近日，医疗器械与食品学院生物医学工程专业博士研究生侯学文在国际顶级期刊《分析化学（Analytical Chemistry）》（SCI 1区，IF=6.986）上以第一作者发表论文“基于1D-Unet的低场核磁共振信号校正转移方法研究（A One-Dimensional U-Net-Based Calibration-Transfer Method for Low-Field Nuclear Magnetic Resonance Signals）”。侯学文与王欣教授为共同第一作者，聂生东教授为通讯作者。
众所周知，由于磁共振分析仪器受磁场均匀性、磁化率和环境温度等多种因素的影响，同一样品在同一型号的不同分析仪器上测量的波谱信号存在较大差异，这就导致了在某台仪器上建立的统计分析模型无法迁移至同一型号的其他仪器上使用。然而，要在每一台分析仪器上重建统计分析模型是一个耗时且昂贵的过程。因此，针对这一基础性科学问题，聂生东教授团队基于直接校正算法的理论，提出采用迭代法更新校正矩阵，以降低校正误差，开创性地设计了用于低场核磁共振信号校正的1D U-net校正网络。采用该校正网络，可以使同一样品在同一型号的不同分析仪器上测量的波谱信号基本上达到一致。该研究利用两种不同体系的样本，从波谱响应、主成分分析和统计分析模型矫正转移三个方面分析了直接校正算法与U-net网络的校正差异。U-net校正网络在低场核磁分析仪器上的成功应用，为基于深度学习的波谱校正奠定了基础。这种方法还可以推广至对不同厂家生产的医用高场磁共振成像设备的多维图像信号的校正，从而有效解决利用人工智能处理多中心医学图像数据的问题。
论文链接：https://doi.org/10.1021/acs.analchem.1c00765