Application of Odd-Order Derivatives in Fourier Transform Nuclear Magnetic Resonance Spectroscopy toward Quantitative Deconvolution
Notice bibliographique
Résumé
When Fourier transform (FT) spectrum peaks are overlapped, primary maxima of odd-order derivatives can be used to evaluate their independent intensities. We studied the feasibility of higher odd-order derivatives on Lorentzian peak shape and magnitude peak shape. Simulation studies for FT nuclear magnetic resonance (NMR) spectroscopy demonstrated good results toward quantitative deconvolution of overlapping FT spectrum peaks. Although it is not so desirable to deconvolute special line shapes such as Gaussian, Voigt, and Tsallis profiles, the odd-order derivatives exhibit a bright future compared to even-order derivatives. An application example of practical NMR spectroscopy with ethylbenzene isomers is presented. White Gaussian noises were added to the simulated spectra at two different signal-to-noise ratios (20 and 40). Kauppinen's denoising and smoothing algorithms can effectively remove interference of the noise and help to have good deconvoluting results using the odd-order derivatives. We compared features of our approach with popular deconvolution sharpening algorithms and conducted a comparison study with Kauppinen's Fourier self-deconvolution. Our approach has a better dynamic range of peak intensities and is not sensitive to the sampling rates. Other common deconvolution methods are also discussed briefly.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».