机器学习支持的光学方法用于C-反应蛋白度动态的动态变化检测在生物矩阵样本中的变化检测
Patryk Sokołowski1, Kacper Cierpiak1, Małgorzata Szczerska1
1Department of Metrology and Optoelectronics, Faculty of Electronics, Telecommunications and Informatics, Gdańsk University of Technology, Gdańsk, Poland.
Journal of biophotonics
|March 20, 2024
概括
这项研究引入了一种新的光谱学和机器学习方法,用于快速检测污水中的传染病原体. 这种方法有助于早期发现流行病,并减少昂贵,耗时的传统方法.
科学领域:
- 环境科学环境科学
- 生物技术是生物技术.
- 分析化学是一种分析化学.
背景情况:
- 废水监测对于公共卫生监测至关重要,特别是在流行病期间.
- 在社区中早期检测传染病原体和炎症生物标志物至关重要.
- 目前的检测方法往往耗时且昂贵.
研究的目的:
- 开发一种通过机器学习增强的新型光谱法,以实时检测废水中的传染病原体.
- 在社区环境中快速查炎症和传染病.
- 减少与传统传染病检测相关的时间和成本.
主要方法:
- 在220-750纳米范围内利用光谱学.
- 采用机器学习算法进行数据分析和预测.
- 集成的吸收光谱光度计与机器学习用于检测.
主要成果:
- 在预测模型中达到高达68%的准确性.
- 证明了实时检测传染病原体的潜力.
- 用各种探测器展示了该方法的普遍性.
结论:
- 新型光谱学和机器学习方法为基于废水的实时流行病学提供了一个有希望的方法.
- 这种技术可以显著提高传染病监测的速度和效率.
- 该方法与不同探测器的适应性提高了其广泛应用的潜力.


