買(mǎi)專(zhuān)利賣(mài)專(zhuān)利找龍圖騰，真高效！ 查專(zhuān)利查商標(biāo)用IPTOP,全免費(fèi)！專(zhuān)利年費(fèi)監(jiān)控用IP管家,真方便！

龍圖騰網(wǎng)獲悉天津智譜儀器有限公司申請(qǐng)的專(zhuān)利基于深度學(xué)習(xí)的質(zhì)譜圖離子碎片峰區(qū)域識(shí)別方法及裝置獲國(guó)家發(fā)明授權(quán)專(zhuān)利權(quán)，本發(fā)明授權(quán)專(zhuān)利權(quán)由國(guó)家知識(shí)產(chǎn)權(quán)局授予，授權(quán)公告號(hào)為：CN120068004B 。

龍圖騰網(wǎng)通過(guò)國(guó)家知識(shí)產(chǎn)權(quán)局官網(wǎng)在2025-08-15發(fā)布的發(fā)明授權(quán)授權(quán)公告中獲悉：該發(fā)明授權(quán)的專(zhuān)利申請(qǐng)?zhí)?專(zhuān)利號(hào)為：202510543595.3，技術(shù)領(lǐng)域涉及：G06F18/25；該發(fā)明授權(quán)基于深度學(xué)習(xí)的質(zhì)譜圖離子碎片峰區(qū)域識(shí)別方法及裝置是由張棟;王博;付桪洋;廉麗敏;劉開(kāi)磊設(shè)計(jì)研發(fā)完成，并于2025-04-28向國(guó)家知識(shí)產(chǎn)權(quán)局提交的專(zhuān)利申請(qǐng)。

本基于深度學(xué)習(xí)的質(zhì)譜圖離子碎片峰區(qū)域識(shí)別方法及裝置在說(shuō)明書(shū)摘要公布了：本發(fā)明涉及碎片峰區(qū)域識(shí)別技術(shù)領(lǐng)域，具體地說(shuō)，涉及基于深度學(xué)習(xí)的質(zhì)譜圖離子碎片峰區(qū)域識(shí)別方法及裝置。其包括以下步驟：收集質(zhì)譜圖數(shù)據(jù)，并對(duì)質(zhì)譜圖數(shù)據(jù)進(jìn)行預(yù)處理；基于預(yù)處理后的質(zhì)譜圖數(shù)據(jù)并結(jié)合電荷狀態(tài)限制和加合離子概率權(quán)重構(gòu)建雙支卷積神經(jīng)網(wǎng)絡(luò)模型，用于識(shí)別質(zhì)譜圖中的碎片峰區(qū)域，并聯(lián)合優(yōu)化峰區(qū)域分割、電荷狀態(tài)預(yù)測(cè)和加合離子匹配構(gòu)建多任務(wù)損失函數(shù)來(lái)優(yōu)化構(gòu)建雙支卷積神經(jīng)網(wǎng)絡(luò)模型的過(guò)程；從雙支卷積神經(jīng)網(wǎng)絡(luò)模型輸出中提取最優(yōu)碎片峰區(qū)域。本發(fā)明設(shè)計(jì)通過(guò)采用雙支卷積神經(jīng)網(wǎng)絡(luò)模型（包括一維和二維卷積層），能夠有效地提取質(zhì)譜圖中的局部與全局特征，從而提高對(duì)碎片峰的識(shí)別精度。

本發(fā)明授權(quán)基于深度學(xué)習(xí)的質(zhì)譜圖離子碎片峰區(qū)域識(shí)別方法及裝置在權(quán)利要求書(shū)中公布了：1.基于深度學(xué)習(xí)的質(zhì)譜圖離子碎片峰區(qū)域識(shí)別方法，其特征在于，包括以下步驟： S1、收集質(zhì)譜圖數(shù)據(jù)，并對(duì)質(zhì)譜圖數(shù)據(jù)進(jìn)行預(yù)處理； S2、基于預(yù)處理后的質(zhì)譜圖數(shù)據(jù)并結(jié)合電荷狀態(tài)限制和加合離子概率權(quán)重構(gòu)建雙支卷積神經(jīng)網(wǎng)絡(luò)模型，用于識(shí)別質(zhì)譜圖中的碎片峰區(qū)域，并聯(lián)合優(yōu)化峰區(qū)域分割、電荷狀態(tài)預(yù)測(cè)和加合離子匹配構(gòu)建多任務(wù)損失函數(shù)來(lái)優(yōu)化構(gòu)建雙支卷積神經(jīng)網(wǎng)絡(luò)模型的過(guò)程； 所述S2中，基于雙支卷積神經(jīng)網(wǎng)絡(luò)模型識(shí)別質(zhì)譜圖中的碎片峰區(qū)域，包括以下步驟： S2.1、接收預(yù)處理后的質(zhì)譜圖數(shù)據(jù)作為輸入數(shù)據(jù)，在輸入數(shù)據(jù)中嵌入電荷狀態(tài)和加合離子規(guī)則信息生成雙模態(tài)輸入數(shù)據(jù)； S2.2、在雙支卷積神經(jīng)網(wǎng)絡(luò)模型中構(gòu)建一維卷積層和二維卷積層； 其中，一維卷積層用于捕捉局部峰形細(xì)節(jié)； 二維卷積層用于捕獲全局噪聲分布模式； S2.3、聯(lián)合優(yōu)化峰區(qū)域分割、電荷狀態(tài)預(yù)測(cè)和加合離子匹配構(gòu)建多任務(wù)損失函數(shù)； S2.4、使用雙模態(tài)輸入數(shù)據(jù)預(yù)訓(xùn)練雙支卷積神經(jīng)網(wǎng)絡(luò)模型，訓(xùn)練完成后雙支卷積神經(jīng)網(wǎng)絡(luò)模型輸出概率熱圖、電荷狀態(tài)和加合離子匹配得分矩陣； S3、從雙支卷積神經(jīng)網(wǎng)絡(luò)模型輸出中提取最優(yōu)碎片峰區(qū)域； 所述S3中，從雙支卷積神經(jīng)網(wǎng)絡(luò)模型輸出中提取最優(yōu)的碎片峰區(qū)域，并優(yōu)化輸出結(jié)果，包括以下步驟： S3.1、設(shè)定置信度閾值m； S3.2、遍歷分割概率圖中的每個(gè)像素點(diǎn)，將概率值高于置信度閾值m的區(qū)域標(biāo)記為“高置信度碎片峰區(qū)域”，對(duì)于低于置信度閾值m的區(qū)域，視為背景，排除在外； S3.3、將分割概率圖、電荷狀態(tài)預(yù)測(cè)和加合離子匹配概率結(jié)合起來(lái)定義綜合置信度評(píng)分公式，進(jìn)一步優(yōu)化高置信度碎片峰區(qū)域的選擇； S3.4、根據(jù)綜合置信度評(píng)分，重新評(píng)估每個(gè)碎片峰區(qū)域的置信度； S3.5、輸出包含所有置信度大于m的碎片峰的列表； S3.6、根據(jù)綜合置信度評(píng)分對(duì)碎片峰列表進(jìn)行排序，優(yōu)先展示置信度大于m的碎片峰。

如需購(gòu)買(mǎi)、轉(zhuǎn)讓、實(shí)施、許可或投資類(lèi)似專(zhuān)利技術(shù)，可聯(lián)系本專(zhuān)利的申請(qǐng)人或?qū)＠麢?quán)人天津智譜儀器有限公司，其通訊地址為：300409 天津市北辰區(qū)天津北辰經(jīng)濟(jì)技術(shù)開(kāi)發(fā)區(qū)高端園永康道12號(hào)1號(hào)樓3層西側(cè)；或者聯(lián)系龍圖騰網(wǎng)官方客服，聯(lián)系龍圖騰網(wǎng)可撥打電話0551-65771310或微信搜索“龍圖騰網(wǎng)”。