一种基于生成式深度学习模型的活体伏安分析方法

本发明公开了一种基于生成式深度学习模型的活体伏安分析方法，使用快速扫描循环伏安法采集原始测量数据；对原始测量数据进行预处理，得到待分析活体原位测量数据；使用训练后的生成式深度学习模型对待分析活体原位测量数据进行干扰信号滤除，得到滤除干扰信号后的活体原位测量数据；使用训练后的深度学习回归模型对滤除干扰信号后的活体原位测量数据进行定量解析，得到不同待测神经化学分子的浓度值。本发明提升了活体原位分析方法测量结果的准确率并实现多物质高通量传感，促进了电化学方法在复杂脑神经化学的广泛应用。