关于使用机器学习分析近红外光谱数据进行非侵入性血糖估计的可行性研究

科学领域:

• 生物医学工程 生物医学工程
• 分析化学 分析化学
• 频谱学是一种光谱学.

背景情况:

• 精确的血糖监测对于管理糖尿病至关重要.
• 目前的侵入性方法对频繁的监测提出了挑战.
• 非侵入性技术为持续的葡萄糖评估提供了一个有希望的替代方案.

研究的目的:

• 评估使用近红外光谱 (NIR) 的非侵入性血糖估计的可行性.
• 为了确定最佳的波长,在生物样本中检测葡萄糖.
• 为未来的非侵入性血糖监测系统开发基础数据集.

主要方法:

• 使用一个具有NIR波长 (770nm,850nm,970nm) 的传感器模块.
• 在人工血管和薄猪皮模型上进行了测试,具有不同度的葡萄糖.
• 使用多种回归模型 (线性,PLS,MLP) 进行光谱数据分析.
• 对商业侵袭性血糖计进行了验证.

主要成果:

• 在850nm和970nm处确定了NIR光谱反应和葡萄糖水平之间的负相关性.
• 证明了这些波长对于非侵入性葡萄糖传感的潜力.
• 从狗血样建立了一个NIR葡萄糖数据库.

结论:

• 近红外光谱显示了非侵入性血糖估计的可行性.
• 特定的NIR波长 (850nm,970nm) 对未来的传感器开发具有前景.
• 创建的狗血NIR葡萄糖数据库可以帮助在非侵入性葡萄糖监测技术的进步.