相关实验视频
Updated: Jul 7, 2026
09:43
Microfluidic Chip Fabrication and Method to Detect Influenza
Published on: March 26, 2013
14.9K
基于FPGA的SiNW-FET生物传感系统用于实时病毒检测:硬件放大和1D CNN用于自适应降噪
Ahmed Hadded1, Mossaad Ben Ayed1,2, Shaya A Alshaya3
1Computer and Embedded System Laboratory, National Engineering School of Sfax, Sfax University, Sfax 3038, Tunisia.
Sensors (Basel, Switzerland)
|January 11, 2025
概括
本研究介绍了一种使用纳米线场效应晶体管 (SiNW-FET) 和基于FPGA的深度学习进行实时病毒检测的紧生物传感系统. 这种新的方法显著降低了噪音,提高了便携式诊断的准确性.
科学领域:
- 生物医学工程 生物医学工程
- 纳米技术纳米技术
- 人工智能的人工智能
背景情况:
- 基于阻抗的生物传感提供了高灵敏度,但受限于庞大的设备,用于点的护理应用.
- 生物传感器的传统降噪方法对复杂的非线性噪声模式缺乏适应性.
- 需要便携式,准确和低延迟的生物传感系统来进行实时诊断.
研究的目的:
- 开发一种先进的便携式生物传感系统,用于高灵敏度的生物分子检测.
- 在FPGA硬件上集成纳米线场效应晶体管 (SiNW-FET) 生物传感器与高增益放大器和1D卷积神经网络 (CNN).
- 为了实现实时病毒检测,增强信号噪声比 (SNR) 和最小的计算延迟.
主要方法:
- 使用COMSOL和MATLAB进行SiNW-FET生物传感器和放大电路的全面模拟.
- 在FPGA硬件上开发并实施1D CNN模型,用于适应性,非线性噪声过.
- 在SiNW-FET上模拟的抗体-抗原相互作用与病毒抗原检测抗体功能化.
主要成果:
- 通过模拟实现了高增益放大电路,通过模拟将SNR提升到大约70dB.
- 1D CNN模型在广泛的频率范围内显示了大约75%的噪声降低.
- 采用FPGA实现的CNN实现了实时应用的高通量,低延迟信号处理.
结论:
- 集成的SiNW-FET生物传感器与基于FPGA的CNN降噪为便携式诊断提供了一种独特而有效的解决方案.
- 该系统展示了显著的SNR增强和降噪,适合高精度,实时病毒检测.
- 这种架构推动了可访问的临床诊断工具和持续健康监测系统的开发.
