纳米工程与人工智能和机器学习在表面增强拉曼光谱 (SERS) 中的整合,用于开发先进的生物传感平台
Farbod Ebrahimi1, Anjali Kumari1, Kristen Dellinger1
1Department of Nanoengineering, Joint School of Nanoscience and Nanoengineering, North Carolina A&T State University, 2907 E Gate City Blvd, NC 27401, USA.
Advanced sensor research
|August 8, 2025
概括
本综述探讨了如何将表面增强拉曼光谱 (SERS) 与人工智能 (AI) 和机器学习 (ML) 结合起来,从而彻底改变生物医学诊断以获得更高的准确性和护理点应用.
科学领域:
- 生物医学诊断 生物医学诊断
- 频谱学是一种光谱学.
- 人工智能的人工智能
背景情况:
- 表面增强拉曼光谱 (SERS) 为生物医学分析提供高灵敏度和分子精度.
- 整合人工智能 (AI) 和机器学习 (ML) 可以提高SERS数据的解释和诊断准确性.
研究的目的:
- 审查SERS诊断方面的进展,重点关注ML和纳米结构之间的协同作用.
- 突出基于SERS的临床技术和生物标志物检测方面的进展.
主要方法:
- 对生物医学诊断中SERS,AI和ML的当前文献的综述.
- 强调创新的纳米结构,基板和纳米探测器用于SERS信号增强.
- 对用于检测核酸,蛋白质和代谢物的SERS应用程序的分析.
主要成果:
- 在基于SERS的临床诊断方面取得了重大进展.
- 成功检测关键生物标志物的细微差别.
- 识别SERS标准化和平台优化的挑战.
结论:
- 纳米工程,AI,ML和SERS的整合代表了下一代生物医学诊断的关键前沿.
- 便携式SERS系统显示出临床部署的前景,尽管临床试验面临挑战.
- 标准化的方法和优化的平台对于广泛采用至关重要.
