编辑推荐：
糖尿病严重威胁全球健康，现有血糖监测手段存在不足。研究人员开展基于双频带通滤波器（DBBPF）的无创血糖监测研究。结果显示该传感器灵敏度高，结合机器学习可提升糖尿病检测准确性，为无创血糖监测带来新突破。
在健康管理领域，糖尿病是一个不容忽视的重大问题。它如同一个隐匿的 “健康杀手”，悄无声息地影响着全球数以百万计人的生活。糖尿病患者需要时刻关注自己的血糖水平，然而，现有的血糖监测方法却不尽如人意。传统的血糖仪，无论是基于指尖采血的自我监测，还是通过植入式传感器的连续血糖监测（CGM），都存在着诸多弊端。指尖采血不仅给患者带来痛苦，还容易引发感染风险；植入式传感器则存在成本高昂、使用不便等问题。这些不足严重影响了患者的生活质量，也促使科研人员不断探索更加便捷、舒适、准确的血糖监测方法。
在这样的背景下，来自埃及 Badr 大学工程与技术学院电气工程系、电子研究学院微带部门以及艾因夏姆斯大学工程学院电子与通信工程系的研究人员，开展了一项具有创新性的研究。他们致力于开发一种基于双频微波传感器与机器学习的无创血糖监测系统，相关研究成果发表在《Scientific Reports》上。
为了实现这一目标，研究人员采用了多种关键技术方法。首先，利用三维电磁模拟器（如计算机仿真技术 CST 模拟器）和先进设计系统（ADS）进行双频带通滤波器（DBBPF）的设计与建模 。其次，通过构建手指模型，结合 Cole-Cole 模型模拟人体组织的介电特性，以此研究微波信号与生物组织的相互作用。此外，运用机器学习算法对传感器采集的数据进行分析，从而提高糖尿病检测的准确性。
研究结果主要包括以下几个方面：
- 传感器设计与性能：设计的 DBBPF 由三个不同尺寸的分裂环谐振器（SRR）单元组成，工作在 2.45GHz 和 5.2GHz 频段，具有较高的灵敏度（如频率灵敏度达 0.9MHz/(mg/dL) ，数值灵敏度达 0.0381/(mg/dL) ）和品质因数。该传感器能够通过测量微波信号与生物组织相互作用后的 S 参数（包括反射、相位、幅度以及传输参数）变化，来评估血糖浓度的变化。
- 实验验证：通过在体外实验中使用装有不同葡萄糖浓度溶液的容器和手指模型，对传感器性能进行验证。实验结果表明，随着葡萄糖浓度的变化，传感器的谐振频率和 S 参数会发生相应改变，且这种变化具有良好的线性关系。例如，当葡萄糖浓度在 0 - 400mg/dL 范围内变化时，传感器的谐振频率会出现明显的漂移。
- 机器学习的应用：将机器学习模型（如随机森林和 CatBoost 分类器）应用于传感器数据的分析，显著提高了糖尿病检测的准确性。在对包含 2003 条记录的数据集进行分析时，随机森林和 CatBoost 模型在基于手指数据的分类任务中，准确率分别达到了 97% 和 96%，远高于其他模型。
研究结论和讨论部分指出，该研究成功开发了一种基于双频微波传感器与机器学习的无创血糖监测系统。该系统具有诸多优势，如高灵敏度、能够检测低血糖、正常血糖和高血糖状态下的血糖水平变化；尺寸紧凑、成本低，便于推广应用；结合机器学习算法，提高了检测的准确性和可靠性。然而，研究也存在一定的局限性，例如在不同个体之间可能存在一定的差异，需要进一步优化以适应更广泛的人群。总体而言，这项研究为无创血糖监测提供了新的思路和方法，有望在未来改善糖尿病患者的生活质量，推动糖尿病管理领域的发展。
