使用双带微波传感器与机器学习的非侵入性血糖监测
Mariam Farouk1, Anwer S Abd El-Hameed2, Angie R Eldamak3
1Electrical Department, Faculty of Engineering and Technology, Badr University in Cairo, Badr, 11829, Egypt.
Scientific reports
|May 9, 2025
概括
这项研究介绍了一种新的微波传感器,用于持续的非侵入性血糖监测. 双频带通波器 (DBBPF) 传感器显示出高灵敏度,用于准确检测糖尿病.
科学领域:
- 医学诊断 医学诊断 医学诊断
- 微波工程 微波工程
- 生物医学传感传感器
背景情况:
- 持续的非侵入性血糖监测对于糖尿病管理至关重要.
- 现有的方法往往需要侵入性程序或缺乏连续的实时数据.
- 微波传感为非侵入性诊断工具提供了一个有希望的途径.
研究的目的:
- 开发和验证一种新型的双频带通波器 (DBBPF) 作为微波传输线传感器,用于持续的非侵入性血糖监测.
- 在灵敏度,带宽和精度方面评估传感器的性能.
- 利用机器学习,利用传感器数据进行增强的糖尿病检测.
主要方法:
- 使用三个分环共振器 (SRR) 细胞在2.45和5.2 GHz运行的DBBPF的设计.
- 利用生物组织和微波信号之间的相互作用来评估葡萄糖水平.
- 测量S参数 (反射,相位,大小,传输) 并使用MATLAB.Cole中的幻指模型和Cole-Cole模型进行验证.
- 机器学习算法的应用用于数据分析和提高准确性.
主要成果:
- 拟议的DBBPF传感器对高达200mg/dL的葡萄糖水平变化表现出高灵敏度 (11.5dB).
- 在低频段和高频段分别实现了8.6%和2%的合理带宽.
- 通过实验室测量验证了模拟,证实了传感器的有效性.
结论:
- 基于传输的微波葡萄糖传感方法是成功和有效的.
- 开发的DBBPF传感器为准确,持续,非侵入性血糖监测提供了一个有前途的解决方案.
- 机器学习集成增强了可靠糖尿病检测的潜力.
