无镜头全息成像基于免疫传感器使用未配对数据集信号与噪声比增强模态转换生物传感
Minjie Han1,2, Chen Zhan3,2, Junpeng Zhao1
1College of Food Science and Technology, Huazhong Agricultural University, Shizishan Street, Hongshan District, Wuhan 430070, Hubei, China.
Analytical chemistry
|February 4, 2025
概括
这项研究引入了使用深度学习进行增强抗生素检测的便携式全息免疫传感器. 它克服了显微镜的局限性,为现场食品安全和临床诊断提供了广的视野和高精度.
科学领域:
- 生物感知技术的技术
- 全息成像成像全息成像成像
- 深度学习应用程序深度学习应用程序
背景情况:
- 传统显微镜在平衡镜头放大和视野 (FOV) 方面存在局限性,限制了免疫传感器成像能力.
- 现有的免疫传感器技术在成像领域的局限性和准确性方面扎.
- 准确的抗生素检测对于食品安全和临床诊断至关重要.
研究的目的:
- 开发一个便携式,无镜头全息免疫传感器,用于准确的抗生素检测.
- 为了克服常规显微镜中透镜和视野 (FOV) 之间的权衡.
- 为了提高免疫传感器的成像场和准确性.
主要方法:
- 一个便携式没有镜头的全息成像设备与基于CuO2@SiO2纳米粒子的点击反应信号放大策略相结合.
- 用深度学习和未配对的模式转换来构建模式转换模型.
- 该系统被优化为信号噪声比增强全息重建.
主要成果:
- 与传统显微镜相比,开发的免疫传感器实现了FOV的10.3倍改善.
- 通过增强的全息重建,实现了高信号噪声比 (32.65 dB) 和结构相似度指数 (0.83).
- 免疫传感器在40分钟内检测到有3.54pg/mL的检测极限和广泛的动态范围 (10pg/mL到50ng/mL) 的.
结论:
- 全息深度学习免疫传感器有效地解决了传统显微镜在FOV和精度方面的局限性.
- 该设备提供了一个灵敏,便携和快速的平台,用于现场检测抗生素.
- 这项技术显示出食品安全检查和临床诊断应用的巨大潜力.
