使用机器学习实现生物颗粒感应平台的多个细胞计数应用程序.

科学领域:

• 生物医学工程 生物医学工程
• 计算生物学 计算生物学
• 分析化学 分析化学

背景情况:

• 细胞表面受体是诊断传染病的重要生物标志物.
• 目前的诊断方法,如流细胞计,是昂贵的,并且有局限性.
• 电敏微粒为细胞表面受体检测提供了一种新的方法.

研究的目的:

• 通过机器学习改进细胞表面受体的检测和量化.
• 为了提高阻抗流细胞计的诊断能力.
• 开发下一代细胞测量技术用于疾病诊断.

主要方法:

• 使用金属氧化物涂层微粒的微流体阻抗流动细胞计.
• 与血细胞结合的微粒子向CD11b和CD66b表面受体.
• 应用计算修剪和机器学习用于数据分析和模型训练.

主要成果:

• 在移除异常值后,实现了高分类准确率 (高达97%).
• 通过阻抗光谱数据证明了神经网络的性能改进.
• 使用机器学习模型和降噪技术展示了高效的生物标记量化.

结论:

• 机器学习和降噪技术显著改善了阻抗细胞计数据分析.
• 这种方法可以有效量化多个生物标志物.
• 这项研究为先进的细胞计量技术和改进的疾病诊断铺平了道路.