使用激光写字电极和多层感知子神经网络对L-histidine和人造汗水进行无标签分类

科学领域:

• 可穿戴技术是可穿戴的技术.
• 电化学生物传感器是一种生物传感器.
• 生物标志物的监测和监测.

背景情况:

• 对分子生物标志物的实时监测对于可穿戴健康技术至关重要.
• 电化学传感器提供了一种用户友好,低成本的方法来分析像汗水这样的非侵入性体液.
• 生物感知中的高选择性和特异性受到生物标志物的复杂性和捕获分子稳定性的挑战.

研究的目的:

• 开发一种无标签的方法,使用激光写入电极来分类汗液成分.
• 为了研究电化学生物传感的潜力,以分析L-histidine在人造汗水中.
• 利用机器学习来分析汗液样本中的电化学数据.

主要方法:

• 使用二氧化碳激光切割机在聚胺上制造激光写入电极 (LSEs).
• 在人造汗水和L-histidine上进行循环电压测量实验.
• 训练一个多层感知神经网络 (MLP-NN) 算法与伏特图数据.

主要成果:

• 开发的LSEs使得可以对汗液成分进行无标签分类.
• 根据电化学数据,MLP-NN算法成功地将L-histidine与人造汗水区分开来.
• 证明了使用电化学生物传感与机器学习用于汗水分析的可行性.

结论:

• 激光写入电极为可穿戴电化学生物传感器提供了一个有前途的平台.
• 机器学习算法可以有效地解释电化学数据,用于汗水中的生物标志物分类.
• 这种方法提升了实时,非侵入性的健康监测能力.