CN113413148A - 一种提高阻抗生物传感器效果的信号处理方法及装置 - Google Patents
一种提高阻抗生物传感器效果的信号处理方法及装置 Download PDFInfo
- Publication number
- CN113413148A CN113413148A CN202110973447.7A CN202110973447A CN113413148A CN 113413148 A CN113413148 A CN 113413148A CN 202110973447 A CN202110973447 A CN 202110973447A CN 113413148 A CN113413148 A CN 113413148A
- Authority
- CN
- China
- Prior art keywords
- signal
- signal processing
- impedance
- frequency
- improving
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 230000000694 effects Effects 0.000 title claims abstract description 25
- 238000003672 processing method Methods 0.000 title claims abstract description 19
- 238000012545 processing Methods 0.000 claims abstract description 41
- 238000005259 measurement Methods 0.000 claims abstract description 27
- 238000000034 method Methods 0.000 claims abstract description 18
- 238000000605 extraction Methods 0.000 claims abstract description 12
- 238000012706 support-vector machine Methods 0.000 claims abstract description 12
- 238000000513 principal component analysis Methods 0.000 claims abstract description 8
- 238000007635 classification algorithm Methods 0.000 claims abstract description 6
- 239000011159 matrix material Substances 0.000 claims description 18
- 230000008569 process Effects 0.000 claims description 9
- 238000012549 training Methods 0.000 claims description 9
- 238000007781 pre-processing Methods 0.000 claims description 8
- 238000010801 machine learning Methods 0.000 claims description 7
- 238000005457 optimization Methods 0.000 claims description 7
- 238000012935 Averaging Methods 0.000 claims description 6
- 241000287196 Asthenes Species 0.000 claims description 4
- 238000004422 calculation algorithm Methods 0.000 claims description 4
- 238000013145 classification model Methods 0.000 claims description 3
- 230000000007 visual effect Effects 0.000 claims description 3
- 239000000126 substance Substances 0.000 description 7
- 238000001514 detection method Methods 0.000 description 5
- 238000010408 sweeping Methods 0.000 description 4
- 230000035945 sensitivity Effects 0.000 description 3
- 238000004458 analytical method Methods 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 238000002474 experimental method Methods 0.000 description 2
- 238000010606 normalization Methods 0.000 description 2
- 108090000623 proteins and genes Proteins 0.000 description 2
- 102000004190 Enzymes Human genes 0.000 description 1
- 108090000790 Enzymes Proteins 0.000 description 1
- 230000003321 amplification Effects 0.000 description 1
- -1 antibody Proteins 0.000 description 1
- 239000000427 antigen Substances 0.000 description 1
- 102000036639 antigens Human genes 0.000 description 1
- 108091007433 antigens Proteins 0.000 description 1
- QVGXLLKOCUKJST-UHFFFAOYSA-N atomic oxygen Chemical compound [O] QVGXLLKOCUKJST-UHFFFAOYSA-N 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 239000003990 capacitor Substances 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 229920001940 conductive polymer Polymers 0.000 description 1
- 239000013078 crystal Substances 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000005669 field effect Effects 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 238000002847 impedance measurement Methods 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 238000000691 measurement method Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000003199 nucleic acid amplification method Methods 0.000 description 1
- 102000039446 nucleic acids Human genes 0.000 description 1
- 108020004707 nucleic acids Proteins 0.000 description 1
- 150000007523 nucleic acids Chemical class 0.000 description 1
- 229910052760 oxygen Inorganic materials 0.000 description 1
- 239000001301 oxygen Substances 0.000 description 1
- 102000004169 proteins and genes Human genes 0.000 description 1
Images
Classifications
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/05—Detecting, measuring or recording for diagnosis by means of electric currents or magnetic fields; Measuring using microwaves or radio waves
- A61B5/053—Measuring electrical impedance or conductance of a portion of the body
Landscapes
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Biomedical Technology (AREA)
- Heart & Thoracic Surgery (AREA)
- Radiology & Medical Imaging (AREA)
- Biophysics (AREA)
- Pathology (AREA)
- Engineering & Computer Science (AREA)
- Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
- Physics & Mathematics (AREA)
- Medical Informatics (AREA)
- Molecular Biology (AREA)
- Surgery (AREA)
- Animal Behavior & Ethology (AREA)
- General Health & Medical Sciences (AREA)
- Public Health (AREA)
- Veterinary Medicine (AREA)
- Investigating Or Analyzing Materials By The Use Of Electric Means (AREA)
Abstract
本发明公开了一种提高阻抗生物传感器效果的信号处理方法及装置，首先进行多通道阻抗型生物传感测量，然后进行信号采集，再然后对采集信号进行信号处理，最后输出结果；其中应用了基于主元分析和支持向量机相结合的特征提取和超平面二分类算法，将阻抗的实部，虚部，幅值和相位均纳入特征提取。本发明不仅采用阻抗模量，还综合利用了实部虚部和阻抗相位，最大程度的利用了数据特征；通过使用基于主元分析和支持向量机相结合的特征提取超平面分类算法，来综合处理四个象限（实部，虚部，幅值和相位）的结果来确定分类的结果，充分高效地利用所提取的特征。
Description
技术领域
本发明涉及信号处理技术领域，具体涉及生物阻抗检测处理技术领域，特别涉及一种提高阻抗生物传感器效果的信号处理方法及装置。
背景技术
生物传感器是一种对生物物质敏感并将其浓度转换为电信号进行检测的仪器。是由固定化的生物敏感材料作识别元件(包括酶、抗体、抗原、微生物、细胞、组织、核酸等生物活性物质)、适当的理化换能器(如氧电极、光敏管、场效应管、压电晶体等等)及信号放大装置构成的分析工具或系统。生物传感器具有接受器与转换器的功能。生物物质（如基因，蛋白质，抗体等）会对传感器表面导电聚合物的电荷，电容，电阻等产生影响，从而引起电极表面阻抗特性（实部，虚部，幅值，相位）的变化，根据这一特性可以用来确定被测量生物物质中某一特定物质的存在。
阻抗生物传感器是一种新型生物检测技术，具有检测速度较快、灵敏度较高和操作较简单等优点，常规阻抗测量多采用单通道，单一测量频率或者少量测量频率，只取阻抗模量的测量方法，并多以经验判断的方式确定某一特定物质的存在，会导致较高的测量误差，已无法满足实际的测量要求。近年来基于电化学阻抗图谱分析方法的阻抗生物传感器由于可以快速表征界面特性而得到快速发展，而信号处理算法的发展，能够处理多通道宽频信号，机器学习也可以充分利用历史大数据来协助决策判断，这些都为基于信号处理的阻抗传感器测量效果优化提供了新的途径。
然而，现有技术存在着如测量频点少，一般使用一个频点，导致能提取的信息有限，再如使用测量频率的阻抗模量作为特征，以及现有技术使用阈值判断的方式，具有较低的敏感性和特异性等问题亟待解决。
发明内容
本发明为了有效地解决以上技术问题，充分高效地利用所提取的特征，提供了一种提高阻抗生物传感器效果的信号处理方法及装置。
为达到上述目的，本发明采用的技术方案是：一种提高阻抗生物传感器效果的信号处理方法，按照如下步骤进行：步骤一进行多通道阻抗型生物传感测量，步骤二使用扫频信号进行信号采集；步骤三对采集信号进行信号处理，步骤四输出结果；所述步骤三应用基于主元分析和支持向量机相结合的特征提取和超平面二分类算法，将阻抗的实部，虚部，幅值和相位四个模态均作为特征点；每个模态均有n个频率点，所述四个模态共产生4*n个频率点，所述n的取值范围根据所述扫频信号设置；所述步骤三应用基于主元分析和支持向量机相结合的特征提取和超平面二分类算法，按照如下流程进行：
第一步：对各个模态分别取第一主元值作为此模态的特征，
假设一个模态的数据矩阵经过归一化后为
，其中n为频率点的个数，m为数据的长度，
的每一列
满足以下关系式：
公式中，tk(i)是主元向量，W是一个l行n列的矩阵，l为W矩阵的行数，即W中每个列向量的大小，一般l<n从而起到降维的效果，k为行向量编号，w为W中列向量；其中，
将每一行向量
投射到主元向量
，并且使得其中变量
继承了原数据阵
的最大变化，其中第一主元的系数为
公式中，W是一个l行n列的矩阵,X为Xn,m,上角标T为国际通用矩阵转置符号,则第一主元可以表示为
，于是将得到实部特征第一主元
，虚部特征第一主元
，幅值特征第一主元
和相位特征第一主元
；
第二步：使用支持向量机生成一个四维超平面来对结果进行阳性或非阳性二分类，
设
，
，
和
组成一个四维的实向量
，得到数据长度为m的训练数据集
其中
为1或者-1，表示阳性或者非阳性，则超平面可以表达为
支持向量到超平面的边界距离由参数
决定,式中w为矩阵W中列向量；
第三步：若训练集线性可分，使用两个线性超平面来分离两组数据，并使得他们之间的距离尽可能大，
式中，b为一常参数；
得到边界距离为
，为了使间距最大化，需要求解最小
值；
第四步：若训练集线性不可分，优化的目的变为最小化下式，
式中，λ为常参数，T、y、b、w含义与上述公式相同；
待优化成功后，即得到所要的二分类模型。
进一步的，所述步骤一包括，所述多通道阻抗型生物传感测量，各通道采用分时复用方式进行开关控制。
进一步的，所述步骤二包括，使用100Hz~100KHz扫频信号，最高提取10000个频率点。
进一步的，所述步骤三包括信号预处理，将多通道阻抗型生物传感测量得到的信号均值化处理，对多次测量结果取平均值。
进一步的，所述信号预处理，还包括所述信号预处理包括差值化处理、标准化处理和绝对值处理；所述差值化处理为取增量信号，即每个传感器在测量物质加入前的初始输出将被减去，以消除期间不同对测量结果的影响，所述差值化处理分别应用于所述4*n个频率点。
进一步的，在所述扫频信号的频率间隔一致的情况下，n=(f e - f s )/ f i ,式中f s 为扫频信号的开始频率，f e 为扫频信号的结束频率，f i 为扫频信号的频率间隔。
进一步的，所述步骤三还包括机器学习方法。
另一方面，本发明还提供了一种提高阻抗生物传感器效果的信号处理装置，包括：多通道阻抗型生物传感测量模块、信号采集电路、信号处理模块和结果展示模块。
进一步的，所述信号处理模块还包括机器学习系统，所述多通道阻抗型生物传感测量模块为分时复用型的传感器阵列结构，所述结果展示模块为可视化可触摸成果展示屏。
本发明的有益效果是：
本发明的一种提高阻抗生物传感器效果的信号处理方法及装置，利用阻抗模量的增量作为特征，其方法的检测结果相比较传统方法，体现在较快的速度，较高的灵敏性和特异性（假阳性和假阴性较低），此外还具有如下效果。
（1）本发明的一种提高阻抗生物传感器效果的信号处理方法及装置使用100Hz~100KHz扫频信号，最高能提取10000个频率点，避免了现有技术测量频点少（一般使用一个频点）而导致的能提取的信息有限的问题。
（2）本发明的一种提高阻抗生物传感器效果的信号处理方法及装置不仅采用阻抗模量，还综合利用了实部虚部和阻抗相位，最大程度的利用了数据特征。
（3）本发明的一种提高阻抗生物传感器效果的信号处理方法及装置，使用了一种基于主元分析和支持向量机相结合的特征提取超平面分类算法，来综合处理四个象限（实部，虚部，幅值和相位）的结果来确定分类的结果，充分高效地利用所提取的特征。
附图说明
为了更好地表达本发明的技术方案，下面将对本发明的进行附图说明：
图1实施例一结构图；
图2实施例一信号采集电路图；
图3实施例一分时复用传感器阵列；
图4实施例二流程图；
图5实施例二信号处理，特征提取和结果判断流程图；
图6数据处理前后数据对照图,其中(a)为原始数据，(b)为处理后数据；
附图标号说明：1、多通道阻抗型生物传感测量模块，11、被测传感器，2、信号采集电路，21、扫频信号，3、信号处理模块，4、结果展示模块，5、多通道信号，6、频率点，61、实部特征第一主元，62、虚部特征第一主元，63、幅值特征第一主元，64、相位特征第一主元，7、信号预处理，8、多频段特征提取，9、基于支持向量机的超平面分类器，10、判断结果输出。
具体实施方式
下面参照附图来描述本发明的优选实施方式。本领域技术人员应当理解的是，这些实施方式仅仅用于解释本发明的技术原理，并非在限制本发明的保护范围。
需要说明的是，在本发明的描述中，术语“上”、“下”、“左”、“右”、“内”、“外”等指示的方向或位置关系的术语是基于附图所示的方向或位置关系，这仅仅是为了便于描述，而不是指示或暗示所述装置或元件必须具有特定的方位、以特定的方位构造和操作，因此不能理解为对本发明的限制。
此外，还需要说明的是，在本发明的描述中，除非另有明确的规定和限定，术语“安装”、“相连”、“连接”应做广义理解，例如，可以是固定连接，也可以是可拆卸连接，或一体地连接；可以是机械连接，也可以是电连接；可以是直接相连，也可以通过中间媒介间接相连，可以是两个元件内部的连通。对于本领域技术人员而言，可根据具体情况理解上述术语在本发明中的具体含义。
实施例一参阅图1-3，图1一种提高阻抗生物传感器效果的信号处理装置，包括：多通道阻抗型生物传感测量模块1、信号采集电路2、信号处理模块3和结果展示模块4；利用数字频率合成器的100Hz~100KHz扫频信号21对多通道阻抗型生物传感测量模块1进行扫频，最高提取10000个频率点6，信号处理模块3还包括机器学习系统，通过大量实验找大量特征的相关性，多通道阻抗型生物传感测量模块1为分时复用型的传感器阵列结构，结果展示模块4为可视化可触摸成果展示屏。
图2中信号Vi为输入扫频信号21，V0为信号采集电路输出的多通道信号5，Z为待测阻抗，则
，其中，Rref为参考电阻，根据待测阻抗设置；阻抗可以表示为
,此公式为含电阻电容电路阻抗的一般表达式。
图3中x表示选择信号，Zi表示选择对应的输出信号（
）,N为正整数；则多通道信号5均值化的结果可以表达为
，
其中
表示对
取不同的模态，本实施例中为实部，虚部，幅值或者相位。
实施例二参阅图4-5，一种提高阻抗生物传感器效果的信号处理方法，使用了实施例一中的一种提高阻抗生物传感器效果的信号处理装置，按照如下步骤进行：
步骤一进行多通道阻抗型生物传感测量，各通道采用分时复用方式进行开关控制。
步骤二进行信号采集，使用100Hz~100KHz扫频信号21，最高提取10000个频率点6。
步骤三对采集信号进行信号处理，本发明的信号处理方法是基于信号采集电路2采集到的多通道阻抗型生物传感器模块1的信号，进行处理后进行基本展示的一个过程。
获得
后，先进行信号预处理7，信号预处理7是对得到的信号分别进行均值化处理、差值化处理、标准化处理和绝对值处理。均值化处理是对多次测量结果取平均值；差值化是取增量信号，即减去每个被测传感器11在测量物质加入前的初始输出，以消除器件不同对测量结果的影响，设器件初始值为
，则可以得到
，有实部，虚部，幅值和相位四个模态，每个模态均有n个频率点，四个模态共产生4*n个频率点，n的取值范围根据所述扫频信号21设置；差值化处理分别应用于实部，虚部，幅值和相位四个模态的所有4*n个频率点，每个模态的n个频率点的扫频范围为100Hz~100KHz；标准化处理是取增量的百分值；绝对值处理是取绝对值。在扫频信号21的频率间隔一致的情况下，n=(f e - f s )/ f i ,式中f s 为扫频信号的开始频率，f e 为扫频信号的结束频率，f i 为扫频信号的频率间隔。
信号处理算法应用基于主元分析和支持向量机相结合的特征提取和超平面二分类算法，按照如下流程进行：
第一步：多频段特征提取8是对各个模态分别取第一主元值作为此模态的特征，假设一个模态的数据矩阵经过归一化后为
，其中n为频率点6的个数，m为数据的长度。
的每一列
满足以下关系式
公式中，tk(i)是主元向量，W是一个l行n列的矩阵，l为W矩阵的行数，即W中每个列向量的大小，一般l<n从而起到降维的效果，k为行向量编号，w为W中列向量；其中，
将每一行向量
投射到主元向量
，并且使得其中变量
继承了原数据阵
的最大变化，其中第一主元的系数为
公式中，W是一个l行n列的矩阵,X为Xn,m,上角标T为国际通用矩阵转置符号,则第一主元可以表示为
，于是将得到实部特征第一主元61
，虚部特征第一主元62
，幅值特征第一主元63
和相位特征第一主元64
；
第二步：使用基于支持向量机的超平面分类器9生成一个四维超平面来对结果进行阳性或非阳性二分类，
设
，
，
和
组成一个四维的实向量
，得到数据长度为m的训练数据集
其中
为1或者-1，表示阳性或者非阳性，则超平面可以表达为
支持向量到超平面的边界距离由参数
决定,式中w为矩阵W中列向量；
第三步：若训练集线性可分，使用两个线性超平面来分离两组数据，并使得他们之间的距离尽可能大，
式中，b为一常参数；
得到边界距离为
，为了使间距最大化，需要求解最小
值；
第四步：若训练集线性不可分，优化的目的变为最小化下式，
式中，λ为常参数，T、y、b、w含义与上述公式相同；
待优化成功后，即得到所要的二分类模型，机器学习方法可以通过大量实验找大量特征的相关性。
步骤四判断结果输出10。
以上所述实施例仅表达了本发明的几种实施方式，其描述较为具体和详细，但并不能因此而理解为对发明专利范围的限制。应当指出的是，对于本领域的普通技术人员来说，在不脱离本发明构思的前提下，还可以做出若干变形和改进，这些都属于本发明的保护范围。
Claims (9)
1.一种提高阻抗生物传感器效果的信号处理方法，其特征在于，按照如下步骤进行：步骤一进行多通道阻抗型生物传感测量，步骤二使用扫频信号进行信号采集；步骤三对采集信号进行信号处理，步骤四输出结果；所述步骤三应用基于主元分析和支持向量机相结合的特征提取和超平面二分类算法，将阻抗的实部，虚部，幅值和相位四个模态均作为特征点；每个模态均有n个频率点，所述四个模态共产生4*n个频率点，所述n的取值范围根据所述扫频信号设置；所述步骤三应用基于主元分析和支持向量机相结合的特征提取和超平面二分类算法，按照如下流程进行：
第一步：对各个模态分别取第一主元值作为此模态的特征，
假设一个模态的数据矩阵经过归一化后为
，其中n为频率点的个数，m为数据的长度，
的每一列
满足以下关系式：
公式中，tk(i)是主元向量，W是一个l行n列的矩阵，l为W矩阵的行数，k为行向量编号，w为W中列向量；其中，
将每一行向量
投射到主元向量
，并且使得其中变量
继承了原数据阵
的最大变化，其中第一主元的系数为
公式中，W是一个l行n列的矩阵,X为Xn,m,上角标T为国际通用矩阵转置符号,则第一主元可以表示为
，于是将得到实部特征第一主元
，虚部特征第一主元
，幅值特征第一主元
和相位特征第一主元
；
第二步：使用支持向量机生成一个四维超平面来对结果进行阳性或非阳性二分类，
设
，
，
和
组成一个四维的实向量
，得到数据长度为m的训练数据集
其中
为1或者-1，表示阳性或者非阳性，则超平面可以表达为
支持向量到超平面的边界距离由参数
决定,式中w为矩阵W中列向量；
第三步：若训练集线性可分，使用两个线性超平面来分离两组数据，并使得他们之间的距离尽可能大，
式中，b为一常参数；
得到边界距离为
，为了使间距最大化，需要求解最小
值；
第四步：若训练集线性不可分，优化的目的变为最小化下式，
式中，λ为常参数，T、y、b、w含义与上述公式相同；
待优化成功后，即得到所要的二分类模型。
2.根据权利要求1所述的一种提高阻抗生物传感器效果的信号处理方法，其特征在于，所述步骤一包括，所述多通道阻抗型生物传感测量，各通道采用分时复用方式进行开关控制。
3.根据权利要求1所述的一种提高阻抗生物传感器效果的信号处理方法，其特征在于，所述步骤二包括，使用100Hz~100KHz扫频信号，最高提取10000个频率点。
4.根据权利要求1所述的一种提高阻抗生物传感器效果的信号处理方法，其特征在于，所述步骤三包括信号预处理，多通道阻抗型生物传感测量得到的信号均值化处理，对多次测量结果取平均值。
5.根据权利要求4所述的一种提高阻抗生物传感器效果的信号处理方法，其特征在于，所述信号预处理，还包括差值化处理、标准化处理和绝对值处理；所述差值化处理为取增量信号，所述差值化处理分别应用于所述4*n个频率点。
6.根据权利要求1所述的一种提高阻抗生物传感器效果的信号处理方法，其特征在于，在所述扫频信号的频率间隔一致的情况下，n=(f e - f s )/ f i ,式中f s 为扫频信号的开始频率，f e 为扫频信号的结束频率，f i 为扫频信号的频率间隔。
7.根据权利要求1所述的一种提高阻抗生物传感器效果的信号处理方法，其特征在于，所述步骤三还包括机器学习方法。
8.一种提高阻抗生物传感器效果的信号处理装置，其特征在于，包括：多通道阻抗型生物传感测量模块、信号采集电路、信号处理模块和结果展示模块，使用权利要求1-7中任一项的提高阻抗生物传感器效果的信号处理方法。
9.根据权利要求8所述的一种提高阻抗生物传感器效果的信号处理装置，其特征在于，所述信号处理模块还包括机器学习系统，所述多通道阻抗型生物传感测量模块为分时复用型的传感器阵列结构，所述结果展示模块为可视化可触摸成果展示屏。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110973447.7A CN113413148A (zh) | 2021-08-24 | 2021-08-24 | 一种提高阻抗生物传感器效果的信号处理方法及装置 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110973447.7A CN113413148A (zh) | 2021-08-24 | 2021-08-24 | 一种提高阻抗生物传感器效果的信号处理方法及装置 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN113413148A true CN113413148A (zh) | 2021-09-21 |
Family
ID=77719292
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202110973447.7A Pending CN113413148A (zh) | 2021-08-24 | 2021-08-24 | 一种提高阻抗生物传感器效果的信号处理方法及装置 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN113413148A (zh) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN117481630A (zh) * | 2023-12-26 | 2024-02-02 | 武汉纺织大学 | 一种基于生物电阻抗分析法的乳腺癌检测方法 |
Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101496720A (zh) * | 2009-03-06 | 2009-08-05 | 南京大学 | 基于usb的生物阻抗分析仪 |
| CN102341039A (zh) * | 2009-01-27 | 2012-02-01 | 科学基础有限公司 | 用于诊断受试者的组织中的疾病状况的方法和装置 |
| CN104027112A (zh) * | 2014-05-30 | 2014-09-10 | 南京邮电大学 | 一种电阻抗成像装置 |
| CN109363674A (zh) * | 2018-08-22 | 2019-02-22 | 西安电子科技大学 | 一种生物阻抗测量系统 |
| CN110279416A (zh) * | 2019-05-20 | 2019-09-27 | 南京航空航天大学 | 一种基于fpga的便携式电阻抗成像系统及其工作方法 |
| CN110731775A (zh) * | 2018-07-19 | 2020-01-31 | 深圳大学 | 电子聚焦激励的医学成像系统及利用其进行成像的方法 |
| CN112790755A (zh) * | 2021-02-24 | 2021-05-14 | 江苏济纶医工智能科技有限公司 | 一种用于流动血栓的电阻抗检测与在线治疗设备与方法 |
-
2021
- 2021-08-24 CN CN202110973447.7A patent/CN113413148A/zh active Pending
Patent Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN102341039A (zh) * | 2009-01-27 | 2012-02-01 | 科学基础有限公司 | 用于诊断受试者的组织中的疾病状况的方法和装置 |
| CN101496720A (zh) * | 2009-03-06 | 2009-08-05 | 南京大学 | 基于usb的生物阻抗分析仪 |
| CN104027112A (zh) * | 2014-05-30 | 2014-09-10 | 南京邮电大学 | 一种电阻抗成像装置 |
| CN110731775A (zh) * | 2018-07-19 | 2020-01-31 | 深圳大学 | 电子聚焦激励的医学成像系统及利用其进行成像的方法 |
| CN109363674A (zh) * | 2018-08-22 | 2019-02-22 | 西安电子科技大学 | 一种生物阻抗测量系统 |
| CN110279416A (zh) * | 2019-05-20 | 2019-09-27 | 南京航空航天大学 | 一种基于fpga的便携式电阻抗成像系统及其工作方法 |
| CN112790755A (zh) * | 2021-02-24 | 2021-05-14 | 江苏济纶医工智能科技有限公司 | 一种用于流动血栓的电阻抗检测与在线治疗设备与方法 |
Non-Patent Citations (2)
| Title |
|---|
| （芬）雷高阔: "《造纸过程控制与维护管理 中文版》", 31 May 2019 * |
| 秦臻: "在体生物电子舌的苦味响应分类模型", 《中国优秀博硕士学位论文全文数据库(博士) 医药卫生科技辑》 * |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN117481630A (zh) * | 2023-12-26 | 2024-02-02 | 武汉纺织大学 | 一种基于生物电阻抗分析法的乳腺癌检测方法 |
| CN117481630B (zh) * | 2023-12-26 | 2024-04-05 | 武汉纺织大学 | 一种基于生物电阻抗分析法的乳腺癌检测方法 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US7848798B2 (en) | Live finger detection by four-point measurement of complex impedance | |
| CN111784721A (zh) | 基于深度学习的超声内窥图像智能分割与量化方法及系统 | |
| CN109540978A (zh) | 气味识别设备 | |
| CN111643079B (zh) | 基于生物阻抗谱与电阻抗成像互为补偿的肿瘤细胞精准电阻抗检测方法 | |
| CN114155879A (zh) | 一种利用时频融合补偿异常感知及稳定性的异音检测方法 | |
| Guo et al. | Sparse representation-based classification for breath sample identification | |
| WO2014149655A1 (en) | Electronic fingerprint acquisition with interleaved spoof detection | |
| CN105738434A (zh) | 一种基于电子鼻检测呼吸气体的糖尿病诊断系统 | |
| CN102879445A (zh) | 一种基于多电极传感技术的黄酒酒龄鉴别方法 | |
| CN113413148A (zh) | 一种提高阻抗生物传感器效果的信号处理方法及装置 | |
| CN107121478A (zh) | 一种能检测样本不足的生物传感器、方法 | |
| CN113567326A (zh) | 一种高通量实时单细胞电学本征参数测量系统及方法 | |
| CN108680608A (zh) | 基于宽频电阻抗检测芯片的细胞检测方法 | |
| KR101939523B1 (ko) | 지문 센서 보호층의 두께 검출방법 및 시스템 | |
| Głowacz et al. | Comparison of various data analysis techniques applied for the classification of oligopeptides and amino acids by voltammetric electronic tongue | |
| Yang et al. | A matched-profile method for simple and robust vapor recognition in electronic nose (E-nose) system | |
| CN113948203A (zh) | 一种基于卷积神经网络的快速预测方法 | |
| CN117630183A (zh) | 用于压力管道焊缝的相控阵超声检测方法、装置及系统 | |
| CN107541545A (zh) | 一种检测唾液中egfr突变的纸芯片传感器的构建 | |
| CN101074865A (zh) | 物体表面纹理检测方法及其传感器 | |
| CN114118157A (zh) | 一种基于植物电信号的光照信息诊断方法及系统 | |
| CN109737859A (zh) | 薄片类介质的粘贴异物检测方法及其装置 | |
| CN111537467A (zh) | 一种无破坏性测定绿豆淀粉含量的方法 | |
| CN118858548B (zh) | 基于生物感知的特异性数字化评价味觉信息的方法及系统 | |
| CN114548189B (zh) | 一种凝血酶原时间的检测方法、检测装置及计算机可读存储介质 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| RJ01 | Rejection of invention patent application after publication |
Application publication date: 20210921 |
|
| RJ01 | Rejection of invention patent application after publication |