相关实验视频
Updated: Jul 4, 2026

Autofluorescence Imaging to Evaluate Red Algae Physiology
Published on: February 17, 2023
机器学习辅助的薄膜光谱圆测量用于微藻生物感应
Asmida Herawati1, Suhendra2, Riza Ariyani Nur Khasanah3
1Research Center for Photonics, National Research and Innovation Agency (BRIN), Bd. 442 Kawasan Puspiptek Serpong, South Tangerang, Banten, 15314, Indonesia.
这项研究开发了一种 (Cr) 薄膜生物传感器,用于快速,无标签的微藻检测. 优化的75nmCr膜与机器学习相结合,为环境监测和工业应用提供了一个敏感的平台.
科学领域:
- 材料科学 材料科学 材料科学
- 生物传感技术的技术
- 频谱学是一种光谱学.
背景情况:
- 快速且无标签地检测微藻对于环境监测和生物工业过程控制至关重要.
- 目前的方法通常依赖于散装度,缺少精确监测至关重要的微妙界面变化.
研究的目的:
- 开发一种使用 (Cr) 薄膜进行微藻生物感应的厚度优化的光学传感器.
- 实施和评估用于快速检测微藻的光谱圆测量 (SE) 和机器学习 (ML) 框架.
主要方法:
- 通过射频磁子喷射沉积了Cr薄膜 (20-75nm),并使用SE进行了它们的特征化.
- 使用德鲁德-洛伦茨分散模型提取厚度依赖的光学常数 (n,k).
- 通过形成Cr / PVA和Cr / PVA + 微藻堆实施了生物感知,并分析了不同相应反应.
- 利用多任务深度神经网络和支持数据分析和分类的矢量机器.
主要成果:
- 75纳米的Cr膜表现出最佳性能,表现出稳定的光学响应和可见范围的低损失.
- 75nm的Cr/PVA平台显示了显著的微藻诱导的相位变化 (40.6°在2.65-3.20 eV范围内),表明一个高对比度检测窗口.
- SE-ML框架成功地将密集的SE签名转换为快速选微藻的决策准备标签.
结论:
- 结合ML的厚度优化的Cr薄膜传感器提供了一种智能,非破坏性的微藻检测方法.
- 开发的SE-ML框架促进了微藻快速查和环境诊断.
- 这种方法可以根据界面变化进行敏感的检测,这对于过程控制和监控至关重要.
更多相关视频
06:20Author Spotlight: Optimizing Growth Factors for Production of Biotechnologically Relevant Secondary Metabolites
Published on: October 25, 2024
09:51TD-DFT Guided Advanced E-Eye Sensing Technique for On-site Quantification of Fe, Cr, F, and As in the Environmental, Biological, and Food Samples
Published on: September 19, 2025
相关概念视频
IR and UV–Vis Spectroscopy of Aldehydes and Ketones
Microbial Biosensors