机器学习辅助智能乳酸在汗水中的监测,由汗水驱动的自动传感器支持

科学领域:

• 生物医学工程 生物医学工程
• 分析化学 分析化学
• 可穿戴技术可穿戴技术

背景情况:

• 乳酸是与各种疾病相关的关键生物标志物.
• 实时,动态和智能检测方法对于敏感的乳酸分析至关重要.
• 目前的方法可能缺乏动态监控所需的灵敏度或实时能力.

研究的目的:

• 开发一种机器学习辅助的,以汗水驱动的自动供电传感器 (PDS传感器),用于对汗水进行高度敏感和实时的乳酸监测.
• 评估传感器在各种生理条件下检测乳酸的性能.
• 整合机器学习,提高乳酸检测的准确性.

主要方法:

• 使用Ni-ZIF-8@乳酸氧化酶和酸氧化酶 (Ni-ZIF-8@LOx&POx) /激光诱导的石墨烯 (LIG) 和胆红素氧化酶 (BOD) /LIG集成微通道的PDS传感器的制造.
• 利用乳酸的氧化反应来驱动传感器的操作.
• 采用机器学习算法来处理传感器数据,以准确量化乳酸.

主要成果:

• PDS传感器表现出极好的灵敏度,广泛的检测范围,良好的可重复性,以及汗水中乳酸的高选择性.
• 该传感器成功地在不同运动强度和静止状态下无线和实时监测乳酸,跨越不同BMI的受试者.
• 集成的机器学习算法实现了乳酸检测的高预测准确率96.0%.

结论:

• 开发的机器学习辅助PDS传感器提供了一个强大的平台,用于对人类汗水中的乳酸进行敏感,实时和智能监测.
• 这项技术具有非侵入性健康监测和疾病管理的巨大潜力.
• 先进材料,自动传感和机器学习的结合为可穿戴生物传感器提供了一个有希望的方法.