Maschinelles Lernen für NMR-Spektroskopie
Auf einen Blick
- Projektleiter/in : Dr. Andreas Henrici
- Stellv. Projektleiter/in : Prof. Dr. Dirk Wilhelm
- Projektteam : Dr. Simon Bruderer, Dr. Flavio De Lorenzi, Dr. Michael Fey, Giulia Fischetti, Prof. Dr. Rudolf Marcel Füchslin, Dominik Graf, Dr. Björn Heitmann, Dr. Leila Mohammadzadeh, Dr. Federico Paruzzo, Benjamin Ricchiuto, Nicolas Schmid, Dr. Giuseppe Toscano, Dr. Simone Ulzega, Dr. Thomas Oskar Weinmann
- Projektvolumen : CHF 571'499
- Projektstatus : abgeschlossen
- Drittmittelgeber : Innosuisse (Innovationsprojekt / Projekt Nr. 44786.1 IP-ENG)
- Projektpartner : Bruker Switzerland AG
- Kontaktperson : Andreas Henrici
Beschreibung
Das Ziel dieses Projekts ist es, NMR-Spektroskopie einem grösseren Anwendungsbereich zugänglich zu machen, indem die verschiedenen Schritte der Datenanalyse automatisiert werden. Dazu soll eine Kombination von Deep Learning-Methoden für die Extraktion und ein Bayes'scher Ansatz für die Vernetzung und Verfeinerung von Informationen verwendet werden.
Publikationen
-
Schmid, N.; Bruderer, S.; Paruzzo, F.; Fischetti, G.; Toscano, G.; Graf, D.; Fey, M.; Henrici, A.; Ziebart, V.; Heitmann, B.; Grabner, H.; Wegner, J.D.; Sigel, R.K.O.; Wilhelm, D.,
2023.
Deconvolution of 1D NMR spectra : a deep learning-based approach.
Journal of Magnetic Resonance.
347(107357).
Verfügbar unter: https://doi.org/10.1016/j.jmr.2022.107357
-
Fischetti, Giulia; Schmid, Nicolas; Bruderer, Simon; Caldarelli, Guido; Scarso, Alessandro; Henrici, Andreas; Wilhelm, Dirk,
2023.
Automatic classification of signal regions in 1H nuclear magnetic resonance spectra.
Frontiers in Artificial Intelligence.
5(1116416).
Verfügbar unter: https://doi.org/10.3389/frai.2022.1116416
-
Schmid, Nicolas; Bruderer, Simon; Fischetti, Giulia; Paruzzo, Federico; Toscano, Giuseppe; Graf, Dominik; Fey, Michael; Ziebart, Volker; Henrici, Andreas; Grabner, Helmut; Wegner, Jan Dirk; Sigel, Roland K.O.; Heitmann, Björn; Wilhelm, Dirk,
2023.
Deconvolution of NMR spectra : a deep learning-based approach [Poster].
In:
Datalab Symposium, Winterthur, Schweiz, 11. Januar 2023.
ZHAW Zürcher Hochschule für Angewandte Wissenschaften.
Verfügbar unter: https://doi.org/10.21256/zhaw-27429
-
Fischetti, Giulia; Schmid, Nicolas; Bruderer, Simon; Paruzzo, Federico; Toscano, Giuseppe; Graf, Dominik; Fey, Michael; Henrici, Andreas; Scarso, Alessandro; Caldarelli, Guido; Heitmann, Björn; Wilhelm, Dirk,
2022.
A deep ensemble learning method for automatic classification of multiplets in 1D NMR spectra [Poster].
In:
Prisner, Thomas, Hrsg.,
EUROMAR 2022 Abstractbook.
European Conference on Magnetic Resonance (EUROMAR), Utrecht, The Netherlands, 10-14 July 2022.
ZHAW Zürcher Hochschule für Angewandte Wissenschaften.
S. 236.
Verfügbar unter: https://doi.org/10.21256/zhaw-27328
-
Schmid, Nicolas; Bruderer, Simon; Fischetti, Giulia; Paruzzo, Federico; Toscano, Giuseppe; Graf, Dominik; Fey, Michael; Henrici, Andreas; Grabner, Helmut; Wegner, Jan Dirk; Sigel, Roland K. O.; Heitmann, Björn; Wilhelm, Dirk,
2022.
Deconvolution of NMR spectra : a deep learning-based approach [Poster].
In:
Prisner, Thomas, Hrsg.,
EUROMAR 2022 Abstractbook.
European Conference on Magnetic Resonance (EUROMAR), Utrecht, The Netherlands, 10-14 July 2022.
ZHAW Zürcher Hochschule für Angewandte Wissenschaften.
S. 242.
Verfügbar unter: https://doi.org/10.21256/zhaw-27336