3 条结果 关键词:数据增强 ×

DeepATsers: a deep learning framework for one-pot SERS biosensor to detect SARS-CoV-2 virus.

Scientific reports 2025 Nyamdavaa A, Kaladharan K, Ganbold EO, Jeong S 等 8 人

人工智能与医疗试剂盒结合可快速准确诊断疾病。本研究提出 DeepATsers 深度学习模型,将卷积神经网络(CNN)与生成对抗网络(GAN)结合,用于单管表面增强拉曼散射(SERS)生物传感器,快速检测 SARS-CoV-2 感染。模型可依据实验指纹谱识别 S 蛋白、N 蛋白、VLP 蛋白、链霉亲和素蛋白及空白信号。研究采用扩展乘性...

表面增强拉曼(SERS)生物传感器 SERS生物传感器深度学习SARS-CoV-2拉曼光谱

Reduction of Biosensor False Responses and Time Delay Using Dynamic Response and Theory-Guided Machine Learning.

ACS sensors 2023 Zhang J, Srivatsa P, Ahmadzai FH, Liu Y 等 8 人

本文提出一种降低生物传感器假结果与时间延迟的新方法,以解决其在工业、医疗、军事和消费应用中的瓶颈。作者将机器学习与生物传感领域知识相结合,利用悬臂生物传感器的动态响应,而非仅依赖稳态响应的传统标准曲线回归,从而提升检测准确性与速度。该方法通过压电悬臂生物传感器在纳摩尔至飞摩尔范围内快速、准确量化 microRNA(miRNA)得到验...

Predicting Analyte Concentrations from Electrochemical Aptasensor Signals Using LSTM Recurrent Networks.

Bioengineering (Basel, Switzerland) 2022 Esmaeili F, Cassie E, Nguyen HPT, Plank NOV 等 6 人

纳米材料基适配体传感器可用于检测小分子生物标志物,而合适的信号处理方法能够提高目标分析物的识别与定量能力,从而改善生物传感器性能。本文提出一种数据增强方法,以解决原始传感信号数量不足的问题,并利用长短期记忆网络(LSTM)从三个电化学适配体传感器记录的部分漏极电流信号中自动预测分析物浓度。这三个传感器在生物受体、目标分析物以及特定浓...