Advanced science (Weinheim, Baden-Wurttemberg, Germany) · 2024
Highly Sensitive Perovskite Photoplethysmography Sensor for Blood Glucose Sensing Using Machine Learning Techniques.
СтатьяПоддержка исследования: вне правительства СШАНазвание и аннотация: Перевод в очереди
Обработка статьи · этапы, ошибки и управление
Загрузка состояния…
Ошибки и ограничения
История · было → стало
Состояние обновляется каждые 5 секунд, пока блок открыт. Процент показывается только там, где известен объём работы. Пауза останавливает продолжение этапа; текущий запрос к источнику может завершиться.
Zheng Yongjian, Zhan Zhenye, Chen Qiulan, Chen Jianxin, Luo Jianwen, Cai Juntao, Zhou Yang, Chen Ke, Xie Weiguang
Аннотация
Accurate non-invasive monitoring of blood glucose (BG) is a challenging issue in the therapy of diabetes. Here near-infrared (NIR) photoplethysmography (PPG) sensor based on a vapor-deposited mixed tin-lead hybrid perovskite photodetector is developed. The device shows a high detectivity of 5.32 × 1012 Jones and a large linear dynamic range (LDR) of 204 dB under NIR light, guaranteeing accurate extraction of eleven features from the PPG signal. By a combination of machine learning, accurate prediction of blood glucose level with mean absolute relative difference (MARD) as small as 2.48% is realized. The self-powered PPG sensor also works for real-time outdoor healthcare monitors using sunlight as a light source. The potential for early diabetes diagnoses by the perovskite PPG sensor is demonstrated.