小程序
传感搜
传感圈

一种基于物联网(IoT)的可穿戴血糖监测(iGM)系统

2024-04-04
关注
对糖尿病的管理和制定适当的治疗方案,定期监测血糖水平至关重要。传统的血糖(BG)这是一种侵入性技术,需要刺穿手指进行检测。侵入性过程,如指尖采血检测,对患者的依从性有负面影响。糖尿病患者的生活质量随着尖端传感器和医疗保健技术的发展而显著提高。然而,全球糖尿病发病率的提高促使研究人员竞相开发可穿戴、准确的无创血糖监测系统。 据麦姆斯咨询报道,最近,由印度Amal组成 Jyothi工程学院(Amal Jyothi College of Engineering)Abubeker K. Scientificcc领导的科研团队 Reports期刊上发表了“Internet of Things enabled open source assisted real-time blood glucose monitoring framework以文章为主题。该论文的第一作者和通讯作者是Abubeker K. M。该论文的第一作者和通讯作者是Abubeker K. M。 本研究开发了一种基于物联网的研究(IoT)可穿戴血糖监测(iGM)该系统用于改变糖尿病护理,提高生活质量。研究人员将覆盖监测血糖的红光和近红外(R-NIR)TTGOT-ESP32物联网平台集成到可穿戴设备中。本研究的主要目的是不断监测,降低感染风险,提高生活质量。通过亚马逊网络服务物联网的核心(AWS IoT Core,在托管云平台上实时传输血糖值,使糖尿病患者能够有效地管理其病情,从而为基于物联网的医疗解决方案的持续发展做出贡献。 图1显示了该研究中使用的iGM- AWS物联网架构。IGM传感器阵列已开发并部署在开源软件和AWS中,配备OLED显示屏、嵌入式C结构 IoT ESP32物联网模块中的Core基础设施。 图1 AWS辅助iGM架构用于无创血糖监测 本研究利用红光和近红外光信号辅以物联网架构来改善血糖监测。图2显示了皮肤的反射特性:当葡萄糖分子存在时,红光信号的吸收率较高。近红外光比可见光更能穿透人体,到达皮下动脉。此外,可以通过收集不同光波长和血糖浓度下的反射光进行多元化分析。 图2 人体皮肤对红光和近红外光信号的吸收特性 测量时,传感器放置在手腕皮肤上(设备与人体之间的间隔约为3 mm),具有较好的测量精度和光反射性,不受外界噪声和干扰。如图3所示,传感器阵列包括近红外LED(880 nm)、跨阻放大器(TIA)和光二极管(800-17000 nm)。当光与活体组织接触时,吸收和散射会降低光的强度。手腕反射出衰减和失真的光,然后被探测器接收。通过噪声滤波元件降低光噪声,然后放大接收到的光信号,使低强度光信号传播得更远。目前,基于物联网的系统方法很少。本研究的iGM架构通过AWS IoT 基于物联网的系统集成了Core和个性化传感器电路。 图3 IGM传感器电路原理图 图4显示了由麻省理工学院开发的嵌入式C语言IGM架构的开源库结构(MIT)授权。 图4 IGM开源库结构由MIT授权 研究人员测试了IGM传感器血糖监测的准确性。结果表明,禁食10小时后使用IGM传感器的血糖监测准确率为98.82%,早餐2小时后使用IGM传感器的血糖监测准确率为98.04%。图5显示了用红光和近红外光谱在患者手腕上开发的iGM设备,配有OLED显示屏。 图5 在糖尿病患者手腕上佩戴的实时iGM系统 综上所述,本研究提出的iGM结构有助于糖尿病患者不断监测血糖水平,提高治疗效果和生活质量。通过物联网设备向医生发送监测血糖,可以远程监测血糖水平,及时治疗。该可穿戴iGM传感器采用定制红光和近红外光谱传感器和集成电路总线(I2)C)协议接口。此外,开源架构提高了检测结果的准确性、用户适应性和医学专业人员的创造力,也促进了架构的增强和修改。IGM传感器的信号质量和实时传输功能非常适合ICU患者和隔离患者。该产品的主要挑战是电池寿命长达23天,可通过更换锂离子电池进行改进。通过集成纳米传感器和部署人工智能,未来iGM性能的提高预计将得到改善(AI)和机器学习(ML)实现算法。另外,数据可视化工具还可以提高用户对血糖数据的解读体验,促进他们的积极决策。 论文链接: https://doi.org/10.1038/s41598-024-56677-z 审核编辑:刘清 -->
您觉得本篇内容如何
评分

评论

您需要登录才可以回复|注册

提交评论

提取码
复制提取码
点击跳转至百度网盘