بسیاری از برنامه های زیست حسگری وجود دارند که کار تشخیص پروتئین ویروس و باکتری را بر عهده دارند

در چنین حسگرهای زیستی ، این ذرات با یک ماده شیمیایی سطحی پوشیده شده اند

که باعث می شود آنها در پاسخ به خوشه های تشکیل دهنده آنالیت هدف بچسبند.

هرچه غلظت آنالیت هدف بیشتر باشد ، تعداد خوشه ها بیشتر می شود.

بنابراین ، نظارت و توصیف این خوشه های ذره می تواند به ما بگوید که آیا آنالیت هدف در یک نمونه وجود دارد و چه غلظتی دارد

روشهای فعلی برای انجام چنین تحلیلی محدود است به این دلیل که آنها فقط قادر به خواندن ذرات درشت هستند

یا به میکروسکوپ های گران قیمت و سنگین تکیه می کنند ، که کاربرد آنها را محدود می کنند

راه کارهای بهتر کردن تشخیص ویروس 

محققان UCLA برای غلبه بر کاستی های راه حل های موجود ، روش بیوسنسینگ سریع و خودکار را مبتنی بر هولوگرافی همراه با یادگیری عمیق ، تدوین کرده اند

در حال حاضر یکی ار کارامد ترین روش ها استفاده از هوش مصنوعی است

در این سیستم ، تمام خوشه های ذرات و میکرو ذرات، جداگانه در یک نمونه برای اولین بار در پلتفرم 3 بعدی به صورت هولوگرام تصویر می شوند

محیط انجام این نمونه برداری حدودا بیست برابرمحیط نمونه میکروسکوپ است

در مرحله بعد ، یک شبکه عصبی عمیق آموزش دیده این هولوگرام ها را پردازش می کند

و آنها را به سرعت در تصاویری از خوشه هایی مشابه آنچه می توان با اسکن  میکروسکوپ استاندارد بدست آورد  بازسازی می کند

اما این کار نسبت به روش های قبلی هم سریع تر است و هم حجم نمونه بیشتری را در بر می گیرد

در طی این فرآیند ، تمام خوشه های ذرات در مقیاس میکرو (آشکار کننده حضور آنالیت هدف) به طور خودکار

با حساسیت شبیه به میکروسکوپ آزمایشگاهی شمارش می شوند.