一个基于导数的框架,用于实时信号处理和事件检测在阻抗流细胞计中
Brendan Wurts1, Charlie Jindrich1, Yu Gong2
1Department of Engineering, School of Engineering, Computing, and Mathematics, College of Charleston, Charleston, SC 29424, USA.
Sensors (Basel, Switzerland)
|December 11, 2025
概括
一个新的基于衍生品的信号处理框架使用阻抗流细胞计 (IFC) 提供了高效的,无标签的细胞分析. 这种方法提高了事件检测和特征提取,在实时应用中的速度和准确性方面超过了传统技术.
科学领域:
- 生物医学工程 生物医学工程
- 信号处理 信号处理
- 分析化学 分析化学
背景情况:
- 阻抗流细胞计 (IFC) 提供无标签的细胞特征,但在事件检测和特征提取方面面临挑战.
- 目前的方法往往涉及复杂的,多阶段的管道与广泛的参数调,限制实时适用性.
研究的目的:
- 为IFC开发一个计算效率高,单步信号处理框架.
- 为了增强基线漂移抑制,事件检测和IFC数据中的特征提取.
- 使用IFC实现微粒的实时分类.
主要方法:
- 对IFC数据实施了一种基于衍生品的新型信号处理算法.
- 该框架将基线漂移抑制,事件检测和特征提取集成到一个计算步骤中.
- 在精度,回忆,错误发现率和处理时间方面对传统方法进行了性能评估.
主要成果:
- 与简单的值相比,衍生方法显示精度和回忆率提高了20%左右,错误发现率减少了15-25%.
- 在各种测试条件下,处理时间减少了45-78%.
- 衍生式提取特征使实时微粒子分类的准确度高于98%,速度明显超过数据采集率.
结论:
- 基于衍生品的框架为实时IFC数据分析提供了强大的,无参数的解决方案.
- 它的效率和准确性使其适用于资源有限的嵌入式IFC平台.
- 这种方法显著提升了无标签细胞和粒子表征能力.
