Microscopía de campo oscuro potenciada por aprendizaje profundo para el análisis simultáneo de tamaño y concentración...

Área de la Ciencia:

• Ciencias Ambientales; Química Analítica; Nanotecnología

Sus antecedentes:

• Los nanoplásticos plantean riesgos significativos para el medio ambiente y la salud.; El análisis preciso del tamaño y la concentración de nanoplásticos es crucial pero desafiante.; Los métodos existentes tienen dificultades con la determinación simultánea del tamaño y la concentración.

Objetivo del estudio:

• Desarrollar un método novedoso para el análisis concurrente de tamaño y concentración de nanoplásticos.; Mejorar la precisión y la sensibilidad de la detección de nanoplásticos.; Proporcionar una herramienta fiable para la monitorización ambiental y biológica.

Principales métodos:

• Se utilizó microscopía de campo oscuro (DFM) para la obtención de imágenes de nanoplásticos.; Se emplearon redes neuronales convolucionales (CNN) para el análisis de datos.; Se combinaron algoritmos de reconocimiento de contornos con VGGNet para el procesamiento de imágenes.

Principales resultados:

• Se logró una alta precisión (más de 0.99) y sensibilidad (LOD: 1.7 ng mL⁻¹) para nanoplásticos (150-600 nm).; Se demostraron excelentes tasas de recuperación de muestras enriquecidas (93.55-103.8%) para nanoplásticos de poliestireno.; Se permitió con éxito la determinación simultánea del tamaño y la concentración de nanoplásticos.

Conclusiones:

• El enfoque DFM potenciado por CNN desarrollado ofrece un método fiable y visual para el análisis de nanoplásticos.; Esta estrategia tiene aplicaciones potenciales en la monitorización ambiental y estudios toxicológicos.; El método proporciona un avance significativo en la cuantificación de la contaminación por nanoplásticos.