Ny mobil enhed identificerer luftbårne allergener ved hjælp af dyb læring

UCLA -forskere opfandt en bærbar enhed, der bruger hologrammer og maskinlæring til at identificere og måle luftbårne biologiske partikler, eller bioaerosoler, der stammer fra levende organismer som planter eller svampe. Uddannet til at genkende fem almindelige allergener - pollen fra Bermuda -græs, egetræ, ragweed og sporer fra to former for skimmelsvamp - systemet klassificerede prøver med en nøjagtighed på 94 procent ved hjælp af dyb læring.

Hvert minut, menneskelige voksne indånder typisk mellem 100 og 1, 000 bioaerosoler - inklusive pollen, sporer, toksiner og mikrober - og et endnu større antal, 1 million eller mere, i meget forurenede områder. Disse små biologiske partikler kan udløse allergi, astma og andre sygdomme.

Kvantificering af eksponering for disse biologiske partikler er vanskelig og kan være tidskrævende og dyr. De nuværende metoder til at identificere bioaerosoler er afhængige af 50-årig teknologi:Forskere indsamler prøver ved hjælp af filtre eller sporfælder, og derefter transportere dem til laboratorier, hvor de farves og inspiceres under mikroskop af forskere. En anden udfordring er, at der kun er et lille antal luftprøvetagningsstationer på verdensplan, der har bioaerosol-måling eller -måling.

Enheden trækker luft ind og fanger partikler på en klæbrig overflade, der lyser op af en laser, som genererer et hologram. En billedsensorchip scanner hologrammet og sender disse data til en fjernserver.

Der, en type kunstig intelligens drevet af et neuralt netværk renser billedet, som derefter køres gennem en algoritme, der beskærer den ned til de sektioner, der skildrer de biologiske partikler. Et andet neuralt netværk klassificerer disse partikler blandt et sæt forudindlæste allergentyper.

Enheden kan fremstilles af dele, der koster omkring $ 200. Den vejer mindre end 600 gram - omtrent det samme som tre smartphones - og er cirka 14 centimeter bred, 17 centimeter lang og 6 centimeter tyk.

Enheden er den første omkostningseffektive bærbare enhed, der registrerer og klassificerer luftbårne biologiske partikler automatisk og uden at skulle mærke ved hjælp af pletter. Fordi enheden styres trådløst, det kan potentielt blive transporteret af ubemandede køretøjer såsom droner, som ville give forskere mulighed for at overvåge steder, der ellers ville være farlige eller vanskelige for mennesker at nå. Teknologien kan også bruges i et netværk af sensorer, der dækker et bredt område, hvilket ville gøre det muligt for forskere at oprette kort over pollen, spore og mikrobetæthed.

Undersøgelsen blev offentliggjort online af ACS Photonics .