AC.基于深度学习辅助传感库筛选策略的多癌挥发性有机化合物分析平台设计

本文提出了一种基于深度学习辅助的两步筛选策略，用于设计和优化多癌挥发性有机化合物（VOCs）分析平台。研究背景指出，传感器阵列在多分析物并行识别中的效率受限于传感元件数量和性能，而组合设计虽加速了化学库的生成，但筛选具有卓越交叉响应性的元件仍具挑战性。研究目的是通过深度学习辅助的筛选策略，确定最少传感元件的最佳组合，以实现高性能传感器阵列。研究采用前馈神经网络 - 随机森林递归特征消除（FRR）算法，从400个传感元件中筛选出8元件和10元件阵列，实现了100%的识别准确率。此外，基于智能手机的即时检验（POCT）平台在模拟癌症VOC模型中成功实现了癌症识别，验证了深度学习在并行传感平台中的实用性和合理性。