自动离线智能手机基于纸张的微流体装置,用于有效检测阿尔茨海默病的生物标志物
Sixuan Duan1, Tianyu Cai2, Fuyuan Liu3
1School of Advanced Technology, Xi'an Jiaotong-Liverpool University, 111 Ren'ai Road, Suzhou, 215000, China; Department of Electrical and Electronic Engineering, University of Liverpool, Foundation Building, Brownlow Hill, Liverpool, L69 7ZX, UK; Key Laboratory of Bionic Engineering, Jilin University, 5988 Renmin Street, Changchun, 130022, China.
这项研究介绍了一个新的深度学习驱动的智能手机平台,用于快速查阿尔茨海默病 (AD). 该系统可使用微流体纸张设备自动,低成本检测AD生物标志物,改善资源有限的环境中的可访问性.
科学领域:
- 生物医学工程 生物医学工程
- 人工智能的人工智能
- 临床诊断 临床诊断 临床诊断 临床诊断
背景情况:
- 阿尔茨海默病 (AD) 是神经退行的主要原因,没有治疗方法,需要早期检测以进行管理.
- 基于智能手机的微流体纸张分析设备 (μPAD) 为疾病查提供了低成本,灵敏和快速的方法,特别是在资源有限的地区.
- 现有的平台通常需要外部设备或云处理,限制它们在远程设置中的实用性.
研究的目的:
- 开发一个深度学习辅助的离线智能手机平台,用于自动化,快速的阿尔茨海默病查.
- 通过与智能手机技术集成的微流体纸张分析设备 (μPADs) 可有效检测阿尔茨海默病生物标志物.
- 提供一个用户友好和可访问的诊断工具,用于阿尔茨海默病在低资源环境.
主要方法:
- 在μPAD上实施智能手机控制的机械旋转结构,用于完全自动化的色度酶相关免疫检测 (c-ELISA).
- 使用YOLOv5深度学习模型对c-ELISA结果的图像分析,这些结果在μPAD上,通过NCNN框架集成到智能手机中,用于离线检测.
- 开发一个用户友好的智能手机应用程序来管理自动检测过程,从样本输入到结果输出.
主要成果:
- 在人工血样本中成功应用c-ELISA三明治检测β-粉样蛋白1-42 (Aβ 1-42),这是一个关键的AD生物标志物.
- 在1824张图像上使用YOLOv5深度学习模型实现了97%的准确性,超过了传统的曲线拟合方法10.16%.
- 在智能手机上直接进行阿尔茨海默病生物标志物检测的简化,自动化工作流程.
结论:
- 开发的平台提供了一个低成本,用户友好,稳定和快速的自动离线解决方案,用于医疗点检测 (POCT).
- 这种方法为有效检测阿尔茨海默病提供了一种可行的方法,特别针对Aβ 1-42水平.
- 该平台特别有利于在资源和通信基础设施有限的地区进行AD查,提高了诊断的可访问性.
更多相关视频
13:42Dry Film Photoresist-based Electrochemical Microfluidic Biosensor Platform: Device Fabrication, On-chip Assay Preparation, and System Operation
Published on: September 19, 2017
06:00Author Spotlight: Development of a Smartphone-Enhanced Paper-Based Device for Rapid Dengue NS1 Detection
Published on: January 26, 2024
