基于紧凑型分形微波传感器与机器学习算法的非侵入式血糖监测方法研究

《Biosensors》：Machine Learning-Aided Microwave Sensing for Blood Glucose Detection: Data Information Enhancement from Reduced Measurement Set

　　

摘要

本文提出了一种结合微波传感器和机器学习方法的技术，通过利用紧凑型分形形状微波传感器在传输模式下提供的一组简化散射数据中的全部信息（能量），来实现对血糖浓度的准确预测。该传感器采用分类/回归模型进行预测。首先，从实验基线数据开始，测量了6条模拟生理谱范围内的血液仿真体的复介电常数曲线（范围为72 ÷ 216 mg/dL），随后通过全波模拟传输获得了6条传输曲线作为机器学习算法训练的起点。接着，采用了一个频率依赖的二次拟合模型，并结合非平稳随机噪声扰动来丰富数据集，从而避免了需要大量测量的需求。所提出的方法在计算机仿真中进行了评估，并在包括15个实际测量数据的独立实验场景中得到了进一步验证。讨论的结果证明了这种方法的初步有效性，为非侵入式血糖监测提供了一个有前景的概念验证，为未来的临床研究带来了希望。