一种基于深度学习技术提高质谱谱图分组稳定性的方法

发明专利有效专利

申请号：
CN202110505305.8
IPC分类号：G01N27/64
申请日期：
2021-05-10
申请人：
上海交通大学

基础信息

权利要求

说明书

PDF全文

法律信息

引证文献

著录项信息

专利名称	一种基于深度学习技术提高质谱谱图分组稳定性的方法
申请号	CN202110505305.8	申请日期	2021-05-10
法律状态	实质审查	申报国家	中国
公开/公告日	2021-09-24	公开/公告号	CN113433206A
优先权	暂无	优先权号	暂无
主分类号	G01N27/64 ? IPC结构图谱： G 物理 G0 仪器 G01 测量；测试 G01N （除免疫测定法以外包括酶或微生物的测量或试验入C12M，C12Q） G01N27/00 用电、电化学或磁的方法测试或分析材料（G01N 3/00至G01N 25/00优先；电或磁变量的测量或试验，材料的电磁性能的测试或试验入G01R） G01N27/62 通过测试气体的电离，通过测试放电，例如阴极发射 G01N27/64 利用波或粒子辐射电离气体，例如在电离室内	IPC分类号	G;0;1;N;2;7;/;6;4查看分类表>
申请人	上海交通大学	申请人地址	上海市闵行区东川路800号变更专利地址、主体等相关变化，请及时变更，防止失效
权利人	上海交通大学	当前权利人	上海交通大学
发明人	钱昆;张梦吉;黄琳
代理机构	上海旭诚知识产权代理有限公司	代理人	郑立

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。

序号	公开(公告)号	公开(公告)日	申请日	专利名称	申请人
该专利没有引用任何外部专利数据！

序号	公开(公告)号	公开(公告)日	申请日	专利名称	申请人
该专利没有被任何外部专利所引用！

我浏览过的专利

专利服务由北京酷爱智慧知识产权代理公司提供