使用色度测量和监督学习算法准确检测葡萄糖的平台
Mithun Kanchan1, Pragna Harish1, Omkar S Powar2
1Manipal Academy of Higher Education, Manipal Institute of Technology, Manipal Academy of Higher Education, Manipal-576104, Karnataka, India, Manipal, KA, 576104, India.
Biomedical physics & engineering express
|March 9, 2026
概括
这项研究提出了一个负担得起的,精确的治疗点诊断平台,用于使用微流体和图像分析快速监测血糖. 该系统实现了高精度,为各种医疗保健环境提供了可扩展的解决方案.
科学领域:
- 生物医学工程 生物医学工程
- 分析化学 分析化学
- 医学诊断 医学诊断 医学诊断
背景情况:
- 精确的血糖监测对于管理糖尿病和预防并发症至关重要.
- 现有的方法可能是昂贵的,耗时的,或需要专门的设备.
- 护理点 (POC) 诊断为快速,分散的葡萄糖评估提供了潜力.
研究的目的:
- 开发一个负担得起,可靠,准确的POC诊断平台用于葡萄糖检测.
- 将微流体学和色度学原理与图像分析相结合,用于估计葡萄糖.
- 创建一个用户友好的系统,适合在各种医疗机构实时监控.
主要方法:
- 用于最小样本体积 (~20μL) 的酶色反应,制造定制的微流体芯片.
- 开发一个紧的3D打印成像模块,配备高分辨率摄像头,用于稳定的图像采集.
- 在工程图像特征上应用监督机器学习模型 (随机森林,SVM,KNN,FNN) 来预测葡萄糖水平.
主要成果:
- 随机森林模型实现了98%的交叉验证精度和近100%的葡萄糖水平区分特异性.
- 该系统在3-4分钟内展示了快速的颜色发展和最小的错误分类 (平均AUC接近1).
- 该平台是USB驱动的,与嵌入式系统/笔记本电脑兼容,并且不需要智能手机或外部校准.
结论:
- 提出的基于图像的葡萄糖估计方法是一种成本效益高,可扩展和准确的POC解决方案.
- 该系统的低试剂消耗,快速分析和易于操作是分散选和资源有限的设置的优势.
- 未来的工作包括扩大度范围,临床验证和自动校准以提高可用性.
