-
公开(公告)号：CN119800293A
公开(公告)日：2025-04-11
申请号：CN202510016578.4
申请日：2025-01-06
Applicant: 中国工程物理研究院激光聚变研究中心
Abstract: 本发明公开了一种基于化学污染物原位检测的柔性SERS芯片及其制备方法，柔性SERS芯片包括：铜网；金膜，其镀制在铜网的表面；金纳米颗粒，其排列设置在金膜的表面。将铜网使用氧等离子体清洗；将洗净的铜网通过电子束蒸发镀金膜；将镀有金膜的铜网放入辛二硫醇溶液中浸泡活化；取出铜网后使用乙醇溶液洗净，自然风干；将铜网放入胶体金颗粒溶液中，浸泡反应；取出浸泡后的铜网用超纯水洗净，获得柔性SERS芯片。本发明的柔性SERS芯片可直接贴于待测物表面，实现农药残留等化学污染物拉曼信号的有效增强，并且通过激光照射芯片的背部，可实现农药残留等化学污染物的拉曼原位检测，检测时间较短并有较好的灵敏度。
-
公开(公告)号：CN115112629B
公开(公告)日：2025-02-18
申请号：CN202210638140.6
申请日：2022-06-07
Applicant: 中国工程物理研究院激光聚变研究中心
IPC: G01N21/65 , C23C14/35 , C23C14/16 , C23C14/18 , C23C14/20 , C23C14/58 , C25D11/12 , C23C28/00 , B22F9/24 , B82Y40/00
Abstract: 本发明公开了基于谐振腔的多通道病毒检测SERS芯片及其制备方法，所述芯片包括多个检测孔，每个检测孔均由多个V形Au纳米孔阵列组成，Au纳米孔阵列中分布Au纳米粒子形成Au纳米孔谐振腔的增强结构；所述方法首先在基板上镀制Al膜，接着将Al膜进行腐蚀氧化，然后在腐蚀氧化后的Al膜上沉积Au薄膜，最后在V形Au纳米孔阵列上滴加Au纳米粒子得到SERS芯片。本发明公开的芯片通过尺寸效应特异性捕获病毒颗粒，且基于谐振腔体增强效应，有效地激发病毒的整体拉曼信号，极大地提高拉曼信号的重现性，实现对不同病毒的区分；本发明公开的制备方法操作简单、可重复性高，可以实现芯片大面积的均匀制备。
-
公开(公告)号：CN114720450A
公开(公告)日：2022-07-08
申请号：CN202210322578.3
申请日：2022-03-29
Applicant: 中国工程物理研究院激光聚变研究中心
Abstract: 本发明公开了一种用于新冠病毒的拉曼标记型抗原检测试纸条及其制备方法，该试纸条包括底板，以及沿底板长度方向依次布置的样品垫、拉曼探针结合垫、免疫硝酸纤维素膜和吸水垫。所述的制备方法包括步骤(1)拉曼探针制备；(2)拉曼探针标记抗体；(3)结合垫喷涂溶液制备；(4)膜处理；(5)试纸条组装。本发明的拉曼检测试纸条具有较高的灵敏度和特异性，根据临床结果显示，以核酸检测结果为依据，本发明的拉曼标记型拉曼检测试纸条阴性样本符合率为100％，阳性样本符合率为74.19％，总符合率为90.00％，其中新冠病毒核酸检测ORFa/b基因Ct值小于37的阳性样本，本发明试纸条的阳性检出率为93.75％，检测准确度大大优于胶体金法。
-
公开(公告)号：CN115753738B
公开(公告)日：2024-08-13
申请号：CN202211555262.5
申请日：2022-12-05
Applicant: 中国工程物理研究院激光聚变研究中心 , 绵阳市中心医院
Abstract: 本发明提出一种基于生物标志物增强拉曼光谱数据库的病理诊断方法，该方法基于生物标志物的理论拉曼光谱和实测生物标志物蛋白及组织切片的增强拉曼光谱建立数据库，之后利用数据库数据训练生成病理诊断的深度学习模型，最后利用深度学习模型对待测组织进行病理表达程度判断，并生成标记了生物标志物分布的待测组织切片病理图像。本发明提出的方法既能实现分子水平的高特异性、灵敏度的定量检测，又能方便医生直观的理解检测结果，帮助临床决策，本申请提出的方法对于癌症的临床检测具有重要意义，有望发展成为一项极具前景的全自动临床辅助诊断技术。
-
Patent Agency Ranking
公开(公告)号：CN115753738A
公开(公告)日：2023-03-07
申请号：CN202211555262.5
申请日：2022-12-05
Applicant: 中国工程物理研究院激光聚变研究中心 , 绵阳市中心医院
Abstract: 本发明提出一种基于生物标志物增强拉曼光谱数据库的病理诊断方法，该方法基于生物标志物的理论拉曼光谱和实测生物标志物蛋白及组织切片的增强拉曼光谱建立数据库，之后利用数据库数据训练生成病理诊断的深度学习模型，最后利用深度学习模型对待测组织进行病理表达程度判断，并生成标记了生物标志物分布的待测组织切片病理图像。本发明提出的方法既能实现分子水平的高特异性、灵敏度的定量检测，又能方便医生直观的理解检测结果，帮助临床决策，本申请提出的方法对于癌症的临床检测具有重要意义，有望发展成为一项极具前景的全自动临床辅助诊断技术。
-
公开(公告)号：CN119770001A
公开(公告)日：2025-04-08
申请号：CN202510190032.0
申请日：2025-02-20
Applicant: 中国工程物理研究院激光聚变研究中心
IPC: A61B5/00
Abstract: 本发明公开了一种基于ICCD和光纤式门控的拉曼光谱系统应用方法及系统，包括：S1、控制单元切换激光光源的工作状态，以产生激发目标组织拉曼信号的激光；S2、所述激光通过柔性光纤探头到达待检测部分，控制单元切换门控单元和ICCD探测器的工作状态，以通过光纤探头采集目标组织的拉曼光谱信号；S3、所述控制单元将采集到的拉曼光谱信号输出至光谱分析模块，光谱分析模块基于内置的深度学习模型对采集拉曼光谱信号进行处理，以对采集组织的恶性程度进行分析评估。本发明提供一种基于ICCD和光纤式门控的拉曼光谱系统应用方法及系统，通过结合ICCD和门控技术，提升拉曼信号强度、降低荧光背景，进而提高检测灵敏度和效率。
-
公开(公告)号：CN117330383A
公开(公告)日：2024-01-02
申请号：CN202311546484.5
申请日：2023-11-17
Applicant: 中国工程物理研究院激光聚变研究中心 , 绵阳科技城先进技术研究院 , 绵阳市中心医院
Abstract: 本发明公开了一种基于拉曼光谱技术的自动组织切片染色系统及应用方法，包括：通过显微镜以及与其相配合的光谱仪构建的显微共聚焦拉曼光谱仪，所述显微镜在与切片样品载物台相配合的位置上设置有拉曼信号增强用喷涂单元；其中，所述切片样品载物台通过伸缩组件使得其空间高度位置可调。本发明提供一种基于拉曼光谱技术的自动组织切片染色系统及应用方法，相比现有的免疫组化方法，本系统可实现全自动操作，免去了现有方法繁琐的操作流程，极大地节省了时间和试剂成本。
-
公开(公告)号：CN115112629A
公开(公告)日：2022-09-27
申请号：CN202210638140.6
申请日：2022-06-07
Applicant: 中国工程物理研究院激光聚变研究中心
IPC: G01N21/65 , C23C14/35 , C23C14/16 , C23C14/18 , C23C14/20 , C23C14/58 , C25D11/12 , C23C28/00 , B22F9/24 , B82Y40/00
Abstract: 本发明公开了基于谐振腔的多通道病毒检测SERS芯片及其制备方法，所述芯片包括多个检测孔，每个检测孔均由多个V形Au纳米孔阵列组成，Au纳米孔阵列中分布Au纳米粒子形成Au纳米孔谐振腔的增强结构；所述方法首先在基板上镀制Al膜，接着将Al膜进行腐蚀氧化，然后在腐蚀氧化后的Al膜上沉积Au薄膜，最后在V形Au纳米孔阵列上滴加Au纳米粒子得到SERS芯片。本发明公开的芯片通过尺寸效应特异性捕获病毒颗粒，且基于谐振腔体增强效应，有效地激发病毒的整体拉曼信号，极大地提高拉曼信号的重现性，实现对不同病毒的区分；本发明公开的制备方法操作简单、可重复性高，可以实现芯片大面积的均匀制备。
-
公开(公告)号：CN117607444A
公开(公告)日：2024-02-27
申请号：CN202311565543.3
申请日：2023-11-22
Applicant: 中国工程物理研究院激光聚变研究中心
IPC: G01N33/577 , G06N20/00 , G06N3/0499 , G01N21/65 , G01N33/58 , G01N33/569 , G01N33/558 , G01N33/543 , G01N33/532
Abstract: 本发明公开了一种基于机器学习的拉曼标记免疫层析试纸的制备及其检测方法，包括：制备“AuNP‑染料分子@SiO2@AuNP@Au”拉曼探针；使用制备的“AuNP‑染料分子@SiO2@AuNP@Au”拉曼探针，制备拉曼探针偶联抗体；使用偶联抗体后的拉曼探针溶液，制备得到拉曼标记抗原检测试纸；使用制备的拉曼标记抗原检测试纸获得采集的咽鼻拭子样本的拉曼光谱；设计基于机器学习的数据分析算法，对采集的咽鼻拭子样本的拉曼光谱进行分析判别。而本发明中的拉曼探针自身存在拉曼增强“热点”区域，能够实现拉曼探针的单分子检测，实现单个抗原的检测，大大提高了检测灵敏度；另外本发明通过建立机器学习的数据分析算法，实现了试纸拉曼检测产生的大量谱图的快速分析判别，大大提高了检测效率。
-
-
-
-
-
-
-
-
Search Results
9
records
(took 0.037 seconds)
