改善了人类脊髓的光谱质量。Magn Reson Med2013;69（5）：1253-60。[12] 放大图片作者：Dong Z，Dreher W，Leibfritz D.无水抑制的定量短回波时间体内质子MR波谱。 Magn Reson Med 2006;55（6）：1441-6。[13] Chen JH，Sambol EB，Sampaley PT，O'Connor RB，Deepenis PL，Cory DG，etal. 在细胞和组织的HR-MAS 1H NMR中无信号损失的水抑制。 JMagn Reson2004;171（1）：143-50.[14] 林永永，何杰金森P，恩斯特M，松树A. 噪声NMR信号的新检测-估计方案：延迟采集数据的应用。 J Magn Reson 1997;128（1）：30-41.[15] DBelk i�c，Belk i�cK. 磁共振波谱分析中的快速pad-e变换在早期癌症诊断方面的潜在改进。物理医学生物学2005;50（18）：4385-408。[16] [10] 杨 文 ， 王 文 ， 王 文 . 磁 共 振 信 号 的 基 于 SVD 的 量 化 。 J Magn Reson1992;97（1）：122-34.[17] Laudadio T，Mastronardi N，Vanhamme L，Van Hecke P，Van Huessels S.用于Blackbo XMRS数据定量的改进Lanczos算法。 J Magn Reson 2002;157（2）：292-7.[18] 放大图片作者：J. 非迭代时域模型拟合指数阻尼磁共振信号的改进算法。JMagn Reson 1987;73（3）：553-7.[19] AntoineJP， Coron A， Dereppe JM. 水 峰 抑 制 ： 时 频 与 时 标 方 法 。J MagnReson 2000;144（2）：189-94.[20] 放大图片作者：J. 连续小波变换，核磁共振波谱分析工具。J Magn Reson1997;128（1）：1-11.[21] Serrai H，Senhadji L，Clayton DB，Zuo C，Lenkinski RE.使用时间尺度后采集方法的局部MR波谱学中水模拟信号去除和数据量化。J Magn Reson 2001;149（1）：45-51.[22] GüntherUL，Ludwig C，Rüterjans H. WAVEWAT-improved solventsuppression inNMR spectrum usingwavelet transforms. J Magn Reson2002;156（1）：19-25.[23] 杨伟杰，王伟杰，王伟杰.通过时域数据卷积改进一维和二维NMR谱中的J.Magn Reson（1969）.1989;84（2）：425-430.[24] Poullet JB，Pintelon R，HubernetSV.一种新的FIR滤波技术用于MRS谱中溶剂抑制。J Magn Reson 2009;196（1）：61-73.[25] Vanhamme L，van den Boogaart A，Van Huessels S.利用先验知识对MRS数据进行准确有效量化的改进方法。J MagnReson 1997;129（1）：35-43.S. Bhaduri等人医学信息学解锁18（2020）1002949[26] Poullet JB，Sima DM，Simonetti AW，De Neuter B，Vanhamme L，LemmerlingP，在开源软件环境中自动定量短回波时间MRS谱：AQSES。NMRBiomed2007;20（5）：493-504.[27] [10]杨文军，李文军，李文军，李文军.定量磁共振波谱：半参数建模和不确定性的确定。Magn Reson Med2005;53（6）：1288-96。[28] 杨伟，李伟，王伟.基于Gabor展开的NMR FID信号降噪方法IEEE Trans BiomedEng 1997;44（6）：512-28.[29] 多诺霍湾软阈值去噪。IEEE transInf Theory 1995;41（3）：613-27.[30] Nguyen HM，Peng X，Do MN，Liang ZP.用低秩近似对MR光谱成像数据进行去噪。IEEE Trans Biomed Eng2013;60（1）：78-89。[31] 范·休伊斯基于最小方差估计和指数数据建模的增强分辨率。信号处理1993;33（3）：333-55.[32] Laleg-KiratiTM，C r�epeau E，Sorine M. 半经典信号分析数学控制，信号，系统MCSS2013;25（1）：37[33] Helffer B，Laleg-Kirati TM.与信号分析有关的半经典问题。渐近分析; doi：10.3233/ASY-2011-1054。[34] [10]张军，张军，张军.使用半经典信号分析的光谱数据去噪：应用于局部MRS.NMR Biomed 2016;29（10）：1477-85.[35] Chahid A，Bhaduri S，Maoui M，Achten E，Serrai H，Laleg-Kirati TM. 使用薛定谔算子的平方本征函数的残余水抑制。 IEEEAccess 2019;7：69126-37.https://doi.org/10.1109/ACCESS.2019.2918286。[36] VanhammeL，Fierro RD，Van Huesses S，de Beer R. 质子谱中残留水的快速去除。J Magn Reson 1998;132（2）：197-203.[37] [10]杨文，杨文，李文，李文.健康成人长回波时间MR波谱的参考值。 美国神经放射学杂志2005;26（6）：1439-45。[38] Diop A，Briguet A，Graveron-Demilly D.基于增强过程和线性预测方法的活体核磁共振数据自动处理。Magn Reson Med 1992;27：318-28.https://doi.org/10.1002/mrm.1910270211网站。