空間的自己教師付きピーク学習と質量分析イメージングにおけるピークピッキングの相関に基づく評価

要旨: 質量分析イメージング（MSI）は組織サンプル全体の分子分布をラベルフリーで可視化できる一方で、大規模かつ複雑なデータセットを生成します。これらはデータサイズを削減しつつ、有意義な生物学的情報を保持するために効果的なピーク抽出が必要です。既存のピーク抽出アプローチは異種データセット間で一貫して性能を発揮するわけではなく、その評価はしばしば合成データや手動で選択されたイオン画像に限定され、MSIの現実の課題を十分に表現していません。これらの制限に対処するため、空間情報とスペクトル情報の両方を活用するアテンションマスクを学習して空間的に構造化されたピークを選択する、オートエンコーダーベースの空間自己教師付きピーク学習ニューラルネットワークを提案します。さらに専門家がアノテーションしたセグメンテーションマスクに基づく評価手順を導入し、ピークピッキング性能のより代表的で空間的に基づく評価を可能にします。我々のアプローチを、提案する評価手順を用いて4つの多様な公開MSIデータセットで評価します。我々の手法は、空間的に構造化されたピークを選択することにより、最先端のピーク抽出手法を一貫して上回り、その有効性を示します。これらの結果は、現代の最先端手法と比較した際に、我々の空間自己教師付きネットワークの価値を強調します。評価手順は新しいMSIデータセットにも容易に適用可能であり、異なるデータセット間で空間的に構造化されたピーク抽出手法を比較するための一貫性があり頑健なフレームワークを提供します。