4 条结果 关键词:机器学习 ×

An Optical Sensory System for Assessment of Residual Cancer Burden in Breast Cancer Patients Undergoing Neoadjuvant Chemotherapy.

Sensors (Basel, Switzerland) 2023 Momtahen S, Momtahen M, Ramaseshan R, Golnaraghi F

接受新辅助化疗(NAC)的乳腺癌患者需要精确评估治疗反应,残余癌负荷(RCB)是预测生存结局的重要预后指标。本研究提出一种基于机器学习的近红外光学生物传感器 Opti-scan 探头,用于评估 NAC 期间乳腺癌患者的残余癌负荷。研究纳入15例患者(平均年龄61.8岁),在每周期 NAC 治疗前后采集光学扫描数据。采用 k 折交叉验...

PreOBP_ML: Machine Learning Algorithms for Prediction of Optical Biosensor Parameters.

Micromachines 2023 Ahmed K, Bui FM, Wu FX

开发标准光学生物传感器通常需要耗时的仿真流程。为减少时间与工作量,本文提出利用机器学习预测光学生物传感器关键参数。研究以光子晶体光纤(PCF)结构为基础,将芯半径、包层半径、周期、分析物折射率和波长作为输入向量,预测有效折射指数、芯功率、总功率和有效面积等参数。作者使用COMSOL Multiphysics有限元仿真构建平衡数据集,...

Graphene-Based Metasurface Refractive Index Biosensor for Hemoglobin Detection: Machine Learning Assisted Optimization.

IEEE transactions on nanobioscience 2023 Patel SK, Surve J, Parmar J, Natesan A 等 5 人

本文提出一种利用多项式回归进行行为预测的传感器,用于优化吸收体与传感器性能。作者分析了三种石墨烯基超表面结构:双开口环谐振器(GDSRR)、单开口环谐振器(GSSRR)以及带细线的单开口环谐振器(GSSRRTW),通过比较不同设计与参数变化以获得最高灵敏度。结果表明,双开口环谐振器和单开口环谐振器设计可获得最高灵敏度;不同参数厚度变...

Graphene-Based Refractive Index Sensor Using Machine Learning for Detection of Mycobacterium Tuberculosis Bacteria.

IEEE transactions on nanobioscience 2023 Parmar J, Patel SK, Katkar V, Natesan A

快速检测结核分枝杆菌对降低结核病危害具有重要意义。本文提出一种无标记石墨烯基折射率生物传感器,并结合机器学习方法用于检测结核分枝杆菌。该传感器通过分析基底厚度、谐振器厚度和入射角等参数实现更高灵敏度。机器学习用于预测不同波长下的吸收值,模型应用于入射角、基底厚度、谐振器厚度和石墨烯化学势四个参数。十字形超表面置于石墨烯-二氧化硅混合...