Umělá inteligence pro robustní analýzu signálu z piezoelektrických biosenzorů

Abstract

Piezoelektrické biosenzory lze využít k detekci toxických materiálů ve komplexních vzorcích. Diskutovány budou různé techniky pro analýzu signálu z těchto senzorů. Budou představeny metody pro přípravu dat, redukci šumu a filtrování. Výstup z předzpracování dat bude použit jako vstup pro klasifikační algoritmy založené na umělé inteligenci. Tato práce pojednává o využití umělé inteligence (UI) ke zlepšení výkonnostních charakteristik QCM biosenzorů. Konkrétněji se ukáže, že UI lze použít ke klasifikaci pozitivních a negativních vzorků na základě změn rezonanční frekvence.

Piezoelectric biosensors can be used for the detection of toxic materials in a complex mass. Here, various techniques are discussed for signal analysis of these sensors. Methods for data preparation, noise reduction and filtering will be introduced. The output of the data preprocessing will be used as an input for classification algorithms based on the artificial intelligence. This thesis discusses the use of artificial intelligence (AI) to improve the performance characteristics of QCM biosensors. More specifically, it will be shown that AI can be used to classify positive and negative samples based on the changes in resonant frequency.