机器学习揭示了梳状等离子体光纤生物传感器的表面折射率动力学

作者

哈德里安·法索,梅德里克·洛耶斯 & 克里斯托夫·考切特

摘要

表面折射率变化的精确测量在生物传感中至关重要，可以深入了解生物受体与分析物的相互作用。然而，将复杂的光谱特征与这些折射率变化相关联仍然是一个持续的挑战，特别是在基于光纤光栅的表面等离子体共振传感中。在这里，我们介绍了一种基于机器学习的方法来解决这个持续存在的问题。我们将回归模型与镀金倾斜光纤布拉格光栅传感器集成在一起。这增强了信号的稳定性和精度，使光谱偏移和折射率变化之间具有相关性。我们的方法消除了对单个传感器校准的需要，从而提高了传感层的有效性和效率。我们通过展示该模型在两个具有不同分辨率的数据采集系统中的功效来证明该模型的多功能性，从而可以进行比较分析和增强鲁棒性。它在胰岛素功能化和检测的生物传感实验中的应用，展示了这种突破性方法如何标志着实时屈光率监测的进步。