CN110042140B - 一种基于群感效应的微生物燃料电池系统开发方法 - Google Patents
一种基于群感效应的微生物燃料电池系统开发方法 Download PDFInfo
- Publication number
- CN110042140B CN110042140B CN201910326753.4A CN201910326753A CN110042140B CN 110042140 B CN110042140 B CN 110042140B CN 201910326753 A CN201910326753 A CN 201910326753A CN 110042140 B CN110042140 B CN 110042140B
- Authority
- CN
- China
- Prior art keywords
- module
- image
- bacterial
- data
- sensing effect
- 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.)
- Active
Links
Classifications
-
- C—CHEMISTRY; METALLURGY
- C12—BIOCHEMISTRY; BEER; SPIRITS; WINE; VINEGAR; MICROBIOLOGY; ENZYMOLOGY; MUTATION OR GENETIC ENGINEERING
- C12Q—MEASURING OR TESTING PROCESSES INVOLVING ENZYMES, NUCLEIC ACIDS OR MICROORGANISMS; COMPOSITIONS OR TEST PAPERS THEREFOR; PROCESSES OF PREPARING SUCH COMPOSITIONS; CONDITION-RESPONSIVE CONTROL IN MICROBIOLOGICAL OR ENZYMOLOGICAL PROCESSES
- C12Q1/00—Measuring or testing processes involving enzymes, nucleic acids or microorganisms; Compositions therefor; Processes of preparing such compositions
- C12Q1/02—Measuring or testing processes involving enzymes, nucleic acids or microorganisms; Compositions therefor; Processes of preparing such compositions involving viable microorganisms
-
- C—CHEMISTRY; METALLURGY
- C12—BIOCHEMISTRY; BEER; SPIRITS; WINE; VINEGAR; MICROBIOLOGY; ENZYMOLOGY; MUTATION OR GENETIC ENGINEERING
- C12Q—MEASURING OR TESTING PROCESSES INVOLVING ENZYMES, NUCLEIC ACIDS OR MICROORGANISMS; COMPOSITIONS OR TEST PAPERS THEREFOR; PROCESSES OF PREPARING SUCH COMPOSITIONS; CONDITION-RESPONSIVE CONTROL IN MICROBIOLOGICAL OR ENZYMOLOGICAL PROCESSES
- C12Q1/00—Measuring or testing processes involving enzymes, nucleic acids or microorganisms; Compositions therefor; Processes of preparing such compositions
- C12Q1/02—Measuring or testing processes involving enzymes, nucleic acids or microorganisms; Compositions therefor; Processes of preparing such compositions involving viable microorganisms
- C12Q1/04—Determining presence or kind of microorganism; Use of selective media for testing antibiotics or bacteriocides; Compositions containing a chemical indicator therefor
- C12Q1/06—Quantitative determination
-
- H—ELECTRICITY
- H01—ELECTRIC ELEMENTS
- H01M—PROCESSES OR MEANS, e.g. BATTERIES, FOR THE DIRECT CONVERSION OF CHEMICAL ENERGY INTO ELECTRICAL ENERGY
- H01M8/00—Fuel cells; Manufacture thereof
- H01M8/04—Auxiliary arrangements, e.g. for control of pressure or for circulation of fluids
- H01M8/04298—Processes for controlling fuel cells or fuel cell systems
-
- H—ELECTRICITY
- H01—ELECTRIC ELEMENTS
- H01M—PROCESSES OR MEANS, e.g. BATTERIES, FOR THE DIRECT CONVERSION OF CHEMICAL ENERGY INTO ELECTRICAL ENERGY
- H01M8/00—Fuel cells; Manufacture thereof
- H01M8/16—Biochemical fuel cells, i.e. cells in which microorganisms function as catalysts
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02E—REDUCTION OF GREENHOUSE GAS [GHG] EMISSIONS, RELATED TO ENERGY GENERATION, TRANSMISSION OR DISTRIBUTION
- Y02E60/00—Enabling technologies; Technologies with a potential or indirect contribution to GHG emissions mitigation
- Y02E60/30—Hydrogen technology
- Y02E60/50—Fuel cells
Landscapes
- Chemical & Material Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Engineering & Computer Science (AREA)
- Organic Chemistry (AREA)
- Health & Medical Sciences (AREA)
- Wood Science & Technology (AREA)
- Zoology (AREA)
- Proteomics, Peptides & Aminoacids (AREA)
- Biochemistry (AREA)
- Microbiology (AREA)
- Chemical Kinetics & Catalysis (AREA)
- Sustainable Energy (AREA)
- General Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Health & Medical Sciences (AREA)
- Analytical Chemistry (AREA)
- Biophysics (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Molecular Biology (AREA)
- General Chemical & Material Sciences (AREA)
- Manufacturing & Machinery (AREA)
- Genetics & Genomics (AREA)
- Sustainable Development (AREA)
- Immunology (AREA)
- Biotechnology (AREA)
- Electrochemistry (AREA)
- Toxicology (AREA)
- Apparatus Associated With Microorganisms And Enzymes (AREA)
- Investigating Or Analysing Materials By Optical Means (AREA)
Abstract
本发明属于生物电化学系统开发技术领域,公开了一种基于群感效应的微生物燃料电池系统开发方法,所述基于群感效应的微生物燃料电池系统包括:供电模块、图像采集模块、中央控制模块、图像增强模块、信号分子测定模块、数据存储模块、显示模块。本发明满足细菌快速检测需要;实现过程只需要注射泵和阻抗分析仪即可完成,所需设备简单、易于操作;同时,通过信号分子测定模块本发明利用高效液相色谱‑串联质谱(HPLC‑MS/MS),建立了同时测定细菌群体感应分泌的AHLs类信号分子的分析方法,具有快速、准确、灵敏度高的优点。
Description
技术领域
本发明属于生物电化学系统开发技术领域,尤其涉及一种基于群感效应的微生物燃料电池系统开发方法。
背景技术
“群感效应”是指现应的细胞通过自身的感应系统对细胞外部的信号分子浓度(自诱导剂,是微生物之间发生群体感应的关键物质,微生物通过信号分子的分泌、释放、感应进行种内及种间的相互交流并完成某种特性的表达。)从而感知微生物的群密度的大小,当菌落密度达到一定的阈值时,激活一系列的目的基因并表达相应的特性方式。
生物电化学是用电化学的基本原理和实验方法,在生物体和有机组织的整体以及分子和细胞两个不同水平上研究或模拟研究电荷(包括电子、离子及其他电活性粒子)在生物体系和其相应模型体系中分布、传输和转移及转化的化学本质和规律的一门新型学科。具体包括生物体内各种氧化还原反应(如呼吸链、光合链等)过程的热力学和动力学;生物膜及模拟生物膜上电荷与物质的分配和转移功能;生物电现象及其电动力学科学实验;生物电化学传感等电分析方法在活体和非活体中生物物质检测及医药分析。然而,现有基于群感效应的微生物燃料电池系统对细菌浓度检测时间长,操作繁琐;同时,对细菌信号分子测定不准确。
综上所述,现有技术存在的问题是:
(1)现有微生物燃料电池系统对细菌浓度检测时间长,操作繁琐;同时,对细菌信号分子测定不准确。
(2)通过生物传感器检测细菌浓度数据的过程中,采用小波算法进行去噪,局部放电信号易受噪声干扰,影响监测效果。
(3)现有技术中数据存储模块通过存储器存储采集的细菌图像、浓度、测定的细菌群感效应信号分子数据信息的过程中,需要对数据进行分类,采用传统的算法,使多类不平衡数据分类准确率低的问题,降低了数据分类的精度。
(4)通过图像处理软件对采集的细菌图像进行清晰度增强处理的过程中,采用传统的算法,不能有效的增强图像的细节,使图像的整体对比度低,不能克服现有的对数图像增强算法不能以反射光图像的模式对图像进行增强的缺点。
发明内容
针对现有技术存在的问题,本发明提供了一种基于群感效应的微生物燃料电池系统开发方法。
本发明是这样实现的,一种基于群感效应的生物电化学方法,所述基于群感效应的生物电化学方法包括:
第一步,利用光学显微镜采集细菌图像数据;
第二步,通过信号分子测定模块利用质谱联用仪测定细菌群感效应信号分子和浓度;利用图像处理软件对采集的细菌图像进行清晰度增强处理;
第三步,根据上述的检测数据和图像,对上述的实验的菌落进行生物现象分析,得出相应的实验结果数据;
第四步,利用存储器存储采集的细菌图像、浓度、测定的细菌群感效应信号分子数据信息、相应的实验结果;
第五步,通过显示模块利用显示器显示生物电化学系统界面及采集的细菌图像、测定的细菌群感效应信号分子数据信息、相应的实验结果。
进一步,数据存储模块通过存储器存储采集的细菌图像、浓度、测定的细菌群感效应信号分子数据信息,采用SS-SVM算法,具体过程如下:
设D为n类m维数据集,D=T∪TE,T为训练集,T=T1∪T2∪…Tn,Ti表示训练集中的第i类数据样本;TE为测试集,TE=TE1∪TE2∪…TEn,TEi表示测试集中的第i类数据样本;
步骤一,给定D,T,T=Tm∪Ti,Tm表示多类数据的集合,Tl表示少类数据的集合;
步骤二,归一化T中数据,将样本每一维数的值归一化在[-1,1]范围内;
步骤三,分别统计Tm及Tl中类的数目,若Tl包含的类少于Tm中包含的类,则执行步骤五;
步骤四,约减Tm,利用边界阈值的方法约减Tm得到新的Tm;
步骤五,扩展Tl中的每一类数据;
(1)令M=Ti,按照交叉原则进行扩展得到新的;
(2)按照空间扩展原则扩展M;
(3)判断是否需要进行梯度扩展,若需要梯度扩展M;
(4)返回执行(1),令i=i+1,扩展Ti;
步骤六,在新的Tm和Tl上进行多分类SVM训练,并进行测试,算法结束。
本发明的另一目的在于提供一种基于群感效应的微生物燃料电池系统,所述基于群感效应的微生物燃料电池系统包括:
供电模块,与中央控制模块连接,用于为生物电化学系统供电操作;
图像采集模块,与中央控制模块连接,用于通过光学显微镜采集细菌图像数据;
中央控制模块,与供电模块、图像采集模块、浓度检测模块、图像增强模块、信号分子测定模块、数据存储模块、显示模块连接,用于通过单片机控制各个模块正常工作;
图像增强模块,与中央控制模块连接,用于通过图像处理软件对采集的细菌图像进行清晰度增强处理;
信号分子测定模块,与中央控制模块连接,用于通过质谱联用仪测定细菌群感效应信号分子;
数据存储模块,与中央控制模块连接,用于通过存储器存储采集的细菌图像、测定的细菌群感效应信号分子数据信息;
显示模块,与中央控制模块连接,用于通过显示器显示生物电化学系统界面及采集的细菌图像、测定的细菌群感效应信号分子数据信息。
本发明的另一目的在于提供一种应用基于群感效应的生物电化学方法的生物电化学系统开发平台。
本发明的优点及积极效果为:本发明满足细菌快速检测需要;实现过程只需要注射泵和阻抗分析仪即可完成,所需设备简单、易于操作;同时,通过信号分子测定模块本发明利用高效液相色谱-串联质谱(HPLC-MS/MS),建立了同时测定细菌群体感应分泌的11种AHLs类信号分子的分析方法,具有快速、准确、灵敏度高的优点。
本发明中数据存储模块通过存储器存储采集的细菌图像、测定的细菌群感效应信号分子数据信息的过程中,需要对数据进行分类,为了避免多类不平衡数据分类准确率低的问题,提高数据分类的精度,采用SS-SVM算法。
本发明中图像增强模块通过图像处理软件对采集的细菌图像进行清晰度增强处理的过程中,为了增强图像的细节,提升图像的整体对比度,克服了现有的对数图像增强算法不能以反射光图像的模式对图像进行增强的缺点,采用基于SLIP模型的图像增强算法。
附图说明
图1是本发明实施例提供的基于群感效应的微生物燃料电池系统开发方法流程图。
图2是本发明实施例提供的基于群感效应的微生物燃料电池系统结构示意图;
图中:1、供电模块;2、图像采集模块;3、中央控制模块;4、图像增强模块;5、信号分子测定模块;6、数据存储模块;7、显示模块。
具体实施方式
为能进一步了解本发明的发明内容、特点及功效,兹例举以下实施例,并配合附图详细说明如下。
下面结合附图对本发明的结构作详细的描述。
如图1所示,本发明提供的基于群感效应的微生物燃料电池系统开发方法包括以下步骤:
S101:利用光学显微镜采集细菌图像数据;
S102:通过信号分子测定模块利用质谱联用仪测定细菌群感效应信号分子;利用图像处理软件对采集的细菌图像进行清晰度增强处理;
S103:根据上述的检测数据和图像,对上述的实验的菌落进行生物现象分析,得出相应的实验结果数据;
S104:利用存储器存储采集的细菌图像、测定的细菌群感效应信号分子数据信息、相应的实验结果;
S105:通过显示模块利用显示器显示生物电化学系统界面及采集的细菌图像、测定的细菌群感效应信号分子数据信息、相应的实验结果。
如图2所示,本发明提供的基于群感效应的微生物燃料电池系统包括:供电模块1、图像采集模块2、中央控制模块3、图像增强模块4、信号分子测定模块5、数据存储模块6、显示模块7。
供电模块1,与中央控制模块4连接,用于为基于群感效应的微生物燃料电池系统供电操作;
图像采集模块2,与中央控制模块4连接,用于通过光学显微镜采集细菌图像数据;
中央控制模块3,与供电模块1、图像采集模块2、图像增强模块4、信号分子测定模块5、数据存储模块6、显示模块7连接,用于通过单片机控制各个模块正常工作;
图像增强模块4,与中央控制模块4连接,用于通过图像处理软件对采集的细菌图像进行清晰度增强处理;
信号分子测定模块5,与中央控制模块4连接,用于通过质谱联用仪测定细菌群感效应信号分子;
数据存储模块6,与中央控制模块4连接,用于通过存储器存储采集的细菌图像、浓度、测定的细菌群感效应信号分子数据信息;
显示模块7,与中央控制模块4连接,用于通过显示器显示生物电化学系统界面及采集的细菌图像、浓度、测定的细菌群感效应信号分子数据信息。
所述数据存储模块6通过存储器存储采集的细菌图像、浓度、测定的细菌群感效应信号分子数据信息的过程中,需要对数据进行分类,为了避免多类不平衡数据分类准确率低的问题,提高数据分类的精度,采用SS-SVM算法,具体过程如下:
设D为n类m维数据集,D=T∪TE,T为训练集,T=T1∪T2∪…Tn,Ti表示训练集中的第i类数据样本;TE为测试集,TE=TE1∪TE2∪…TEn,TEi表示测试集中的第i类数据样本;
步骤一,给定D,T,T=Tm∪Ti,Tm表示多类数据的集合,Tl表示少类数据的集合;
步骤二,归一化T中数据,将样本每一维数的值归一化在[-1,1]范围内;
步骤三,分别统计Tm及Tl中类的数目,若Tl包含的类少于TM中包含的类,则执行步骤五;
步骤四,约减Tm,利用边界阈值的方法约减Tm得到新的Tm;
步骤五,扩展Tl中的每一类数据;
(1)令M=Ti,按照交叉原则进行扩展得到新的;
(2)按照空间扩展原则扩展M;
(3)判断是否需要进行梯度扩展,若需要梯度扩展M;
(4)返回执行(1),令i=i+1,扩展Ti;
步骤六,在新的Tm和Tl上进行多分类SVM训练,并进行测试,算法结束。
所述图像增强模块4通过图像处理软件对采集的细菌图像进行清晰度增强处理的过程中,为了增强图像的细节,提升图像的整体对比度,克服了现有的对数图像增强算法不能以反射光图像的模式对图像进行增强的缺点,采用基于SLIP模型的图像增强算法,具体包括以下步骤:
步骤一,设F(i,j)和F′(i,j)是原始图像和处理后图像的灰度值,参数α和β分别为任意实数,A(i,j)是以像素(i,j)为中心、大小为n×n的窗口的平均灰度值,则基于SLIP模型的图像增强为
其中,累加和∑表示SLIP模型运算的加法操作;
步骤二,为了简化SLIP模型的图像增强实现,引入SLIP归一化补集转变,将灰度值F转变为
SLIP归一化补集转变,可以简化SLIP模型的分析和实施;
步骤三,对于图像正值部分(0,M)和负值部分(-M,0)分别运用上式,能够证明和/>经过归一化后的SLIP的图像增强算法为
其中,
本发明提供的信号分子测定模块5测定方法如下:
(1)对高效液相色谱串联质谱联用仪进行供电,并调节测定参数;
(2)待测样品加入高效液相色谱串联质谱联用仪中,梯度洗脱;所用的色谱柱为C18柱;所述的色谱与质谱条件为:流速0.2mL/min;进样量:10μL;分析时间:15min;柱温:25℃;
(3)所述的洗脱条件为:用A相和B相液体进行洗脱,所述的A相液体为含有10mmoI/L乙酸铵,0.2%甲酸的甲醇;所述的B相液体为含有10mmoI/L乙酸铵,0.2%甲酸的水溶液;梯度洗脱的参数为:0min:A相20%、B相80%,瞬间达到设定的比例;5min,两种流动相均速变化到A相100%、B相0%;8min,A相100%、B相0%;10.1min时,瞬时调整为A相20%、B相80%;再以这个比例洗脱至15min;上述均为体积百分比。
本发明提供的色谱与质谱条件为:流速0.2mL/min;进样量:10μL;分析时间:15min;柱温25℃。
以上所述仅是对本发明的较佳实施例而已,并非对本发明作任何形式上的限制,凡是依据本发明的技术实质对以上实施例所做的任何简单修改,等同变化与修饰,均属于本发明技术方案的范围内。
Claims (4)
1.一种基于群感效应的生物电化学方法,其特征在于,所述基于群感效应的生物电化学方法包括:
第一步,利用光学显微镜采集细菌图像数据;
第二步,通过信号分子测定模块利用质谱联用仪测定细菌群感效应信号分子和浓度;利用图像处理软件对采集的细菌图像进行清晰度增强处理;
第三步,根据上述的检测数据和图像,对上述的实验的菌落进行生物现象分析,得出相应的实验结果数据;
第四步,利用存储器存储采集的细菌图像、测定的细菌群感效应信号分子数据信息、相应的实验结果;
第五步,通过显示模块利用显示器显示生物电化学系统界面及采集的细菌图像、测定的细菌群感效应信号分子数据信息、相应的实验结果。
2.如权利要求1所述的基于群感效应的生物电化学方法,其特征在于,数据存储模块通过存储器存储采集的细菌图像、浓度、测定的细菌群感效应信号分子数据信息,采用SS-SVM算法,具体过程如下:
设D为n类m维数据集,D=T∪TE,T为训练集,T=T1∪T2∪…Tn,Ti表示训练集中的第i类数据样本;TE为测试集,TE=TE1∪TE2∪…TEn,TEi表示测试集中的第i类数据样本;
步骤一,给定D,T,T=Tm∪Tl,Tm表示多类数据的集合,Tl表示少类数据的集合;
步骤二,归一化T中数据,将样本每一维数的值归一化在[-1,1]范围内;
步骤三,分别统计Tm及Tl中类的数目,若Tl包含的类少于Tm中包含的类,则执行步骤五;
步骤四,约减Tm,利用边界阈值的方法约减Tm得到新的Tm;
步骤五,扩展Tl中的每一类数据;
(1)令M=Ti,按照交叉原则进行扩展得到新的;
(2)按照空间扩展原则扩展M;
(3)判断是否需要进行梯度扩展,若需要梯度扩展M;
(4)返回执行(1),令i=i+1,扩展Ti;
步骤六,在新的Tm和Tl上进行多分类SVM训练,并进行测试,算法结束。
3.一种实现权利要求1所述基于群感效应的生物电化学方法的基于群感效应的微生物燃料电池系统,其特征在于,所述基于群感效应的微生物燃料电池系统包括:
供电模块,与中央控制模块连接,用于为生物电化学系统供电操作;
图像采集模块,与中央控制模块连接,用于通过光学显微镜采集细菌图像数据;
中央控制模块,与供电模块、图像采集模块、浓度检测模块、图像增强模块、信号分子测定模块、数据存储模块、显示模块连接,用于通过单片机控制各个模块正常工作;
图像增强模块,与中央控制模块连接,用于通过图像处理软件对采集的细菌图像进行清晰度增强处理;
信号分子测定模块,与中央控制模块连接,用于通过质谱联用仪测定细菌群感效应信号分子;
数据存储模块,与中央控制模块连接,用于通过存储器存储采集的细菌图像、浓度、测定的细菌群感效应信号分子数据信息;
显示模块,与中央控制模块连接,用于通过显示器显示生物电化学系统界面及采集的细菌图像、浓度、测定的细菌群感效应信号分子数据信息。
4.一种应用权利要求1~3任意一项所述基于群感效应的生物电化学方法的生物电化学系统开发平台。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910326753.4A CN110042140B (zh) | 2019-04-23 | 2019-04-23 | 一种基于群感效应的微生物燃料电池系统开发方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910326753.4A CN110042140B (zh) | 2019-04-23 | 2019-04-23 | 一种基于群感效应的微生物燃料电池系统开发方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110042140A CN110042140A (zh) | 2019-07-23 |
CN110042140B true CN110042140B (zh) | 2023-07-18 |
Family
ID=67278638
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910326753.4A Active CN110042140B (zh) | 2019-04-23 | 2019-04-23 | 一种基于群感效应的微生物燃料电池系统开发方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110042140B (zh) |
Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2019070975A1 (en) * | 2017-10-05 | 2019-04-11 | Becton Dickinson And Company | ENVIRONMENT FOR DEVELOPING APPLICATIONS FOR EVALUATION PROCESSING OF BIOLOGICAL SAMPLES |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20160161404A1 (en) * | 2014-12-05 | 2016-06-09 | Bacterioscan Ltd | System Using Laser-Scatter Measurement Instrument For Organism Identification And Related Network |
-
2019
- 2019-04-23 CN CN201910326753.4A patent/CN110042140B/zh active Active
Patent Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2019070975A1 (en) * | 2017-10-05 | 2019-04-11 | Becton Dickinson And Company | ENVIRONMENT FOR DEVELOPING APPLICATIONS FOR EVALUATION PROCESSING OF BIOLOGICAL SAMPLES |
Non-Patent Citations (2)
Title |
---|
生物被膜的形成及其电化学阻抗检测;刘露露等;《生物工程学报》;20180325;第34卷(第03期);320-333 * |
高效液相色谱-串联质谱法同时测定细菌群体感应效应的11种AHLs类信号分子;马晨晨等;《分析化学》;20101015;第38卷(第10期);1428-1432 * |
Also Published As
Publication number | Publication date |
---|---|
CN110042140A (zh) | 2019-07-23 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Karpievitch et al. | Normalization and missing value imputation for label-free LC-MS analysis | |
CN111443165B (zh) | 一种基于气体传感器与深度学习的气味识别方法 | |
Hanrahan et al. | Application of factorial and response surface methodology in modern experimental design and optimization | |
CN111683587A (zh) | 用于分析物分析的基于人工神经网络深度学习的方法、装置、学习策略及系统 | |
CN114862838A (zh) | 基于无监督学习的缺陷检测方法及设备 | |
CN116434226B (zh) | 循环肿瘤细胞分析仪 | |
Rivera et al. | Data-driven modeling of smartphone-based electrochemiluminescence sensor data using artificial intelligence | |
CN110349633B (zh) | 一种基于辐射响应生物学通路筛选辐射生物标志物及预测辐射剂量的方法 | |
Huang et al. | A fast antibiotic detection method for simplified pretreatment through spectra-based machine learning | |
Yu et al. | Simulation monitoring of tetracyclines in wastewater based on fluorescence image processing and machine learning classifier | |
CN110042140B (zh) | 一种基于群感效应的微生物燃料电池系统开发方法 | |
Pennisi et al. | Discrimination of bacterial and viral infection using host-RNA signatures integrated in a lab-on-chip platform | |
CN114578011A (zh) | 一种基于多传感器多源数据融合的水质监测方法 | |
Głowacz et al. | Comparison of various data analysis techniques applied for the classification of oligopeptides and amino acids by voltammetric electronic tongue | |
Liu et al. | Characteristic gene selection via weighting principal components by singular values | |
Biswas et al. | Biological averaging in RNA-seq | |
CN114664382B (zh) | 多组学联合分析方法、装置及计算设备 | |
WO2023137783A1 (zh) | 一种光谱数据处理方法、装置、存储介质及电子设备 | |
CN115660455A (zh) | 一种三水统筹下水质评价体系模型构建系统、设备及终端 | |
CN113555059A (zh) | 环境变化下有机碳和微生物耦合关系的定量方法 | |
CN116630313B (zh) | 一种荧光成像检测系统及其方法 | |
Yadav et al. | AquaVision: Real-Time Identification of Microbes in Freshwater Using YOLOv3 | |
CN116452820B (zh) | 环境污染等级确定方法及装置 | |
CN117912591B (zh) | 一种基于深度对比学习的激酶药物相互作用预测方法 | |
CN116026892B (zh) | 水质检测方法、控制终端、水质检测系统及存储介质 |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |