تصوير الكتلة الطيفي (MSI) كتقنية تصوير جزيئية عالية الدقة المكانية له قيمة كبيرة في الكشف الموضعي عن المركبات الداخلية والخارجية في الأنسجة البيولوجية. ومع ذلك، بسبب قيود الحساسية عند الدقة المكانية العالية، توجد العديد من الإشارات المفقودة في بيانات MSI مما يقيّد دقة التحليل اللاحق بشكل كبير. الطرق التقليدية التي تعتمد على ترقية الأجهزة مكلفة وتستغرق وقتًا طويلاً. لذلك، تقترح هذه الورقة طريقة تعويض القيم المفقودة تعتمد على الذكاء الاصطناعي، تهدف إلى تعلم التوزيع المعقد لبيانات MSI بطريقة مدفوعة بالبيانات لتحقيق إعادة بناء عالية الجودة للإشارات المفقودة. أظهرت النتائج التجريبية على بيانات MALDI-MSI لكلية الفأر وDESI-MSI لسرطان القولون البشري أن هذه الطريقة تتفوق على الطرق التقليدية في الكشف البصري والتقييم الكمي، كما تظهر قدرة جيدة على التكيف عبر المنصات. توفر هذه الورقة حلاً فعالاً ومنخفض التكلفة لتحسين حساسية اكتشاف MSI وله أهمية كبيرة في تعزيز التحليل البيولوجي اللاحق.

تصوير الكتلة الطيفي; الحساسية; تعويض القيم المفقودة; الذكاء الاصطناعي