深度:通过深度神经网络加速3D质谱成像
Dan Li1, Yao Qian1, Haiming Yao1
1Department of Precision Instrument, Tsinghua University, Beijing 100084, China.
Analytical chemistry
|July 10, 2023
概括
深度加速三维质谱成像 (3D MSI) 使用一个新的稀疏采样网络. 该方法从稀疏的数据中重建3DMS图像,实现高精度并显著减少复杂生物样本的分析时间.
科学领域:
- 生物医学成像学 生物医学成像学
- 分析化学是一种分析化学.
- 计算生物学是一种计算生物学.
背景情况:
- 质谱成像 (MSI) 可视化生物分子在组织中的分布.
- 三维 (3D) MSI提供了复杂的生物结构的增强空间映射.
- 传统的3D MSI由于串行2D截面分析而耗时.
研究的目的:
- 开发一个显著更快的3D MSI工作流.
- 为了实现高分辨率的3D生物分子映射与减少数据采集.
- 在各种生物模型上验证工作流程.
主要方法:
- 为图像重建而开发了一个3D稀疏采样网络 (3D-SSNet).
- 采用稀疏采样策略来减少数据采集.
- 转移学习被用来调整模型以适应异质样本.
主要成果:
- 在DeepS工作流中,在20-30%的采样比率下,实现了与完全采样MSI可比的结果.
- 在患有阿尔茨海默氏症和质母细胞瘤的小鼠大脑上,成功地进行了3DMSI分析.
- 该方法还应用于对小鼠脏的3D成像.
结论:
- 通过稀疏采样和深度学习,DeepS可以大幅加快3D MSI分析.
- 该工作流提供了复杂的生物组织中精确的生物分子映射.
- 这种方法提高了3DMSI在疾病和器官研究中的实用性.


