Física

Facilitando a medição de glicose em alimentos com aprendizado profundo

.

Facilitando a medição de glicose em alimentos com aprendizado profundo

Esquema ilustrando a detecção de concentração de glicose com base em aprendizado profundo. Crédito: POSTECH

Uma equipe de pesquisa colaborativa desenvolveu recentemente um novo método para medir glicose usando tecnologia de aprendizado profundo. Sua pesquisa foi publicada em Avaliações de Laser e Fotônica.

Metamateriais são materiais artificiais com propriedades eletromagnéticas únicas não encontradas na natureza, permitindo que eles manipulem ondas eletromagnéticas como luz ou micro-ondas. Uma estrutura comum usada no design de metamateriais é o ressonador de anel dividido (SRR), que apresenta um anel com uma divisão em seu centro. Este design permite que o SRR absorva, penetre ou reflita campos eletromagnéticos em frequências específicas e amplifique sinais devido à interrupção do fluxo suave de corrente, levando à ressonância eletromagnética dentro do anel.

Embora os SRRs tenham sido amplamente utilizados em sensores, sua eficácia tem sido limitada por medições inconsistentes e não confiáveis, influenciadas por fatores como temperatura, umidade e localização da amostra.

Neste estudo, a equipe teve como objetivo abordar a questão das flutuações do sinal elétrico do sensor baseado em SRR causadas por mudanças na posição da amostra. Eles começaram otimizando o sensor para amplificar sinais elétricos na faixa de frequência de 0,5 a 18 GHz usando um processo de fotolitografia que cria padrões em semicondutores com luz. Os pesquisadores então empregaram a tecnologia de aprendizado profundo para permitir que os sensores de glicose aprendessem com os sinais elétricos medidos em vários locais.

Com base nessa fundação, a equipe desenvolveu uma rede neural convolucional unidimensional (1D CNN) e conduziu experimentos com ela. Os resultados demonstraram que o modelo efetivamente compensou erros devido a variações de localização da amostra, alcançando um erro absoluto médio (MAE) de 0,695% e um erro quadrático médio (MSE) de 0,876%.

A equipe era composta pelo professor Junsuk Rho, do Departamento de Engenharia Mecânica, do Departamento de Engenharia Química e do Departamento de Engenharia Elétrica, e pelos candidatos a doutorado Seokho Lee e Kyungtae Kim, do Departamento de Engenharia Mecânica da Universidade de Ciência e Tecnologia de Pohang (POSTECH), e pelo professor Hee-Jo Lee, do Departamento de Educação em Física da Universidade de Daegu.

O professor Rho da POSTECH declarou: “Conseguimos controlar com sucesso o sinal elétrico que é sensível a mudanças na posição da amostra, melhorando assim a consistência e a confiabilidade do dispositivo de medição de glicose.”

“Também é digno de nota que essa tecnologia pode ser comercializada e produzida em massa usando um processo de fotolitografia que já é amplamente empregado na indústria de semicondutores.”

Mais Informações:
Seokho Lee et al, Detecção robusta de glicose baseada em aprendizado profundo e estimativa de Brix de frutas usando um único ressonador de anel dividido por micro-ondas, Avaliações de Laser e Fotônica (2024). DOI: 10.1002/lpor.202300768

Fornecido pela Universidade de Ciência e Tecnologia de Pohang

Citação: Facilitando a medição de glicose em alimentos com aprendizado profundo (2024, 2 de julho) recuperado em 2 de julho de 2024 de https://phys.org/news/2024-07-glucose-food-easier-deep.html

Este documento está sujeito a direitos autorais. Além de qualquer uso justo para fins de estudo ou pesquisa privada, nenhuma parte pode ser reproduzida sem permissão por escrito. O conteúdo é fornecido apenas para fins informativos.

.

Mostrar mais

Artigos relacionados

Deixe um comentário

O seu endereço de e-mail não será publicado. Campos obrigatórios são marcados com *

Botão Voltar ao topo