基于纳米酶的色度传感器阵列与智能手机合,用于区分和"细分-提取-回归"深度学习辅助的黄类药物的定量化

科学领域:

• 分析化学 分析化学
• 材料科学 材料科学 材料科学
• 计算化学计算化学

背景情况:

• 准确有效地确定黄类药物仍然是各种科学领域的重大挑战.
• 目前的黄胺分析方法往往耗时,昂贵,缺乏智能功能.
• 黄酸是具有多种健康益处的关键植物化合物,需要可靠的分析技术.

研究的目的:

• 开发一个快速,经济有效和智能传感平台,用于识别和量化黄类药物.
• 使用纳米酶和先进算法创建智能手机合的色度传感器阵列.
• 允许在复杂矩阵中同时进行多种成分的黄类的定量分析.

主要方法:

• 纳米酶的发展 (CeO2与Mn,Co,Fe合) 具有增强的过氧化酶类活性,由密度函数理论预测.
• 使用3,3',5,5'-四甲基基底构建与智能手机合的色度传感器阵列 (电子鼻子).
• 实现一个移动应用程序 (快速查看) 用于图像分析和一个深度学习算法 (MobileNetV3-小) 用于定量预测.

主要成果:

• 传感器阵列表明,它能够根据其类别,度,混合物和储存时间来区分不同的黄类.
• 一个深度学习模型使用细分的单孔图像实现了对使用细分的单孔图像的黄胺度的高预测准确性 (R2 = 0.97).
• 集成的智能手机应用程序提供了一个点击输出三种目标黄酸盐的度.

结论:

• 开发的基于智能手机的传感平台提供了一种创新的方法,用于对黄类药物的定性和同时的多成分定量分析.
• 这种方法提供了一种快速,经济有效和智能解决方案来确定黄类,适用于Citri Reticulatae Pericarpium等天然产品.
• 纳米酶,色度阵列和深度学习的集成代表了便携式分析设备的重大进步.