GD32兆易创新MCU芯片全系列-亿配芯城-一种基于高品质因数等离子体微波谐振器的无创血糖监测传感器
你的位置:GD32兆易创新MCU芯片全系列-亿配芯城 > 芯片资讯 > 一种基于高品质因数等离子体微波谐振器的无创血糖监测传感器
一种基于高品质因数等离子体微波谐振器的无创血糖监测传感器
发布日期:2024-01-05 12:32     点击次数:137

据麦姆斯咨询报道,近日,伊朗赞詹大学(University of Zanjan)、国立云林科技大学(National Yunlin University of Science and Technology)、台大医院云林分院(National Taiwan University Hospital Yunlin Branch)等机构的研究人员组成的团队在Scientific Reports期刊上发表了题为“On-body non-invasive glucose monitoring sensor based on high figure of merit (FoM) surface plasmonic microwave resonator”的论文,提出了一种基于高品质因数(FoM)等离子体微波谐振器的无创血糖监测传感器,用于监测成年人体内的血糖变化率,以满足糖尿病患者以及其它生物医学应用的需要。

该论文所提出的传感器的谐振频率大约为f₀₁=3.25 GHz和f₀₂=4.67 GHz,这适用于监测组织间质液(ISF)中的血糖变化率。研究人员将40 mm x 40 mm的传感器包裹在人体手臂上,通过传感器的振幅和频率变化监测人体血糖变化率。测量到的振幅变化和频率偏移分别约为7 dB和30 MHz。测量结果表明,由于所设计的微波传感器与人体的阻抗匹配良好,因此所提出的方法具有很高的精度,能描绘出有效的血糖变化率图。与传统传感器相比,该论文所提出的传感器灵敏度提高了5倍。

微波等离子体Fano谐振传感器

微波谐振器不仅可用于通信系统,还可用于多种应用的传感器。与传统的微波谐振器相比,表面等离子体谐振器是一种高灵敏度的谐振器,通过它,电磁波可以与周围介质产生强烈的相互作用。本研究将这种类型的微波谐振器用于葡萄糖监测。图1显示了带有N个分支的等离子体Fano谐振传感器的示意图。

d7322c96-730c-11ee-939d-92fbcf53809c.jpg 图1 带有N个分支的等离子体Fano谐振传感器的示意图

研究人员比较了传统的阶梯式阻抗谐振器(SIR)和等离子体Fano谐振器(PFR)传感器的灵敏度(如图2所示),其中以归一化特性阻抗以及敏感区域的电气长度或相位为参数。

d74da0ac-730c-11ee-939d-92fbcf53809c.jpg 图2 传统的阶梯式阻抗谐振器(SIR)和等离子体Fano谐振器(PFR)传感器的灵敏度3D图

传感器设计与表征

研究人员设计并制造了PFR,图3(a)展示了制造的PFR的仿真和实测性能,同时附有其数码照片。图3(b)显示了PFR传感器对于具有不同介电常数的材料的电磁性能。

d76fbcbe-730c-11ee-939d-92fbcf53809c.jpg 图3(a)制造的PFR的仿真和实测性能(b)PFR传感器对于具有不同介电常数的材料的电磁性能

研究人员设计了一项血糖监测实验。如图4a所示,PFR传感器被放置在右臂上,谐振器紧贴志愿者的手臂,并且器件结构面朝上。接下来, 电子元器件采购网 如图4b所示,PFR传感器被一块血压袖带包裹。设计的实验包括以下三个步骤:首先,在志愿者没有进行任何体育锻炼或运动的情况下,记录与人体血糖水平相关的谐振频率;接着,在志愿者左手用哑铃热身10分钟的过程中,监测并记录谐振频率的变化;然后,在实验的最后部分,志愿者逐渐食用200克的蜂蜜,耗时约10分钟。

d7816a18-730c-11ee-939d-92fbcf53809c.jpg 图4(a)PFR传感器放置在志愿者手臂上,(b)完整的PFR传感器测量设置

d78ed05e-730c-11ee-939d-92fbcf53809c.jpg 图5 血糖监测实验结果

PFR传感器通过跟踪电磁波回波损耗(S₁₁)的变化来监测血糖,其变化与人体血糖变化成比例。图5(a)显示了不同采样条件下的S₁₁。在不同的采样条件下,f₀₁ = 3.25 GHz和f₀₂ = 4.67 GHz附近存在两个明显的谐振频率,它们分别被称为图5(b)、(c)中的第一和第二谐振频率。

综上所述,本研究设计了一种基于高品质因数表面等离子体微波谐振器的无创血糖监测传感器,并将其包裹在人体手臂上,此后,开展了三步骤实验来监测人体血糖变化。仿真结果验证了所提方法的有效性。未来的工作方向可以设计一种非连接式VNA传感器,为该传感器开发一种调制器电路,以传输较低或较高的频率,并将其记录在智能手表、智能手机等接收设备中。此外,PFR传感器还可以利用机器学习技术来预测低血糖和高血糖情况。

审核编辑:刘清