这页已由机器翻译。其他页面可能仍然显示为英文。 View in English

基于SERS的呼吸道病毒分类的可解释性驱动深度学习

Hyunju Kang ¹, Junhyeong Lee ², Soo Hyun Lee ³

¹Department of Chemistry, Korea Advanced Institute of Science and Technology (KAIST), Daejeon, 34141, Republic of Korea; Bionanotechnology Research Center, Korea Research Institute of Bioscience and Biotechnology (KRIBB), Daejeon, 34141, Republic of Korea.
²Department of Mechanical Engineering, KAIST, Daejeon, 34141, Republic of Korea.
³Nano-Bio Convergence Department, Korea Institute of Materials Science (KIMS), Changwon, 51508, Republic of Korea.
⁴Bionanotechnology Research Center, Korea Research Institute of Bioscience and Biotechnology (KRIBB), Daejeon, 34141, Republic of Korea.
⁵Functional Biomaterial Research Center, KRIBB, Jeongeup, 56212, Republic of Korea.
⁶Department of Laboratory Medicine, Gyeongsang National University Hospital, Gyeongsang National University College of Medicine, Jinju, 52727, Republic of Korea.
⁷Bionanotechnology Research Center, Korea Research Institute of Bioscience and Biotechnology (KRIBB), Daejeon, 34141, Republic of Korea; Department of Nanobiotechnology, KRIBB School of Biotechnology, University of Science and Technology (UST), Daejeon, 34113, Republic of Korea; School of Pharmacy, Sungkyunkwan University (SKKU), Suwon, 16419, Republic of Korea.
⁸Department of Chemistry, Korea Advanced Institute of Science and Technology (KAIST), Daejeon, 34141, Republic of Korea.
⁹Bionanotechnology Research Center, Korea Research Institute of Bioscience and Biotechnology (KRIBB), Daejeon, 34141, Republic of Korea; School of Pharmacy, Sungkyunkwan University (SKKU), Suwon, 16419, Republic of Korea.

⁰Department of Chemistry, Korea Advanced Institute of Science and Technology (KAIST), Daejeon, 34141, Republic of Korea; Bionanotechnology Research Center, Korea Research Institute of Bioscience and Biotechnology (KRIBB), Daejeon, 34141, Republic of Korea.

Biosensors & Bioelectronics +

|

2025年八月21日

在PubMed上查看摘要

概括

一个新的诊断平台使用3D等离子纳米柱和深度学习快速检测多种呼吸道病毒,包括SARS-CoV-2变种,准确度超过98%. 这项技术提供了一个可扩展的,无标签的解决方案,

科学领域

纳米技术
生物医学工程
机器学习

背景情况

流感,RSV和SARS-CoV-2等呼吸系统病毒对全球健康构成重大风险.
准确和快速的变种级别诊断对于管理疫情至关重要.
现有的诊断方法可能缺乏速度,准确性或区分特定变体的能力.

研究的目的

为快速检测和分化多种呼吸道病毒开发一个综合诊断平台.
利用表面增强的拉曼散射 (SERS) 和3D等离子纳米柱来增强病毒检测.
应用可解释性驱动的深度学习来实现准确的病毒分类和模型透明度.

主要方法

开发使用3D等离子纳米柱子的诊断平台,用于增强SERS信号采集.
在包括SARS-CoV-2变种在内的13种呼吸道病毒的SERS光谱上训练一维卷积神经网络 (1D-CNN).
应用梯度加权类激活映射 (Grad-CAM) 来识别病毒歧视的关键拉曼转移区域.

主要成果

使用1D-CNN模型识别13种呼吸道病毒的分类准确度超过98%.
证明了病毒组件的强大和可重复捕获,增强SERS信号的分子指纹.
在复杂的临床样本中验证了可靠的性能,证实了实际应用.

结论

开发的平台提供了一个可扩展的,无标签的解决方案,用于快速,准确和变种级别的呼吸系统病毒检测.
3D SERS基板和深度学习的整合提高了诊断能力.
这项技术有助于在护理场所应用和改善流行病监测.

关键词:

美国有线电视一个Grad-CAM 等离子纳米结构呼吸系统病毒其他国家