您当前的位置：
首页 >
文章列表页 >
基于人工智能的质谱成像数据缺失值插补方法
更新时间：2026-03-13

    • 基于人工智能的质谱成像数据缺失值插补方法

    • Artificial Intelligence-based Approaches for Missing Values Imputation in Mass Spectrometry Imaging Data

    • “质谱成像（MSI）在生物组织检测领域价值重大，但高空间分辨率下信号缺失问题突出。该研究提出基于人工智能的缺失值插补方法，通过数据驱动学习MSI数据复杂分布特征，实现缺失信号高质量重建。实验结果表明，该方法在小鼠肾脏MALDI-MSI和人体结肠癌DESI-MSI数据上表现优异，优于传统方法，且具有良好的跨平台适应性，为提升MSI检测灵敏度提供了高效、低成本的解决方案，对推动生物分析具有重要意义。”
    • 分析测试学报   2026年45卷 页码：1-7

    • DOI：10.12452/j.fxcsxb.25101103    

      中图分类号： O657.7;TP802.3

    • 收稿：2025-10-11，

      修回：2025-12-02，

      录用：2025-12-03，

      网络首发：2026-01-16，

      纸质出版：2026-04-15

    移动端阅览

  • 郭磊,董继扬,蔡宗苇.基于人工智能的质谱成像数据缺失值插补方法[J].分析测试学报,2026,45(04):1-7. DOI： 10.12452/j.fxcsxb.25101103.

    GUO Lei,DONG Ji-yang,CAI Zong-wei.Artificial Intelligence-based Approaches for Missing Values Imputation in Mass Spectrometry Imaging Data[J].Journal of Instrumental Analysis,2026,45(04):1-7. DOI： 10.12452/j.fxcsxb.25101103.

  •  
  •  

0

浏览量

107

下载量

0

CSCD

文章被引用时，请邮件提醒。
提交
工具集
下载
参考文献导出
分享
收藏
添加至我的专辑

相关文章

基于人工智能的动物毛混纺纤维含量定量分析研究
离子淌度质谱在复杂生物大分子异构体分析中的应用进展
大气压基质辅助激光解吸电离质谱技术应用研究进展

相关作者

王文
费静
袁志磊
兰丽丽
黄海敏
杨二涛
谢飞
刘卓钦

相关机构

广州冠图科技有限公司
上海海关工业品与原材料检测技术中心
广州海关技术中心
沃特世科技（北京）有限公司
中国食品药品检定研究院
0