通过石墨烯场效应晶体管 (GFET) 来检测COVID-19的机器学习方法

科学领域:

• 生物电子学 生物电子学
• 医学诊断 医学诊断 医学诊断
• 机器学习 机器学习

背景情况:

• 随着COVID-19的爆发,人们越来越需要准确且易于使用的诊断测试.
• 目前基于实验室的COVID-19检测方法在准确性和可访问性方面存在局限性.
• 石墨烯场效应晶体管 (GFET) 为敏感的生物传感应用提供了潜力.

研究的目的:

• 为了评估与机器学习算法集成的石墨烯场效应晶体管 (GFET) 生物传感器的有效性,用于COVID-19检测.
• 探索使用GFET电流电压数据来识别生物样本中COVID-19的存在.
• 为了比较不同机器学习模型在分类COVID-19阳性和阴性样本中的性能.

主要方法:

• 利用来自GFET传感器的电流电压数据来分析生物样本.
• 使用线性差异分析 (LDA),支持向量机 (SVM) 与辐射基函数 (RBF) 内核,以及K-最近邻居 (KNN) 结合主组件分析 (PCA) 的二进制分类.
• 评估每个机器学习算法的准确性,以区分COVID-19阳性和阴性样本.

主要成果:

• 线性差异分析 (LDA) 在识别COVID-19样本方面实现了99%的准确性.
• 使用RBF内核的支持矢量机器 (SVM) 显示了98.5%的准确性.
• 无论是LDA还是SVM (RBF),在对COVID-19存在的二进制分类中都被证明是非常有效的.

结论:

• 结合GFET技术和机器学习,为COVID-19诊断提供了一种可行且准确的方法.
• 这种生物电子方法在开发快速可靠的诊断工具方面显著有前途.
• 进一步的发展可能会导致先进的,点的护理诊断解决方案的传染病.