Explainable machine learning to unveil detection mechanisms with au nanoisland-based surface-enhanced raman scattering for SARS-CoV-2 antigen detection (2024)
- Authors:
- Pazin, Wallance Moreira - Universidade Estadual Paulista Júlio de Mesquita Filho (UNESP)
- Furini, Leonardo Negri - Universidade Federal de Santa Catarina (UFSC)
- Braz, Daniel César
- Popolin Neto, Mário
- Fernandes, José Diego - Universidade Estadual Paulista Júlio de Mesquita Filho (UNESP)
- Constantino, Carlos José Leopoldo - Universidade Estadual Paulista Júlio de Mesquita Filho (UNESP)
- Oliveira Junior, Osvaldo Novais de
- Pazin, Wallance Moreira - Universidade Estadual Paulista Júlio de Mesquita Filho (UNESP)
- USP affiliated authors: OLIVEIRA JUNIOR, OSVALDO NOVAIS DE - IFSC ; BRAZ, DANIEL CESAR - IFSC ; POPOLIN NETO, MÁRIO - ICMC
- Unidades: IFSC; ICMC
- DOI: 10.1021/acsanm.3c05848
- Subjects: APRENDIZADO COMPUTACIONAL; COVID-19; EFEITO RAMAN
- Keywords: nanobiosensor; surface-enhanced Raman scattering; SARS-CoV-2; machine learning; biosensors
- Agências de fomento:
- Language: Inglês
- Imprenta:
- Publisher place: Washington, DC
- Date published: 2024
- Source:
- Título do periódico: ACS Applied Nano Materials
- ISSN: 2574-0970
- Volume/Número/Paginação/Ano: v. 7, n. 2, p. 2335-2342, Jan. 2024
- Este periódico é de assinatura
- Este artigo NÃO é de acesso aberto
- Cor do Acesso Aberto: closed
-
ABNT
PAZIN, Wallance Moreira et al. Explainable machine learning to unveil detection mechanisms with au nanoisland-based surface-enhanced raman scattering for SARS-CoV-2 antigen detection. ACS Applied Nano Materials, v. 7, n. Ja 2024, p. 2335-2342, 2024Tradução . . Disponível em: https://doi.org/10.1021/acsanm.3c05848. Acesso em: 11 maio 2024. -
APA
Pazin, W. M., Furini, L. N., Braz, D. C., Popolin Neto, M., Fernandes, J. D., Constantino, C. J. L., & Oliveira Junior, O. N. de. (2024). Explainable machine learning to unveil detection mechanisms with au nanoisland-based surface-enhanced raman scattering for SARS-CoV-2 antigen detection. ACS Applied Nano Materials, 7( Ja 2024), 2335-2342. doi:10.1021/acsanm.3c05848 -
NLM
Pazin WM, Furini LN, Braz DC, Popolin Neto M, Fernandes JD, Constantino CJL, Oliveira Junior ON de. Explainable machine learning to unveil detection mechanisms with au nanoisland-based surface-enhanced raman scattering for SARS-CoV-2 antigen detection [Internet]. ACS Applied Nano Materials. 2024 ; 7( Ja 2024): 2335-2342.[citado 2024 maio 11 ] Available from: https://doi.org/10.1021/acsanm.3c05848 -
Vancouver
Pazin WM, Furini LN, Braz DC, Popolin Neto M, Fernandes JD, Constantino CJL, Oliveira Junior ON de. Explainable machine learning to unveil detection mechanisms with au nanoisland-based surface-enhanced raman scattering for SARS-CoV-2 antigen detection [Internet]. ACS Applied Nano Materials. 2024 ; 7( Ja 2024): 2335-2342.[citado 2024 maio 11 ] Available from: https://doi.org/10.1021/acsanm.3c05848 - Direct detection of SARS-CoV-2 antigen based on surface-enhanced Raman scattering (SERS) using machine learning
- Random Forest interpretability - explaining classification models and multivariate data through logic rules visualizations
- Investigating band gap directness using machine learning
- Using machine learning and an electronic tongue for discriminating saliva samples from oral cavity cancer patients and healthy individuals
- Aprendizado de máquina aplicado em dados de biossensores para diagnóstico de câncer e COVID-19
- Análise exploratória de imagens do biossensor aplicado ao diagnóstico de câncer de próstata
- Instrumentação para RMN em campo externo nulo com aplicação ao estudo de ligas FeV no estado de ordenação magnética
- Machine learning used to create a multidimensional calibration space for sensing and biosensing data
- Learning from machine learning: the case of band-gap directness in semiconductors
- Random forest similarity maps: a scalable visual representation for global and local interpretation
Informações sobre o DOI: 10.1021/acsanm.3c05848 (Fonte: oaDOI API)
Download do texto completo
| Tipo | Nome | Link | |
|---|---|---|---|
 | 3182829.pdf |
How to cite
A citação é gerada automaticamente e pode não estar totalmente de acordo com as normas
