[논문]Learning-based automatic sensing and size classification of microparticles using smartphone holographic microscopy

Go, Taesik; Yoon, Gun Young; Lee, Sang Joon

doi:10.1039/c8an02157k

[해외논문] Learning-based automatic sensing and size classification of microparticles using smartphone holographic microscopy

The Analyst : An International Journal of Analytical and Bioanalytical Science, v.144 no.5, 2019년, pp.1751 - 1760

Go, Taesik (Department of Mechanical Engineering, Pohang University of Science and Technology) , Yoon, Gun Young (Department of Mechanical Engineering, Pohang University of Science and Technology) , Lee, Sang Joon (Department of Mechanical Engineering, Pohang University of Science and Technology)

Abstract ▼ AI-Helper

The accurate and fast size classification of microparticles is important in environmental monitoring and biomedical applications. Conventional methods for sensing and classifying microparticles require bulky optical setups and generally show medium performance. Accordingly, the development of a portable and smart platform for accurate particle size classification is essential. In this study, we propose a new sensing platform for automatic identification of microparticle types through the synergistic integration of smartphone-based digital in-line holographic microscopy (DIHM) and machine-learning algorithms. The smartphone-based DIHM system consists of a coherent laser beam, a pinhole, a sample holder, a three-dimensional printed attachment, and a modified built-in smartphone camera module. The portable device has a physical dimension of 4 × 8 × 10 cm3 and 220 g in weight. Holograms of various polystyrene microparticles with different sizes (d = 2-50 μm) were recorded with a wide field-of-view and high spatial resolution. To establish a proper classification model, tens of features including geometrical parameters and light-intensity distributions were extracted from holograms of individual particles, and five machine-learning algorithms were used. After examining the performance of several classifiers, the resulting support vector machine model trained by using three geometrical parameters and three extracted parameters from light-intensity distributions shows the highest accuracy in the particle classification of the training and test sets (>98%). Therefore, the developed handheld smartphone-based platform can be potentially utilized to cope with various imaging needs in mobile healthcare and environmental monitoring.Graphic AbstractA microparticle classifier is established by synergetic integration of smartphone-based digital in-line holographic microscopy and supervised machine learning.

참고문헌 (52)

Micron Das 45 97 2013 10.1016/j.micron.2012.11.002

상세보기
Proc. Natl. Acad. Sci. U. S. A. Goda 109 11630 2012 10.1073/pnas.1204718109

상세보기
Pattern Recognit. Lett. Lee 49 155 2014 10.1016/j.patrec.2014.06.010

상세보기
Comput. Vis. Image Underst. Tek 114 21 2010 10.1016/j.cviu.2009.08.003

상세보기
J. Cell Sci. Wollman 120 3715 2007 10.1242/jcs.013623

상세보기
Biol. Pharm. Bull. Shashni 41 487 2018 10.1248/bpb.b17-00776

상세보기
Opt. Lasers Eng. Choi 50 39 2012 10.1016/j.optlaseng.2011.06.023

상세보기
Annu. Rev. Fluid Mech. Katz 42 531 2010 10.1146/annurev-fluid-121108-145508

상세보기
Adv. Opt. Photonics Memmolo 7 713 2015 10.1364/AOP.7.000713

상세보기
Biomed. Opt. Express Yi 7 2385 2016 10.1364/BOE.7.002385

상세보기
J. Biomed. Opt. Yi 20 016005 2015 10.1117/1.JBO.20.1.016005

상세보기
PLoS One Park 11 e0163045 2016 10.1371/journal.pone.0163045

상세보기
Sci. Rep. Yoon 7 6654 2017 10.1038/s41598-017-06311-y

상세보기
Proc. Natl. Acad. Sci. U. S. A. Pavillon 115 E2676 2018 10.1073/pnas.1711872115

상세보기
Opt. Express Jo 23 15792 2015 10.1364/OE.23.015792

상세보기
Sci. Adv. Jo 3 e1700606 2017 10.1126/sciadv.1700606

상세보기
Cytometry, Part A Roitshtain 91 482 2017 10.1002/cyto.a.23100

상세보기
Cytometry, Part A Mirsky 91 893 2017 10.1002/cyto.a.23189

상세보기
Appl. Opt. O'Connor 57 B197 2018 10.1364/AO.57.00B197

상세보기
Biosens. Bioelectron. Go 103 12 2018 10.1016/j.bios.2017.12.020

상세보기
Lab Chip Singh 17 2920 2017 10.1039/C7LC00149E

상세보기
Appl. Opt. Zakrisson 54 7442 2015 10.1364/AO.54.007442

상세보기
J. Biophotonics Go 11 e201800101 2018 10.1002/jbio.201800101

상세보기
Methods Wu 136 4 2018 10.1016/j.ymeth.2017.08.013

상세보기
Annu. Rev. Biomed. Eng. Ozcan 18 77 2016 10.1146/annurev-bioeng-092515-010849

상세보기
Analyst Huang 143 5339 2018 10.1039/C8AN01269E

상세보기
Anal. Chem. Guo 87 6516 2015 10.1021/acs.analchem.5b01378

상세보기
RSC Adv. Guo 4 56342 2014 10.1039/C4RA10481A

상세보기
Electrophoresis Guo 36 420 2015 10.1002/elps.201400268

상세보기
PLoS One Huang 9 e104539 2014 10.1371/journal.pone.0104539

상세보기
Lab Chip Mudanyali 10 1417 2010 10.1039/c000453g

상세보기
Biosens. Bioelectron. Roy 67 715 2015 10.1016/j.bios.2014.10.040

상세보기
Nat. Methods Greenbaum 9 889 2012 10.1038/nmeth.2114

상세보기
Sens. Actuators, B Roy 201 321 2014 10.1016/j.snb.2014.05.011

상세보기
Sci. Transl. Med. Greenbaum 6 267ra175 2014 10.1126/scitranslmed.3009850

상세보기
Virchows Arch. Zhang 467 3 2015 10.1007/s00428-015-1782-z

상세보기
Lab Chip Mudanyali 10 2419 2010 10.1039/c004829a

상세보기
Light: Sci. Appl. Wu 6 e17046 2017 10.1038/lsa.2017.46

상세보기
Lab Chip Feizi 16 4350 2016 10.1039/C6LC00976J

상세보기
Sens. Actuators, B Roy 224 577 2016 10.1016/j.snb.2015.10.097

상세보기
Biosens. Bioelectron. Jin 38 126 2012 10.1016/j.bios.2012.05.022

상세보기
Proc. Natl. Acad. Sci. U. S. A. Im 112 5613 2015 10.1073/pnas.1501815112

상세보기
Lab Chip Seo 9 777 2009 10.1039/B813943A

상세보기
Anal. Chem. Seo 82 4621 2010 10.1021/ac1007915

상세보기
Anal. Chem. Stybayeva 82 3736 2010 10.1021/ac100142a

상세보기
Analyst Ahn 143 5380 2018 10.1039/C8AN01056K

상세보기
Biosens. Bioelectron. Roy 88 130 2017 10.1016/j.bios.2016.07.115

상세보기
Opt. Lett. Yu 30 2092 2005 10.1364/OL.30.002092

상세보기
Sci. Rep. Go 7 41162 2017 10.1038/srep41162

상세보기
Appl. Opt. Choi 48 2983 2009 10.1364/AO.48.002983

상세보기
Rev. Sci. Instrum. Mullaney 40 1029 1969 10.1063/1.1684143

상세보기
Light: Sci. Appl. Göröcs 7 66 2018 10.1038/s41377-018-0067-0

상세보기

LOADING...

내보내기 구분	파일저장 인쇄 메일전송
구성항목	기본정보 상세정보 관리번호, 논문명, 저널/프로시딩명, 저자 , 발행년, 권, 호, 시작페이지, 끝페이지, 발행기관 관리번호, 논문명, 대등논문명, 저자 , 저널/프로시딩명, 발행기관, 발행년, 발행언어, 권, 호, 시작페이지, 끝페이지, ISBN, ISSN, 주제분야, 키워드, 초록(한글), 초록(영문), 저자(소속기관)
저장형식	Text(ASCII format) Excel format RefWorks Direct Export RIS format (for Reference Manager, ProCite, EndNote), Scholar's Aids, Mendeley
메일정보	받는사람 (필수) @ 보내는사람 (선택) @ 제목 내용 KISTI 검색결과 이메일 서비스
안내	총 건의 자료가 검색되었습니다. 다운받으실 자료의 인덱스를 입력하세요. (1-10,000) 검색결과의 순서대로 최대 10,000건 까지 다운로드가 가능합니다. 데이타가 많을 경우 속도가 느려질 수 있습니다.(최대 2~3분 소요) 다운로드 파일은 UTF-8 형태로 저장됩니다. 파일의 내용이 제대로 보이지 않을실 때는 웹브라우저 상단의 보기 -> 인코딩 -> 자동선택 여부를 확인하십시오. ~ Text(ASCII format) Excel format

연합인증

[해외논문] Learning-based automatic sensing and size classification of microparticles using smartphone holographic microscopy

Abstract ▼ AI-Helper

참고문헌 (52)

이 논문을 인용한 문헌

연구과제 타임라인

관련 콘텐츠

원문 URL 링크

이 논문과 함께 이용한 콘텐츠

AI-Helper ※ AI-Helper는 오픈소스 모델을 사용합니다.

선택된 텍스트

연합인증

[해외논문] Learning-based automatic sensing and size classification of microparticles using smartphone holographic microscopy

Abstract ▼ AI-Helper

참고문헌 (52)

이 논문을 인용한 문헌

연구과제 타임라인

전체(0) 논문(0) 특허(0) 보고서(0)

전체(0) 논문(0) 특허(0) 보고서(0)

관련 콘텐츠

원문 URL 링크

이 논문과 함께 이용한 콘텐츠

AI-Helper ※ AI-Helper는 오픈소스 모델을 사용합니다.

선택된 텍스트