使用智能手机启用LFA阅读器在临床样本中定量尿白蛋白,其中包含自动细分

科学领域:

• 生物医学工程 生物医学工程
• 医学诊断 医学诊断 医学诊断
• 分析化学是一种分析化学.

背景情况:

• 智能手机辅助的尿液分析仪经常因总蛋白质的非特定颜色变化而难以准确.
• 现有的方法缺乏特异性,这使得很难量化特定的分析物,如尿白蛋白.

研究的目的:

• 开发和验证基于智能手机的侧向流量测试 (LFA) 设备,用于特定且准确地检测尿蛋白.
• 为了最大限度地减少其他尿路部件的干扰,并提高诊断可靠性.

主要方法:

• 使用侧向流量检测 (LFA) 进行特定的尿蛋白检测.
• 实现了YOLOv5深度学习模型,用于自动对感兴趣区域 (ROI) 细分.
• 采用k-最近邻居 (k-NN) 机器学习算法来对白蛋白度进行分类.

主要成果:

• 通过使用k-NN算法对测试数据进行尿蛋白度分类,达到96%的准确性.
• 在各种照明条件和智能手机摄像头中表现出强大的性能.
• 与标准nephelometer对比验证结果,证实可靠性.

结论:

• 拟议的智能手机-LFA系统提供了一种特定,准确和易于使用的尿蛋白量化方法.
• 这项技术有可能改善脏健康监测的护理点诊断.
• 使用深度学习和机器学习可以提高智能手机诊断工具的可靠性.