基于深度学习的血糖检测设备使用乙呼出呼吸传感特征的α-Fe2O3-MWCNT纳米复合材料
Hamid Reza Ansari1,2,3, Zoheir Kordrostami1,2, Ali Mirzaei4
1Department of Electrical and Electronics Engineering, Shiraz University of Technology, Shiraz 71555-313, Iran.
ACS applied materials & interfaces
|September 3, 2024
概括
一种新的非侵入性设备通过在呼出的呼吸 (EB) 中测量乙来检测糖尿病. 该传感器使用氧化铁-碳纳米管复合物,即使在潮湿的条件下也显示出高精度,为早期糖尿病诊断提供了有前途的工具.
科学领域:
- 材料科学 材料科学 材料科学
- 纳米技术 纳米技术
- 生物医学工程 生物医学工程
背景情况:
- 呼出的呼吸中的乙与血糖水平相关,使得EB乙传感器对糖尿病诊断至关重要.
- 开发用于糖尿病监测的非侵入性方法是一个重要的医疗保健挑战.
研究的目的:
- 开发一种非侵入性装置,通过在呼出的呼吸中感知乙来检测糖尿病.
- 创建一个高度灵敏和可靠的乙气体传感器,适合潮湿的EB环境.
主要方法:
- 制造一个alpha-Fe2O3-多壁碳纳米管 (MWCNT) 纳米复合材料用于乙传感.
- 通过简单的溶液方法优化传感器的α-Fe2O3负载.
- 在200°C和高湿度下,用10ppm乙测试传感器的性能.
- 使用深度学习算法 (DLA) 对来自50名志愿者的EB样本进行验证.
主要成果:
- 经过优化后的传感器在200°C时表现出5.15到10ppm乙的反应.
- 传感器在高湿度下表现出极好的传感性能,这对于呼气分析至关重要.
- 该设备在志愿者测试中实现了大约85%的正确反应,误差幅度为±15.
- 传感器显示出出色的响应,快速反应时间,良好的选择性和可重复性.
结论:
- 开发的α-Fe2O3-MWCNT纳米复合体传感器是非侵入性血糖监测的有希望的候选者.
- 传感器在潮湿环境中有效运行的能力使其适合于呼气分析.
- 与深度学习算法的集成提高了诊断设备的可靠性和校准.
更多相关视频
12:20Fabrication of Carbon Nanotube High-Frequency Nanoelectronic Biosensor for Sensing in High Ionic Strength Solutions
Published on: July 22, 2013
18.2K
07:51Development and Functionalization of Electrolyte-Gated Graphene Field-Effect Transistor for Biomarker Detection
Published on: February 1, 2022
3.2K
