CN109541014B - 一种基于磁信号的磁性纳米粒子质量检测方法 - Google Patents

Abstract

本发明涉及一种基于磁信号的磁性纳米粒子质量检测方法，通过制备不同浓度的含磁性纳米粒子的磁流体，在其周围通过亥姆霍兹线圈构建一个均匀激励磁场，检测均匀激励磁场周围四个位置的Y方向的磁感应强度，得到每一种磁流体浓度对应的响应磁场数据；以响应磁场数据和磁流体浓度分别作为神经网络模型的输入和输出，建立磁流体浓度与响应磁场的关系模型；检测待测磁流体相应四个位置的响应磁场，根据关系模型，得到待测磁流体的浓度，结合体积参数得到磁性纳米粒子的质量。仅通过获取响应磁场即可实现质量的检测，相比采用荧光强度法分析质量，操作更加简单、准确，从而测试效率较高，而且不会影响磁性纳米粒子的再次使用，避免了材料的浪费。

Description

一种基于磁信号的磁性纳米粒子质量检测方法

技术领域

本发明涉及一种基于磁信号的磁性纳米粒子质量检测方法。

背景技术

磁性纳米粒子是一种新型的纳米材料，具有独特的表面效应、良好的靶向性、生物相容性、小尺寸效应等特性。检测磁性纳米粒子参数具有非常重要的意义，其中质量参数是其中最关键的部分。

现有的磁性纳米粒子的质量检测主要采用荧光检测的方式，比如：薄层色谱法、液相色谱法、荧光分光光度法等。通过相应抗原或抗体修饰磁性纳米粒子，使用酶或荧光分子与抗体或抗原特异性结合，根据荧光强度得出磁性纳米粒子的质量。但这种方式操作较为复杂、繁琐，抗体或抗原修饰等都需要花费大量的时间，测试效率较差，而且经过该方式测试后的磁性纳米粒子的可能不可以再次利用，造成了浪费。

发明内容

本发明的目的是提供一种基于磁信号的磁性纳米粒子质量检测方法，用以解决现有磁性纳米粒子质量检测方法操作复杂、繁琐，导致的测试效率较差的问题。

为了实现上述目的，本发明提供一种基于磁信号的磁性纳米粒子质量检测方法，包括以下步骤：

1)制备不同浓度的含磁性纳米粒子的磁流体，在其周围通过亥姆霍兹线圈构建一个均匀激励磁场，通过四个磁传感器分别检测均匀激励磁场周围四个位置的Y方向的磁感应强度，从而得到每一种磁流体浓度对应的响应磁场数据；所述Y方向是与均匀激励磁场垂直的方向；

2)以响应磁场数据作为神经网络模型的输入，磁流体浓度作为该神经网络模型的输出，建立磁流体浓度与响应磁场的关系模型；检测待测磁流体相应四个位置的响应磁场，根据磁流体浓度与响应磁场的关系模型，得到所述待测磁流体的浓度，结合磁流体浓度与磁性纳米粒子质量的关系，得到磁性纳米粒子的质量；

或者：

以响应磁场数据作为神经网络模型的输入，磁性纳米粒子质量作为该神经网络模型的输出，结合磁流体浓度与磁性纳米粒子质量的关系，建立磁性纳米粒子质量与响应磁场的关系模型；检测待测磁流体相应四个位置的响应磁场，根据磁性纳米粒子质量与响应磁场的关系模型，得到所述待测磁流体中磁性纳米粒子质量。

有益效果是，寻找磁性纳米粒子在均匀激励磁场中产生的响应磁场与磁性纳米粒子质量或者磁流体浓度的关系模型，通过关系模型和检测到的响应磁场数据实现磁性纳米粒子质量的检测，仅通过获取响应磁场即可实现质量的检测，相比采用荧光强度法分析质量，操作更加简单、准确，从而测试效率较高，而且不会影响磁性纳米粒子的再次使用，避免了材料的浪费。

进一步地，为了方便快捷的进行算法计算，所述神经网络模型包括输入层、隐含层和输出层，所述隐含层为一层，激励函数为Sigmoid函数，所述隐含层的参数为

实际输出向量为

期望输出向量为

误差信号为E＝d-Y，其中，i表示磁传感器的编号，X_i表示磁传感器i测得的磁感应强度，j表示隐含层参数的编号，n表示隐含层参数的个数，W_ij表示联接权值，M_s为磁性纳米粒子的饱和磁矩，m为磁性纳米粒子的平均磁矩，

为磁性纳米粒子的浓度，k为玻尔兹曼常数，H为外加磁场，T为绝对温度。

进一步地，为了提高测量精度，所述磁传感器为TMR传感器。

进一步地，为了使磁流体中磁性纳米粒子更均匀的分布，减小磁性纳米粒子团聚对结果造成的影响，在将磁性纳米粒子修饰上油酸表面活性剂后加入载基液水后制备得到不同浓度的含磁性纳米粒子的磁流体。

附图说明

图1是本发明的一种基于磁信号的磁性纳米粒子质量检测方法的流程图；

图2是本发明的磁性纳米粒子质量检测的原理图；

图3是本发明的磁传感器在磁性纳米粒子周围检测的响应磁感应强度；

图4是本发明的神经网络模型结构示意图。

具体实施方式

下面结合附图对本发明做进一步详细的说明。

本发明提供一种基于磁信号的磁性纳米粒子质量检测方法，本发明使用的磁性纳米粒子是四氧化三铁，如图1所示，包括以下步骤：

第一步：不同浓度的含磁性纳米粒子的磁流体的制备。

四氧化三体磁性纳米粒子一般使用化学共沉淀法进行制备，其化学方程式为：

Fe²⁺+2Fe³⁺+8OH^-＝Fe₃O₄+4H₂O

将一定量的二价铁与三价铁盐与碱性溶液混合在一定温度和PH条件下反应，经过剧烈搅拌，水浴恒温等步骤后，使用蒸馏水反复洗涤直至溶液呈中性，去除上层清液，干燥后研磨即可得到四氧化三铁磁性纳米粒子。

其中Fe²⁺和Fe³⁺离子浓度需要满足1:2，但Fe²⁺易被氧化为Fe³⁺，因此应添加过量的Fe²⁺才能制备出纯度较高的四氧化三铁磁性纳米粒子。温度为40～60℃、PH值为9，然后将Fe₃O₄磁性纳米粒子修饰上油酸表面活性剂，搅拌30min后，加入载基液水，搅拌1～2小时，即可得到磁流体，相同量的Fe₃O₄磁性纳米粒子加入的载基液水体积不同得到的磁流体浓度也不相同。

第二步：搭建一个用于检测磁流体响应磁场大小的平台，首先使用亥姆霍兹线圈搭建一个均匀激励磁场，选择合适大小的容器使其能够完全被均匀激励磁场所包围。在容器附近找到4个磁感应强度极大值对应的位置，每个位置放置一个磁传感器，整个测试过程的原理如图2所示。

亥姆霍兹线圈是一对彼此平行的共轴圆形线圈，两线圈具有相同的匝数并且电流方向一致、大小相同。线圈之间的距离恰好等于圆形线圈的半径r。从而在公共轴线中心区域产生一个均匀激励磁场区域。均匀激励磁场的大小可以通过改变线圈大小、电流、匝数的参数调节。

根据毕奥-萨伐尔定律，电流元

在空间任意点产生的磁感应强度

为：

其中，μ₀为真空磁导率，N为线圈匝数，r为线圈半径，

为电流元与该点的矢量。

利用仿真软件得出，均匀激励磁场大概是一个半径r/2的圆柱形磁场区域。设计的容器大小应该使其完全包含在均匀激励磁场内。根据测得的磁感应强度，确定磁传感器的位置，大约距离容器中心为1.5r的距离。

上述容器可以采用薄片容器，薄片容器为圆形薄片包括底壁和圆形侧壁，侧壁的高度较小，从而是一种薄片形状。

第三步：将不同浓度的磁流体倒入容器中，将亥姆霍兹线圈通电，通过四个磁传感器分别检测均匀激励磁场周围四个位置的Y方向的磁感应强度，从而得到每一种磁流体浓度对应的响应磁场数据。

仿真模型中得出中心区域有均匀激励磁场，而根据公式，中心磁场强度为：

确定中心均匀激励磁场强度，即能确定周围均匀激励磁场的磁感应强度，设定相应的线圈匝数、电流大小、线圈半径等参数，确定亥姆霍兹线圈产生的均匀激励磁场的磁场强度为1mT，将亥姆霍兹线圈通电，使其产生激励磁场，磁流体中的磁性纳米粒子在感应到激励磁场后会产生一个响应磁场，响应磁场很微弱，需要磁传感器在接收到响应磁场的磁感应强度后经过放大、滤波、放大后才能进行数据的采集。

配置不同浓度的磁流体溶液，在其他条件不变的情况下，再次测量磁性纳米粒子产生的磁感应强度，得到不同磁感应强度的响应磁场。

因为实验所用磁性纳米粒子质量微小，测量中得到的磁感应强度受到均匀激励磁场的影响很大，因此采用单轴磁传感器测量响应磁场的大小，优选磁传感器为TMR传感器。

由于均匀激励磁场的方向为X轴方向，在仿真图中，响应磁场变化最大、最有规律的是Y轴方向，因此，为减少激励磁场的影响，使用TMR传感器测量Y轴方向的响应磁场强度，Y轴方向是与均匀激励磁场垂直的方向。实验中的一种测量结果，如图3所示。

第四步：以响应磁场数据作为神经网络模型的输入，磁流体浓度作为该神经网络模型的输出，建立磁流体浓度与响应磁场的关系模型；或者以响应磁场数据作为神经网络模型的输入，磁性纳米粒子质量作为该神经网络模型的输出，结合磁流体浓度与磁性纳米粒子质量的关系，建立磁性纳米粒子质量与响应磁场的关系模型。磁流体浓度与响应磁场的关系模型和磁性纳米粒子质量与响应磁场的关系模型之间的区别仅在与是否含有溶液体积参数。

如图4所示，本发明选用三层神经网络模型：输入层、隐含层、输出层。隐含层选择一层，多个隐含层在计算机中的运算成几何倍的增长，单隐含层可以方便快捷的进行算法计算。

设神经网络模型的输入向量为X，其中输入有四个，为X₁、X₂、X₃、X₄，分别对应四个Y轴方向的响应磁场强度。实际输出向量为Y，输出为1个，表示四个TMR传感器相互间的关联。期望输出向量为d，误差信号为E＝d-Y。

激励函数选用sigmoid函数，隐含层参数为：

其中，i表示磁传感器的编号，X_i表示磁传感器i测得的磁感应强度，j表示隐含层参数的编号，n表示隐含层参数的个数，W_ij表示联接权值，优选n＝30，M_j是神经网络算法中的一个变量，相当于中间变量，没有实际的意义。

根据郎之万函数模型，期望输出向量即为磁性纳米粒子磁化强度为：

其中，M_S为磁性纳米粒子的饱和磁矩，m为磁性纳米粒子的平均磁矩，

为磁性纳米粒子的浓度，k为玻尔兹曼常数，H为外加磁场，T为绝对温度。饱和磁矩是由饱和磁化强度乘以体积得到的，饱和磁化强度是在购买磁性纳米粒子时给出的已知量，平均磁矩是由饱和磁矩除以磁性纳米粒子浓度得来的，即磁性纳米粒子因大小不同所得到的单个饱和磁矩不同，在计算中，通过饱和磁矩计算出平均磁矩。

神经网络模型计算中，误差信号从后向前传递，在反向传播的过程中，逐层修改联接权值。

根据公式：

W_j(n+1)＝W_j(n)+ΔW_j(n)

是步长

其中，W_ij的求解过程与W_j的求解过程相同，n表示修正权值的次数，即神经网络在不断的修正权值以使整个神经网络达到最佳，W_j(n)表示第n次修正权值的值，W_j(n+1)表示第n+1次所修正的权值的值。

第五步：根据磁流体浓度与响应磁场的关系模型或者磁性纳米粒子质量与响应磁场的关系模型对磁性纳米粒子的质量进行计算。

两种方式，第一种方式：检测待测磁流体相应四个位置的响应磁场，根据磁流体浓度与响应磁场的关系模型得到待测磁流体的浓度，结合磁流体浓度与磁性纳米粒子质量的关系，得到磁性纳米粒子的质量。

第二种方式：检测待测磁流体相应四个位置的响应磁场，根据磁性纳米粒子质量与响应磁场的关系模型，直接得到待测磁流体中磁性纳米粒子质量。

基于此，本发明提出了一种基于磁信号的磁性纳米粒子质量检测方法，目的是能够使用更加简便的方法测量磁性纳米粒子的质量，该检测方法能够快速便捷的实现检测，便于产业化使用。

Claims (3)

1.一种基于磁信号的磁性纳米粒子质量检测方法，其特征在于，包括以下步骤：

1)制备不同浓度的含磁性纳米粒子的磁流体，在其周围通过亥姆霍兹线圈构建一个均匀激励磁场，通过四个磁传感器分别检测均匀激励磁场周围四个磁感应强度极大值对应位置的Y方向的磁感应强度，并将所述Y方向的磁感应强度作为每一种磁流体浓度对应的响应磁场数据；所述Y方向是与均匀激励磁场垂直的方向；

2)以响应磁场数据作为神经网络模型的输入，磁流体浓度作为该神经网络模型的输出，建立磁流体浓度与响应磁场的关系模型；检测待测磁流体相应四个位置的响应磁场，根据磁流体浓度与响应磁场的关系模型，得到所述待测磁流体的浓度，结合磁流体浓度与磁性纳米粒子质量的关系，得到磁性纳米粒子的质量；

或者：

以响应磁场数据作为神经网络模型的输入，磁性纳米粒子质量作为该神经网络模型的输出，结合磁流体浓度与磁性纳米粒子质量的关系，建立磁性纳米粒子质量与响应磁场的关系模型；检测待测磁流体相应四个位置的响应磁场，根据磁性纳米粒子质量与响应磁场的关系模型，得到所述待测磁流体中磁性纳米粒子质量；

所述神经网络模型包括输入层、隐含层和输出层，所述隐含层为一层，激励函数为Sigmoid函数，所述隐含层的参数为

实际输出向量为

期望输出向量为

误差信号为E＝d-Y，其中，i表示磁传感器的编号，X_i表示磁传感器i测得的磁感应强度，j表示隐含层参数的编号，n表示隐含层参数的个数，W_ij表示联接权值，M_S为磁性纳米粒子的饱和磁矩，m为磁性纳米粒子的平均磁矩，

为磁性纳米粒子的浓度，k为玻尔兹曼常数，H为外加磁场，T为绝对温度。

2.根据权利要求1所述的基于磁信号的磁性纳米粒子质量检测方法，其特征在于，所述磁传感器为TMR传感器。

3.根据权利要求2所述的基于磁信号的磁性纳米粒子质量检测方法，其特征在于，将磁性纳米粒子修饰上油酸表面活性剂后加入载基液水后制备得到不同浓度的含磁性纳米粒子的磁流体。

Images