基于深度学习的等离子体电化学传感技术，实现快速准确的病原体检测

《Scientific Reports》：Deep learning integrated plasmonic electrochemical sensing for fast and accurate pathogen detection

　　

摘要

利用新一代深度学习算法开发等离子体电化学生物传感器，是为病原体提供快速、现场可检测的诊断方法的有效途径。本文结合了MobileNet-Transformer与Gated Recurrent Unit（GRU）深度神经网络，以及一种纳米结构等离子体生物传感器，可用于早期检测大肠杆菌、鼠伤寒沙门氏菌和金黄色葡萄球菌。为提升生物传感器中的电荷转移效率，该传感器采用了金纳米粒子与氧化石墨烯混合纳米复合材料，从而增强电化学响应信号。该检测平台的检测下限分别仅为0.12 pg/mL、0.17 pg/mL和0.21 pg/mL，仅需5微升样本，检测时间少于10分钟。深度学习框架可自动处理原始伏安信号，其中MobileNet-Transformer有助于有效提取特征，而GRU则可减少与时间相关的噪声。该系统的分类准确率为95.6%，曲线下面积为0.986，且精确度与召回率均表现优异，优于传统的CNN和RNN模型。等离子体增强技术与深度学习技术的结合，使得实时现场决策成为可能，可应用于食品安全检测、环境监测或即时诊断领域。本文展示了一条可扩展的AI辅助电化学生物传感发展路径，其性能可与实验室检测系统相媲美，同时还能与低成本便携式诊断硬件完美适配。