Hierarchical maximum likelihood estimation for time-resolved NMR data

doi:10.1016/j.jmr.2026.108044

Hierarchical maximum likelihood estimation for time-resolved NMR data

2026-03-01

0

PRE

AI

DOI：10.1016/j.jmr.2026.108044

原文链接

原文求助

摘要

En 中文

代谢监测和反应速率估计使用超极化NMR技术需要准确的多维数据定量分析。目前，这种分析通常采用两阶段程序，容易在不确定性传播和估计中出现误差。我们提出了一种源自贝叶斯分层模型的方法，该方法内在地传播不确定性，并在全数据上操作以在最小不确定性下最大化精度。在解析处理中，我们将估计程序简化为一个最小二乘优化问题，这可以理解为针对具有两个预测变量的数据场景的变量投影（VarPro）方法的扩展。我们在两个实验中研究了该方法的有效性，分别使用常规高场NMR设备和基于金刚石中氮-空位中心的微尺度NMR装置记录超极化代谢物。在这两个示例中，新方法与傅里叶方法相比改进了估计值，并证明比采用VarPro的两阶段程序具有操作优势。虽然所提出的方法由NMR分析驱动，但它可以很容易地应用于具有类似数据结构的其他估计场景，例如时间分辨光光谱法。

Keyword:

Hierarchical model

Time-domain analysis

Hyperpolarization

Time resolution

Nitrogen-Vacancy

Hierarchical maximum likelihood estimation for time-resolved NMR data

摘要

期刊

机构

引用论文