半古典的な信号分析を使用したスペクトルデータの除去：ローカライズされたMRSへのアプリケーション

このホワイトペーパーでは、MRS Data De-Noisingのための半古典的信号分析（SCSA）と呼ばれる新しい後処理技術を提案します。フーリエ変換と同様に、SCSAは、入力実質正のMRスペクトルを分解し、シュレディンダーオペレーターの潜在的な関数から導出された形状と局所化された関数によって同等に表される、四頭の固有関数の線形結合のセットに分解します。このようにして、これらの「形状のような」関数の合計として表されたMRSスペクトルピークは、ノイズから効率的に分離され、正確に分析されます。メソッドのパフォーマンスは、シミュレートされたMRSデータを分析することによりテストされます。得られた結果は、SCSAメソッドが局所化されたMRSデータの除去において非常に効率的であり、正確なデータの定量化を可能にすることを示しています。

In this paper, we propose a new post-processing technique called semi-classical signal analysis (SCSA) for MRS data de-noising. Similar to Fourier transformation, SCSA decomposes the input real positive MR spectrum into a set of linear combinations of squared eigenfunctions equivalently represented by localized functions with shape derived from the potential function of the Schrödinger operator. In this manner, the MRS spectral peaks represented as a sum of these 'shaped like' functions are efficiently separated from noise and accurately analyzed. The performance of the method is tested by analyzing simulated and real MRS data. The results obtained demonstrate that the SCSA method is highly efficient in localized MRS data de-noising and allows for an accurate data quantification.