Масс-спектрометрическое изображение (MSI) как технология молекулярного изображения с высокой пространственной разрешающей способностью имеет важное значение для локального обнаружения эндогенных и экзогенных соединений в биологических тканях. Однако при высокой пространственной разрешающей способности из-за ограничений чувствительности в данных MSI присутствует значительное количество отсутствующих сигналов, что серьезно ограничивает точность последующего анализа. Традиционные методы, основанные на обновлении аппаратного обеспечения, дорогостоящи и занимают много времени. Поэтому в данной работе предлагается метод заполнения пропущенных значений на основе искусственного интеллекта, направленный на обучение сложным распределительным характеристикам данных MSI с помощью данных для высококачественной реконструкции пропущенных сигналов. Экспериментальные результаты на данных MALDI-MSI почек мыши и данных DESI-MSI колоректального рака человека показывают превосходство этого метода над традиционными в визуальном выявлении и количественной оценке, а также демонстрируют хорошую межплатформенную адаптивность. Данная работа представляет эффективное и недорогое решение для повышения чувствительности MSI-обнаружения и имеет важное значение для продвижения последующего биологического анализа.

масс-спектрометрическое изображение;чувствительность;заполнение пропущенных значений;искусственный интеллект