使用SERS血清检测技术和深度学习算法进行系统性红斑狼的非侵入性检测

科学领域:

• 材料科学 材料科学 材料科学
• 生物医学工程 生物医学工程
• 分析化学 分析化学

背景情况:

• 系统性红斑狼 (SLE) 是一种复杂的自身免疫性疾病,需要有效的诊断方法.
• 表面增强的拉曼散射 (SERS) 技术为敏感的生物分子检测提供了潜力.
• 快速和准确的SLE查仍然是一个重大的临床挑战.

研究的目的:

• 为SERS应用开发和评估一种新的金@银多孔 (Au@Ag-PSi) 复合基材.
• 研究将SERS与SLE诊断的深度学习算法相结合的有效性.
• 建立一个快速,准确和非侵入性的SLE查方法.

主要方法:

• 使用电化学蚀刻和现场减少合成Au@Ag-PSi复合基板.
• 罗达胺6G (R6G) 和人类血清样本的SERS检测.
• 深度学习模型 (CNN,AlexNet,RF) 的应用用于血清特征分析和SLE分类.
• 使用接收器操作特征 (ROC) 曲线分析验证模型性能.

主要成果:

• 合成的Au@Ag-PSi基质在SERS检测中表现出高灵敏度和精度.
• 深度学习模型,特别是CNN,在根据血清SERS光谱对SLE患者进行分类时,达到92%的准确性.
• ROC曲线分析证实了用于SLE识别的开发模型的可靠性.

结论:

• Au@Ag-PSi复合基质对基于SERS的诊断有显著的前景.
• 将SERS与深度学习集成为准确的SLE查提供了一种强大的方法.
• 这种新的方法为快速,非侵入性和精确检测系统性红斑狼提供了一种有价值的工具.