深度学习辅助智能手机电化学发光视觉监控生物传感器:一个完全集成的便携式平台
Manish Bhaiyya1, Prakash Rewatkar2, Amit Pimpalkar3
1Department Electronics Engineering, Ramdeobaba University, Nagpur 440013, India.
Micromachines
|August 29, 2024
概括
使用深度学习开发了一种低成本的便携式智能手机电化学发光 (ECL) 传感器,用于乳酸检测. 这种新型设备提供了准确,快速的临床诊断,使先进的测试更容易获得.
科学领域:
- 电化学 电化学 电化学
- 生物感应是一种生物感应.
- 机器学习 机器学习
背景情况:
- 传统的电化学发光 (ECL) 传感平台通常需要昂贵的设备,并且不容易便携.
- 临床检测 (POCT) 需要具有成本效益,易于使用的诊断工具.
研究的目的:
- 开发一种基于智能手机的新型,便携式和具有成本效益的ECL传感平台,用于选择性乳酸检测.
- 整合深度学习以提高准确性和加快诊断.
- 为数据采集和分析创建一个用户友好的Android应用程序.
主要方法:
- 使用丝网印刷和印刷制造小型的纸质ECL电极.
- 组装一个便携式的3D打印反应室,集成与智能手机和buck-boost转换器.
- 开发和训练使用实验ECL图像的深度学习模型.
- 创建一个Android应用程序,用于实时图像捕获,处理和度预测.
主要成果:
- 开发的便携式ECL平台实现了从50μM到2000μM的线性范围的选择性乳酸检测.
- 获得了5.14μM的可接受检测极限 (LOD).
- 深度学习集成显著提高了传感器准确性和诊断速度.
- 该平台在未知样本分析中表现出良好的稳定性,可重现性和性能.
结论:
- 成功开发了一种具有成本效益 (约10美元),便携式和深度学习辅助的基于智能手机的ECL传感器.
- 这个平台提供了一个有前途的解决方案,用于 point-of-care乳酸测试,提高可访问性和效率.
- 深度学习和智能手机技术的整合为各种生物分析应用提供了多功能工具.
