使用机器学习技术的高灵敏度矿光电显微镜传感器用于血糖检测
Yongjian Zheng1, Zhenye Zhan1, Qiulan Chen2
1Siyuan Laboratory, Guangdong Provincial Engineering Technology Research Center of Vacuum Coating Technologies and New Energy Materials, College of Physics & Optoelectronic Engineering, Jinan University, Guangzhou, Guangdong, 510632, China.
Advanced science (Weinheim, Baden-Wurttemberg, Germany)
|September 20, 2024
概括
一种新的矿光探测器可以使用近红外光电显微镜进行准确的,非侵入性的血糖监测. 这种自动供电的传感器显示了早期糖尿病诊断和实时医疗保健的潜力.
科学领域:
- 材料科学 材料科学 材料科学
- 生物医学工程 生物医学工程
- 医疗器械 医疗器械
背景情况:
- 准确的非侵入性血糖监测仍然是糖尿病管理的一个重大挑战.
- 现有的方法往往需要侵入性手术,影响患者的服从性和舒适性.
研究的目的:
- 开发一种新型近红外 (NIR) 摄影传感器,用于非侵入性血糖 (BG) 监测.
- 用混合矿光探测器和机器学习算法来评估传感器的性能.
主要方法:
- 用于NIR-PPG传感的蒸汽沉积混合锡-混合矿光电探测器的制造.
- 从PPG信号中提取11个特征进行分析.
- 机器学习算法的应用,用于预测血糖水平.
主要成果:
- 矿光探测器表现出高探测能力 (5.32 × 10^12 斯) 和大线性动态范围 (204 dB).
- 准确的血糖预测得到了2.48%的平均绝对相对差异 (MARD).
- 自动供电的传感器证明了使用阳光用于户外医疗监测的功能.
结论:
- 开发的基于矿的NIR-PPG传感器为血糖监测提供了一个有希望的非侵入性解决方案.
- 传感器的高性能和自动供电性质支持其在实时和户外医疗保健应用中的使用.
- 这项技术具有早期糖尿病诊断和改善糖尿病管理的潜力.
