【机械要点】人工智能在质谱数据处理中的应用.pdf

张小只智能机械工业网 人工智能在质谱数据处理中的应用 株式会社岛津制作所( 以下简称“ 岛津制作所”)、富士通株式会社( 以下简称“富士 通”)、株式会社富士通研究所( 以下简称“富士通研究所”)经共同研究，成功开发出可应 用于大数据处理中的 AI(人工智能)技术，该技术在质谱分析结果的解析过程中不可或 缺。截至目前的所有研究成果，已在日前召开的“第 11 届代谢组学研讨会”上发表。　　 作为 ICT(信息通信技术)企业，富士通为实现数字革新，不断探究 AI 新型商业模式。 作为分析仪器制造商，岛津公司受客户委托，致力于“实现复杂数据的高精度自动解 析” 。诉求一致的两家企业自去年 11 月起，开始推进数据自动化解析领域 AI 的共同研 究。随着仪器灵敏度、分析速度的不断提升，用于疾病早期发现的技术确立、食品农 残检测等各领域研究以及品质管理等用途的质谱分析仪，获得的数据量也急剧增加。 在此影响下，被称为“peak picking ” 的数据解析方式成为作业工程中的一大瓶颈。由于 较难实现完全的自动化，并且在一定程度上仍需手动调整，该作业方式存在操作人员 操作失误或数据篡改的漏洞，各操作人员间的解析准确率亦参差不齐。近年，在医疗 及制药领域，对排除属人为属性的高精度自动化需求愈演愈烈。　　为此，3 家企业模 仿脑神经细胞的神经网 DEEP LEARNING(深度学习) 的适用性开展探讨，欲通过活用 AI 解决上述问题。但在研究过程中，遇到两大难题：其一， 训练数据不充分；其 二，将分析仪器输出数据直接导入深度学习网络后，无法开展学习训练。通过共同研 究期间的不懈努力，岛津成功开发出“可弥补训练数据不足的数据生成技术”，富士通? 富士通研究所成功开发出“分析仪器输出特征的图像转换技术”及“可学习熟练工解析诀 窍的特征提取技术” 。目前，已将通过上述技术生成的3 万多条训练数据输入深层学习 网，供其学习。　　与经验者手动 peak picking 结果比对后发现，AI 自动peak picking 的错误率为7%、未检率为 9% 。即自动peak picking 并不逊色于经验者操作，相关结 果达到可使用状态。　　在岛津公司 2017 年 4 月开展的中期经营计划中，制定了“致 张小只机械知识库 张小只智能机械工业网 力先进医疗、为预防、诊断、治疗以及制药领域提供革新产品及服务” 的目标。本次开 发的 AI ，其最初使用的“代谢组学”研究即为其中的一环。代谢组学是一种检测代谢产 物并根据其性状特征对细胞开展检查的生物技术。在生理?病理组织的解析、疾病生物 标志物的探索等领域备受瞩目。　　2015 年 11 月，富士通将积累了超过 30 年的 AI(人工知能)相关知识技术，以“FUJITSU Human Centric AI Zinrai”形式公开发表，积 极推进面向各领域用户、商品服务的 AI 实际应用。目前，又在深度学习的全新领域聚 焦“代谢组学”，积极开展可实现数据分析自动化的AI 研发。　　岛津与富士通的目标 为，2018 年能将本次成功研发的 AI 技术导入质谱分析仪器专用软件。tips:感谢大家的 阅读，本文由我司收集整编。仅供参阅！ 张小只机械知识库