基于深度学习的动态分析在与场效应晶体管集成的基于纸质的分析盒子中

科学领域:

• 生物传感和分析化学
• 电气工程 电气工程
• 计算生物学 计算生物学

背景情况:

• 基于纸质的分析设备往往会受到低灵敏度的影响.
• 场效应晶体管 (FET) 传感器提供电气测量功能,但面临诸如样本矩阵干扰等挑战.
• 整合这些技术可以克服生物传感现有的局限性.

研究的目的:

• 通过结合FET传感器,纸质卡片和深度学习 (DL) 来开发一种新的定量生物传感平台.
• 通过动态数据分析,提高生物传感的灵敏度和准确性.
• 创建一个具有成本效益和用户友好的诊断工具,用于点的护理应用程序.

主要方法:

• 使用一个场效应晶体管 (FET) 集成与基于纸张的分析盒子用于生物传感.
• 采用深度学习 (DL) 算法来分析来自生物反应的动态数据.
• 使用开发的平台进行胆固醇度的定量分析.

主要成果:

• 与传统的纸质分析设备相比,综合系统的灵敏度有所提高.
• 深度学习分析有效地减轻了样本矩阵干扰,这是FET生物传感器中常见的挑战.
• 胆固醇测试显示变化系数为<6.46%和与临床实验室结果有很强的相关性 (r2>0.976).

结论:

• FET传感器,纸盒和DL的融合为定量生物传感提供了一个强大的方法.
• 这项技术有可能显著推进医疗诊断和家庭检测.
• 开发的平台提供了更好的可访问性,易用性和诊断测量的准确性.