Machine Learning Enhances the Performance of Bioreceptor-Free Biosensors.
自生物传感器问世以来，研究者常采用简单回归模型根据信号强度计算分析物含量。传统生物受体可提供高灵敏度与特异性，但无生物受体生物传感器因缺乏特异性识别元件，在保持低检出限和强特异性方面面临挑战。机器学习（ML）被引入以增强这类传感器性能，通过建模替代生物受体，在数据分析阶段重新引入特异性。本文综述了 ML 在成像、电子鼻（Enose）...
自生物传感器问世以来，研究者常采用简单回归模型根据信号强度计算分析物含量。传统生物受体可提供高灵敏度与特异性，但无生物受体生物传感器因缺乏特异性识别元件，在保持低检出限和强特异性方面面临挑战。机器学习（ML）被引入以增强这类传感器性能，通过建模替代生物受体，在数据分析阶段重新引入特异性。本文综述了 ML 在成像、电子鼻（Enose）...