文章利用人工智能对基于智能手机的电化学发光传感器数据进行数据驱动建模
机构名称:
¥ 1.0

摘要:了解从基于智能手机的电化学发光 (ECL) 传感器提取的多模态数据之间的关系对于开发低成本的即时诊断设备至关重要。在这项工作中,使用随机森林 (RF) 和前馈神经网络 (FNN) 等人工智能 (AI) 算法定量研究 Ru(bpy) 3 2+ 发光体浓度与其实验测量的 ECL 和电化学数据之间的关系。使用一次性丝网印刷碳电极开发了一种带有 Ru(bpy) 3 2+ /TPrA 的基于智能手机的 ECL 传感器。在施加 1.2 V 电压后,同时获得 ECL 图像和电流图。通过 RF 和 FNN 算法分析这些多模态数据,从而可以使用多个关键特征预测 Ru(bpy) 3 2+ 浓度。在 0.02 µM 至 2.5 µM 的检测范围内,实际值和预测值之间实现了高相关性(RF 和 FNN 分别为 0.99 和 0.96)。使用 RF 和 FNN 的 AI 方法能够使用易于观察的关键特征直接推断 Ru(bpy) 3 2+ 的浓度。结果表明,数据驱动的 AI 算法在分析多模态 ECL 传感器数据方面非常有效。因此,这些 AI 算法可以成为建模库的重要组成部分,并成功应用于 ECL 传感器数据建模。

文章利用人工智能对基于智能手机的电化学发光传感器数据进行数据驱动建模

文章利用人工智能对基于智能手机的电化学发光传感器数据进行数据驱动建模PDF文件第1页

文章利用人工智能对基于智能手机的电化学发光传感器数据进行数据驱动建模PDF文件第2页

文章利用人工智能对基于智能手机的电化学发光传感器数据进行数据驱动建模PDF文件第3页

文章利用人工智能对基于智能手机的电化学发光传感器数据进行数据驱动建模PDF文件第4页

文章利用人工智能对基于智能手机的电化学发光传感器数据进行数据驱动建模PDF文件第5页

相关文件推荐

传感器数据利用
2005 年
¥2.0