小波分析技术助力实现即时诊断应用的低成本传感器

对时间序列中事件的检测和识别是科学和工程领域无数传感器的基础。这项任务通常需要在大量背景噪声中处理低质量的信号，因此很难依赖简单的阈值算法通过使用高于设定值的信号来检测和分类事件。

这可以通过改进传感器本身来解决，但这种方案不利于最小化成本和简化系统。因此，有吸引力的替代方案是通过使用适当的信号处理技术来优化分析，从可用的时域信号中提取更多的信息。

在捕捉时间相关信号的众多传感器中，光学传感器特别具有代表性。它们的应用已经无处不在，并在分子诊断、细胞分析、健康监测等生物医学领域扮演越来越重要的角色。

光学传感器种类繁多，其中有些传感器会通过检测正在移动或被扫描的单个目标（例如细胞、生物分子或报告粒子）而生成一系列时间相关的单个事件。近来，这类应用场景的重要性显著提高，例如光学微流控（optofluidic）技术提高了生物传感器检测单分子生物标记物的灵敏度，开启了利用通用检测设备对不同类型目标进行数字计数的时代。

由于无需扩增便能够检测核酸和蛋白质等单个生物标记物，光学微流控波导器件近年来受到了广泛关注。
 

光学微流控单粒子检测平台

这些光学芯片实验室方法为即时诊断应用开发紧凑型诊断测试器件打开了大门。随着新冠疫情的大流行，这种需求日益迫切。即时诊断器械对生物传感器也提出了更高的要求，希望它们更廉价、紧凑且坚固。作为很好的用例，意味着需要优化信号处理技术，来处理那些存在背景噪声的低质量数据。此外，实时数据分析，也对信号处理算法提出了进一步的要求。

据麦姆斯咨询介绍，美国加州大学圣克鲁兹分校（University of California，Santa Cruz）的Vahid Ganjalizadeh及其研究团队介绍了一种灵活的信号处理算法，用于单粒子信号的无监督检测和识别。该算法基于高度并行、多尺度连续小波变换（CWT）分析，可以应对上述即时检测传感器的挑战，尤其是速度、精度以及对低信号水平的灵敏度。该算法的高精度、线性复杂度和高速度非常适合实时事件检测应用。

研究人员展示了这种并行聚类小波分析（PCWA）算法对单点和多点激发信号的处理能力，并通过光学微流控波导芯片上的单个细菌DNA检测进行了验证。对于单峰信号，与普通CWT方法相比，PCWA算法的速度提高了几个数量级。这是首次实现这类传感器的实时工作，这对于在现场的即时诊断应用非常关键。
 

用于单峰分析的PCWA算法

该算法对其他类型的传感器也展现了同样强大的性能，例如单分子纳米孔传感器。对于多峰信号，引入了定制设计的小波，与之前用于周期信号的技术相比，其单分子检测率提高了4倍以上，误差降低了6倍。

多峰检测方法

结语

美国加州大学研究人员提出的这种PCWA算法以高度并行的方式运行，能够实现快速、准确、高效地检测和实时事件识别。

未来，该技术可以进一步动态扩展，根据特定传感器生成的模式调整多峰母小波的形状，从而进一步提高性能。这种灵活性将成为即时诊断器械的理想选择，因为它进一步降低了为产生相同激发模式而提出的与制造工艺相关的公差和成本要求。此外，该算法还可以应用于有监督机器学习任务的自动数据集收集和标记应用。

 审核编辑 ：李倩