一种基于深度学习技术提高质谱谱图分组稳定性的方法

摘要

本发明公开了一种基于深度学习技术提高质谱谱图分组稳定性的方法，涉及人工智能辅助临床检验分组领域，所述方法包括以下步骤：1、建立人血清样本库；2、采用基质辅助激光解吸电离质谱技术，采集所述血清样本的代谢小分子质谱图；3、对所述代谢小分子质谱图进行预处理；4、开发基于生成对抗学习的深度稳定器(deep stabilizer)，重建得到高质量质谱图；5、采用弹性网络对所述高质量质谱图进行分组，并提取潜在标志物。本发明基于纳米颗粒辅助的LDI‑MS检测和深度稳定器的构建，实现了对微量血清稳定代谢的超快速、无标记、无抗体分组，以及对分组冠心病(包括心梗/非心梗性冠心病)的准确高效评估，有助于医疗保健的改善。