差分吸收和基于PPG的非侵入性血糖测量使用时空多模式融合LSTM模型
Jinxiu Cheng1, Pengfei Xie1, Huimeng Zhao1
1Key Laboratory of Biorheological Science and Technology of Ministry of Education, College of Bioengineering, Chongqing University, Chongqing 400044, China.
Sensors (Basel, Switzerland)
|September 13, 2025
概括
这项研究引入了使用光线和新型AI模型的非侵入性血糖测量系统 (NIBGMS). 该系统在糖尿病管理中显示出准确,方便的血糖监测的前景.
科学领域:
- 生物医学工程 生物医学工程
- 光学传感传感器是什么?
- 人工智能的人工智能
背景情况:
- 精确的血糖监测对于糖尿病管理至关重要.
- 目前的侵入性方法对患者构成挑战.
- 非侵入性技术提供了一个有希望的替代方案.
研究的目的:
- 开发一种使用可见近红外光 (Vis-NIR) 的非侵入性血糖测量系统 (NIBGMS).
- 为了提高预测准确度,使用时空多式融合长期短期记忆 (STMF-LSTM) 模型.
- 根据已建立的回归模型验证系统的性能.
主要方法:
- 利用差分吸收和光聚光学 (PPG) 来自食指的信号,使用LED (625 nm,850 nm,940 nm) 和光电探测器 (PD).
- 开发了一个STMF-LSTM模型,用于光学空间和葡萄糖时间信息的多式融合.
- 使用MLP,SVR,RFR和XG Boost模型对805个非糖尿病和2型糖尿病患者的样本进行了NIBGMS的验证.
主要成果:
- 该STMF-LSTM模型实现了0.811 mmol/L的根平均平方误差 (RMSE).
- 在帕克斯错误网格分析 (EGA) 区A和B通过8倍交叉验证实现了100%.
- 与其他模型相比,表现出优越的预测性能.
结论:
- 开发的NIBGMS与STMF-LSTM模型相结合,显示出实际的非侵入性血糖监测的巨大潜力.
- 这种方法为传统的侵入性血糖检测提供了可行的替代方案.
- 进一步验证可能会为广泛的临床采用铺平道路.
