科研示意图
厦门大学 · 联合科研团队
智能磁共振与计算感知联合实验室
Intelligent Magnetic Resonance and Computational Sensing Lab
融合磁共振、信号处理与人工智能，探索更快速、更精准、更智能的磁共振感知与重建方法。
Magnetic Resonance · NMR Spectroscopy · Artificial Intelligence
01 — 04物理 · 信号 · 算法 · 应用
IMRCS LAB / 2026中秋博饼活动 · 浏览团队活动 ↗
研究主张 / OUR APPROACH
将测量物理与计算方法相连，让有限的磁共振信号呈现更清晰、更可信的结构信息。
了解实验室精选论文 / FEATURED PUBLICATIONS
近期研究成果
来自三位教师及合作团队的已核实论文，按发表年份展示。
科研示意图
科研示意图High-confidence reconstruction for Laplace inversion in NMR based on uncertainty-informed deep learning
科研示意图Toward fast ultrahigh-resolution NMR spectroscopy with deep learning
科研示意图Two-dimensional Laplace NMR reconstruction through deep learning enhancement
科研示意图CTCOSY-JRES: A high-resolution three-dimensional NMR method for unveiling J-couplings
科研示意图High-Quality Reconstruction for Laplace NMR Based on Deep Learning
导师团队 / FACULTY
跨学科的研究团队
磁共振方法、波谱技术与计算感知在此交汇。
陈忠
Zhong Chen闽江学者特聘教授 · 博士生导师
chenz@xmu.edu.cn
长期从事磁共振技术、医学成像与生物医学电子学研究，推动核磁共振新方法、仪器与应用的交叉发展。
代表论文 · 2024
CTCOSY-JRES: A high-resolution three-dimensional NMR method for unveiling J-couplings
黄玉清
Yuqing Huang教授 · 博士生导师 · 电子科学系副主任
yqhuangw@xmu.edu.cn
聚焦磁共振波谱技术开发、深度学习数据处理与生物医学应用，研究高分辨、多维和快速波谱方法。
代表论文 · 2025
Toward fast ultrahigh-resolution NMR spectroscopy with deep learning
杨钰
Yu Yang副教授 · 硕士生导师
yuyang15@xmu.edu.cn
研究信号处理、机器学习与优化算法在核磁共振新技术中的应用，关注从复杂信号中获得可靠的物理信息。
代表论文 · 2025
High-confidence reconstruction for Laplace inversion in NMR based on uncertainty-informed deep learning
01NMR Spectroscopy
02Laplace NMR
03DOSY
04Deep Learning
05Multidimensional Spectroscopy
团队动态 / LATEST NEWS
实验室速递
以下动态为 Demo 示意内容，正式上线前将替换为真实记录。