机构名称：
¥ 1.0
微流体设备在文献中越来越广泛地广泛应用于众多令人兴奋的应用，从化学研究到护理设备，通过药物开发和临床方案。但是，设置这些微环境，引入了局部控制所研究现象所涉及的变量的必要性。因此，文献深入探讨了引入感应元素以研究微流体设备内部的物理量和生化浓度的可能性。生物传感器，特别是其高精度，选择性和响应性而闻名。但是，他们的信号可能具有挑战性的解释，必须仔细分析以执行正确的信息。此外，已经证明了适当的数据分析，即使是为了提高生物传感器的质量。在这方面，机器学习算法无疑是从事这项工作的最合适的方法之一，自动从数据中学习并强调生物传感器信号的特性充其量。有趣的是，它也被证明可以使微流体设备本身受益，这是一种新的范式，即文献开始命名“智能的微流体学”，理想情况下可以在这些学科中结束这种有益的互动。本综述旨在证明三合会微流体 - 生物传感器计算学习的优势，该学习仍然很少使用，但具有很好的视角。简要描述了单个实体后，不同的部分将证明双重相互作用的好处，并强调采用了审查的三合会范式的应用。
AMBRA1水平预测黑色素瘤中对MAPK抑制剂的抗性
主要关键词
相关文件推荐
