相关实验视频
Updated: May 13, 2026
08:05
Design and Analysis for Fall Detection System Simplification
Published on: April 6, 2020
11.1K
使用机器学习和可解释的人工智能设计优化高灵敏度PCF-SPR生物传感器
Mst Rokeya Khatun1, Md Saiful Islam1
1Institute of Information and Communication Technology (IICT), Bangladesh University of Engineering and Technology (BUET), Dhaka, Bangladesh.
PloS one
|September 15, 2025
概括
这项研究介绍了一种新的光子晶体纤维表面等离子体共振 (PCF-SPR) 生物传感器,用于敏感的,无标签的检测. 机器学习和可解释的AI优化了设计,提高了医疗诊断和化学传感的效率.
科学领域:
- 光子学和光学 在光子学和光学.
- 生物医学工程 生物医学工程
- 人工智能的人工智能
背景情况:
- 基于光子晶纤维的表面等离子体共振 (PCF-SPR) 生物传感器可以精确检测折射率变化.
- 现有的传感器优化方法可能是计算密集且耗时的.
研究的目的:
- 引入一种高灵敏,低损耗的PCF-SPR生物传感器,用于无标签的分析物检测.
- 整合机器学习 (ML) 和可解释AI (XAI) 以加速传感器设计和优化.
- 评估生物传感器的性能,用于医学诊断和化学传感.
主要方法:
- 一个PCF-SPR生物传感器的设计和模拟.
- 应用ML回归技术来预测光学特性 (有效指数,限制损失,振幅灵敏度).
- 利用沙普利增材扩展 (SHAP) 识别关键设计参数.
主要成果:
- 实现了高性能指标:波长灵敏度 (125,000 nm/RIU),振幅灵敏度 (-1422.34 RIU−1),分辨率 (8×10−7 RIU) 和FOM (2112.15).
- 机器学习模型显示了关键光学属性的高预测精度.
- SHAP分析确定波长,分析物RI,黄金厚度和度是关键的设计因素.
结论:
- 混合ML / XAI方法显著提高了传感器设计效率,并降低了计算成本.
- 拟议的PCF-SPR生物传感器展示了用于癌细胞检测和化学传感等高精度应用的潜力.
- 简单而有效的设计与人工智能驱动的优化相结合,为先进的生物传感提供了一个有希望的道路.
