相关实验视频
Updated: Jan 18, 2026
07:53
Using Adhesive Patterning to Construct 3D Paper Microfluidic Devices
Published on: April 1, 2016
8.0K
一种机器学习驱动的循环优化策略,用于构建基于纸张的微流体设备,用于早期诊断牙周炎
Kangzheng Lv1, Yuan Zhang1, Ke Tang1
1Center for Molecular Recognition and Biosensing, Joint International Research Laboratory of Biomaterials and Biotechnology in Organ Repair, Ministry of Education, Shanghai Engineering Research Center of Organ Repair, School of Life Sciences, Shanghai University, Shanghai 200444, P. R. China.
ACS sensors
|September 11, 2025
概括
这项研究引入了一种新的机器学习策略 (CNGCOS),以优化基于纸张的微流体设备,以快速检测唾液血红蛋白,帮助早期诊断牙周炎.
科学领域:
- 生物医学工程 生物医学工程
- 分析化学 分析化学
- 人工智能的人工智能
背景情况:
- 基于纸张的微流体分析设备 (μPADs) 的性能受到低于最佳的工程技术的限制.
- 有效的优化策略对于在诊断中推进μPADs至关重要.
研究的目的:
- 开发和验证一个基于机器学习的战略,以优化μPADs.
- 为了使唾液血红蛋白 (Hb) 能够快速地在护理地点检测,用于牙周炎诊断.
主要方法:
- 采用了一个循环优化策略 (CNGCOS),集成计算机视觉,BP神经网络和遗传算法.
- 优化的μPAD使用双信号输出:颜色强度 (CI) 和色度距离 (CD).
主要成果:
- 通过CNGCOS优化的μPAD实现了Hb检测的高精度 (CI的R2=0.998,CD的R2=0.992).
- 确定了敏感的检测极限 (1.57微克/毫升用于CI,3微克/毫升用于CD).
- 在103例临床验证证实了牙周炎的诊断准确性.
结论:
- 在CNGCOS战略有效优化μPAD工程,以提高诊断性能.
- 通过CNGCOS辅助的μPAD显示了早期疾病诊断和治疗监测的巨大潜力.
