CN114414507B - 一种基于人工智能的葡萄糖比色检测方法 - Google Patents
一种基于人工智能的葡萄糖比色检测方法 Download PDFInfo
- Publication number
- CN114414507B CN114414507B CN202111608555.0A CN202111608555A CN114414507B CN 114414507 B CN114414507 B CN 114414507B CN 202111608555 A CN202111608555 A CN 202111608555A CN 114414507 B CN114414507 B CN 114414507B
- Authority
- CN
- China
- Prior art keywords
- glucose
- solution
- concentration
- colorimetric
- detection
- 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
- 239000008103 glucose Substances 0.000 title claims abstract description 71
- WQZGKKKJIJFFOK-GASJEMHNSA-N Glucose Natural products OC[C@H]1OC(O)[C@H](O)[C@@H](O)[C@@H]1O WQZGKKKJIJFFOK-GASJEMHNSA-N 0.000 title claims abstract description 70
- 238000001514 detection method Methods 0.000 title claims abstract description 51
- 238000013473 artificial intelligence Methods 0.000 title claims abstract description 13
- 239000002105 nanoparticle Substances 0.000 claims abstract description 30
- 238000000034 method Methods 0.000 claims abstract description 26
- 239000003153 chemical reaction reagent Substances 0.000 claims abstract description 25
- 210000002700 urine Anatomy 0.000 claims abstract description 18
- 238000013528 artificial neural network Methods 0.000 claims abstract description 15
- 239000000243 solution Substances 0.000 claims description 46
- 239000010931 gold Substances 0.000 claims description 43
- 239000000523 sample Substances 0.000 claims description 26
- 238000012549 training Methods 0.000 claims description 22
- 230000008859 change Effects 0.000 claims description 13
- 239000012086 standard solution Substances 0.000 claims description 12
- 238000010521 absorption reaction Methods 0.000 claims description 11
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 claims description 11
- 229910052737 gold Inorganic materials 0.000 claims description 10
- 238000010438 heat treatment Methods 0.000 claims description 10
- 238000002474 experimental method Methods 0.000 claims description 8
- 238000005286 illumination Methods 0.000 claims description 8
- 229910002708 Au–Cu Inorganic materials 0.000 claims description 7
- PCHJSUWPFVWCPO-UHFFFAOYSA-N gold Chemical compound [Au] PCHJSUWPFVWCPO-UHFFFAOYSA-N 0.000 claims description 7
- NLJMYIDDQXHKNR-UHFFFAOYSA-K sodium citrate Chemical compound O.O.[Na+].[Na+].[Na+].[O-]C(=O)CC(O)(CC([O-])=O)C([O-])=O NLJMYIDDQXHKNR-UHFFFAOYSA-K 0.000 claims description 7
- 239000001509 sodium citrate Substances 0.000 claims description 7
- CDBYLPFSWZWCQE-UHFFFAOYSA-L Sodium Carbonate Chemical compound [Na+].[Na+].[O-]C([O-])=O CDBYLPFSWZWCQE-UHFFFAOYSA-L 0.000 claims description 6
- 239000012491 analyte Substances 0.000 claims description 6
- 239000003086 colorant Substances 0.000 claims description 6
- 238000003062 neural network model Methods 0.000 claims description 5
- HRXKRNGNAMMEHJ-UHFFFAOYSA-K trisodium citrate Chemical compound [Na+].[Na+].[Na+].[O-]C(=O)CC(O)(CC([O-])=O)C([O-])=O HRXKRNGNAMMEHJ-UHFFFAOYSA-K 0.000 claims description 5
- 238000002211 ultraviolet spectrum Methods 0.000 claims description 4
- 238000012795 verification Methods 0.000 claims description 4
- 238000009835 boiling Methods 0.000 claims description 3
- 229910052802 copper Inorganic materials 0.000 claims description 3
- 229960000999 sodium citrate dihydrate Drugs 0.000 claims description 3
- 230000002195 synergetic effect Effects 0.000 claims description 3
- 230000002194 synthesizing effect Effects 0.000 claims description 3
- 230000015572 biosynthetic process Effects 0.000 claims description 2
- 230000006698 induction Effects 0.000 claims description 2
- 238000003786 synthesis reaction Methods 0.000 claims description 2
- 238000004737 colorimetric analysis Methods 0.000 abstract description 21
- 238000004458 analytical method Methods 0.000 abstract description 8
- 239000010970 precious metal Substances 0.000 abstract description 3
- 230000008878 coupling Effects 0.000 abstract description 2
- 238000010168 coupling process Methods 0.000 abstract description 2
- 238000005859 coupling reaction Methods 0.000 abstract description 2
- WQZGKKKJIJFFOK-VFUOTHLCSA-N beta-D-glucose Chemical compound OC[C@H]1O[C@@H](O)[C@H](O)[C@@H](O)[C@@H]1O WQZGKKKJIJFFOK-VFUOTHLCSA-N 0.000 description 55
- 229960001031 glucose Drugs 0.000 description 55
- 239000008280 blood Substances 0.000 description 13
- 210000004369 blood Anatomy 0.000 description 13
- 229910000510 noble metal Inorganic materials 0.000 description 8
- 230000004044 response Effects 0.000 description 6
- 230000008901 benefit Effects 0.000 description 5
- 238000006243 chemical reaction Methods 0.000 description 5
- 238000010801 machine learning Methods 0.000 description 5
- 230000000694 effects Effects 0.000 description 4
- 238000012360 testing method Methods 0.000 description 4
- XSQUKJJJFZCRTK-UHFFFAOYSA-N Urea Chemical compound NC(N)=O XSQUKJJJFZCRTK-UHFFFAOYSA-N 0.000 description 3
- 239000004202 carbamide Substances 0.000 description 3
- 238000011161 development Methods 0.000 description 3
- 238000005259 measurement Methods 0.000 description 3
- 230000035945 sensitivity Effects 0.000 description 3
- 238000002198 surface plasmon resonance spectroscopy Methods 0.000 description 3
- KDLHZDBZIXYQEI-UHFFFAOYSA-N Palladium Chemical compound [Pd] KDLHZDBZIXYQEI-UHFFFAOYSA-N 0.000 description 2
- 238000007792 addition Methods 0.000 description 2
- 235000006694 eating habits Nutrition 0.000 description 2
- 239000002082 metal nanoparticle Substances 0.000 description 2
- BASFCYQUMIYNBI-UHFFFAOYSA-N platinum Chemical compound [Pt] BASFCYQUMIYNBI-UHFFFAOYSA-N 0.000 description 2
- 230000008569 process Effects 0.000 description 2
- 238000012545 processing Methods 0.000 description 2
- 238000011160 research Methods 0.000 description 2
- 229910000029 sodium carbonate Inorganic materials 0.000 description 2
- 239000000126 substance Substances 0.000 description 2
- 238000000870 ultraviolet spectroscopy Methods 0.000 description 2
- 230000002485 urinary effect Effects 0.000 description 2
- 230000000007 visual effect Effects 0.000 description 2
- 208000013016 Hypoglycemia Diseases 0.000 description 1
- BQCADISMDOOEFD-UHFFFAOYSA-N Silver Chemical compound [Ag] BQCADISMDOOEFD-UHFFFAOYSA-N 0.000 description 1
- 238000002835 absorbance Methods 0.000 description 1
- 238000000862 absorption spectrum Methods 0.000 description 1
- 239000002253 acid Substances 0.000 description 1
- 230000009471 action Effects 0.000 description 1
- 230000004913 activation Effects 0.000 description 1
- 230000006978 adaptation Effects 0.000 description 1
- 125000000129 anionic group Chemical group 0.000 description 1
- 150000001450 anions Chemical class 0.000 description 1
- 238000009534 blood test Methods 0.000 description 1
- 210000004204 blood vessel Anatomy 0.000 description 1
- 239000011449 brick Substances 0.000 description 1
- 125000002091 cationic group Chemical group 0.000 description 1
- 150000001768 cations Chemical class 0.000 description 1
- 238000009535 clinical urine test Methods 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 238000013527 convolutional neural network Methods 0.000 description 1
- 230000003247 decreasing effect Effects 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000003745 diagnosis Methods 0.000 description 1
- 238000007865 diluting Methods 0.000 description 1
- 229940079593 drug Drugs 0.000 description 1
- 239000003814 drug Substances 0.000 description 1
- 238000002848 electrochemical method Methods 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 238000004817 gas chromatography Methods 0.000 description 1
- 201000001421 hyperglycemia Diseases 0.000 description 1
- 230000002218 hypoglycaemic effect Effects 0.000 description 1
- 238000010191 image analysis Methods 0.000 description 1
- 208000015181 infectious disease Diseases 0.000 description 1
- 238000007689 inspection Methods 0.000 description 1
- 208000017169 kidney disease Diseases 0.000 description 1
- 239000007788 liquid Substances 0.000 description 1
- 238000004811 liquid chromatography Methods 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 238000000386 microscopy Methods 0.000 description 1
- 238000013508 migration Methods 0.000 description 1
- 230000005012 migration Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 239000002114 nanocomposite Substances 0.000 description 1
- 239000002086 nanomaterial Substances 0.000 description 1
- 229910052763 palladium Inorganic materials 0.000 description 1
- 229910052697 platinum Inorganic materials 0.000 description 1
- 238000011176 pooling Methods 0.000 description 1
- 238000002360 preparation method Methods 0.000 description 1
- 238000011002 quantification Methods 0.000 description 1
- 238000006479 redox reaction Methods 0.000 description 1
- 238000010992 reflux Methods 0.000 description 1
- 229910052709 silver Inorganic materials 0.000 description 1
- 239000004332 silver Substances 0.000 description 1
- 229910052708 sodium Inorganic materials 0.000 description 1
- 239000011734 sodium Substances 0.000 description 1
- 239000008279 sol Substances 0.000 description 1
- 230000003595 spectral effect Effects 0.000 description 1
- 238000004659 sterilization and disinfection Methods 0.000 description 1
- 238000003756 stirring Methods 0.000 description 1
- 238000001308 synthesis method Methods 0.000 description 1
- 239000012085 test solution Substances 0.000 description 1
- 229910021642 ultra pure water Inorganic materials 0.000 description 1
- 239000012498 ultrapure water Substances 0.000 description 1
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
- G01N21/17—Systems in which incident light is modified in accordance with the properties of the material investigated
- G01N21/25—Colour; Spectral properties, i.e. comparison of effect of material on the light at two or more different wavelengths or wavelength bands
- G01N21/31—Investigating relative effect of material at wavelengths characteristic of specific elements or molecules, e.g. atomic absorption spectrometry
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
- G01N21/75—Systems in which material is subjected to a chemical reaction, the progress or the result of the reaction being investigated
- G01N21/77—Systems in which material is subjected to a chemical reaction, the progress or the result of the reaction being investigated by observing the effect on a chemical indicator
- G01N21/78—Systems in which material is subjected to a chemical reaction, the progress or the result of the reaction being investigated by observing the effect on a chemical indicator producing a change of colour
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
- G01N21/75—Systems in which material is subjected to a chemical reaction, the progress or the result of the reaction being investigated
- G01N21/77—Systems in which material is subjected to a chemical reaction, the progress or the result of the reaction being investigated by observing the effect on a chemical indicator
- G01N21/78—Systems in which material is subjected to a chemical reaction, the progress or the result of the reaction being investigated by observing the effect on a chemical indicator producing a change of colour
- G01N2021/786—Systems in which material is subjected to a chemical reaction, the progress or the result of the reaction being investigated by observing the effect on a chemical indicator producing a change of colour with auxiliary heating for reaction
Landscapes
- Physics & Mathematics (AREA)
- Chemical & Material Sciences (AREA)
- General Physics & Mathematics (AREA)
- Immunology (AREA)
- Health & Medical Sciences (AREA)
- Analytical Chemistry (AREA)
- Biochemistry (AREA)
- General Health & Medical Sciences (AREA)
- Spectroscopy & Molecular Physics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Pathology (AREA)
- Engineering & Computer Science (AREA)
- Chemical Kinetics & Catalysis (AREA)
- Plasma & Fusion (AREA)
- Investigating Or Analysing Biological Materials (AREA)
- Investigating Or Analysing Materials By The Use Of Chemical Reactions (AREA)
Abstract
本发明提出了一种将班氏试剂与贵金属纳米颗粒偶联的比色法检测葡萄糖的方法，利用智能手机所具备的拍照功能记录溶液颜色，通过引入人工神经网络将人工智能集成到比色法中，从而使机器可以通过自学习的方式经过大量迭代来不断优化每个节点的参数和权重并同时获得训练有素的分类器模型，将最终训练好的模型导入智能手机，得到集拍照‑取色‑识别一体化并自动输出对应尿糖浓度的APP软件，进一步提升该方法使用的便捷性。AI辅助的智能手机检测无需大型仪器和专业操作人员，同时也具有人眼识别的直观性和简易性，有望将光电传感分析方法以便携设备的形式广泛推广。
Description
技术领域
本发明涉及图像分析和定量的科学领域，尤其涉及一种基于人工智能的葡萄糖比色检测方法。
背景技术
当光线入射到由贵金属构成的纳米颗粒（nanoparticles, NPs）上时，如若入射光子频率与贵金属纳米颗粒电子的整体振动频率相匹配时，纳米颗粒会对光子能量产生很强的吸收作用，因而发生局域表面等离子体共振（localized surface plasmon resonance,LSPR）现象，在紫外光谱上出现一个强共振吸收峰，从而使纳米溶胶呈现丰富的颜色。
近年来，利用贵金属 LSPR 效应构建各类比色探针已成为分析化学研究领域的关注热点，这是由于在各种分析检测手段中，比色法克服了气相色谱法、液相色谱法、电化学法等传统大型仪器分析方法所存在的设备难以携带、样本处理繁琐、检测时间长以及需要专业人员操作的缺陷，用较低的成本和简易的操作即能可视化地实现对目标物的分析检测。
比色法具有操作简便、无需大型仪器、成本低和反馈迅速等优点，因此在现场检测分析物方面广受欢迎，但同时也受到难以准确定量检测、对光线环境敏感以及人眼对颜色变化的低分辨率的因素的限制。
尽管比色法近年来已取得了长足的进展，但由光源类型和强度的变化、背景干扰以及不同人员对色彩识别的个体差异等原因带来的误差，使得比色法始终停留在定性和半定量检测阶段，精度和准确度均不够理想，而想要获得精准的吸光度数据又需依靠紫外-可见光分光光度仪等大型仪器。因而建立起颜色-分析物浓度的标准关系，并依此构建便携式的比色分析设备，以解决对分析物快速、灵敏、更准确、无个体差异的比色分析方法，是比色法得以进一步发展和应用的重要途径。
人工智能（Artificial Intelligence，AI）的发展给化学和生物传感、显微镜和医疗诊断等领域带来了新的思路，利用机器以自主学习的方式，替代人为地设计各种复杂的方程来描述图像分类，不仅可以避免人类主观观察，甚至可以识别到裸眼无法辨识的微小差异。
血液中葡萄糖浓度过高危害比较大，静脉抽血或血管刺破不仅会带来痛苦，还会带来潜在的风险，比如不满足消毒条件会有感染的风险等。因而尿糖检测对于血糖浓度的测量以及家庭化的持续监控具有重要意义，尤其是开发出一种集人工智能且快速、灵敏、成本低且易操作的葡萄糖检测方法，对于实现家庭日常检查和控制血糖水平迫在眉睫。
发明内容
为解决上述问题，本发明提出了一种将班氏试剂与贵金属纳米颗粒偶联的比色法检测葡萄糖的方法，然后通过引入人工神经网络将人工智能集成到比色法中，从而使机器可以通过自学习的方式经过大量迭代来不断优化每个节点的参数和权重并同时获得训练有素的分类器模型，最后将该分类器编译为与智能手机的 Android 环境兼容的 APP，进一步提升该方法使用的便捷性。具体内容为：
一种基于人工智能的葡萄糖比色检测方法，其特征在于，利用贵金属局域表面等离子体共振特性，建立贵金属纳米比色探针实现对葡萄糖的检测，针对葡萄糖比色探针，通过智能手机中的内置相机记录溶液的颜色来建立神经网络训练体系, 将最终训练好的模型导入智能手机，得到检测尿糖的 APP。
优选的，所述贵金属是金、银、铂、钯中的任一种。
优选的，所述贵金属是金。
优选的，该方法具体包括以下步骤：
SP1.合成Au NPs（金纳米颗粒），配置班氏试剂；
SP2.利用 Cu2O 诱导 Au NPs，建立 Au-Cu2O 纳米比色探针用于对葡萄糖的检测；
SP3.利用SP2中的方法在不同的光照条件下检测具有各种浓度葡萄糖的标准样本，并通过智能手机中的内置相机记录溶液的颜色，将人工神经网络用于对标准样品照片的全方面的学习，并获得区分不同分析物浓度的分类器，建立神经网络训练体系；
SP4.将训练好的模型导入手机终端，得到集拍照-取色-识别一体化并自动输出对应尿糖浓度的 APP 软件。
优选的，在SP 1中，将HAuCl4溶液在 400℃下回流加热，煮沸后向其中一次性加入新鲜配制的二水柠檬酸钠溶液，继续加热 15min，通过柠檬酸钠还原HAuCl4合成13 nm 的金纳米粒子；
在柠檬酸钠和无水碳酸钠的溶液中加入CuSO4·5H2O 的溶液，配制班氏试剂。
优选的，合成的Au NPs的浓度为12nM；配置的班氏试剂中，柠檬酸钠、无水碳酸钠和CuSO4·5H2O 的质量比是17.3:10:1.73。
优选的，在SP2中，将先前合成的Au NPs，加入 PVP 溶液，再加入配置好的班氏试剂，向检测液中加入新鲜配制的 0～50mM 葡萄糖标准溶液，水浴恒温加热 10 min 后取出，使用数码相机拍照记录不同浓度葡萄糖标准溶液的颜色，检测溶液颜色随着葡萄糖浓度的提高，逐渐由红色变为紫色、蓝色，直至绿色；测量紫外光谱。
优选的，该比色传感器的开发是基于Au 和 Cu2O 的高折射率差异，使用Cu2O来实现对纳米粒子的诱导组装，溶液在 520 nm 处的 13nm Au 吸收峰逐渐消失，同时在 700～800 nm 处出现了 Au-Cu2O 链条的吸收峰，导致了溶液颜色由红变蓝，在 Cu2O 的 470 nm吸收峰增强的协同作用下，最终变为绿色。
优选的，水浴恒温的温度为60～100℃，PVP 溶液为5wt%，Au NPs、PVP溶液、班氏试剂的体积比为10：8：1，比色探针检测限最低为200μM。
优选的，在SP3中，利用SP2中的方法，在各种光照调节下对 1～1500 μM 浓度的葡萄糖标准液进行重复实验，在浓度区间内梯度设置浓度点进行实验，得到 足够多张照片以构建训练集、验证集和检测集，通过训练-验证-检测循环迭代的模式训练神经网络模型，最终建立起色度-葡萄糖浓度的对应关系。
与现有技术相比，本发明的优点在于：
针对贵金属纳米复合材料优异的 LSPR 特性，选择了人们生活中常见且广泛需求的分析检测物，构建纳米比色探针，操作简便、快捷；
利用智能手机所具备的拍照功能，建立色度-葡萄糖浓度的对应关系，代替人类视觉对比色分析系统中的颜色进行捕捉，进一步提高了分析方法的精准度，避免了不同用户在视觉上存在个体差异所带来的误差；
AI辅助的智能手机检测无需大型仪器和专业操作人员，同时也具有人眼识别的直观性和简易性，有望将光电传感分析方法以便携设备的形式广泛推广。
附图说明
图1为本发明的一种基于人工智能的葡萄糖比色检测方法的流程图。
具体实施方式
附图仅用于示例性说明。为了更好说明本实施例，某些公知常识及其说明可能省略，某些质量、体积在实际应用中随着需要可能会成比例的变大或缩小，因此，不能理解为对本发明的限制。说明书中用到的有时是某一物质的分子式，有时用到的是文字，这也是所属技术领域人员常用的方式。
本发明的实施例中，所用到的药品和试剂HAuCl4·4H2O、CuSO4·5H2O、Na2CO3、一水葡萄糖、柠檬酸钠、Na3C6H5O7·2H2O、PVP的等级分别为分析纯。
SP1:（1）Au NPs的合成
依据经典的Frens合成方法，取 5 mL（0.02428mol/L）的 HAuCl4溶液用超纯水定容至 100 mL，然后在电热套设定温度为 400℃下回流加热，煮沸后向其中一次性加入新鲜配制的二水柠檬酸钠溶液（称取 0.1146 g 溶于 10 mL 的水中），继续加热 15 min。溶液最初显示四氯金酸的淡黄色，一分钟内迅速变黑，最终稳定为酒红色，即合成了 13 nm 金纳米颗粒，并于 4℃避光条件下保存。
（2）班氏试剂的配制
将 17.3 g 柠檬酸钠和 10 g 无水碳酸钠溶于 80 ml 水中，搅拌使其彻底溶解，随后向其中快速加入 10mL 溶有 1.73 g CuSO4·5H2O 的溶液，并不断搅拌直至溶液澄清透明，最终将其转置于 100 mL 容量瓶中定容。因此，溶液中，柠檬酸钠、无水碳酸钠和CuSO4•5H2O 的质量比是17.3:10:1.73。
SP2：（1）利用 Cu2O 诱导 Au NPs，建立Au-Cu2O 纳米比色探针用于对葡萄糖的检测
取 500 μL 先前合成的 Au NPs，加入 PVP 溶液（5wt%, 400 μL）以防止 Au NPs在Cu2+作用下团聚，再加入配置好的班氏试剂（50 μL），加水稀释到 1 mL 后剧烈搅拌，最后向检测液中加入 1 mL 新鲜配制的 0～50mM 葡萄糖标准溶液，水浴恒温加热 10 min后取出，使用数码相机拍照记录颜色，随着葡萄糖标准溶液浓度的变化，水浴恒温加热后，取出的反应液颜色各不相同，在 UV-vis仪器上测量其紫外光谱。
为了提高比色探针的检测效果，本发明对温度、班氏试剂用量和 Au NPs 用量等因
素进行了优化。
本发明向检测液中加入葡萄糖，恒温水浴的温度为60～100℃，以100℃为最佳。当温度为60℃时，向检测液中加入不同量的葡萄糖标准溶液时，反应液的颜色变化不是特别明显；当逐渐由 60℃升至 100℃ 时，反应液的颜色变化越来越明显。
在100℃时，在合成的Au NPs与 PVP 溶液中，加入班氏试剂的用量不应过多，但适量提高班氏试剂用量，从动力学上可以加快其与葡萄糖的反应，能够降低检测限，通过实验最终确定以 50 μL 班氏试剂用量为最优。
添加适量的PVP修饰在 Au NPs 的表面上，PVP 带正电，可中和 Au NPs 的表面电性，使其在一定 Cu2+浓度下仍能保持稳定。但当 PVP 用量过多时，会使得 Au NPs 表现强烈的电性相斥，难以组装到一起，因为 PVP 也应适量使用。
由于比色传感过程主要取决于Au NPs 的组装，因此当 Au 的量太少时，探针不能有效地响应低浓度的葡萄糖，然而 Au用量的提高也会增加成本，综合来看，当 Au NPs 的用量提高到 500 μL 时，已可以满足比色分析检测的需要。
因此，Au NPs、PVP溶液、班氏试剂的体积比为10：8：1。
比色探针的检测在达到最优化条件时，最低可达 200 μM。
较于单一贵金属纳米材料，由多种组分构成的纳米探针由于各组分折射率不同，可以使得 LSRP 吸收光谱在更宽的范围移动，从而出现更丰富的色阶变化。班氏试剂提供了弱碱性环境，使得 Cu2+以 Cu(OH)2的形式存在，葡萄糖更容易还原班氏试剂形成 Cu2O，而碱性和加热条件，也有助于葡萄糖活化为烯二醇结构，与班氏试剂发生氧化还原反应。从而导致颜色从蓝色变为砖红色。当 Au NPs 存在时，Cu2O 得以生长在 Au NPs 表面，Cu2O（2.705）的折射率与 Au（0.28-0.31）的折射率相差很大，即使在 Au 种子上沉积一小层Cu2O 也会导致明显的光谱偏移和颜色变化，有助于提高灵敏度和裸眼分辨率。
通过紫外光谱测量，溶液在 520 nm 处的 13nm Au 吸收峰逐渐消失，同时在 700～800 nm 处出现了 Au-Cu2O 链条的吸收峰，导致了溶液颜色由红变蓝，在 Cu2O 的 470nm 吸收峰增强的协同作用下，最终变为绿色。Cu2O 是赋予测试溶液丰富的颜色变化的关键原因。
（2）比色探针的选择性
参照检测标准溶液中的葡萄糖方法，使用浓度为 200mM 的常见阴阳离子溶液替换葡萄糖标准溶液，进行测试对比。
由于 Au 的稳定性和 Cu(OH)2的弱氧化特性，该比色传感器对于高于葡萄糖浓度100倍的常见阴阳离子均具有良好的抗干扰性。特别尿液中大量存在的尿素，健康成人尿液的尿素范围通常在 3.2-7.1mM，即使是患有肾病的患者，其尿素含量也低于 20mM，这里我们使用了 100mM浓度的尿素进行了抗干扰性实验，仍不会出现响应。通过对比Au-Cu2O比色检测方法和班氏试剂方法的检测效果，可以发现 Au-Cu2O 方法具有更低的检测限和更丰富的色阶变化，使其在比色检测中更具优势。在最优的检测条件下，将本研究得到的 Au-Cu2O比色检测方法与传统班氏试剂方法进行对比，发现同样在 100℃水浴加热 10 min 的条件下，传统班氏试剂方法只能实现 3mM的葡萄糖裸眼检测限，而使用 Au-Cu2O比色方法可以实现 200 μM 的裸眼检测限，检测限降低了 15倍。
SP3：利用SP2中的方法，建立神经网络训练体系
智能手机利用其内置摄像机，能够低成本地进行颜色记录、比色和光度测量。之后利用人工神经网络在无需人为设定曲线参数的情况下，对标准样品的照片进行充分和多样化的学习和训练，并获得区分不同分析物浓度的分类器。在足够数量和环境条件的训练样本条件下，分类器不仅可保持较高准确率，还具有一定的抗环境干扰能力，并给出标准化的分析结果，这样能够有效避免裸眼识别误差、精度不足和光线带来的干扰。
为了提供足够的样本用于机器学习过程，利用该方法在不同的光照条件下检测了1000 多例具有各种浓度葡萄糖的标准样本，并通过智能手机中的内置相机记录了溶液的颜色。然后，将人工神经网络用于对标准样品照片的全方面的学习，并获得区分不同分析物浓度的分类器。通过提供足够的样本和训练样本的环境条件，该分类器不仅可以保持较高的准确度，而且还具有出色的抗环境干扰能力，并给出标准化的分析结果，可以有效避免肉眼识别误差、精度不足和光线和背景造成的低重现性等问题。
采用SP2中的方法，在不同光照下对 1～1500 μM 浓度的葡萄糖标准液进行重复实验，在浓度区间内梯度设置 40个浓度点为一轮。分散选取实验室内 5个有代表性的地点，每个地点分白天和夜晚各进行 3 轮实验，共进行 30 轮实验，得到 1200 张照片，照片使用标注色块区域及其所属分类对应的目标物浓度，构建起用于机器学习的数据集，以构建训练集、验证集和检测集。通过训练-验证-检测循环迭代的模式训练神经网络模型，最终建立起色度-葡萄糖浓度的定量关系。
对照片的机器学习和浓度-色度关系建立可分为两个步骤，首先是将全部的数据集等分为 9个小数据集，并依次编号，每次进行机器学习前，分别选取不同编号的小数据集作为验证集，其它作为训练集。第二步即将训练集的图片导入卷积神经网络中，通过边界提取-卷积-池化分层处理的方式，使神经网络自主的学习训练集中图片颜色和葡萄糖浓度的对应关系。
神经网络的强大的计算和自我学习能力使其能够在无需人为计算的情况下构建出高准确率的分类器。而且每一次的训练并非从零开始，可以利用迁移学习的机制，将现有的模型根据训练集的情况进行再优化。因此使用 AI 构建的分类器，在推广到其他比色方法中也具有优越性。机器学习对数据量有着很高的要求。随着训练集数量的提升，随机误差会逐渐得到改善。比色方法有着丰富的色阶，其数据量有着显著提升相比于单一颜色变化的比色方法。同时为了使分类器能够准确识别出不同光线环境的颜色样本，在训练集中加入了灯光、日光、日光背光条件下拍摄的样本。由于拍摄位置和强度各有不同，总的光线情况在 20 种以上。颜色变化和不同光照情况正交网络数据，满足了神经网络学习对于“大数据”的要求。
SP4：将训练好的模型导入手机终端，建立集拍照-取色-识别一体化并自动输出对应尿糖浓度的 APP 软件，测试结果与标准浓度之间的相关性达到 R=0.977。
（1）经过训练的深度神经网络模型移植到智能手机得到的 APP软件，应用于标准样品检测，测试结果与标准浓度之间的相关性达到 R=0.977，因此本发明中的APP软件具有高灵敏度和良好的色彩分辨率能力。
（2）真实样本中的尿糖检测
由于比色法中的光干扰非常重要，因此本发明在建立神经网络训练体系时采用了多种光照，例如灯光，背光和日光。通过将不同光照条件下的训练集添加到训练样本中，神经网络模型可以具有良好的抗光干扰能力。这种便携式比色分析方法可靠且方便，因为它仅存在小于 0.3mM 的随机检测误差，而无需外部遮光设备，并且几乎不受各种光照条件的影响。
为了验证 APP 和比色法对尿样的检测能力，抽取了 109个真实样品进行测试。同时，本发明的方法与现行常用的尿糖检测方法的检测报告进行了比较。根据血液检查报告，这 109 人中有 27 人存在血糖超标的问题。对于这27 个人，常用的尿液测试只能检测出其中 7 个人的尿糖含量超标。当使用本发明的APP应用程序时，能够检测到其中的25个。当血糖浓度逐渐高于 6.40mM血糖标准线时，APP 检测尿糖的阳性病例会显著增加。而当 APP报告出样本尿糖呈阴性情况时，样本的血糖通常也在6.40mM 以下。特别地，本发明提出了“可疑情况”的概念。与阴性反应不同，APP 可对“可疑情况”的尿液产生一定的尿糖反应，但与阳性反应不同。在比较这些患者的血糖数据时，可以发现他们的血糖主要集中在 4.70mM和 6.40mM 之间。当把不同科室的病人分开对比时，发现这种规律依然存在。低血糖和阴性响应，中等血糖和可疑响应，高血糖和阳性响应。事实上，当血糖浓度高于 9mM 时，肾小球才开始通过渗透作用排出血液中的葡萄糖，即产生尿糖。这种较低浓度的尿糖仍然能被我们的方法所捕捉到，并产生一定的响应（有区别于阳性），可以说明此类“可疑情况”存在着不良的饮食习惯或具有潜在风险。
因此，本发明的APP应用程序检测真实尿糖浓度的准确率是比现高的，对“可疑情况”也可以提早进行预防，或者改善饮食习惯，对于实现家庭日常检查和控制血糖水平，具有实际应用前景。
当然，上述说明并非是对本发明的限制，本发明也并不仅限于上述举例，本技术领域的技术人员在本发明的实质范围内所做出的变化、改型、添加或替换，也应属于本发明的保护范围。
Claims (3)
1.一种基于人工智能的葡萄糖比色检测方法，其特征在于，利用金局域表面等离子体共振特性，建立金纳米比色探针实现对葡萄糖的检测，针对葡萄糖比色探针，通过智能手机中的内置相机记录溶液的颜色来建立神经网络训练体系, 将最终训练好的模型导入智能手机，得到检测尿糖的 APP；
所述方法具体包括以下步骤：
SP1.合成Au NPs，将HAuCl4 溶液在 400℃下回流加热，煮沸后向其中一次性加入新鲜配制的二水柠檬酸钠溶液，继续加热 15 min，通过柠檬酸钠还原HAuCl4合成13nm 的AuNPs；在柠檬酸钠和无水碳酸钠的溶液中加入CuSO4•5H2O 的溶液，配制班氏试剂；其中，合成的Au NPs的浓度为12nM；配制的班氏试剂中，柠檬酸钠、无水碳酸钠和CuSO4·5H2O 的质量比是17.3：10：1.73；
SP2.利用 Cu2O 诱导 Au NPs，建立 Au-Cu2O 纳米比色探针用于对葡萄糖的检测；将先前合成的Au NPs，先加入 PVP 溶液，再加入配置好的班氏试剂，向检测液中加入新鲜配制的 0～50mM 葡萄糖标准溶液，水浴恒温加热 10 min 后取出，使用数码相机拍照记录不同浓度葡萄糖标准溶液的颜色，检测溶液颜色随着葡萄糖浓度的提高，逐渐由红色变为紫色、蓝色，直至绿色；测量紫外光谱；水浴恒温的温度为60～100℃，PVP 溶液浓度为5wt%，AuNPs、PVP溶液、班氏试剂的体积比为10：8：1，比色探针检测限最低为200μM；
SP3.利用SP2中的方法，在不同的光照条件下检测具有各种浓度葡萄糖的标准样本，并通过智能手机中的内置相机记录溶液的颜色，将人工神经网络用于对标准样品照片的全方面的学习，并获得区分不同分析物浓度的分类器，建立神经网络训练体系；
SP4.将训练好的模型导入手机终端，得到集拍照-取色-识别一体化并自动输出对应尿糖浓度的 APP 软件。
2.根据权利要求1所述的一种基于人工智能的葡萄糖比色检测方法，其特征在于，该比色探针的开发是基于Au 和 Cu2O 的高折射率差异，使用Cu2O来实现对纳米粒子的诱导组装，溶液在 520 nm 处的 13nm Au 吸收峰逐渐消失，同时在 700～800 nm 处出现了 Au-Cu2O 链条的吸收峰，导致了溶液颜色由红变蓝，在 Cu2O 的 470 nm 吸收峰增强的协同作用下，最终变为绿色。
3.根据权利要求1所述的一种基于人工智能的葡萄糖比色检测方法，其特征在于，在SP3中，利用SP2中的方法，在各种光照条件下对 1～1500 μM 浓度的葡萄糖标准液进行重复实验，在浓度区间内梯度设置浓度点进行实验，得到 足够多张照片以构建训练集、验证集和检测集，通过训练-验证-检测循环迭代的模式训练神经网络模型，最终建立起色度-葡萄糖浓度的对应关系。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202111608555.0A CN114414507B (zh) | 2021-12-23 | 2021-12-23 | 一种基于人工智能的葡萄糖比色检测方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202111608555.0A CN114414507B (zh) | 2021-12-23 | 2021-12-23 | 一种基于人工智能的葡萄糖比色检测方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN114414507A CN114414507A (zh) | 2022-04-29 |
| CN114414507B true CN114414507B (zh) | 2024-01-12 |
Family
ID=81268728
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202111608555.0A Active CN114414507B (zh) | 2021-12-23 | 2021-12-23 | 一种基于人工智能的葡萄糖比色检测方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN114414507B (zh) |
Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN108120713A (zh) * | 2017-12-20 | 2018-06-05 | 青岛汉唐生物科技有限公司 | 一种尿糖试纸及其制备方法 |
| CN109115760A (zh) * | 2018-09-04 | 2019-01-01 | 西安石油大学 | 一种基于氯金酸显色反应的尿糖含量快速检测试剂盒及检测方法 |
| WO2020097043A1 (en) * | 2018-11-08 | 2020-05-14 | The University Of Massachusetts | Method and system for chromogenic array-based food testing |
-
2021
- 2021-12-23 CN CN202111608555.0A patent/CN114414507B/zh active Active
Patent Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN108120713A (zh) * | 2017-12-20 | 2018-06-05 | 青岛汉唐生物科技有限公司 | 一种尿糖试纸及其制备方法 |
| CN109115760A (zh) * | 2018-09-04 | 2019-01-01 | 西安石油大学 | 一种基于氯金酸显色反应的尿糖含量快速检测试剂盒及检测方法 |
| WO2020097043A1 (en) * | 2018-11-08 | 2020-05-14 | The University Of Massachusetts | Method and system for chromogenic array-based food testing |
Non-Patent Citations (4)
| Title |
|---|
| Distinctive Enhanced and Tunable Plasmon Resonant Absorption from Controllable Au@Cu2O Nanoparticles: Experimental and Theoretical Modeling;De-Yu Liu等;J. Phys. Chem. C;第116卷;第4477−4483页 * |
| 人工智能辅助的葡萄糖检测APP--基于Cu2O诱导Au NPs组装;冯帆 等;NCEC2019第十届全国环境化学大会论文集;标题、摘要 * |
| 冯帆 等.人工智能辅助的葡萄糖检测APP--基于Cu2O诱导Au NPs组装.NCEC2019第十届全国环境化学大会论文集.2019,标题、摘要. * |
| 基于金纳米材料的无酶葡萄糖比色传感;冯帆 等;中国化学会第十三届全国分析化学年会;摘要 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN114414507A (zh) | 2022-04-29 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Chen et al. | Application of smartphone-based spectroscopy to biosample analysis: A review | |
| Liu et al. | Point-of-care testing based on smartphone: The current state-of-the-art (2017–2018) | |
| Danchuk et al. | Optical sensors for determination of biogenic amines in food | |
| Cantrell et al. | Use of the hue parameter of the hue, saturation, value color space as a quantitative analytical parameter for bitonal optical sensors | |
| EP2753917B1 (en) | Non-imaging optical measurement system | |
| Jain et al. | Advances in imaging-assisted sensing techniques for heavy metals in water: Trends, challenges, and opportunities | |
| Ulep et al. | Challenges in paper-based fluorogenic optical sensing with smartphones | |
| Di Nonno et al. | Smartphone-based optical analysis systems | |
| Zilberman et al. | Dissolved ammonia sensing in complex mixtures using metalloporphyrin-based optoelectronic sensor and spectroscopic detection | |
| CN105021578B (zh) | 流体荧光定量检测装置及方法 | |
| Chen et al. | Spectral discrimination between normal and leukemic human sera using delayed luminescence | |
| EP3687689A1 (en) | Mobile biosensing instrument capable of multiple detection modalities | |
| Feng et al. | Artificial intelligence-assisted colorimetry for urine glucose detection towards enhanced sensitivity, accuracy, resolution, and anti-illuminating capability | |
| Bordbar et al. | A colorimetric electronic tongue for point-of-care detection of COVID-19 using salivary metabolites | |
| Liu et al. | Multiplexed detection of Fe 3+, cobalamin and folate using fluorescent nanoprobe-based microarrays and a smartphone | |
| Kumar et al. | Recent advances in on-site monitoring of heavy metal ions in the environment | |
| WO2020000598A1 (zh) | 一种汞离子检测产品、方法及智能手机成像分析系统 | |
| Siu et al. | Toward a quantitative colorimeter for point-of-care nitrite detection | |
| CN114414507B (zh) | 一种基于人工智能的葡萄糖比色检测方法 | |
| CN107917876B (zh) | 基于纳米金-适配体结构的抗生素检测装置和方法 | |
| CN107655844A (zh) | 用于铜离子比色法的显色剂、铜离子比色法传感器及其使用方法和用途 | |
| CN114166808B (zh) | 可视化定量检测Vc含量的方法及便携式智能传感系统 | |
| Sheta et al. | Smart prototype for an electronic color sensor device for visual simultaneous detection of macrofuran based on a coated paper strip | |
| CN111307725A (zh) | 一种测定谷胱甘肽含量的方法 | |
| Chu et al. | Ratiometric optical fiber sensor for dual sensing of copper ion and dissolved oxygen |
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 |