chinese直男口爆体育生外卖, 99久久er热在这里只有精品99, 又色又爽又黄18禁美女裸身无遮挡, gogogo高清免费观看日本电视,私密按摩师高清版在线,人妻视频毛茸茸,91论坛 兴趣闲谈,欧美 亚洲 精品 8区,国产精品久久久久精品免费

0
  • 聊天消息
  • 系統(tǒng)消息
  • 評論與回復(fù)
登錄后你可以
  • 下載海量資料
  • 學(xué)習(xí)在線課程
  • 觀看技術(shù)視頻
  • 寫文章/發(fā)帖/加入社區(qū)
會員中心
創(chuàng)作中心

完善資料讓更多小伙伴認(rèn)識你,還能領(lǐng)取20積分哦,立即完善>

3天內(nèi)不再提示

基于光纖光鑷和人工神經(jīng)網(wǎng)絡(luò)的微生物拉曼光譜識別

QQ287392669 ? 來源:光纖傳感Focus ? 2023-02-21 17:56 ? 次閱讀
加入交流群
微信小助手二維碼

掃碼添加小助手

加入工程師交流群

在與致病性微生物相關(guān)的臨床診斷和治療中,微生物種類的快速、準(zhǔn)確識別是至關(guān)重要的前提步驟。拉曼光譜作為物質(zhì)的“分子指紋”,能夠用于生物樣品的無標(biāo)記、無培養(yǎng)檢測,因此利用拉曼光譜有望實現(xiàn)致病性微生物的非標(biāo)記鑒定。但由于微生物的自身游動及其所處的流體環(huán)境,微生物拉曼光譜的穩(wěn)定采集存在較大的困難,其光譜之間的特征差異更是難以直接識別。

為了提高拉曼光譜采集的穩(wěn)定性和實時識別的準(zhǔn)確性,暨南大學(xué)納米光子學(xué)研究院、基礎(chǔ)醫(yī)學(xué)與公共衛(wèi)生學(xué)院與北京大學(xué)深圳醫(yī)院臨床醫(yī)學(xué)實驗室合作,提出了一種使用光纖光鑷在微流通道內(nèi)捕獲微生物、進而獲取其拉曼光譜的方法,利用光纖光鑷產(chǎn)生的梯度力將不同種類的單個微生物穩(wěn)定捕獲在光纖尖端,并收集其拉曼光譜,建立起了包含有15種微生物類別、共1.2萬條的拉曼光譜數(shù)據(jù)集。

同時,團隊研究人員設(shè)計和構(gòu)建了一維卷積人工神經(jīng)網(wǎng)絡(luò),并用光譜數(shù)據(jù)集進行訓(xùn)練。這種結(jié)構(gòu)的神經(jīng)網(wǎng)絡(luò)避免了池化層帶來的光譜數(shù)據(jù)特征丟失,有效地提取了拉曼光譜所蘊含的特征峰位,不僅實現(xiàn)了準(zhǔn)確率達到94.93%的不同微生物拉曼光譜快速識別,還通過特征可視化方法從光譜中提取出了特征條帶,直觀地展現(xiàn)出不同微生物的特征峰位。

該研究為致病性微生物感染的診斷提供了一種高效、準(zhǔn)確的方法。該方法也能夠擴展到除微生物之外的其他生物樣本鑒別中,為免標(biāo)記、免培養(yǎng)的生物醫(yī)學(xué)分析提供一種光學(xué)策略。

c8c045ca-b1ca-11ed-bfe3-dac502259ad0.png

本文亮點

提出了一種使用光纖光鑷在微流通道內(nèi)捕獲單個微生物、進而獲取其拉曼光譜的方法,克服了由微生物自身游動或流體環(huán)境導(dǎo)致的拉曼光譜采集困難,成功采集了15種不同微生物的共1.2萬條拉曼光譜,提高了數(shù)據(jù)采集的準(zhǔn)確性和穩(wěn)定性。

設(shè)計和構(gòu)建出了一種去除池化層的一維卷積人工神經(jīng)網(wǎng)絡(luò),并用采集到的拉曼光譜數(shù)據(jù)訓(xùn)練該神經(jīng)網(wǎng)絡(luò),有效地提取了拉曼光譜所蘊含的特征峰位,實現(xiàn)了準(zhǔn)確率達到94.93%的不同微生物拉曼光譜快速識別。

使用特征可視化方法從拉曼光譜中提取出了特征條帶,直觀地展現(xiàn)出不同微生物拉曼光譜的特征峰位,為分析不同微生物的物質(zhì)組成差異提供了數(shù)據(jù)參考。

圖文導(dǎo)讀

c8f95216-b1ca-11ed-bfe3-dac502259ad0.png

圖1實驗系統(tǒng)與材料(a) 實驗裝置示意圖;(b-d) 實驗中捕獲和識別的大腸桿菌、金黃色葡萄球菌和白色念珠球菌掃描電鏡圖片;(e) Y形分支的微流通道及嵌入的光纖光鑷顯微圖片;(f) 光纖光鑷掃描電鏡圖片;(g) 被光纖光鑷捕獲前后的銅綠假單胞菌運動軌跡。

c93567e2-b1ca-11ed-bfe3-dac502259ad0.png

圖2 人工神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)與微生物識別結(jié)果(a) 由兩個一維卷積層和8個全連接層構(gòu)成的人工神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)示意圖;(b) 15種微生物識別結(jié)果的混淆矩陣分析圖。

總結(jié)與展望

本工作提出了一種結(jié)合光纖光鑷和人工神經(jīng)網(wǎng)絡(luò)技術(shù)的微生物拉曼光譜識別方法,實現(xiàn)了微流體通道中的微生物類別快速、準(zhǔn)確鑒定。利用光纖光鑷產(chǎn)生的梯度力穩(wěn)定地捕獲微生物,獲得了15類不同物種的拉曼光譜;經(jīng)過光譜數(shù)據(jù)集訓(xùn)練的人工神經(jīng)網(wǎng)絡(luò)在獨立測試集上實現(xiàn)了94.93%的識別準(zhǔn)確率;采用特征可視化方法提取了拉曼光譜特征,用以研究不同物種的物質(zhì)構(gòu)成差異。

本文所提出的拉曼光譜識別策略有望在構(gòu)建高集成度、智能化的微流芯片(Lab-on-a-Chip)分析平臺中得到應(yīng)用,實現(xiàn)微生物、外泌體和病毒等生物醫(yī)學(xué)樣品的探知和鑒別。





審核編輯:劉清

聲明:本文內(nèi)容及配圖由入駐作者撰寫或者入駐合作網(wǎng)站授權(quán)轉(zhuǎn)載。文章觀點僅代表作者本人,不代表電子發(fā)燒友網(wǎng)立場。文章及其配圖僅供工程師學(xué)習(xí)之用,如有內(nèi)容侵權(quán)或者其他違規(guī)問題,請聯(lián)系本站處理。 舉報投訴

原文標(biāo)題:暨南大學(xué)張垚、李宇超、郭景慧團隊 | 基于光纖光鑷和人工神經(jīng)網(wǎng)絡(luò)的微生物拉曼光譜識別

文章出處:【微信號:光纖傳感Focus,微信公眾號:光纖傳感Focus】歡迎添加關(guān)注!文章轉(zhuǎn)載請注明出處。

收藏 人收藏
加入交流群
微信小助手二維碼

掃碼添加小助手

加入工程師交流群

    評論

    相關(guān)推薦
    熱點推薦

    應(yīng)用介紹 | 單光子計數(shù)光譜

    計數(shù)光譜光譜作為一種強大的分析技術(shù),能夠通過研究
    的頭像 發(fā)表于 05-20 16:07 ?179次閱讀
    應(yīng)用介紹 | 單光子計數(shù)<b class='flag-5'>拉</b><b class='flag-5'>曼</b><b class='flag-5'>光譜</b>

    BP神經(jīng)網(wǎng)絡(luò)在圖像識別中的應(yīng)用

    BP神經(jīng)網(wǎng)絡(luò)在圖像識別中發(fā)揮著重要作用,其多層結(jié)構(gòu)使得網(wǎng)絡(luò)能夠?qū)W習(xí)到復(fù)雜的特征表達,適用于處理非線性問題。以下是對BP神經(jīng)網(wǎng)絡(luò)在圖像識別中應(yīng)
    的頭像 發(fā)表于 02-12 15:12 ?648次閱讀

    人工神經(jīng)網(wǎng)絡(luò)的原理和多種神經(jīng)網(wǎng)絡(luò)架構(gòu)方法

    在上一篇文章中,我們介紹了傳統(tǒng)機器學(xué)習(xí)的基礎(chǔ)知識和多種算法。在本文中,我們會介紹人工神經(jīng)網(wǎng)絡(luò)的原理和多種神經(jīng)網(wǎng)絡(luò)架構(gòu)方法,供各位老師選擇。 01 人工
    的頭像 發(fā)表于 01-09 10:24 ?1159次閱讀
    <b class='flag-5'>人工</b><b class='flag-5'>神經(jīng)網(wǎng)絡(luò)</b>的原理和多種<b class='flag-5'>神經(jīng)網(wǎng)絡(luò)</b>架構(gòu)方法

    卷積神經(jīng)網(wǎng)絡(luò)與傳統(tǒng)神經(jīng)網(wǎng)絡(luò)的比較

    在深度學(xué)習(xí)領(lǐng)域,神經(jīng)網(wǎng)絡(luò)模型被廣泛應(yīng)用于各種任務(wù),如圖像識別、自然語言處理和游戲智能等。其中,卷積神經(jīng)網(wǎng)絡(luò)(CNNs)和傳統(tǒng)神經(jīng)網(wǎng)絡(luò)是兩種常見的模型。 1. 結(jié)構(gòu)差異 1.1 傳統(tǒng)
    的頭像 發(fā)表于 11-15 14:53 ?1811次閱讀

    LSTM神經(jīng)網(wǎng)絡(luò)在語音識別中的應(yīng)用實例

    語音識別技術(shù)是人工智能領(lǐng)域的一個重要分支,它使計算機能夠理解和處理人類語言。隨著深度學(xué)習(xí)技術(shù)的發(fā)展,特別是長短期記憶(LSTM)神經(jīng)網(wǎng)絡(luò)的引入,語音識別的準(zhǔn)確性和效率得到了顯著提升。
    的頭像 發(fā)表于 11-13 10:03 ?1815次閱讀

    Moku人工神經(jīng)網(wǎng)絡(luò)101

    不熟悉神經(jīng)網(wǎng)絡(luò)的基礎(chǔ)知識,或者想了解神經(jīng)網(wǎng)絡(luò)如何優(yōu)化加速實驗研究,請繼續(xù)閱讀,探索基于深度學(xué)習(xí)的現(xiàn)代智能化實驗的廣闊應(yīng)用前景。什么是神經(jīng)網(wǎng)絡(luò)?“人工
    的頭像 發(fā)表于 11-01 08:06 ?639次閱讀
    Moku<b class='flag-5'>人工</b><b class='flag-5'>神經(jīng)網(wǎng)絡(luò)</b>101

    關(guān)于卷積神經(jīng)網(wǎng)絡(luò),這些概念你厘清了么~

    許多種類型,但本文將只關(guān)注卷積神經(jīng)網(wǎng)絡(luò)(CNN),其主要應(yīng)用領(lǐng)域是對輸入數(shù)據(jù)的模式識別和對象分類。CNN是一種用于深度學(xué)習(xí)的 人工神經(jīng)網(wǎng)絡(luò) 。這種網(wǎng)
    發(fā)表于 10-24 13:56

    光譜的原理及其應(yīng)用

    一、光譜的原理 光譜(Raman spectra)是一種散射
    的頭像 發(fā)表于 08-26 06:22 ?1053次閱讀

    精準(zhǔn)捕捉信號——時間門控光譜系統(tǒng)實驗結(jié)果深度解析

    得的實驗結(jié)果,展示其在實際應(yīng)用中的出色表現(xiàn)。 01、系統(tǒng)簡介 如上次所述,時間門控光譜系統(tǒng)通過使用Princeton IsoPlane零像散光柵光譜儀,配合逐
    的頭像 發(fā)表于 08-13 10:38 ?833次閱讀
    精準(zhǔn)捕捉<b class='flag-5'>拉</b><b class='flag-5'>曼</b>信號——時間門控<b class='flag-5'>拉</b><b class='flag-5'>曼</b><b class='flag-5'>光譜</b>系統(tǒng)實驗結(jié)果深度解析

    卷積神經(jīng)網(wǎng)絡(luò)有何用途 卷積神經(jīng)網(wǎng)絡(luò)通常運用在哪里

    卷積神經(jīng)網(wǎng)絡(luò)(Convolutional Neural Networks,簡稱CNN)是一種深度學(xué)習(xí)模型,廣泛應(yīng)用于圖像識別、視頻分析、自然語言處理、生物信息學(xué)等領(lǐng)域。本文將介紹卷積神經(jīng)網(wǎng)絡(luò)
    的頭像 發(fā)表于 07-11 14:43 ?4330次閱讀

    神經(jīng)網(wǎng)絡(luò)三要素包括什么

    神經(jīng)網(wǎng)絡(luò)是一種受生物神經(jīng)網(wǎng)絡(luò)啟發(fā)而發(fā)展起來的數(shù)學(xué)模型,它在人工智能、機器學(xué)習(xí)、計算機視覺等領(lǐng)域有著廣泛的應(yīng)用。神經(jīng)網(wǎng)絡(luò)的三要素包括
    的頭像 發(fā)表于 07-11 11:05 ?2276次閱讀

    怎么對神經(jīng)網(wǎng)絡(luò)重新訓(xùn)練

    重新訓(xùn)練神經(jīng)網(wǎng)絡(luò)是一個復(fù)雜的過程,涉及到多個步驟和考慮因素。 引言 神經(jīng)網(wǎng)絡(luò)是一種強大的機器學(xué)習(xí)模型,廣泛應(yīng)用于圖像識別、自然語言處理、語音識別等領(lǐng)域。然而,隨著時間的推移,數(shù)據(jù)分布可
    的頭像 發(fā)表于 07-11 10:25 ?843次閱讀

    BP神經(jīng)網(wǎng)絡(luò)和卷積神經(jīng)網(wǎng)絡(luò)的關(guān)系

    BP神經(jīng)網(wǎng)絡(luò)(Backpropagation Neural Network)和卷積神經(jīng)網(wǎng)絡(luò)(Convolutional Neural Network,簡稱CNN)是兩種在人工智能和機器學(xué)習(xí)領(lǐng)域
    的頭像 發(fā)表于 07-10 15:24 ?2429次閱讀

    BP神經(jīng)網(wǎng)絡(luò)人工神經(jīng)網(wǎng)絡(luò)的區(qū)別

    BP神經(jīng)網(wǎng)絡(luò)人工神經(jīng)網(wǎng)絡(luò)(Artificial Neural Networks,簡稱ANNs)之間的關(guān)系與區(qū)別,是神經(jīng)網(wǎng)絡(luò)領(lǐng)域中一個基礎(chǔ)且重要的話題。本文將從定義、結(jié)構(gòu)、算法、應(yīng)用及
    的頭像 發(fā)表于 07-10 15:20 ?2243次閱讀

    人工神經(jīng)網(wǎng)絡(luò)的案例分析

    人工神經(jīng)網(wǎng)絡(luò)(Artificial Neural Network, ANN)作為深度學(xué)習(xí)領(lǐng)域的重要分支,自20世紀(jì)80年代以來一直是人工智能領(lǐng)域的研究熱點。其靈感來源于生物
    的頭像 發(fā)表于 07-08 18:20 ?1525次閱讀