摘要
本发明涉及质谱图分析技术领域,具体地说,涉及一种提高质谱图图谱质量的分析方法及系统。其包括以下步骤:使用质谱仪对样品进行扫描,收集原始质谱图数据,并对原始质谱图数据进行预处理;基于预处理后的原始质谱图数据,通过多尺度高斯拟合技术识别潜在的峰位置,并通过计算每个峰的信噪比筛选出候选峰;对于筛选出的每个候选峰,使用非对称高斯函数模型进行拟合,描述候选峰形状;构建质量偏移校正模型对质谱图数据进行校正,并利用卷积神经网络模型,对经过校正后的质谱图数据进行超分辨率处理。本发明设计通过采用多尺度高斯拟合技术、信噪比筛选机制以及非对称高斯函数模型进行峰拟合。
技术关键词
卷积神经网络模型
信噪比筛选
分析方法
非线性最小二乘法
图谱
数据
校正
超分辨率
关键形态参数
多尺度
动态时间规整算法
背景噪声
强度
质谱仪
高斯滤波器
系统为您推荐了相关专利信息
乳腺影像识别
参数
脉冲耦合神经网络模型
注意力
判定方法
事故回溯方法
回溯系统
可视化界面
数据获取模块
历史变化数据
传播特性分析方法
节点
特性分析装置
宽频
双端口
情绪分析方法
构建卷积神经网络
YOLO模型
YOLO算法
卷积神经网络模型