上转换发光生物传感器以上转换纳米颗粒（Upconversion Nanoparticles,UCNPs）为标记物,主要由上转换纳米探针、免疫层析试条和上转换检测仪组成。上转换发光生物传感器具有操作简单、反应快速、灵敏度高、稳定性好等优点,在疾病诊断、食品安全、环境保护和国家安全等领域具有广阔的应用前景。本文以上转换发光生物传感器检测大分子心肌标志物——心肌肌钙蛋白I（Cardiac Troponin I,c Tn I）和小分子毒品标志物——甲基苯丙胺（Methamphetamine,MET）为目标,研究了优化上转换纳米探针性能的方法,制备了免疫层析试条,并设计了上转换检测仪。针对上转换发光生物传感器无法准确区分弱阳性和阴性样本的问题,研究了提高弱阳性和阴性样本的定性检测灵敏度、定量检测准确性等技术。本文的主要贡献如下:1.研究了优化上转换纳米探针性能的方法。上转换纳米探针由UCNPs偶联生物识别分子组成。首先,针对UCNPs晶型的不完整和尺寸分布的不一致影响检测结果的问题,改进了热分解法合成核壳UCNPs的物料配比、高温反应时间等关键因素,制备了具有良好β晶型、分散性和尺寸分布均匀的核壳UCNPs,在980 nm近红外光的激发下实现了稳定的上转换发光。随后,针对核壳UCNPs表面没有可以与生物识别分子进行偶联的亲水基团的问题,改进了二氧化硅包覆法对核壳UCNPs进行亲水改性,通过表面硅化、氨基化和羧基化,制备了UCNP@Si O2-COOH,其分散系数小于0.15。最后,对上述优化方法进行了验证,为上转换发光生物传感器的研制奠定了基础。2.研制了用于检测c Tn I和MET的上转换发光生物传感器。对于c Tn I的检测,制备了上转换纳米探针UCNP–c Tn I和基于夹心检测原理的免疫层析试条;对于MET的检测,制备了上转换纳米探针UCNP–MET和基于竞争检测原理的免疫层析试条。随后,采用了小波变换去噪法抑制噪声信号,并分析了其去噪效果。与中值滤波、双边滤波去噪法相比,小波变换去噪法的峰值信噪比最大,去噪效果最好。最后,从响应特性曲线、可重复性、特异性和可靠性等方面对c Tn I和MET进行检测,以验证上转换发光生物传感器的性能。结果表明,上转换发光生物传感器检测c Tn I和MET均具有良好的可重复性、特异性和可靠性。此外,c Tn I的线性范围为0.1-50 ng/m L,相关系数R~2为0.9891;MET的线性范围为0.1-100 ng/m L,相关系数R~2为0.9869。3.研究了支持向量机（Support Vector Machine,SVM）算法提高定性检测的灵敏度。尽管上转换发光生物传感器检测MET具有较好的性能,但是由于噪声的干扰,仅使用检测线的上转换发光强度T与质控线的上转换发光强度C的比值T/C无法准确区分弱阳性和阴性MET样本,易造成检测结果的误判。针对这一问题,提出了SVM算法对弱阳性和阴性图像样本进行二分类检测,实现了弱阳性和阴性样本的定性分析,进而提高了定性检测的灵敏度。本文利用方向梯度直方图特征提取算法对图像样本的特征进行了提取,并构建了基于SVM的二分类模型。通过对60个图像样本进行测试,SVM算法二分类弱阳性（0.05、0.1、0.5 ng/m L）和阴性（0、0.01 ng/m L）图像样本的准确率、精确率和召回率分别为98.3%、97.3%和100%,高于T/C比值法的准确率（78.3%）、精确率（79.5%）和召回率（86.1%）。结果表明,SVM算法提高了定性检测的灵敏度。4.研究了卷积神经网络（Convolutional Neural Network,CNN）算法提高定量检测的准确性。SVM算法对弱阳性和阴性图像样本的二分类检测实现了定性分析,提高了定性检测的灵敏度。然而,该方法无法实现弱阳性和阴性样本的定量分析。针对这一问题,提出了CNN算法对弱阳性和阴性图像样本进行多分类检测,实现了弱阳性和阴性样本的定量分析,进而提高了定量检测的准确性。本文构建了由一个输入层,两个卷积层,两个池化层,两个全连接层和一个输出层组成的CNN多分类模型。通过对200个图像样本进行测试,CNN算法多分类0、0.01、0.05、0.1和0.5 ng/m L图像样本的精确率分别为90.5%、87.5%、89.2%、92.9%和100%,均高于SVM算法多分类的精确率（78.6%、66.7%、74.4%、76.7%和94.6%）;召回率分别为95.0%、87.5%、82.5%、97.5%和97.5%,均高于SVM算法多分类的召回率（82.5%、65.0%、72.5%、82.5%和87.5%）;准确率为92%,高于SVM算法多分类的准确率（78%）。结果表明,CNN算法提高了定量检测的准确性。