基于微孔阵列的SERS传感器,辅助于卷积神经网络,用于在生物测试中无毒地检测地下间歇性液体
Xiang-Yu Li1, Tian-Qi Ma1, Wei-Shen Lin2
1School of Ocean Information Engineering, Fujian Provincial Key Laboratory of Oceanic Information Perception and Intelligent Processing, Jimei University, Xiamen 361021, China.
概括
一种新的微孔阵列传感器与卷积神经网络 (CNN) 结合,可以快速,灵敏地检测间隙液 (ISF) 中的关键代谢物. 这种无生物毒的生物传感器为非侵入性诊断和精准医学提供了一个有前途的工具.
科学领域:
- 生物医学工程 生物医学工程
- 分析化学 分析化学
- 机器学习 机器学习
背景情况:
- 精确检测尿酸,葡萄糖和乳酸等代谢物对诊断至关重要.
- 传统的代谢物检测方法往往复杂,缓慢,缺乏灵敏度.
- 间位液 (ISF) 为分析物检测提供了一种最小侵入性的来源.
研究的目的:
- 开发一种灵敏和快速的生物传感器,用于检测ISF中的小分子代谢物.
- 整合表面增强的拉曼散射 (SERS) 与卷积神经网络 (CNN) 进行增强分析.
- 为了验证传感器的性能,进行无生物毒性,现场和多组件分析.
主要方法:
- 一个3D打印的微孔阵列传感器被设计为高效的ISF提取和SERS检测.
- 卷积神经网络 (CNN) 用于处理拉曼光谱和识别分析物.
- 通过使用标准溶液和生物样本来评估传感器的灵敏度,稳定性,线性和准确性.
主要成果:
- 该SERS传感器实现了低检测极限 (甲蓝的10−9M) 与高稳定性 (RSD ≈7%).
- 对于尿酸,葡萄糖和乳酸的校准曲线观察到出色的线性 (R2 ≈ 0.99).
- 在复杂混合物中,CNN辅助的传感器在识别和量化组分方面显示了>99.38%的准确性.
- 在猪皮上进行了成功的验证,用于最小侵入性ISF分析剂检测.
结论:
- 与CNN集成的基于微孔阵列的SERS传感器是实时生物医学检测的强大平台.
- 这种无生物毒的系统能够对ISF分析样品进行准确的多元组件分析.
- 这项技术在推进非侵入性诊断和精准医学方面具有重大潜力.
