通过深度机器学习进行现场SERS分析和芬太尼类物质的智能多重识别
Qiao-Yan Jiang1, Yuan Zhang2, Yang Sun3
1Shanghai Key Lab of Forensic Medicine, Key Lab of Forensic Science, Ministry of Justice, China (Academy of Forensic Science), Shanghai 200063, China; Department of Pathology, Taizhou Hospital of Zhejiang Province Affiliated to Wenzhou Medical University, Taizhou 317000, Zhejiang, China.
一个新的银金纳米粒子在纸上的传感器提供了芬太尼类物质的敏感检测. 这种SERS传感器与机器学习相结合,可用于食品安全和环境监测的准确识别.
科学领域:
- 纳米技术纳米技术
- 分析化学 分析化学
- 法医科学 法医科学 法医科学
背景情况:
- 芬太尼类物质日益多样化,需要先进的检测方法.
- 现有的检测技术可能缺乏全面分析所需的灵敏度或通用性.
- 开发一个快速,可靠的传感器对于公共健康和安全至关重要.
研究的目的:
- 开发一个通用的表面增强拉曼光谱 (SERS) 传感器,用于对芬太尼类物质的辨别检测.
- 创建一个新的纳米材料传感器,基于纸上的银金纳米粒子 (Ag@Au NPs-paper).
- 评估传感器在识别芬太尼化合物和混合物的性能.
主要方法:
- 使用在纸质基板 (Ag@Au NPs-paper) 上固定的银金纳米粒子制造SERS传感器.
- 使用罗达胺6G (R6G) 作为测试分子评估SERS灵敏度和稳定性.
- 传感器与视觉分析和机器学习算法一起用于芬太尼检测的应用.
- 对二元芬太尼混合物的分析,以确定组件识别能力.
主要成果:
- Ag@Au NPs-纸张传感器表现出极好的SERS灵敏度和稳定性.
- 传感器成功地区分了各种芬太尼类物质.
- 机器学习集成使得二元芬太尼混合物中成分的准确识别成为可能.
- 开发的传感器显示出实际应用的巨大潜力.
结论:
- Ag@Au NPs-纸张传感器为芬太尼类物质检测提供了一个灵敏而稳定的平台.
- SERS,视觉分析和机器学习的结合为复杂混合分析提供了强大的方法.
- 这项技术对食品安全,环境毒理学和法医分析等领域的应用具有重大前景.
更多相关视频
10:17High-throughput and Comprehensive Drug Surveillance Using Multisegment Injection-Capillary Electrophoresis-Mass Spectrometry
Published on: April 23, 2019
11:14Rapid High-throughput Species Identification of Botanical Material Using Direct Analysis in Real Time High Resolution Mass Spectrometry
Published on: October 2, 2016
相关概念视频
High-Performance Liquid Chromatography: Types of Detectors
MALDI-TOF Mass Spectrometry
Matrix-assisted laser desorption ionization (MALDI) is a commonly...
