林雁勤团队提出深度学习模型实现高质量核磁共振谱分析

近日，厦门大学林雁勤教授团队联合中国科学院精密测量科学与技术创新研究院及英国曼彻斯特大学，在人工智能赋能核磁共振波谱技术领域取得重要突破。针对传统氢谱谱峰重叠严重、定量分析困难及现有纯位移技术伴随灵敏度损失等问题，研究团队创新提出自旋回波到纯位移网络（SE2PSNet）。该模型通过构建谱图信息关联、定量注意力与谱图恢复三大核心模块，深度融合残差连接与注意力机制，有效增强定量信号特征并降低复杂重叠信号的信息损耗。此外，团队引入均方误差与相对误差组成的联合损失函数，确保网络在提升整体谱图质量的同时精准重建弱信号，避免训练过程过度偏向强峰。在阿奇霉素等复杂样品的验证中，SE2PSNet成功分辨出传统方法难以区分的相邻重叠信号，其积分值与参考谱高度一致，决定系数高达0.9975。相关研究成果发表于国际权威期刊《自然·通讯》。厦门大学为论文第一署名与通讯单位，硕士研究生蔡伟刚、李熠阳为共同第一作者。该项目获国家重点研发计划、国家自然科学基金等资助。此项工作为兼顾高分辨率、高灵敏度与定量准确性的核磁共振分析提供了全新范式，将有效突破该技术在药物研发与代谢研究中的应用瓶颈，为我国创新药开发与健康中国战略实施提供关键技术支撑。