生物医学传感器与检测技术论文

飞秒检测发现生物医学传感与检测技术的特点和要求有：知识密集设计、制作与应用传感器，涉及一系列的科学与技术。以化学传感器为例，设计敏感材料需要涉及量子化学、纳米科学等学科。合成这些材料需要熟悉超分子化学、主一客化学、分子筛化学、生物技术等。成膜技术需要理解表面化学、界面物理与分子组装技术。研制转换器件需要用到微纳电子技术、光电子技术以及精密机械加工技术等。可靠性高因为这类传感器的应用对象是人，必须万无一失。在美国这类传感器用于临床需经食品与药物管理局(FDA)正式批准，要求极为严格，需要证明长期使用对人体无害、无副作用，用以提供的监测数据应绝对可靠。测量体液的传感器应能抗体液的侵蚀并易于清洗，在体测量或植入式传感器应与组织有良好的生物相容性且能防止排斥反应，所有这些都要求生物医学传感器具有高稳定性、高可靠性。工艺精细高精度的传感器离不开精细的工艺，例如基于微纳电子集成技术制成的微纳传感器，需要特殊的半导体以及高分子聚合物的加工技术，能在长时间的浸泡中不产生渗漏与变形，敏感膜与器件表面的耦合需要精细的工艺，微纳电极的制备需要借助精密仪器，需要机械方法与化学方法的密切配合。一只好的传感器既是一项产品，也是一项工艺品。发展的特点包括：1） 床边监侧通常的采样、送检到提出报告，最快的速度也需要半个小时以上，这对于争取时间抢救危重病人与做好外科手术等是极其不利的。针对上述问题，目前己开发了床边监测用传感器，床边监测用传感器应简单、坚固、结实、轻便、能连续或半连续运转，便于—般医护人员操作。2) 无损飞秒检测无损监则是病人最容易接受的监测方式，是当前生物医学传感技术中受到普遍关注的实际问题。目前取得的进展有经皮血气传感器无损监测血气(Po2、Pco2)，利用非抽血测量(即通过抽负压使血液中的低分子渗出)传感血糖、尿素等。3) 在体监测在体监测，可以实时、定点、动态、长期观测休内所发生的生理病理过程。在体监测所提供的信息是无与伦比的。伴随着传感技术的进展出现了多种多样的在体监测技术：植入式传感器可将体内的信息发射或传送至体外；导管式传感器可连续传感血管内或心脏内的血气/离子。在体监测目前存在的主要问题是如何改进传感器与组织的相容性问题。4）生物芯片和微流控技术目前医院检验科配备的各种生化分析仪器，体积庞大，价格昂贵(以万美元计)，绝大部分依赖进口。按照发展省钱的生物医学工程的构思，国内外都注意发展低投入，高产出的检验仪器，它具有价格低廉、操作与携带方便等优点，其性能价格比同类大型精密仪器高出—个数量级。早期诊断不能过多地寄希望于影像设备、生化变化发生在器质变化之前、生物医学传感器可实现对肿瘤标志物等疾病的快速检测。5) 细胞内监测细胞是人体的基本单位，人体的主要生理生化过程是在细胞内进行的，监测细胞内的离子事件与分子事件，已成为当前生命科学中的热点课题。监测离子事件的离子选择性微电极(Ca、K、Na、C1、Mg、Li等)技术已渐趋成熟，而监测分子事件的分子选择性微电极在开发之中。6) 仿生传感器人体是各种传感器芜集之处，这些人体传感器具有灵敏度高、选择性好、集成度高等待点，研制仿生传感器应是发展生物医学传感技术的重要方向。目前已研制出多种受体传感器、神经元传感器、仿神经元传感器。直接采用生物材料作生物传感器存在的主要问题是，脱离固有的微环境后，活性物质易失话，解决的主要途径是利用仿生化学人工修饰或合成敏感材料。7) 智能人工脏器智能人工胰腺的问世，为人工脏器的智能化提供了先例。一个脏器与其他的组织和器官之间保持着多方面的联系，现行的人工脏器，只赋予该脏器单一的功能，割断了原有脏器同其他组织器官的联系。装备了传感系统、微系统或分子系统的智能人工脏器可望保持正常脏器的全面功能。异体器官移植面临难以克服的排斥反应问题，在植入的异体器官上装备抗排斥反应的分子系统是解决这一难题的有效途径。8) 基因飞秒检测基因调控着细胞的活动和人的生老病死，基因探测被认为是当代生命科学的核心技术之一。基因探测目前采用传统的生化方法、基因探针。这些方法的缺点是操作繁复，效率低，研制DNA、RNA传感器是解决这些问题的有效途径，这些研究正在积极进行。9) 分子脑研究大脑活动的物质基础是以神经递质与神经调质为主的系列分子事件，监测这些分子事件是深化分子脑研究的重要手段。递质与调质的特点之一，由于其含量甚微(pg级)，在体连续传感这些物质，难度是很大的。调控基因“from gene to protein”的研究是生命科学的核心问题之一。此外，分子系统中的传感器可以识别蛋白质，处理器可据以确定基因的结构(DNA序列)，执行器可以对基因进行切割拼接，即分子系统可以调控基因，影响生命过程，干预生老病死。10）人体监测传感器网络在体监测，可以实时、定点、动态、长期观测休内所发生的生理病理过程。在体监测所提供的信息是无与伦比的。伴随着传感技术的进展出现了多种多样的在体监测技术：植入式传感器可将体内的信息发射或传送至体外；导管式传感器可连续传感血管内或心脏内的血气/离子。在体监测目前存在的主要问题是如何改进传感器与组织的相容性问题。

如果满意再追加100分。 2009-03-22 19:31可以再充分点吗？谢谢了

浅谈重金属检测传感器技术的应用论文

摘要： 随着经济的迅猛发展和社会的日新月异, 人们对重金属的开采及加工越来越频繁, 这使得不少重金属存在于大气水以及土壤中, 在很大程度上加重了环境污染, 科学技术的迅猛发展为重金属检测传感器技术的研究提供了很好的途径。针对上述背景下, 对重金属检测传感器技术研究与应用进行合理性阐述, 以促进重金属检测传感器技术的进一步发展。

关键词： 重金属检测; 传感器技术; 环境污染;

重金属污染是环境污染的一个重要组成部分, 重金属在自然界中广泛存在, 随着人类的开采、冶炼、加工活动而使得重金属转变成化学状态或化学形态广泛分布于大气、水、土壤中, 随着时间的积累而不断留存、迁移, 从而引发严重的环境污染问题;重金属甚至还会随着废水的排出而流入海洋中, 对鱼和贝类造成严重的危害;重金属还会附着在人类的鼻腔和食物上, 造成人类呼吸道感染和重金属中毒[1]。重金属具有沉积性和不可降解性, 是一种非常危险的污染源, 因此对于重金属的研究与检测是十分关键的。通过调查与研究, 发现重金属检测传感器技术主要分为离子选择性电极传感器技术、光纤化学传感器技术、生物传感器技术以及微电极矩阵传感器技术四个方面, 本文通过对这四种传感器技术在重金属检测中的研究与应用作简要分析, 以推动重金属检测传感器技术的发展。

1 离子选择性电极传感器技术。

离子选择性电极传感器技术是一种操作简单、性价比高、准确有效的重金属检测传感器技术。离子选择性电极传感器技术因为不需要提前对样品进行操作而被广泛应用于重金属的在线检测中。目前, 国内外学者对离子选择性电极传感器技术进行了大量的研究, 发现选择性高、经济简单的离子选择性电极主要分为基于聚氯乙烯膜的离子选择性电极和基于流系玻璃膜的离子选择性电极两种[2]。

基于聚氯乙烯膜的离子选择性电极。

目前在对基于聚氯乙烯膜的离子选择性电极的研究中, 主要是对离子选择性电极的重金属离子的识别以及聚氯乙烯膜的结构和性能进行研究, 同时, 对不同的载体和膜增塑剂对离子选择性电极性能的影响作简要分析, 从而提高对重金属的识别能力。

基于流系玻璃膜的离子选择性电极。

基于硫系玻璃膜的离子选择性电极良好的红外线透过性是其他离子选择性电极无法相提并论的。许多发达国家都通过购买硫系玻璃膜的离子选择性电极来用于重金属检测工作。

2 光纤化学传感器技术。

对于光纤化学传感器技术的研究比离子选择性电极传感器技术的研究还要早, 光纤化学传感器技术的研究始于美国研究所, 从那以后, 许多国家都在实验室中对光纤化学传感器技术进行研究, 并应用到重金属检测中。陈雷等人对基于聚氯乙烯膜的光纤传感器进行研究并应用到铜离子的检测中, 取得了良好的效果[3]。李学强等人将注册分析法和激光激发荧光光谱技术应用到对金属离子传感器的研制中, 使我国饮用水中的重金属检测工作取得了很大的进展。

3 生物传感器技术。

第一个生物传感器始于Red String仪器公司。之后, 又在多个公司相继推出, 这些生物传感器主要是对人类血糖和尿糖中的重金属物质进行检测。重金属物质在人体中的留存和迁移会对人体的健康造成极大的威胁, 生物传感器可以与人体生物识别因素相互影响, 以达到对人体中的重金属含量进行检测, 从而预防重金属中毒的目的。通过研究发现, 生物传感器主要分为蛋白质为基础的'生物传感器以及整个细胞为基础的重金属传感器两种。

蛋白质为基础的生物传感器。

生物识别因素主要是促进消化的酶、防止病毒入侵的抗体、增强体质的金属键键合蛋白以及脱辅基酶蛋白质。以这几种生物识别因素为基础制作蛋白质为基础的生物传感器, 用来检测铜离子、锌离子、汞离子以及铅离子等金属离子。传统的生物传感器存在灵敏度低、选择性差等一系列缺点, 因此必须研制出选择性高的新型传感器来实现对重金属离子的检测, 这种新型传感器被称为蛋白质为基础的生物传感器。

整个细胞为基础的重金属传感器。

整个细胞为基础的重金属传感器可以实现对微型有机体生物标识的检测, 它具有所受干扰因素少、反应速度快等一系列优点, 可以实现对苔藓、海藻、酵母等海洋生物中的重金属的检测。随着生物医学和环境工程的蓬勃发展, 可以通过改进主传感器的途径来解决重金属检测过程中的干扰问题, 即在基因层次上设计细胞器。

4 结语。

综上所述, 本文通过对重金属检测传感器技术研究与应用进行分析, 主要从离子选择性电极传感器技术、光纤化学传感器技术、生物传感器技术以及微电极矩阵传感器技术这四个方面作简要分析, 为传感器检测技术在重金属中的研究与应用提供理论支持, 以减少重金属污染现象的发生。

参考文献

[1]张涛, 苏倡, 刘艳, 等.泥蚶 (Tegillarca granosa) 重组铁蛋白富集重金属离子的特性及化学传感器的研究[J].海洋与湖沼, 2017, 48 (4) :870-876.

[2]吕攀攀, 肖芳兰, 严锡娟, 等.构建一种基于双启动子模型的特异性检测镉离子的大肠杆菌传感器[J].生物工程学报, 2015, 31 (11) :1601-1611.

[3]贾朔.边超, 佟建华, 等.基于纳米金Core-satellites等离子体耦合增强效应的汞离子光纤传感器的研究[J].分析化学, 2017, 45 (6) :785-790.

生物医学信号处理方法论文

生物医学信号处理是指据生物医学信号特点，应用信息科学的基本理论和方法，研究如何从扰和噪声淹没的观察记录中提取各种生物医学信号中所携带的信息，并对它们进步分析、解释和分类。以下是我精心准备的生物医学信号处理方法论文，大家可以参考以下内容哦！

摘 要： 生物医学信号是人体生命信息的集中体现，深入进行生物医学信号检测与处理的理论与方法的研究对于认识生命运动的规律、探索疾病预防与治疗的新方法都具有重要的意义。

关键词： 生物医学信号 信号检测 信号处理

1 概述

1。1 生物医学信号及其特点

生物医学信号是一种由复杂的生命体发出的不稳定的自然信号，属于强噪声背景下的低频微弱信号，信号本身特征、检测方式和处理技术，都不同于一般的信号。生物医学信号可以为源于一个生物系统的一类信号，这些信号通常含有与生物系统生理和结构状态相关的信息。生物医学信号种类繁多，其主要特点是：信号弱、随机性大、噪声背景比较强、频率范围一般较低，还有信号的统计特性随时间而变，而且还是非先验性的。

1。2 生物医学信号分类

按性质生物信号可分为生物电信号（Bioelectric Signals），如脑电、心电、肌电、胃电、视网膜电等;生物磁信号（Biomagnetic Signals），如心磁场、脑磁场、神经磁场;生物化学信号（Biochemical Signals），如血液的pH值、血气、呼吸气体等;生物力学信号（Biomechanical Signals），如血压、气血和消化道内压和心肌张力等;生物声学信号（Bioacoustic Signal），如心音、脉搏、心冲击等。

按来源生物医学信号可大致分为两类：（1）由生理过程自发产生的主动信号，例如心电（ECG）、脑电（EEG）、肌电（EMG）、眼电（EOG）、胃电（EGG）等电生理信号和体温、血压、脉博、呼吸等非电生信号;（2）外界施加于人体、把人体作为通道、用以进行探查的被动信号，如超声波、同位素、X射线等。

2 生物医学信号的检测及方法

生物医学信号检测是对生物体中包含的生命现象、状态、性质和成分等信息进行检测和量化的技术，涉及到人机接口技术、低噪声和抗干扰技术、信号拾取、分析与处理技术等工程领域，也依赖于生命科学研究的进展。信号检测一般需要通过以下步骤（见图1）。

①生物医学信号通过电极拾取或通过传感器转换成电信号;②放大器及预处理器进行信号放大和预处理;③经A/D转换器进行采样，将模拟信号转变为数字信号;④输入计算机;⑤通过各种数字信号处理算法进行信号分析处理，得到有意义的结果。

生物医学信号检测技术包括：（1）无创检测、微创检测、有创检测;（2）在体检测、离体检测;（3）直接检测、间接检测;（4）非接触检测、体表检测、体内检测;（5）生物电检测、生物非电量检测;（6）形态检测、功能检测;（7）处于拘束状态下的生物体检测、处于自然状态下的生物体检测;（8）透射法检测、反射法检测;（9）一维信号检测、多维信号检测;（10）遥感法检测、多维信号检测;（11）一次量检测、二次量分析检测;（12）分子级检测、细胞级检测、系统级检测。

3 生物医学信号的处理方法

生物医学信号处理是研究从扰和噪声淹没的信号中提取有用的生物医学信息的特征并作模式分类的方法。生物医学信号处理的目的是要区分正常信号与异常信号，在此基础上诊断疾病的存在。近年来随着计算机信息技术的飞速发展，对生物医学信号的处理广泛地采用了数字信号分析处理方法：如对信号时域分析的相干平均算法;对信号频域分析的快速傅立叶变换算法和各种数字滤波算法;对平稳随机信号分析的功率谱估计算法和参数模型方法;对非平稳随机信号分析的短时傅立叶变换、时频分布（维格纳分布）、小波变换、时变参数模型和自适应处理等算法;对信号的非线性处理方法如混沌与分形、人工神经网络算法等。下面介绍几种主要的处理方法。

3。1 频域分析法

信号的频域分析是采用傅立叶变换将时域信号x（t）变换为频域信号X（f），从而将时间变量转变成频率变量，帮助人们了解信号随频率的变化所表现出的特性。信号频谱X（f）描述了信号的频率结构以及在不同频率处分量成分的大小，直观地提供了从时域信号波形不易观察得到频率域信息。频域分析的'一个典型应用即是对信号进行傅立叶变换，研究信号所包含的各种频率成分，从而揭示信号的频谱、带宽，并用以指导最优滤波器的设计。

3。2 相干平均分析法

生物医学信号常被淹没在较强的噪声中，且具有很大的随机性，因此对这类信号的高效稳健提取比较困难。最常用的常规提取方法是相干平均法。相干平均（Coherent Average）主要应用于能多次重复出现的信号的提取。如果待检测的医学信号与噪声重叠在一起，信号如果可以重复出现，而噪声是随机信号，可用叠加法提高信噪比，从而提取有用的信号。这种方法不但用在诱发脑电的提取，也用在近年来发展的心电微电势（希氏束电、心室晚电位等）的提取中。

3。3 小波变换分析法

小波分析是传统傅里叶变换的继承和发展，是20世纪80年代末发展起来的一种新型的信号分析工具。目前，小波的研究受到广泛的关注，特别是在信号处理、图像处理、语音分析、模式识别、量子物理及众多非线性科学等应用领域，被认为是近年来在工具及方法上的重大突破。小波分析有许多特性：多分辨率特性，保证非常好的刻画信号的非平稳特征，如间断、尖峰、阶跃等;消失矩特性，保证了小波系数的稀疏性;紧支撑特性，保证了其良好的时频局部定位特性;对称性，保证了其相位的无损;去相关特性，保证了小波系数的弱相关性和噪声小波系数的白化性;正交性，保证了变换域的能量守恒性;所有上述特性使小波分析成为解决实际问题的一个有效的工具。小波变换在心电、脑电、脉搏波等信号的噪声去除、特征提取和自动分析识别中也已经取得了许多重要的研究成果。

3。4 人工神经网络

人工神经网络是一种模仿生物神经元结构和神经信息传递机理的信号处理方法。目前学者们提出的神经网络模型种类繁多。概括起来，其共性是由大量的简单基本单元（神经元）相互广泛联接构成的自适应非线性动态系统。其特点是：（1）并行计算，因此处理速度快;（2）分布式存贮，因此容错能力较好;（3）自适应学习（有监督的或无监督的自组织学习）。

参考文献

[1] 邢国泉，徐洪波。生物医学信号研究概况。咸宁学院学报（医学版），2006，20：459～460。

[2] 杨福生。论生物医学信号处理研究的学科发展战略。国外医学生物医学工程分册，1992，4（15）：203～212。