深度学习增强的便携式化学发光生物传感器:3D打印,智能手机集成平台用于葡萄糖检测

科学领域:

• 分析化学 分析化学
• 生物医学工程 生物医学工程
• 人工智能的人工智能

背景情况:

• 传统的葡萄糖检测方法往往需要庞大,昂贵的设备,限制了护理点的应用.
• 需要便携式,具有成本效益和准确的诊断工具,以广泛获得医疗保健.

研究的目的:

• 开发一种新的,便携式化学发光 (CL) 传感平台,用于选择性葡萄糖检测.
• 整合深度学习和智能手机技术,以提高准确性和用户友好性.
• 为了实现具有成本效益的护理点 (PoC) 诊断.

主要方法:

• 在纸质基板上使用低成本的,用印制的微型 (WPμ-pads) 开发小型化的CL传感器.
• 利用3D打印的室内和智能手机集成用于数据采集和分析.
• 在600张CL图像的数据集上训练和测试深度学习模型 (随机森林,SVM,InceptionV3,VGG16,ResNet-50).

主要成果:

• 该平台实现了10-1000μM的线性葡萄糖检测范围,其低检测极限为8.68μM.
• 深度学习模型在CL图像分析中表现出卓越的准确性和效率.
• 在现实世界的评估中,传感器表现出了出色的稳定性,可重复性和可靠性.

结论:

• 开发的深度学习驱动的CL传感平台为葡萄糖检测提供了具有成本效益,便携性和准确性的解决方案.
• 这项技术使先进诊断的获取实现了民主化,对医疗保健和生物传感具有变革潜力.
• 该平台的设计为用户友好的PoC应用程序提供了无的智能手机集成.