使用微波传感器和卷积神经网络检测禁食血糖
Mohammad Amir Sattari1, Mohsen Hayati2
1Electrical Engineering Department, Faculty of Engineering, Razi University, Kermanshah, Iran.
Scientific reports
|July 2, 2025
概括
这项研究引入了一种新的微波传感器,用于非接触式血糖监测. 结合卷积神经网络,它准确地估计了禁食血糖水平,为可穿戴糖尿病管理铺平了道路.
科学领域:
- 生物医学工程 生物医学工程
- 传感器技术 传感器技术
- 人工智能的人工智能
背景情况:
- 禁食血糖 (FBS) 监测对于糖尿病管理至关重要.
- 传统方法需要进行侵入性血液采样.
- 微波传感为葡萄糖检测提供了一个有前途的非接触式替代方案.
研究的目的:
- 开发和验证一个微型微波传感器,用于非接触式FBS检测.
- 利用深度学习来准确解释传感器数据.
- 评估这种技术在可穿戴健康系统中的可行性.
主要方法:
- 设计和制造了一种微型微波传感器.
- 用临床自分析仪测量了78名患者的FBS水平.
- 对每个样本记录了30 kHz-18 GHz的传感器响应 (S21).
- 一个卷积神经网络 (CNN) 在传感器数据上进行了训练,用于FBS估计.
主要成果:
- 开发的微波传感器对FBS水平具有很高的灵敏度.
- 在FBS估计中,CNN模型实现了1.31%的平均相对误差 (MRE).
- 该研究证实了使用这种综合方法进行非接触式血糖测量的可行性.
结论:
- 将微波传感与CNN相结合,为非接触式FBS测量提供了一种可靠的方法.
- 这项技术显示了将其集成到用户友好的可穿戴糖尿病监测设备中的巨大潜力.
- 这种方法减少了频繁采集常规血液样本的需要,提高了患者的便利性.
