人工智能技术助力对改进型SPR生物传感器在疟疾诊断中的性能评估

《Scientific Reports》：Artificial intelligence enabled performance evaluation of an enhanced SPR biosensor for malaria diagnosis

　　

摘要

疟疾仍然是一个严重的全球健康问题，特别是在那些抗药性疟原虫种类普遍存在以及气候变化导致疟疾地理分布范围扩大的地区。为了应对对快速、高灵敏度疟疾诊断方法的迫切需求，本文提出了一种新型的表面等离子体共振（SPR）生物传感器设计，该传感器采用多层N-FK51a+SiO₂+Cu+HfO₂+BP结构。通过传递矩阵方法（TMM）和有限元方法（FEM）对生物传感器的性能进行了分析，并通过时域有限差分（FDTD）仿真进行了进一步验证。SiO₂、Cu、HfO₂和黑磷（BP）的加入增强了等离子体场与分析物之间的耦合、限制和相互作用。该生物传感器表现出最大的角灵敏度为541.42度/RIU，半高宽（FWHM）为1.98度，检测准确率为0.502度^?1，品质因数为272.21 RIU^?1，这些性能在疟疾的环状期诊断中尤为突出。为了进一步提高生物传感器的可靠性，研究人员使用ANN、ANFIS和RBFNN模型对传感器响应进行了建模，这些模型能够准确预测疟疾的阶段。对比分析表明，与之前发表的SPR传感器相比，该传感器的灵敏度和准确性得到了显著提升，并证明了其在实时疟疾诊断和更广泛的生物医学应用中的稳健性。