深度学习在质谱成像数据分析中的应用研究进展

作者：Dongdong Huang, Xinyu Liu, Guowang Xu · 发表于：Se pu = Chinese journal of chromatography · 年份：2024 · DOI：10.3724/sp.j.1123.2023.10035 · 被引用次数：1 · 研究领域：Medicine

质谱成像(MSI)是一种用于表征化合物空间分布特征的方法。随着采集方式的多样化发展和灵敏度等的不断提高,该方法产生的数据总量和分析复杂度呈指数增长,给数据后处理带来了诸多挑战。深度学习(DL)是一种在数据分析和图像识别中广泛应用的强大工具,对于质谱成像数据分析具有巨大潜力。本文综述了深度学习在质谱成像数据分析中的研究现状、应用进展和面临的挑战,重点涵盖数据预处理、图像重构、聚类分析和多模式融合4个核心阶段;还列举说明了深度学习与质谱成像技术相结合在肿瘤区域划分和亚型诊断等研究中的高效应用。本综述对该研究方向未来的发展趋势进行了展望,旨在促进人工智能与质谱分析更好的结合。