机器学习辅助的冷大气等离子处理水的氧化强度的评估
Seyma Ecem Irmak1, Gizem Dilara Ozdemir1,2, Mehmet Akif Ozdemir1,2
1Department of Biomedical Engineering, Graduate School of Natural and Applied Sciences, Izmir Katip Celebi University, 35620 Cigli, Izmir, Turkey.
Biomedical physics & engineering express
|May 2, 2024
概括
这项研究使用机器学习来分析等离子体处理水中的颜色变化,将它们与活性氧物种 (ROS) 水平相关联. 这种方法有助于标准化冷大气等离子体 (CAP) 在医学中的应用.
科学领域:
- 生物医学工程 生物医学工程
- 等离子体物理学的物理学
- 计算化学的计算化学
背景情况:
- 冷大气等离子体 (CAP) 由于其反应性氧物种 (ROS) 在生物医学中表现有前途.
- 标准化CAP应用需要了解不同等离子体参数下的ROS氧化功率.
- 机器学习 (ML) 为分析复杂的等离子体化学相互作用提供了潜力.
研究的目的:
- 开发一种ML模型来量化等离子体处理水 (PTW) 的氧化强度.
- 为了将视觉颜色变化与PTW中的ROS水平相关联.
- 探索ML用于标准化CAP参数评估.
主要方法:
- 用等离子体处理水 (PTW) 用不同的等离子体处理时间来制备.
- 使用酸-粉试剂可通过颜色形成可视化氧化能力.
- 用ML算法捕获和分析了颜色变化的图像.
- 使用AdaBoost分类器 (ABC) 来分类与ROS氧化强度相关的颜色特征.
主要成果:
- 该AdaBoost分类器 (ABC) 有效地区分了标志着ROS氧化强度的颜色变化.
- 在分类氧化性质方面,ML模型实现了63.5%的测试准确度.
- 视觉颜色变化作为PTW氧化能力的可靠代理.
结论:
- ML,特别是ABC,可以在CAP应用中自动解释ROS氧化性质.
- 这种方法为为血医学提供了标准化PTW分析的途径.
- 未来的发展可能会导致用于实时监测农业政策参数的自动化系统.
