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 PDF

Info

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
Application number
CN202110973447.7A
Other languages
English (en)
Inventor
关国良
陈巧玲
陈海萌
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Changzhou Xianxu Medical Technology Co ltd
Original Assignee
Changzhou Xianxu Medical Technology Co ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Changzhou Xianxu Medical Technology Co ltd filed Critical Changzhou Xianxu Medical Technology Co ltd
Priority to CN202110973447.7A priority Critical patent/CN113413148A/zh
Publication of CN113413148A publication Critical patent/CN113413148A/zh
Pending legal-status Critical Current

Links

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

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

一种提高阻抗生物传感器效果的信号处理方法及装置
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
Figure 463751DEST_PATH_IMAGE001
，其中n为频率点的个数，m为数据的长度，
Figure 547464DEST_PATH_IMAGE002
的每一列
Figure 268295DEST_PATH_IMAGE003
满足以下关系式：
Figure 574643DEST_PATH_IMAGE004
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，
Figure 671912DEST_PATH_IMAGE005
将每一行向量
Figure 114525DEST_PATH_IMAGE006
投射到主元向量
Figure 943941DEST_PATH_IMAGE007
，并且使得其中变量
Figure 596639DEST_PATH_IMAGE008
继承了原数据阵
Figure 871501DEST_PATH_IMAGE009
的最大变化，其中第一主元的系数为
Figure 558834DEST_PATH_IMAGE010
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
Figure 496834DEST_PATH_IMAGE011
，于是将得到实部特征第一主元
Figure 308932DEST_PATH_IMAGE012
，虚部特征第一主元
Figure 748004DEST_PATH_IMAGE013
，幅值特征第一主元
Figure 165210DEST_PATH_IMAGE014
和相位特征第一主元
Figure 664324DEST_PATH_IMAGE015
；
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
Figure 668446DEST_PATH_IMAGE016
，
Figure 911208DEST_PATH_IMAGE017
，
Figure 448500DEST_PATH_IMAGE018
和
Figure 118516DEST_PATH_IMAGE019
组成一个四维的实向量
Figure 842889DEST_PATH_IMAGE020
，得到数据长度为m的训练数据集
Figure 889343DEST_PATH_IMAGE021
其中
Figure 281141DEST_PATH_IMAGE022
为1或者-1，表示阳性或者非阳性，则超平面可以表达为
Figure 122058DEST_PATH_IMAGE023
支持向量到超平面的边界距离由参数
Figure 832263DEST_PATH_IMAGE024
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，
Figure 416828DEST_PATH_IMAGE025
即，任何大于此边界的值即为1，阳性，
Figure 663133DEST_PATH_IMAGE026
即，任何小于此边界的值即为-1，非阳性，
式中，b为一常参数；
得到边界距离为
Figure 409372DEST_PATH_IMAGE027
，为了使间距最大化，需要求解最小
Figure 373917DEST_PATH_IMAGE028
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，
Figure 496593DEST_PATH_IMAGE029
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
Figure 862984DEST_PATH_IMAGE030
，其中，Rref为参考电阻，根据待测阻抗设置；阻抗可以表示为
Figure 45704DEST_PATH_IMAGE031
,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（
Figure 727571DEST_PATH_IMAGE032
）,N为正整数；则多通道信号5均值化的结果可以表达为
Figure 653939DEST_PATH_IMAGE033
，
其中
Figure 874835DEST_PATH_IMAGE035
表示对
Figure 228456DEST_PATH_IMAGE037
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
Figure 3
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
Figure 632073DEST_PATH_IMAGE039
，则可以得到
Figure 2
，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
Figure 231999DEST_PATH_IMAGE041
，其中n为频率点6的个数，m为数据的长度。
Figure 891388DEST_PATH_IMAGE042
的每一列
Figure 425137DEST_PATH_IMAGE043
满足以下关系式
Figure 151785DEST_PATH_IMAGE044
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，
Figure 722575DEST_PATH_IMAGE045
将每一行向量
Figure 495359DEST_PATH_IMAGE046
投射到主元向量
Figure 442586DEST_PATH_IMAGE047
，并且使得其中变量
Figure 351636DEST_PATH_IMAGE048
继承了原数据阵
Figure 860371DEST_PATH_IMAGE049
的最大变化，其中第一主元的系数为
Figure 854872DEST_PATH_IMAGE050
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
Figure 605790DEST_PATH_IMAGE051
，于是将得到实部特征第一主元61
Figure 369347DEST_PATH_IMAGE052
，虚部特征第一主元62
Figure 547519DEST_PATH_IMAGE053
，幅值特征第一主元63
Figure 29316DEST_PATH_IMAGE054
和相位特征第一主元64
Figure 318346DEST_PATH_IMAGE055
；
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
Figure 201988DEST_PATH_IMAGE056
，
Figure 49596DEST_PATH_IMAGE057
，
Figure 18689DEST_PATH_IMAGE058
和
Figure 111410DEST_PATH_IMAGE059
组成一个四维的实向量
Figure 583980DEST_PATH_IMAGE060
，得到数据长度为m的训练数据集
Figure 103954DEST_PATH_IMAGE061
其中
Figure 560343DEST_PATH_IMAGE062
为1或者-1，表示阳性或者非阳性，则超平面可以表达为
Figure 191175DEST_PATH_IMAGE063
支持向量到超平面的边界距离由参数
Figure 49410DEST_PATH_IMAGE064
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，
Figure 806249DEST_PATH_IMAGE065
即，任何大于此边界的值即为1，阳性，
Figure 749934DEST_PATH_IMAGE066
即，任何小于此边界的值即为-1，非阳性，
式中，b为一常参数；
得到边界距离为
Figure 184458DEST_PATH_IMAGE067
，为了使间距最大化，需要求解最小
Figure 897199DEST_PATH_IMAGE068
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，
Figure 758976DEST_PATH_IMAGE069
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
Figure 969174DEST_PATH_IMAGE002
，其中n为频率点的个数，m为数据的长度，
Figure 417472DEST_PATH_IMAGE003
的每一列
Figure 102269DEST_PATH_IMAGE004
满足以下关系式：
Figure 28637DEST_PATH_IMAGE005
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，
Figure 249534DEST_PATH_IMAGE006
将每一行向量
Figure 744100DEST_PATH_IMAGE007
投射到主元向量
Figure 542292DEST_PATH_IMAGE008
，并且使得其中变量
Figure 147717DEST_PATH_IMAGE009
继承了原数据阵
Figure 347754DEST_PATH_IMAGE010
的最大变化，其中第一主元的系数为
Figure 243248DEST_PATH_IMAGE011
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
Figure 528736DEST_PATH_IMAGE012
，于是将得到实部特征第一主元
Figure 672272DEST_PATH_IMAGE013
，虚部特征第一主元
Figure 726816DEST_PATH_IMAGE014
，幅值特征第一主元
Figure 563185DEST_PATH_IMAGE015
和相位特征第一主元
Figure 335969DEST_PATH_IMAGE016
；
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
Figure 17617DEST_PATH_IMAGE017
，
Figure 457826DEST_PATH_IMAGE018
，
Figure 698052DEST_PATH_IMAGE019
和
Figure 958132DEST_PATH_IMAGE020
组成一个四维的实向量
Figure 443471DEST_PATH_IMAGE021
，得到数据长度为m的训练数据集
Figure 472607DEST_PATH_IMAGE022
其中
Figure 916358DEST_PATH_IMAGE024
为1或者-1，表示阳性或者非阳性，则超平面可以表达为
Figure 273521DEST_PATH_IMAGE025
支持向量到超平面的边界距离由参数
Figure 687185DEST_PATH_IMAGE026
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，
Figure 947658DEST_PATH_IMAGE027
即，任何大于此边界的值即为1，阳性，
Figure 421365DEST_PATH_IMAGE028
即，任何小于此边界的值即为-1，非阳性，
式中，b为一常参数；
得到边界距离为
Figure 531403DEST_PATH_IMAGE029
，为了使间距最大化，需要求解最小
Figure 624124DEST_PATH_IMAGE030
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，
Figure 627852DEST_PATH_IMAGE031
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。
CN202110973447.7A 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 Pending CN113413148A (zh)

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)

* Cited by examiner, † Cited by third party
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)

* Cited by examiner, † Cited by third party
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

Patent Citations (7)

* Cited by examiner, † Cited by third party
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)

* Cited by examiner, † Cited by third party
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)

* Cited by examiner, † Cited by third party
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
Tan et al. Applications of electronic nose (e-nose) and electronic tongue (e-tongue) in food quality-related properties determination: A review
Banerjee et al. Black tea classification employing feature fusion of E-Nose and E-Tongue responses
US7848798B2 (en) Live finger detection by four-point measurement of complex impedance
CN109632891B (zh) 一种利用阵列气体传感器监测气体种类以及浓度的方法
CN112578106B (zh) 一种纳米孔道单分子蛋白质测序仪
CN101311711A (zh) 一种用于液体样品的智能化学分析系统
CN102879445B (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
Guo et al. Sparse representation-based classification for breath sample identification
CN105738434A (zh) 一种基于电子鼻检测呼吸气体的糖尿病诊断系统
CN107121478A (zh) 一种能检测样本不足的生物传感器、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
CN108680748B (zh) 基于丙酮传感器的血糖检测仪及其检测方法
CN106979998B (zh) 苹果新鲜度的仿生嗅觉快速无损检测装置及检测方法
Yang et al. A matched-profile method for simple and robust vapor recognition in electronic nose (E-nose) system
KR101939523B1 (ko) 지문 센서 보호층의 두께 검출방법 및 시스템
CN108652586B (zh) 一种胃食管反流自动检测系统
CN107541545A (zh) 一种检测唾液中egfr突变的纸芯片传感器的构建
CN115421078A (zh) 设备状态分类模型的构建方法、使用方法、计算机可读介质、装置
CN113948203A (zh) 一种基于卷积神经网络的快速预测方法
CN109730672B (zh) 一种用于多导联心电信号的特征提取方法及对应监测系统
CN109737859A (zh) 薄片类介质的粘贴异物检测方法及其装置
CN113823403A (zh) 基于神经网络的早期肺癌呼气组分检测识别系统
CN111537467A (zh) 一种无破坏性测定绿豆淀粉含量的方法
CN112001896A (zh) 一种甲状腺边界不规则度检测装置

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