کنفرانس مهندسی برق ایران

صفحه اصلی / سی و چهارمین کنفرانس بین المللی مهندسی برق

بازسازی طیف پیوسته به کمک یادگیری عمیق برای حسگرهای CMOS چند کاناله با وضوح پایین

نویسندگان :

حسن حلاجی علایی¹ علی عبدالعالی² امیرسامان نورامین³

1- دانشگاه علم و صنعت ایران 2- دانشگاه علم و صنعت ایران 3- دانشگاه علم و صنعت ایران

کلمات کلیدی :

شبکه عصبی،طیف سنج نوری،سنسور فیبر نوری،سنسور طیف سنج.

چکیده :

ادغام قابلیت‌های تشخیصی در پلتفرم‌های آزمایشگاه روی تراشه (LoC) گامی حیاتی در جهت دستیابی به تشخیص زودهنگام سرطان‌های چندگانه (MCED) است. در حالی که معیارهای صنعتی مانند آزمایش Galleri در غربالگری زودهنگام از طریق توالی‌یابی ژنومی پیشگام بوده‌اند، اما همچنان نیاز قابل توجهی به جایگزین‌های حسگر فیزیکی قابل حمل و کم‌هزینه وجود دارد. این مقاله فاز اول یک ماموریت گسترده‌تر برای توسعه یک پلتفرم MCED نوری را ارائه می‌دهد که به طور خاص بر طراحی یک آنالایزر طیف نوری (OSA) و یک الگوریتم بازسازی طیف قوی تمرکز دارد. این سیستم با استفاده از حسگر چند طیفی 11 کاناله AS7341 ، داده‌های را از یک حسگر فیبر پلاسمونیک ثبت می‌کند. برای تکمیل فرایند بازسازی طیفی ، یک شبکه عصبی کانولوشنی (CNN) بر روی یک جدول جستجوی بهینه (LUT) تولید شده از طیف‌های مرجع آموزش داده شد تا منحنی‌های طیفی پیوسته و با دقت بالا را بازسازی کند. نتایج تجربی نشان می‌دهد که OSA بهبود یافته با CNN می‌تواند طیف‌های تابشی را با دقت خوبی پیش‌بینی کرده ،که ثابت می‌کند بازسازی محاسباتی می‌تواند با سخت‌افزار کم‌هزینه به دقت در سطح آزمایشگاهی دست یابد. این کار، لایه مهندسی بنیادی لازم برای ادغام آینده غربالگری نوری سرطان در زمان واقعی در محل مراقبت را ایجاد می‌کند.