多尺度生物阻抗灵活传感与因果层次机器学习,用于在逆境压力下评估鱼的活力

科学领域:

• 生物医学工程 生物医学工程
• 动物生理学 动物生理学
• 传感器技术 传感器技术

背景情况:

• 没有水的低温环境对鱼类造成了严重的压力,影响了它们的活力.
• 监测鱼类应激反应对于水产养殖和保护工作至关重要.
• 评估鱼类压力的现有方法在具有挑战性的环境中可能是侵入性的或不切实际的.

研究的目的:

• 开发一种新的灵活传感器系统,用于检测鱼类的多尺度生物阻抗.
• 为了评估传感器在无水,低温条件下的性能.
• 建立基于生物阻抗数据的鱼类压力预测模型.

主要方法:

• 一个激光激活的,可伸缩的,基于液体金属 (LM) 的柔性传感器被制造出来.
• 传感器系统内置无线电源,可在封装环境中安全操作.
• 使用格兰杰因果关系建立了一个等级回归模型 (GC-HRM) 来分析生物阻抗数据.
• 机器学习模型 (LR,SVR,ANN) 用于预测鱼的活力.

主要成果:

• 灵活的传感器表现出了良好的符合性,导电性和在曲和拉伸应力下稳定性.
• 无线电源在无水,低温包装中安全运行设备方面被证明是有效的.
• 发现组织生物阻抗会影响个人生物阻抗与单向格兰杰因果关系.
• 结合多尺度生物阻抗特征的机器学习模型显著提高了预测准确性 (R2高达1.00).

结论:

• 开发的基于LM的灵活传感器系统是用于非侵入性,多尺度鱼类生物阻抗监测的有希望的工具.
• 该研究验证了无线电源对包装式监控设备的潜力.
• GC-HRM和机器学习模型为鱼类应激反应和活力评估提供了准确的见解.