基于深度学习的全息护理点传感器

凝集试验被广泛应用于免疫学传感器基于抗原-抗体相互作用，导致抗体包被的结块微观粒子。一旦样品(例如病人的血清)被引入，样品中相应的靶抗原就会迅速附着在抗体结合位点上，由于靶抗原具有同时与不同位点结合的能力，颗粒开始形成簇。颗粒间的聚类水平表明样品中抗原的数量。这些基于粒子的传感器已被用于检测许多体液中的抗原，并用于诊断各种疾病。它的主要优点是医疗点诊断反应时间短、样本量小、成本低、特异性高。其广泛采用的障碍之一是该分析方法的低灵敏度和缺乏定量测量。

来自加州大学洛杉矶分校(UCLA)的科学家开发了一种快速且成本效益高的基于粒子凝集的传感器，该传感器由全息技术提供动力成像和深度学习．设计了一种一次性毛细管流动装置来进行凝集反应，每次试验的材料成本低于2美分。一个移动的、便宜的全息显微镜捕捉样品的电影，监测粒子聚集过程超过3分钟。这个捕获全息影片通过训练的神经网络进行快速处理，自动测量样品中的目标分析物浓度。

通过准确测量人类血清样本中的c反应蛋白浓度，证明了这种深度学习支持的护理点传感器的有效性。c反应蛋白(CRP)是肝脏在应对体内炎症反应时产生的一种通用生物标志物，通常被用作心肌功能障碍和心力衰竭的指标。在来自独特患者的各种血清样本上进行测试，这种计算传感器能够在高灵敏度范围内准确测量CRP浓度，跨越0-10 μ g/mL。重要的是，这种移动传感器还能够成功检测到非常高的CRP浓度，远远超过10 μ g/mL，这通常是其他传感器难以测量的，因为它们的分析物浓度的动态范围有限。

“这种基于移动深度学习的全息传感器具有高度准确性和成本效益，这使它成为各种护理点相关诊断应用的理想选择。”Aydogan Ozcan教授说，他是加州大学洛杉矶分校电气和计算机工程的校长教授，也是加州纳米系统研究所的副主任，也是这项研究的资深通讯作者。

论文发表在芯片上的实验室．