一个合作研究团队最近开发了一种利用深度学习技术测量血糖的新方法。他们的研究发表在《激光与光子学评论》上。

超材料是一种人工材料，具有自然界中不存在的独特电磁特性，使它们能够操纵光或微波等电磁波。超材料设计中使用的一种常见结构是开口环谐振器 (SRR)，其特征是环的中心有一个裂缝。这种设计使 SRR 能够吸收、穿透或反射特定频率的电磁场，并由于平滑电流的中断而放大信号，从而导致环内的电磁共振。

虽然SRR已广泛应用于传感器，但由于温度、湿度和样品位置等因素影响，测量结果不一致且不可靠，其有效性受到限制。

在这项研究中，该团队旨在解决由于样本位置变化而导致的基于 SRR 的传感器电信号波动问题。他们首先优化传感器，使用光刻工艺(用光在半导体上创建图案)放大 0.5 至 18 GHz 频率范围内的电信号。然后，研究人员采用深度学习 技术，使葡萄糖传感器能够从在不同位置测量的电信号中学习。

在此基础上，团队开发了一维卷积神经网络(1D CNN)并进行了实验，结果表明，该模型能够有效补偿样本位置变化带来的误差，平均绝对误差(MAE)达到0.695%，均方误差(MSE)达到0.876%。

该团队由机械工程系、化学工程系和电气工程系的 Junsuk Rho 教授、浦项科技大学 (POSTECH) 机械工程系的博士生 Seokho Lee 和 Kyungtae Kim 以及大邱大学物理教育系的 Hee-Jo Lee 教授组成。

浦项科技大学的Rho教授表示：“我们成功地控制了对样本位置变化敏感的电信号，从而提高了血糖测量设备的一致性和可靠性。”

“值得注意的是，该技术可以通过半导体行业中已经广泛采用的光刻工艺实现商业化和量产。”

版权说明：本站所有作品图文均由用户自行上传分享，仅供网友学习交流。若您的权利被侵害，请联系我们

标签：