非侵入式血糖预测:基于功率谱密度的近红外光谱带检测
86 浏览量
更新于2024-08-27
收藏 968KB PDF 举报
本文探讨了一种利用功率谱密度(Power Spectral Density, PSD)方法在近红外(Near-Infrared, NIR)光谱中检测血糖敏感子带,以实现非侵入性血糖预测的技术。糖尿病作为一种普遍且严重的疾病,对无创测量手段的需求日益增长。研究者们针对这一问题,首先在体外实验中,通过设计并测试了具有不同光学特性的模拟体(phantoms),对1200-1300纳米和2100-2200纳米这两个光学窗口进行了深入研究。结果表明,这两个波段对于血糖测量具有可行性。
论文作者Ibrahim Akkaya等人来自伊兹密尔生物医学与基因组中心(iBG),他们进一步发展了一种基于光强度波动(Photoplethysmography, PPG)的低成本、便携式光学系统。该系统采用了六个不同波长的NIR光源LED进行照明,并配备了一个InGaAs光电二极管用于信号采集。通过测量光的吸收,计算出光学密度值,这些值被用来分析血糖的敏感性子带。
实验结果展示了PSD方法在确定血糖敏感光谱特征方面的潜力,特别是在体外和体内环境下。通过将此技术与PPG信号相结合,可以实现更为准确和实时的血糖监测,这对于糖尿病患者的日常管理和医疗保健具有重要意义。此外,这种低成本、便携的设计使得该技术有可能被广泛应用于家庭健康监测设备或者医疗机构,提高了非侵入性血糖检测的便捷性和实用性。
总结来说,这项研究不仅提供了一种有效的血糖检测策略,而且展示了如何结合NIR光谱分析与生理信号(如PPG)来实现血糖监测的创新方法。它为糖尿病管理以及未来健康监测技术的发展提供了有价值的新视角。
2021-10-02 上传
2013-09-23 上传
2021-05-27 上传
2021-06-07 上传
2021-02-11 上传
2021-02-07 上传
2021-01-20 上传
2021-02-09 上传
2021-02-25 上传
weixin_38721691
- 粉丝: 4
- 资源: 906
最新资源
- 探索数据转换实验平台在设备装置中的应用
- 使用git-log-to-tikz.py将Git日志转换为TIKZ图形
- 小栗子源码2.9.3版本发布
- 使用Tinder-Hack-Client实现Tinder API交互
- Android Studio新模板:个性化Material Design导航抽屉
- React API分页模块:数据获取与页面管理
- C语言实现顺序表的动态分配方法
- 光催化分解水产氢固溶体催化剂制备技术揭秘
- VS2013环境下tinyxml库的32位与64位编译指南
- 网易云歌词情感分析系统实现与架构
- React应用展示GitHub用户详细信息及项目分析
- LayUI2.1.6帮助文档API功能详解
- 全栈开发实现的chatgpt应用可打包小程序/H5/App
- C++实现顺序表的动态内存分配技术
- Java制作水果格斗游戏:策略与随机性的结合
- 基于若依框架的后台管理系统开发实例解析