Применение искусственных нейронных сетей для анализа и обработки сигналов биосенсоров

• Автор: Борисов, Иван Андреевич
• Шифр специальности: 03.00.23
• Научная степень: Кандидатская
• Год защиты: 2002
• Место защиты: Москва
• Количество страниц: 123 с. : ил

Содержание
Введение
Глава 1.

1.1. Обзор литературы.

Методы, применяемые для обработки экспериментальных данных

биосенсоров основные понятия

Нейросетевые модели и алгоритмы обучения

История развития теории нейронных сетей.

Задачи, успешно решаемые с помощью ИНС.

Структура ИНС, классификация и методы обучения

Применение ИНС для решения задач, связанных с исследованием и разработкой сенсорных систем
Моделирование процессов, протекающих в
сенсорных системах.
Применение ИНС в качестве программного сенсора
Проведение измерений в средах с изменяемыми характеристиками
Проведение измерений при наличии искажений сигнала
Построение калибровочных зависимостей для анализа многокомпонентных сред
Применение ИНС в иммуноанализе
Выводы
1.2. Материалы и методы.
Создание программ регистрации сигналов .
Математическое описание калибровочных кривых
Построение ИНС
Система микробных сенсоров для раздельного анализа смеси
глюкоза этанол
Оптимизация числа измерений для построения
калибровочных кривых с помощью ИНС
Глава 2. Создание программноаппаратной базы
проведения исследований.
2.1. Создание программы регистрации сигналов
амперометрических и потенциометрических сенсоров
Практическое применение созданной программы
2.2. Создание программ регистрации сигначов проточноинжекционного и многоканального хемилюминисцентных
иммуносенсоров
Практическое применение созданных программ.
Глава 3. Количественный анализ калибровочных зависимостей биосенсоров
Оценка диапазона линейности калибровочной кривой
в полулогарифмических координатах.
Практическое применение уравнения Хилла для анализа
калибровочных зависимостей биосенсоров.
Потенциометрические сенсоры
Микробные сенсоры амперометрического типа.
Глава 4. Применение искусственных нейронных
сетей в анализе многокомпонентных сред.
4.1. Исследование аппроксимационных свойств ИНС на основе модели сенсорной системы для определения трех различных веществ
Математические модели мультисенсорной системы
Формирование наборов данных
Выбор алгоритма и оптимальных параметров обучения.
Выбор оптимальной размерности сети.
Сравнение точности обработки данных, полученных
с помощью 3х систем сенсоров.
Сравнение эффективности одной ИНС и системы,
состоящей из ш независимых ИНС, раздельно определяющих концентрацию каждого из т компонентов смеси.
4.2. Система микробных сенсоров для раздельного анализа смеси
глюкоза этанол
Полиномиальная аппроксимация калибровочных поверхностей. Определение концентраций компонентов
смеси при помощи калибровочных поверхностей.
Определение концентрации компонентов смеси при
помощи искусственных нейронных сегей
Сравнение эффективности анализа смеси при помощи
хемометрических методов и искусственных нейронных сетей
Глава 5. Моделирование калибровочных зависимостей в иммуноферментном анализе с помощью искусственных нейронных сетей.
Построение калибровочных зависимостей.
Определение концентраций
Измерение концентраций в сыворотках1.
Заключение.
Выводы1.
Б л а года рн ости
Список литературы


Исследования ориентированы на развитие биосенсориой методологии и создание моделей комплексных систем анализа, сочетающих биосенсоры различных типов и средства анализа и обработки данных, включая технологию искусственных нейронных сетей. ИНС при построении калибровочных зависимостей биосенсоров применение технологии ИНС в решении задач селективной детекции компонентов смеси глюкозаэтанол с помощью неселективных микробных сенсоров разработка метода оптимизации процедуры измерения в иммуноферментном анализе с помощью ИНС. Расширена возможность применения нейронных сетей к обработке сигналов химических и биологических сенсоров. Разработана методика применения ИНС в решении задачи селективной детекции модельной двух компонентной среды, содержащей этанол и глюкозу, выполняемой низкоселективными микробными сенсорами. Данный подход может быть использован для многокомпонентного анализа различными типами сенсоров. Для модельной системы трех сенсоров, имеющих заданную степень селективности, показана зависимость ошибки анализа от селективности сенсоров для заданной конфигурации ИНС ошибка возрастает при снижении селективности. Проведено сравнение различных математических моделей для описания калибровочных зависимостей биосенсоров потенциометрического и амперометрического типов. Разработаны подходы для описания калибровочной кривой в широком диапазоне концентраций. Впервые предложена и экспериментально реализована схема оптимизации процедуры измерения в иммуноанализе с помощью ИНС. Созданный метод определения концентраций позволил сократить время проведения анализа и расход реагентов. Работа вносит практический вклад в разработку высокоэффективных аналитических систем интеллектуальных анализаторов на основе биосенсоров. Предложенные методы обработки и анализа сигналов биосеисоров значительно повышают эффективность анализа и являются универсальными, их применение не связано с типом используемых сенсоров. Предложенный метод оптимизации процедуры иммуноанализа может быть использован при разработке диагностических тестсистем для сокращения расхода реагентов и времени проведения аналитической процедуры. Результаты работы докладывались на II и III Научных конференциях молодых ученых Пущино, , Ii ii ii i , Новые направления биотехнологии Москва, , Международный конгресс i i, , . Разработанные программы регистрации сигналов применяются в лаборатории Биосенсоры ИБФМ им. Г.К. Скрябина РАН, кафедре химической энзимологии Химического факультета МГУ им. М.В. Ломоносова, Институте иммунологии РАН. Работа частично финансировалась Межведомственной научнотехнической программой Вакцины нового поколения и медицинские диагностические системы будущего РГНТП Новейшие методы биоинженерии, направление Инженерная энзимология. По материалам диссертации опубликовано печатных работ. В обзоре литературных данных в качестве одного из подходов к решению задач обработки сигналов биосенсоров рассматривается применение технологии искусственных нейронных сетей нейрокомпьютинга. Искусственные нейронные сети ИНС представляют сравнительно новое направление в исследованиях искусственного интеллекта. Состоящие из множества простых процессоров нейронов, ИНС функционируют подобно устройствам распознавания образов. Являясь математическими моделями биологических нейронных систем, ИНС обладают многими качествами, которые присущи живому мозгу и отсутствуют в ЭВМ с традиционной архитектурой. Среди этих качеств главными являются параллелизм работы и способность к обучению и обобщению накопленных знаний. Распределенное представление информации делает работу сети устойчивой к повреждениям. Сопряжение сенсоров, являющихся аналогами органов чувств, и устройств для обработки их сигналов нейронных сетей, представляет собой новую область для практических и теоретических исследований. Данному вопросу посвящено большое количество статей, но все они носят разрозненный характер. Целью данного обзора является обобщение и анализ накопленных к настоящему моменту знаний в этой области и определение тенденций развития этого направления.