熊保平，甘振华，高跃明，杜民，3

(1.福建工程学院数理系，福建福州350108;2.福州大学物理与信息工程学院，福建福州350116; 3.福州大学电气工程与自动化学院，福建福州350116; 4.福建省大数据挖掘与应用技术重点实验室，福建福州350108)

金免疫层析试条OD－浓度曲线的神经动力学拟合

熊保平1，2，4，甘振华1，3，高跃明2，杜民2，3

(1.福建工程学院数理系，福建福州350108;2.福州大学物理与信息工程学院，福建福州350116; 3.福州大学电气工程与自动化学院，福建福州350116; 4.福建省大数据挖掘与应用技术重点实验室，福建福州350108)

针对金免疫层析试条定量检测系统中OD(光密度)－浓度的拟合曲线会出现检测值与实际值偏差较大，容易导致定性结果错误的情况，提出以最大绝对误差最小为评价指标的曲线拟合方案，并转化为相应的约束优化问题使用神经动力学优化算法进行求解。仿真数据实验表明神经动力学曲线拟合方法明显优于插值法和三次样条，与最小二乘法相比在等同条件下50次曲线拟合的平均最大绝对误差降低14%;通过金免疫层析试条定量检测仪的一组标定数据实验表明三次多项式基本符合OD值与浓度正相关关系，且此时神经动力学拟合曲线的最大误差与最小二乘法相比降低25%;实验结果表明该文提出的神经动力学曲线拟合方法结果收敛稳定，且有效降低最大绝对误差，为金免疫层析试条定量检测提供一种新的较简单和精确的曲线拟合方法。

金免疫层析试条;定量检测;曲线拟合;约束优化;神经动力学优化算法;最小二乘法