内容标题9

  • <tr id='TDF9LF'><strong id='TDF9LF'></strong><small id='TDF9LF'></small><button id='TDF9LF'></button><li id='TDF9LF'><noscript id='TDF9LF'><big id='TDF9LF'></big><dt id='TDF9LF'></dt></noscript></li></tr><ol id='TDF9LF'><option id='TDF9LF'><table id='TDF9LF'><blockquote id='TDF9LF'><tbody id='TDF9LF'></tbody></blockquote></table></option></ol><u id='TDF9LF'></u><kbd id='TDF9LF'><kbd id='TDF9LF'></kbd></kbd>

    <code id='TDF9LF'><strong id='TDF9LF'></strong></code>

    <fieldset id='TDF9LF'></fieldset>
          <span id='TDF9LF'></span>

              <ins id='TDF9LF'></ins>
              <acronym id='TDF9LF'><em id='TDF9LF'></em><td id='TDF9LF'><div id='TDF9LF'></div></td></acronym><address id='TDF9LF'><big id='TDF9LF'><big id='TDF9LF'></big><legend id='TDF9LF'></legend></big></address>

              <i id='TDF9LF'><div id='TDF9LF'><ins id='TDF9LF'></ins></div></i>
              <i id='TDF9LF'></i>
            1. <dl id='TDF9LF'></dl>
              1. <blockquote id='TDF9LF'><q id='TDF9LF'><noscript id='TDF9LF'></noscript><dt id='TDF9LF'></dt></q></blockquote><noframes id='TDF9LF'><i id='TDF9LF'></i>
                手机版手机版
                手机站二维码
                服务热线 周一至周六 8:00-17:00
                400-806-8896
                人工智能在质谱数据处理中的应用
                1970年01月01日 08:00 分析仪器产业网

                  株式会社岛津制作所(以下简称“岛津制作所”)、富士通株式会社(以下简称“富士通”)、株式会社富士通研究所(以下简称“富士通研究所”)经共同研究,成功开发出可应用于大数据处理中的AI(人工智能)技术,该技术在质谱分析结果的解析过程中不可或缺。截至目前的所有研究成果,已在日前召开的“第11届代谢组学研讨会”上发表。

                  作为ICT(信息通信技术)企业,富士通为实现数字革##,不断探究AI##型商业模式。作为分析仪器制造商,岛津公司受客户委托,致力于“实现复杂数据的高精度自动解析”。诉求一致的两▽家企业自去年11月起,开始推进数据自动化解析领域AI的共同研究。随着仪器灵敏度、分析速度的不断提升,用于疾病早期发现的技术确立、食品农残检测等各领域研究以及品质管理等用途的质谱分析仪,获得的数据量也急剧增加。在此影响下,被称为“peak picking ”的数据解析方式成为作业工程中的一大瓶颈。由于较难实现完全的自动化,并且在一定程度上仍需手动调整,该作业方式存在操作人员操作失误或数据篡改的漏洞,各操作人员间的解析准确率亦参差不齐。近年,在医疗及制药领域,对排除属人为属性的高精度自动化需求愈演愈烈。

                  为此,3家企业模仿脑神经细胞的神经网DEEP LEARNING(深度学习)的◥适用性开展探讨,欲通过活用AI解决上述问题。但在研究过程中,遇到两大难题:其一, 训练数据不充分;其二,将分析仪器输出数据直接导入深度学习网络后,无法开展学习训练。通过共同研究期间的不懈努力,岛津成功开发出“可↑弥补训练数据不足的数据生成技术”,富士通?富士通研究所成功开发出“分析仪器输出特征的图像转换技术”及“可学习熟练工解析诀窍的特征提取技术”。目前,已将通过上述技术生成的3万多条训练数据输入深层学习网,供其学习。

                  与经验者手动peak picking 结果比对后发现,AI自动peak picking 的错误率为7、未检率为9。即自动peak picking 并不逊色于经验者操作,相关结果达到可使用状态。

                  在岛津公司2017年4月开展的中期经营计划中∞,制定了“致力先进医疗、为预防、诊断、治疗以及制药领域提供革##产品及服务”的目标。本次开发的AI,其初使用的“代谢组学”研究即为其中的一环。代谢组学是一种检测代谢产物并根据其性状特征对细胞开展检查的生物技术。在生理?病理组织的解析、疾病生物标志物的探索等领域备受瞩目。

                  2015年11月,富士通将积累了超过30年的AI(人工知能)相关知识技术,以“FUJITSU Human Centric AI Zinrai”形式公开发表,积极推进面向各领域用户、商品服务的AI实际应用。目前,又在深度学习的全##领域聚焦“代谢组学”,积极开展可实现数据分析自动化的AI研发。

                  岛津与富士通的目标为,2018年能将本↙次成功研发的AI技术导入质谱分析仪器专用软件。

                查看更多
                推荐文章
                相关资讯
                • “一带一路”建设下我国仪器仪表行业的新机遇
                  两千多年前,张骞肩负使命出使西域,开辟了从中国通往中亚、西亚,直到欧洲的陆上商贸通道ㄨ,促进了东西方文明的交融。两千多年后的今天,我国提出共同建设“丝绸之路经济带”和“21世纪海上丝绸之路”的倡议,努力促进以世界贸易组织为核心、普遍、以规则为基础、开放、非歧视、公平的多边贸易体制。2017年5月14日至15日,“一带一路”国
                • “十三五”先进制造专项规划出台 仪器仪表制造业获重点扶持
                  5月2日,科技部发布《关于印发“十三五”先进制造技术领域科技创新专项规划的通知》,仪器仪表制造业获重点扶持。近年来我国制造业总体规模已居世界位,综合实力不断增强,成为名副其实的制造大国。不仅突破了一批◎核心技术,形成了一批支撑国民经济发展的重大装备产品,更涌现出一批的大企业,企业正在逐步成为技术创新主体,初步形成企业、高校、院所联动的产业创新体系。与此同时,我国
                • 仪表巨头纷纷入局物联网 中国企业你准备好了吗?(附图)
                  物联网,被称为继计算机、互联网之后世界信息产业发展的第三次浪潮,是信息化时代的重要发展阶段。可以想象,若干年后,各行各业都将实现“物物相连,全面感知”。在工业领域,物联网赋予了生产线、制造流程或是电网上的每一个资产相互“交流”的机会,实现海量数据互联互通。可以说工业物联网项目,就是通过布局各种仪表,特别是用于生产线过程检测、实时参数采集、生产设备
                • 能源发展意见出炉 仪表企业该如何应对新挑战?
                  为进一步深化能源供给侧结构性改革,助推2017能源工作开展,国家能源局近日正式印发《2017年能源工作指导意见》(以下简称《意见》)。《意见》表示,2017年能源消费目标达到非化石能源消费比重提高到14.3左右,天然气消费比重提高到6.8左右,煤炭消费比重下降到60左右。随着《意见》的印发,我国优化能源结构、助推清洁能源产业发展的步伐再次加快。这也意味着以能源计量、检测为基础的仪表市场进
                查看更多