在人体中测试一种具有先进机器学习能力的非侵入性连续低能微波葡萄糖传感器
Nazli Kazemi1, Mohammad Abdolrazzaghi2, Peter E Light3
1Electrical and Computer Engineering, University of Alberta, 116 St., Edmonton, T6G 2R3, AB, Canada.
Biosensors & bioelectronics
|September 29, 2023
概括
一个新的微波传感器为糖尿病患者提供了非侵入性的持续血糖监测,使用机器学习来预测血糖变化并检测异常,以改善健康管理.
科学领域:
- 生物医学工程 生物医学工程
- 微波传感技术 微波传感技术
- 可穿戴的健康设备
背景情况:
- 持续的葡萄糖监测 (CGM) 对于糖尿病管理至关重要,但目前的方法往往需要侵入性指尖刺痛.
- 开发非侵入式传感技术对于改善患者的舒适性和粘附性至关重要.
- 微波传感为生物医学分析物检测提供了一个有希望的途径.
研究的目的:
- 引入一个紧的微波平面共振器为基础的传感器,用于非侵入性血糖监测.
- 通过体内,体外和临床试验测试来验证传感器的性能.
- 通过机器学习来增强系统,用于预测葡萄糖分析和文物检测.
主要方法:
- 设计和实施一个紧的平面共振器微波传感器.
- 使用微流体通道系统进行体内和体外试验.
- 进行临床试验以评估现实世界的性能.
- 整合机器学习算法用于数据分析和预测.
主要成果:
- 传感器在各种测试设置中表现出可靠的操作.
- 在传感器响应和血糖水平之间实现了高线性相关性 (R2 ≈ 0.913).
- 该系统提供了实时葡萄糖水平读数.
- 机器学习能够准确预测葡萄糖水平变化和文物识别.
结论:
- 拟议的微波平面传感器为持续的葡萄糖监测提供了一个可行的非侵入性解决方案.
- 机器学习的整合提高了预测能力和数据可靠性.
- 这项技术为定制,可学习的可穿戴血糖监测设备铺平了道路.
