基于石头中的尿酸度预测慢性病风险,使用与基于深度学习的ANN系统集成的生物传感器
Yaw-Jen Chang1, Chu-Hao Lin1, You-Chiuan Chien2
1Department of Mechanical Engineering, Chung Yuan Christian University, Chung Li District, Taoyuan City, 320314, Taiwan.
Talanta
|October 30, 2024
概括
这项研究引入了一种用于检测石头中的尿酸 (UA) 的新型生物传感器,以及用于评估慢性病 (CKD) 风险的人工神经网络 (ANN) 系统,以帮助早期诊断和治疗.
科学领域:
- 生物医学工程 生物医学工程
- 分析化学 分析化学
- 人工智能的人工智能
背景情况:
- 尿酸 (UA) 水平升高与结石和慢性病 (CKD) 风险有关.
- 准确的UA检测和CKD风险评估对于患者管理至关重要.
研究的目的:
- 开发一种具有成本效益的生物传感器,用于结石中UA检测.
- 创建一个深度学习系统,使用UA和肌水平来预测CKD风险.
主要方法:
- 一个印电极 (SPE) 生物传感器,用氧等离子体进行修改,用于通过循环电压测量检测UA.
- 一个人工神经网络 (ANN) 在CKD数据集上训练使用年龄和肌素作为输入.
- 生物传感器UA测量的整合以估计血清UA和肌素用于ANN风险分析.
主要成果:
- SPE生物传感器通过简单的,具有成本效益的修改证明了UA度 (0.15-5mM) 的线性反应.
- 该ANN系统有效地利用估计的肌素水平进行CKD风险评估.
- 综合系统为早期CKD风险评估提供了一条途径.
结论:
- 开发的生物传感器和ANN系统为早期检测UA相关脏问题和CKD风险提供了有希望的工具.
- 这种综合方法可以帮助临床医生在患者分层和及时干预方面.
- 该系统支持泌尿科医生识别需要脏病咨询的患者.
