COMBINATION OF LABEL-FREE SURFACE-ENHACED RAMAN SPECTROSCOPY WITH CONVOLUTIONAL NEURAL NETWORK FOR DNA RECOGNITION
Identifikátory výsledku
Kód výsledku v IS VaVaI
<a href="https://www.isvavai.cz/riv?ss=detail&h=RIV%2F60461373%3A22310%2F21%3A43923386" target="_blank" >RIV/60461373:22310/21:43923386 - isvavai.cz</a>
Výsledek na webu
<a href="https://doi.org/10.37904/nanocon.2020.3742" target="_blank" >https://doi.org/10.37904/nanocon.2020.3742</a>
DOI - Digital Object Identifier
<a href="http://dx.doi.org/10.37904/nanocon.2020.3742" target="_blank" >10.37904/nanocon.2020.3742</a>
Alternativní jazyky
Jazyk výsledku
angličtina
Název v původním jazyce
COMBINATION OF LABEL-FREE SURFACE-ENHACED RAMAN SPECTROSCOPY WITH CONVOLUTIONAL NEURAL NETWORK FOR DNA RECOGNITION
Popis výsledku v původním jazyce
Nowadays, the rapid identification of bacterial antibiotic resistance is one of the major biomedical challenges. Classical methods of detection (culture and sensitivity testing, microbial whole-genome sequencing) fail in the context of time requirements. In this work, we propose the express method for the detection of gene encoding enzyme responsible for bacterial antibiotic resistance. Proposed analytical approach is based on a combination of unique advantages provided by surface enhanced Raman spectroscopy (SERS) and artificially created convolutional neural network (CNN). SERS is known for the extremely high sensitivity and fast analysis, while CNN seems to be a promising alternative to find even ambiguous spectral properties produced by the Raman signal.
Název v anglickém jazyce
COMBINATION OF LABEL-FREE SURFACE-ENHACED RAMAN SPECTROSCOPY WITH CONVOLUTIONAL NEURAL NETWORK FOR DNA RECOGNITION
Popis výsledku anglicky
Nowadays, the rapid identification of bacterial antibiotic resistance is one of the major biomedical challenges. Classical methods of detection (culture and sensitivity testing, microbial whole-genome sequencing) fail in the context of time requirements. In this work, we propose the express method for the detection of gene encoding enzyme responsible for bacterial antibiotic resistance. Proposed analytical approach is based on a combination of unique advantages provided by surface enhanced Raman spectroscopy (SERS) and artificially created convolutional neural network (CNN). SERS is known for the extremely high sensitivity and fast analysis, while CNN seems to be a promising alternative to find even ambiguous spectral properties produced by the Raman signal.
Klasifikace
Druh
D - Stať ve sborníku
CEP obor
—
OECD FORD obor
20501 - Materials engineering
Návaznosti výsledku
Projekt
<a href="/cs/project/GA20-03913S" target="_blank" >GA20-03913S: Organické senzory plynů – nové struktury, elektrické parametry, vlastnosti a funkce</a><br>
Návaznosti
P - Projekt vyzkumu a vyvoje financovany z verejnych zdroju (s odkazem do CEP)
Ostatní
Rok uplatnění
2021
Kód důvěrnosti údajů
S - Úplné a pravdivé údaje o projektu nepodléhají ochraně podle zvláštních právních předpisů
Údaje specifické pro druh výsledku
Název statě ve sborníku
12TH INTERNATIONAL CONFERENCE ON NANOMATERIALS - RESEARCH &amp; APPLICATION (NANOCON 2020)
ISBN
978-80-87294-98-7
ISSN
—
e-ISSN
—
Počet stran výsledku
5
Strana od-do
361-365
Název nakladatele
Tanger s.r.o.
Místo vydání
Ostrava
Místo konání akce
Brno
Datum konání akce
21. 10. 2020
Typ akce podle státní příslušnosti
WRD - Celosvětová akce
Kód UT WoS článku
000664505500061