深度学习驱动的太赫兹石墨烯–黑磷–二氧化钒生物传感器用于超灵敏葡萄糖检测

《IEEE Potentials》：Deep-Learning-Driven Terahertz Graphene–BP–VO2 Biosensor for Ultrasensitive Glucose Detection

　　

摘要：

糖尿病是一个重大的全球性健康挑战，其特征是血糖水平持续升高，并需要频繁监测血糖以支持有效的疾病管理。传统的血糖监测方法通常依赖于有创或微创采样，这可能导致不适感并在反复测量过程中降低患者的依从性。因此，能够进行快速、灵敏葡萄糖检测的无创和无标记传感技术引起了越来越多的关注。太赫兹（THz）技术已成为下一代葡萄糖生物传感的有力平台，因为它对生物分析物的介电特性变化敏感，并具有快速无损检测的潜力。在本研究中，提出了一种基于级联三螺旋谐振器集成石墨烯、黑磷（BP）和二氧化钒（VO2）的紧凑型太赫兹生物传感器，用于增强葡萄糖传感。这些活性材料的混合集成提供了强大的电磁约束、各向异性场操控以及在太赫兹频段内动态可调谐的谐振特性。利用波概念迭代过程（WCIP）对所提出结构的电磁响应进行了研究，从而实现对包含各向同性和各向异性导电界面的多层平面结构的高效建模。与解析解的数值验证证实了所开发的WCIP框架的准确性和稳定性。为了进一步优化传感器，开发了一个深度神经网络（DNN）模型，从相关的材料参数预测最佳工作条件，从而减少了对穷尽参数模拟的需求。DNN取得了出色的预测性能，R²值为0.998，平均绝对误差为0.260，均方误差为0.120。在葡萄糖浓度为500 mg/dL时，DNN引导的优化增...

显示更多