Spectro-angular optical biosensor based on surface plasmon resonance operating in the visible spectrum
Notice bibliographique
Résumé
Surface plasmon resonance (SPR) sensing is one of the most widely used methods to implement biosensors due to its sensitivity and capacity for label-free detection. Most conventional SPR sensors measure the change in reflectance at a metal-dielectric interface as a function of either angle or wavelength. However, it has recently been shown that an increase in sensitivity and a greater robustness against noise can be achieved by measuring reflectivity in both domains simultaneously, in a so-called spectro-angular SPR biosensor. This provides a surface plasmon dispersion curve captured on an image sensor that can be tracked in real time. A single value decomposition method is used to project the dispersion curve onto a basis set and allow the image obtained from an unknown refractive index sample to be compared very accurately with a pre-calculated reference set. The objective of the current work is to further improve the detection limit of the spectro-angular biosensor. Simulations have shown that the spatial resolution and numerical precision of the image sensor have a significant impact on the accuracy of the refractive index change measurement. Therefore, upgrading the cameras used for the data acquisition could significantly improve the detection limit of the SPR biosensor. In this work, simulation results are presented to justify the modifications of the experimental system and to estimate the expected improvement in the detection limit of the spectro-angular biosensor by using higher spatial resolution and higher data precision cameras. Experimental results are presented and compared with the previous design.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 0,001 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».