基于深度标签编码和端到端注意网络的生物测试的全息3D空间定位
Minjie Han1,2, Junpeng Zhao2, Weiqi Zhao2
1State Key Laboratory of Marine Food Processing and Safety Control, Dalian Polytechnic University, Dalian, Liaoning 116034, China.
Analytical chemistry
|November 17, 2025
概括
这项研究引入了一个新的全息生物测试平台,用于增强的3D检测. 3D_EEA生物传感器提高了食品安全和环境监测中微量抗生素检测的灵敏度和准确性.
科学领域:
- 光学和光子学 在光学和光子学.
- 生物医学工程 生物医学工程
- 机器学习 机器学习
背景情况:
- 没有镜头的全息成像与有限的景深和体积检测作斗争.
- 目前用于3D定位的方法通常是缓慢和昂贵的.
研究的目的:
- 开发一个全息生物测试平台,具有增强的景深和体积检测能力.
- 为了实现精确的实时3D定位,改善生物传感.
主要方法:
- 将深度标签编码与基于注意力的神经网络集成,用于3D空间定位.
- 开发一个双重任务框架,将界限框检测和深度分类结合起来.
- 该平台用于检测氨基醇的应用.
主要成果:
- 实现了扩展的视野深度和增加的微球密度,用于体积检测.
- 能够在广泛的动态范围 (5 pg/mL到100 ng/mL) 上检测氨基醇.
- 与基于二维全息图的测试相比,显示了10倍的灵敏度增强.
结论:
- 3D_EEA生物传感器为微量抗生素检测提供了一个可扩展的解决方案.
- 该平台表现出卓越的性能和食品安全和环境监测的实际潜力.
- 克服了传统全息重建的局限性,实现实时3D定位.
