本发明属于微波无创血糖检测技术领域，涉及血糖浓度的检测评估。

背景技术：

社会经济不断发展，随之而来的快速的生活节奏、不健康的饮食习惯、久坐缺乏适当运动的生活方式等都增加了糖尿病的发病率。糖尿病作为一种以长期高血糖为特征的慢性疾病，其患病人数正在全球范围内不断增加。如果能够及时地了解血糖水平，采取适当的医疗措施，糖尿病及其并发症造成的危害就能得到有效地减缓和控制。而诸多无创和微创的方法都未免给患者带来身体上的痛苦和精神的压力，同时，也存在感染的风险，并不适合长期连续的监测。无创血糖检测因为无创、无痛、可持续性监测等优势受到了研究者的极大关注。其中微波无创血糖检测是无创血糖检测的重要发展方向之一。它是利用天线来发射微波信号，通过接收经过人体组织反射、散射或者透射后的信号，并对其所携带的人体信息进行分析和提取来达到精准检测的目的。它是基于血液的介电特性随血糖浓度的变化而变化的特点。人们需要通过电磁信号对介电特性的响应来间接换算得出血糖浓度水平。不同电磁信号对血糖浓度的响应情况不同，对应不同的换算关系和敏感度。

技术实现要素：

本发明提供一种利用s21相位无创检测人体血糖浓度的方法。该方法检测的目标为耳垂。不同血糖浓度对应不同的介电特性，不同介电特性导致s21相位的差异，因此，通过分析s21相位的变化可以间接换算出它们各自对应的血糖水平。s21相位对血糖浓度变化具有良好的敏感度，它为无创血糖检测评估提供一种新的方法和思路。本发明的技术方案如下：

一种基于s21相位的无创血糖浓度检测方法，包括下列步骤：

(1)构建多层耳垂模型。

(2)将两个天线置于耳垂模型的两侧，发射天线发射高斯波信号，接收天线接收穿过耳垂模型的微波信号；

(3)改变仿真中耳垂模型中血液层的血糖浓度，并接收穿过耳垂模型的微波信号；

(4)对接收到的信号进行s21相位分析，找出s21相位与血糖浓度的变化规律,通过线性方程拟合s21解包裹相位与葡萄糖浓度、频率之间的变化关系；

(5)通过线性方程去匹配评估未知的血糖浓度，实现血糖水平的检测和评估。

附图说明

图1.三维耳垂电磁模型和收发天线

图2.发射天线发射的高斯波信号

图3.不同葡萄糖浓度对应的s21解包裹相位

图4.以500mg/dl葡萄糖浓度对应的s21解包裹相位值为基底，换算图3各葡萄糖浓度对应的s21解包裹相位值得到的s21解包裹相位差

图5.不同频点下，s21解包裹相位差与葡萄糖浓度的关系

图6.原始值和拟合值的比较，实线表示原始值，点表示线性公式拟合的值

具体实施方式

1.耳垂部位血液丰富、生物结构相对简单、位置便于测量，故以耳垂为研究对象，基于时域有限差分算法(finitedifferencetimedomain,fdtd)算法并利用matlab软件编程建立三维耳垂电磁仿真模型以及收发天线结构来验证该方法的有效性。三维耳垂电磁模型的整体尺寸为30mm×30mm×5mm，图1是建立的三维耳垂电磁模型和天线收发结构的示意图。该模型分为三层，厚度为1mm的皮肤层覆盖在厚度为3mm的脂肪层两侧。利用扩散限制凝聚(diffusionlimitedaggregation,dla)分形方法构建的血液结构分布在脂肪层中，占脂肪所在空间的50.14％。

2.两个天线分别放置在耳垂组织的两侧，分别用于发射和接收高斯波。采用辅助微分方程(auxiliarydifferentialequation,ade)与fdtd结合的方式来处理生物组织的色散特性，该方法是基于各生物组织的debye模型，其参数如表1所示。其中，debye模型是使用debye公式来描述各生物组织的宽带介电特性的，debye公式如式(1)所示。

表1.耳垂模型的debye参数

备注：x代表血液中葡萄糖浓度，单位是mg/dl.

其中，ε'复介电常数的实部，通常称为相对介电常数，ε”为复介电常数的虚部，通常被称为介电损耗，ε∞为频率无穷大时的相对介电常数，δεk为色散值,τk是弛豫时间，p是debye模型的拟合阶数。文中使用单阶debye模型对数据进行拟合，p取值为1。

3.血液层的血糖浓度范围为100～500mg/dl。通过改变血液层的电磁参数来模拟耳垂模型中血糖浓度的变化并进行仿真，接收到的穿过耳垂模型的微波信号，此处是s21解包裹相位如图3所示。为了更直观地观察和分析s21相位在不同频率下对血糖浓度变化的敏感度，以及不同血糖浓度之间的差异和联系，文中选择血糖浓度500mg/dl对应的s21解包裹相位值为基准，换算图3中数值结果，通过差值的方式来体现各浓度之间的差异，换算结果如图4所示。可以看到，当频点固定时，s21相位变化与血糖浓度变化之间似乎是线性关系。在4-6ghz之间以0.5ghz为间隔选取5个频点，分析5个频点下葡萄糖浓度变化与s21相位变化之间的关系，结果如图5所示。可以看出，在此5个频点下，s21解包裹相位差的幅度和葡萄糖浓度之间呈现良好的线性关系。文中将图5所提供的数据拟合到线性公式中，参见式(2)。基于线性关系在各频点都存在的假设，它必定与频率相关，因此，使用频率相关的二阶多项式来拟合式(2)中的系数。

y＝kx+b(2)

其中，x是以mg/dl为单位的葡萄糖浓度，y是s21的解包裹相位差的幅度。

经过数值拟合，得到式(2)中的系数的表达式如式(3)、(4)所示。

k＝-5.566×10-5×f2+6.923×10-4×f-2.268×10-3(3)

b＝0.02779×f2-0.3456×f+1.132(4)

其中，f是以ghz为单位的频率。

在4-6ghz范围以0.2ghz为步长选取频点值，选择100mg/dl、200mg/dl、300mg/dl、400mg/dl这4个浓度值，通过式(2)、(3)和(4)计算s21解包裹相位差的幅度值。将原始数据与线性方程计算的拟合数据比较，结果如图6所示。从图中可以看到，原始数据和拟合数据之间有良好的匹配度。因此，可以通过线性方程精确地构建s21解包裹相位与葡萄糖浓度、频率之间的变化关系。这意味着可以通过足够的实验数据建立以上所述的线性关系，之后通过线性关系去匹配评估未知的葡萄糖浓度，实现葡萄糖水平的检测和评估。