血清SERS技术与深度学习算法相结合的应用,用于快速诊断免疫疾病和慢性病
Jie Yang1, Xiaomei Chen2,3,4, Cainan Luo2,3
1College of Information Science and Engineering, Xinjiang University, Urumqi, 830046, China.
Scientific reports
|September 22, 2023
概括
这项研究开发了一种用于表面增强拉曼光谱 (SERS) 的新型化银纳米粒子/多孔布拉格反射器 (AgNPs/PSB) 复合基板. 这种SERS基质显示出快速疾病查的高灵敏度和稳定性,特别是免疫疾病和慢性病.
科学领域:
- 纳米技术纳米技术
- 频谱学是一种光谱学.
- 生物医学工程 生物医学工程
背景情况:
- 表面增强拉曼光谱 (SERS) 是一种非侵入性疾病诊断的有前途的技术.
- 开发高度敏感和稳定的SERS基质对于临床应用至关重要.
研究的目的:
- 准备和评估一个化银纳米粒子/多孔布拉格反射器 (AgNPs/PSB) 复合SERS基板.
- 开发深度学习模型,以快速查原发性Sjögren综合征 (pSS) 和糖尿病病 (DN).
主要方法:
- 使用浸泡涂层和热处理制造AgNPs/PSB复合SERS基板.
- 应用五种深度学习算法 (AlexNet,ResNet,SqueezeNet,TCN,MCNN) 来进行疾病分类.
- 在pSS和DN患者样本上测试基质和模型,与健康对照对比.
主要成果:
- 经过回火的AgNPs/PSB复合SERS基质表现出高灵敏度和稳定性.
- 多尺度融合卷积神经网络 (MCNN) 模型实现了最高的分类准确性 (94.7%为pSS, 92.0%为DN).
- 与深度学习相结合的SERS基板在疾病诊断方面表现出色.
结论:
- 开发的AgNPs/PSB复合SERS基质对快速疾病查有效.
- 深度学习算法,特别是MCNN,显著提高了SERS的诊断能力.
- 这种方法在早期识别和查免疫疾病和慢性病方面具有很大的潜力.
