La espectrometría de masas por imágenes (MSI), como una técnica de imagen molecular de alta resolución espacial, tiene un valor importante en la detección in situ de compuestos endógenos y exógenos dentro de tejidos biológicos. Sin embargo, a alta resolución espacial, debido a limitaciones de sensibilidad, los datos de MSI contienen una gran cantidad de señales faltantes, lo que limita seriamente la precisión del análisis posterior. Los métodos tradicionales que dependen de la actualización del hardware son costosos y prolongados. Por lo tanto, este artículo propone un método de imputación de valores faltantes basado en inteligencia artificial, que tiene como objetivo aprender las complejas características de distribución de los datos de MSI de manera dirigida por los datos, para lograr una reconstrucción de alta calidad de las señales faltantes. Los resultados experimentales en datos MALDI-MSI de riñón de ratón y datos DESI-MSI de cáncer colorrectal humano muestran que este método supera a los métodos tradicionales tanto en la detección visual como en la evaluación cuantitativa, y demuestra una buena adaptabilidad multiplataforma. Este trabajo proporciona una solución eficiente y de bajo costo para mejorar la sensibilidad de detección de MSI, siendo de gran importancia para promover análisis biológicos posteriores.

imagen por espectrometría de masas;sensibilidad;imputación de valores faltantes;inteligencia artificial