机器学习辅助的柔性可穿戴设备用于氨酸检测.

科学领域:

• 电化学 电化学 电化学
• 生物传感器是一种生物传感器.
• 机器学习 机器学习
• 分析化学 分析化学

背景情况:

• 早期诊断病理标志物对于疾病控制至关重要.
• 目前的临床方法通常是昂贵和复杂的.
• 需要更简单,更快速,更聪明的分析技术.

研究的目的:

• 开发一个智能,便携式的电化学生物传感器来检测氨酸.
• 利用机器学习来提高分析准确度.
• 将一个灵活的可穿戴设备与一种新型电极材料集成在一起.

主要方法:

• 一个碳黑-石墨烯氧化物联合聚合物 (CB-GO/CP) 电极的制造.
• 开发一种灵活的可穿戴设备,用于便携式检测.
• 人工神经网络 (ANN) 和支持矢量机器 (SVM) 模型的应用.
• 在人工尿中收集数据,包括pH值和温度变化.

主要成果:

• 拟议的CB-GO/CP电极展示了有效的电化学传感能力.
• 机器学习模型准确地预测了氨酸度.
• 外部因素 (pH,温度) 的整合显著提高了模型预测的准确性.

结论:

• 机器学习辅助的电化学生物传感器为智能,便携式诊断提供了一个有希望的方法.
• 开发的系统为传统方法提供了更简单,更高效和更智能的替代方案.
• 这项技术在早期疾病诊断和监测方面具有潜在的应用.