一种基于卷积神经网络的核磁共振波谱代谢组学分析方法

本发明公开了一种基于卷积神经网络的核磁共振波谱代谢组学分析方法，涉及代谢组学技术领域，其技术方案要点是：获取生物样本的核磁共振氢谱代谢数据并进行预处理；将预处理后的数据进行特征构建；构建基于卷积神经网络的深度学习模型并进行训练；对训练后的深度学习模型进行解释，获得差异性特征，得到生物样本中对于疾病存在显著影响的差异性代谢物信息。本发明能够通过卷积神经网络模型直接对代谢组学原始数据进行处理，不依赖基于先验经验的化合物指认，避免了指认过程中的信息遗漏以及指认偏差；同时本发明避免了由于实验样本异质性造成的信号对齐偏差问题，能够实现高准确度的样本分类及高灵敏度差异性代谢物的提取。