关键词:
GHz电化学阻抗谱
后向传播神经网络
介电特性
细胞浓度
摘要:
目的GHz电化学阻抗谱(GHz electrochemical impedance spectroscopy,GHz-EIS)虽然可以实现对细胞溶液的快速、无标记检测,但在复杂样本的GHz电阻抗数据解析方面仍然面临诸多挑战,限制了该技术在细胞研究中的有效应用。为此,本研究提出了一种融合GHz电化学阻抗谱与深度学习算法的方法,旨在提升对细胞溶液浓度的精准识别与量化能力,从而为GHz电化学阻抗谱数据的解析提供一种高效且准确的全新解决方案。方法首先通过GHz-EIS细胞溶液介电特性提取方法,从实验得到的细胞溶液电化学阻抗谱(EIS)中获取不同浓度细胞溶液的介电特性数据,构建包含浓度标签的数据集,随后设计具有Relu、Lrelu等特定激活函数的后向传播(BP)神经网络模型,通过数据训练实现对细胞溶液介电特性的智能提取与分析,从而实现细胞溶液体积分数的精准识别。结果通过与传统的离心法结果对照,可以观察到细胞悬浊液的浓度识别值与离心法所得结果十分接近,细胞悬浊液浓度识别值的相对误差均小于5%。对于高浓度的样本,误差相对更小,表明本文提出的细胞悬浊液浓度自动识别方法可以准确快速地计算未知样本细胞悬浊液的浓度。结论结合GHz-EIS和BP神经网络算法可以实现对未知样本细胞悬浊液的浓度细胞浓度的准确高效识别,为构建便捷的在线细胞分析平台奠定了基础,展示出重要的应用前景。