05 / IMRCS LABXiamen University

论文成果 / PUBLICATIONS

以可验证的研究，推进方法边界

精选三位教师的真实论文成果。标题、期刊、年份和 DOI 均链接到可核实的来源；缩略图为示意视觉。

年份

研究方向

教师

仅看精选

显示 10 篇已核实论文

Abstract NMR data visualization; not a paper figure

科研示意图

2026Analytical Chemistry

High-Resolution Phase-Sensitive NMR Reconstruction for Protein Studies Using Diffusion-Based Deep Learning

Z. Rong, B. Chen, J. Shao, R. Lin, J. Xu, J. Lin, G. Peng, H. Feng, Y. Yang, Z. Chen, Y. Huang*

利用扩散式深度学习框架，从常规实验数据自动重建蛋白质研究所需的高分辨相敏核磁共振谱。

科研示意图

2026Cell Reports Physical Science

Applying a spectral encoding-decoding framework for parallel multi-frequency selective excitation for NMR spectroscopy

J. Xu, T. Lu, Z. Zhan, L. Wang, Y. Cui, H. Li, C. Huang, H. Zhan, J. Wang, L. Yang, Y. Huang*, Z. Chen*

采用谱编码与解码实现并行多频选择性激发，面向复杂样品中的高效核磁共振测量。

科研示意图

2025Science Advances

High-confidence reconstruction for Laplace inversion in NMR based on uncertainty-informed deep learning

B. Chen, Y. Zhang, L. Wang, Z. Zhan, X. Guan, Z. Rong, Y. Cui, E. Lin, S. Cao, Y. Huang*, Y. Yang*, Z. Chen*

将不确定性估计引入拉普拉斯核磁共振反演，在重建谱图的同时提示谱峰可信度。

科研示意图

2025Cell Reports Physical Science

Toward fast ultrahigh-resolution NMR spectroscopy with deep learning

H. Zhan, Y. Ni, L. Zhou, L. Ji, J. Liu, Y. Yang, Y. Huang*, Z. Chen*

结合深度学习与纯化学位移方法，加速高分辨一维和二维核磁共振波谱获取。

科研示意图

2024Journal of the American Chemical Society

Two-dimensional Laplace NMR reconstruction through deep learning enhancement

B. Chen, Z. Fang, Y. Zhang, X. Guan, E. Lin, H. Feng, Y. Zeng, S. Cai, Y. Yang*, Y. Huang*, Z. Chen*

融合物理先验与数据驱动学习，改善二维拉普拉斯核磁共振反演的分辨率与易用性。

科研示意图

2024Journal of Magnetic Resonance

CTCOSY-JRES: A high-resolution three-dimensional NMR method for unveiling J-couplings

X. Lin, Y. Chen, C. Huang, X. Feng, B. Chen, Y. Huang*, Z. Chen*

通过三维相关与 J 分解设计，提升复杂分子耦合网络的解析能力。

科研示意图

2024Analytical Chemistry

Combining Fast Pure Shift NMR and GEMSTONE-Based Selective TOCSY for Efficient NMR Analysis of Complex Systems

H. Zhan, J. Liu, Q. Fang, Y. Huang*, X. Chen, Y. Ni, L. Zhou, Z. Chen

将快速纯化学位移波谱与选择性 TOCSY 结合，用于复杂样品中重叠信号的分析。

科研示意图

2023Analytical Chemistry

High-Quality Reconstruction for Laplace NMR Based on Deep Learning

B. Chen, L. Wu, X. Cui, E. Lin, S. Cao, H. Zhan, Y. Huang*, Y. Yang*, Z. Chen*

利用合成训练数据与深度学习，实现拉普拉斯核磁共振谱图的快速高质量重建。

科研示意图

2023IEEE Transactions on Instrumentation and Measurement

A Generally Regularized Inversion for NMR Applications and Beyond

E. Lin, B. Chen, Z. Ni, Y. Huang, Y. Yang*, Z. Chen*

面向核磁共振反问题提出通用正则化反演框架。

科研示意图

2022Analytical Chemistry

Neural Network Method for Diffusion-Ordered NMR Spectroscopy

E. Lin, N. Zou, Y. Huang, Z. Chen, Y. Yang*

提出用于扩散排序核磁共振波谱重建的神经网络方法。