在這次采訪中,，數(shù)據(jù)科學(xué)家Federico Paruzzo討論了Bruker如何使用深度學(xué)習(xí)來(lái)開(kāi)發(fā)新命令,，以及它與其他可用方法的比較。Federico還將介紹Sigreg,，第一個(gè)基于機(jī)器學(xué)習(xí)的1H NMR譜自動(dòng)信號(hào)區(qū)域檢測(cè)，這是Bruker的TopSpin軟件的最新版本,。

利用NMR,，對(duì)每個(gè)信號(hào)區(qū)域進(jìn)行檢測(cè)和整合是非常重要的,。然后你可以使用這些信息來(lái)量化你的化合物,，例如，或者做松弛測(cè)量,。目前有幾種使用TopSpin的方法,。

您需要做的就是打開(kāi)一個(gè)數(shù)據(jù)集,?；蛘?，您可以使用integration命令,，它將打開(kāi)您的integration窗口。從這里開(kāi)始,，您可以定義每個(gè)新區(qū)域,，然后分別對(duì)頻譜中的每個(gè)區(qū)域進(jìn)行集成,，并在完成之后保存更改。這將打開(kāi)您的集成系統(tǒng),。

然而，這個(gè)過(guò)程可能是耗時(shí)和令人沮喪的,。整合一個(gè)簡(jiǎn)單的光譜可能需要20到25秒,，但想象一下,，如果你需要在一天內(nèi)處理幾十個(gè)光譜,。當(dāng)你需要處理更復(fù)雜的光譜時(shí),，它需要更長(zhǎng)的時(shí)間,。

有一些方法可以自動(dòng)完成這種集成,。例如，您可以通過(guò)鍵入“int auto”或單擊auto integration按鈕來(lái)使用TopSpin中的auto-integration命令,。

但是，結(jié)果不是最優(yōu)的,，并且與我們手動(dòng)操作的結(jié)果不太匹配,。特別是，這個(gè)命令依賴于許多參數(shù),，如果對(duì)所有參數(shù)進(jìn)行微調(diào),，可以得到更好的結(jié)果

然而，這種微調(diào)是非常耗時(shí),、繁瑣的,，它可以防止使用這個(gè)命令自動(dòng)集成許多不同的頻譜。

另一種選擇是apbk命令,。apbk命令是Topspin中引入的一個(gè)新命令,，用來(lái)對(duì)X核的光譜進(jìn)行自動(dòng)相位和基線校正。

現(xiàn)在,，你可能會(huì)說(shuō)這并不意味著在整個(gè)頻譜上使用,，這是正確的。但是您可以使用插頭“-f”強(qiáng)制apbk命令在總頻譜上工作,。

如果你這樣做,，你會(huì)看到信號(hào)區(qū)域探測(cè)器。但是，這個(gè)結(jié)果與您手動(dòng)選擇的結(jié)果相去甚遠(yuǎn),。這并不奇怪,。同樣，apbk命令并不意味著在整個(gè)頻譜上工作,。因此,，這不是手工集成的替代方法。

圖片來(lái)源:傷風(fēng)/ angellodeco

我們團(tuán)隊(duì)面臨的挑戰(zhàn)是問(wèn):“我們能做得更好嗎?”“我們能不能開(kāi)發(fā)一個(gè)命令,，不需要對(duì)這么多參數(shù)進(jìn)行微調(diào)，就能以用戶的方式進(jìn)行集成?”

為了做到這一點(diǎn),，我們訓(xùn)練了一個(gè)深度神經(jīng)網(wǎng)絡(luò)來(lái)解釋核磁共振波譜使用監(jiān)督學(xué)習(xí),。為此，我們需要大量的訓(xùn)練數(shù)據(jù),，包括許多核磁共振波譜與相應(yīng)的標(biāo)簽,，我們要學(xué)習(xí)的屬性，在這種情況下是信號(hào)區(qū)域,。

然后我們需要?jiǎng)?chuàng)建我們的深層神經(jīng)網(wǎng)絡(luò),。通過(guò)給我們的訓(xùn)練集神經(jīng)網(wǎng)絡(luò)，我們訓(xùn)練我們的神經(jīng)網(wǎng)絡(luò),。一旦網(wǎng)絡(luò)被訓(xùn)練,，我們可以得到一個(gè)新的頻譜，把它給網(wǎng)絡(luò),，它將輸出預(yù)測(cè)標(biāo)簽,。

作為訓(xùn)練集，我們使用了50萬(wàn)個(gè)人工生成的1H NMR譜,。

我們使用不同的基本頻率,，從80到800兆赫，以產(chǎn)生頻譜的信號(hào)與噪音的比率,，并與強(qiáng)度的償付能力,。

我們決定使用卷積神經(jīng)網(wǎng)絡(luò)，靈感來(lái)自于U-Net,。U-Net是一種全卷積神經(jīng)網(wǎng)絡(luò),，用于生物醫(yī)學(xué)領(lǐng)域的圖像分割。

通過(guò)將網(wǎng)絡(luò)和訓(xùn)練集結(jié)合起來(lái),，我們創(chuàng)建了sigreg,，這是TopSpin中第一個(gè)基于機(jī)器學(xué)習(xí)的命令。它將允許你在1H NMR譜中做一個(gè)全自動(dòng)無(wú)參數(shù)信號(hào)區(qū)域探測(cè)器,。

為了測(cè)試這個(gè)算法的局限性,，我們創(chuàng)建了一個(gè)簡(jiǎn)單的光譜，一個(gè)僅由7.5 ppm的單一信號(hào)中心組成的人工光譜。然后我們測(cè)試了模型的信噪比,、溶劑強(qiáng)度和線寬,。

深度學(xué)習(xí)在核磁共振中的應(yīng)用

對(duì)信噪比測(cè)試。我們保持了信號(hào)化合物的強(qiáng)度,，并改變了噪聲值,，以匹配不同的信噪比值。

Sigreg在100和20的信噪比下表現(xiàn)很好,。在信噪比為10的情況下,，sigreg仍然能夠確定峰值，但是這個(gè)值有點(diǎn)模糊,，因?yàn)檫@是我們的訓(xùn)練集的極限,。

結(jié)果，當(dāng)信噪比低于10時(shí),，它就不能檢測(cè)峰值了,。我們將繼續(xù)開(kāi)發(fā)這個(gè)算法，因此,，在未來(lái),，如果我們可以使用更低的信噪比，我不會(huì)感到驚訝,。

溶劑強(qiáng)度測(cè)試,。我們稍微改變了我們的興趣峰值，從7.5 ppm到7.3 ppm,，并添加了第二個(gè)峰值，其強(qiáng)度高于我們的另一個(gè)峰值,，以模擬溶劑的存在,。

對(duì)于我們所有的光譜，我們保持感興趣峰的信噪比不變,，并改變?nèi)軇┑膹?qiáng)度,。當(dāng)溶劑的容量是興趣峰值的10倍或100倍時(shí)，Sigreg可以很好地工作,。當(dāng)溶劑比我們的峰值大3階或更大時(shí),，sigreg仍然能夠探測(cè)到我們的信號(hào)。

然而,，如果檢測(cè)的限制更高,，檢測(cè)的區(qū)域就會(huì)更廣，sigreg就會(huì)變得更不準(zhǔn)確,。如果溶劑是我們感興趣的信號(hào)的十倍以上,，那么sigreg就不能再檢測(cè)到信號(hào)了。

測(cè)試線寬。同樣,，我們?nèi)∫粋€(gè)單峰,，保持強(qiáng)度不變。我們還保持了信號(hào)噪聲電平不變,，只是改變了峰值的線寬,。Sigreg在從5到500 Hz的線寬范圍內(nèi)表現(xiàn)良好。

為了評(píng)估我們的模型的性能,，我們?cè)?00個(gè)實(shí)驗(yàn)核磁共振波譜上運(yùn)行了sigreg,。我們的核磁共振專家對(duì)實(shí)驗(yàn)譜中的信號(hào)進(jìn)行了標(biāo)記。

我們發(fā)現(xiàn)我們的專家檢測(cè)到的信號(hào)數(shù)量與sigreg檢測(cè)到的信號(hào)數(shù)量有很好的相關(guān)性,。Sigreg給出了一個(gè)很好的結(jié)果,。我們的大多數(shù)點(diǎn)都在這條完全相關(guān)的直線上。

圖片來(lái)源:傷風(fēng)/ Lisa-S

Int auto給出了合理的結(jié)果,，但是與sigreg和專家的協(xié)議相比,，專家和Int auto之間的協(xié)議要低得多。

另一方面,，apbk傾向于重拾信號(hào),，這意味著它檢測(cè)到的信號(hào)比專家少。這并不奇怪,，因?yàn)閍pbk并沒(méi)有被開(kāi)發(fā)用于80 MHz到1.2 GHz范圍內(nèi)的1H NMR譜,。在Bruker，我們還對(duì)添加一個(gè)在廣泛的基頻范圍內(nèi)執(zhí)行良好的命令非常感興趣,。

我們的25個(gè)光譜是在80兆赫獲得的,，75個(gè)是在更高的頻率獲得的，從300兆赫或更高的頻率開(kāi)始,。Sigreg對(duì)80兆赫頻譜和int auto給出了很好的結(jié)果,，結(jié)果是合理的。盡管apbk傾向于更嚴(yán)重地接收在80mhz頻率下獲得的光譜,。

即使峰值的數(shù)量給了我們一個(gè)關(guān)于這個(gè)算法如何工作的想法,，它并沒(méi)有真正給出一個(gè)關(guān)于準(zhǔn)確性的想法。這就是為什么,，為了估計(jì)模型的性能,，我們決定計(jì)算每個(gè)頻譜的F1值。

如果你不熟悉這個(gè)概念,，F(xiàn)1分?jǐn)?shù)是一個(gè)度量標(biāo)準(zhǔn),，用于統(tǒng)計(jì)分析來(lái)評(píng)估這個(gè)模型的準(zhǔn)確性。F1成績(jī)的優(yōu)勢(shì)在于它依賴于精確性和回憶性,。精度告訴我們?cè)谶@些區(qū)域中有多少信號(hào)區(qū)域被檢測(cè)到,。這是由真陽(yáng)性給出的,，檢測(cè)到的信號(hào)區(qū)域作為真陽(yáng)性和假陽(yáng)性之和的信號(hào)區(qū)域。誤報(bào)是指檢測(cè)到的噪聲區(qū)域作為信號(hào)區(qū)域,。

而recall告訴我們模型檢測(cè)到多少個(gè)信號(hào)區(qū)域,。這是由真陽(yáng)性(檢測(cè)為信號(hào)的信號(hào))給出的，除以真陽(yáng)性和假陰性的總和,。因?yàn)樨?fù)號(hào)是信號(hào)的區(qū)域,，被檢測(cè)為噪音。

我們計(jì)算了所有100個(gè)光譜的F1值,。在F1得分方面,，與其他兩個(gè)命令相比，Sigreg給出了更好的結(jié)果,。我們對(duì)int auto,、sigreg和apbk -f命令的F1平均得分為91.8%。但是我們和sigreg的大多數(shù)譜都有超過(guò)95%的F1分?jǐn)?shù),。

另一側(cè)的Int auto的平均F1得分較低,，為87.1%。與sigreg相比,，這個(gè)結(jié)果要廣泛得多,，有些光譜低于60%。

apbk得分最低,，為80%,，傳播率較高。這對(duì)于apbk來(lái)說(shuō)仍然是一個(gè)顯著的結(jié)果,，因?yàn)檫@個(gè)命令并沒(méi)有被開(kāi)發(fā)用于總的NMR譜,。

我們也可以通過(guò)觀察我們?cè)?0mhz下得到的結(jié)果來(lái)檢查這些結(jié)果是如何依賴于基頻的。在自動(dòng)提供一些最好的結(jié)果在低頻,。因此,，80兆赫的頻譜實(shí)際上給出了這個(gè)命令的最佳F1分?jǐn)?shù)。另一邊的Apbk給出了低頻譜的最差結(jié)果,。Sigreg是唯一一個(gè)在廣泛的基頻范圍內(nèi)給出可比結(jié)果的,。

使用sigreg非常簡(jiǎn)單,。你所需要做的就是在TopSpin中打開(kāi)數(shù)據(jù)集,，輸入“sigreg”，然后在幾毫秒內(nèi)獲得信號(hào)區(qū)域檢測(cè)器,。沒(méi)有需要設(shè)置的參數(shù),。還可以使用宏或大寫字母輕松地將圖形包含到自動(dòng)例程中，這些宏或大寫字母可以包含在AU程序中,。

Sigreg研究的是復(fù)雜光譜,。我們已經(jīng)證明,，它也可以很好地檢測(cè)寬峰，并與光譜與大的溶劑峰,。Sigreg也研究有噪聲的光譜,。

當(dāng)談到相位畸變時(shí)，sigreg也能夠檢測(cè)出光譜相位的峰值,，前提是相位畸變是合理的,。Sigreg也能很好地處理在低頻率下獲得的光譜，即使在80兆赫也有很好的分辨率,。

Sigreg包含在最新版本的TopSpin中,，所以我們希望您能夠測(cè)試它并將您的反饋發(fā)送給我們。

贊助內(nèi)容策略:News-Medical.net發(fā)布的文章和相關(guān)內(nèi)容可能來(lái)自于我們已有商業(yè)關(guān)系的來(lái)源,，只要這些內(nèi)容能夠?yàn)镹ews-Medical的核心編輯理念增加價(jià)值,。教育和通知對(duì)醫(yī)學(xué)研究，科學(xué),，醫(yī)療設(shè)備和治療感興趣的網(wǎng)站訪問(wèn)者,。