蒙特卡罗方法
有限元法
生物医学工程
医学
计算机科学
工程类
数学
统计
结构工程
作者
Κωνσταντίνος Ασημακόπουλος
摘要
Αυτή η διδακτορική διατριβή εξερευνά τον καινοτόμο τομέα της μη επεμβατικής παρακολούθησης γλυκόζης (Non-Invasive Glucose Monitoring - NGM), μια πολλά υποσχόμενη προσέγγιση για τη βελτίωση της διαχείρισης του διαβήτη μέσω ανώδυνου και συνεχούς ελέγχου των επιπέδων γλυκόζης στο αίμα. Ο διαβήτης, μια χρόνια πάθηση που επηρεάζει εκατομμύρια ανθρώπους παγκοσμίως, απαιτεί αποτελεσματική παρακολούθηση γλυκόζης για τη διαχείριση σχετικών επιπλοκών. Οι παραδοσιακές επεμβατικές μέθοδοι, όπως οι μετρήσεις με τρύπημα δακτύλου και οι συνεχείς μετρητές γλυκόζης, αν και αποτελεσματικές, συχνά προκαλούν δυσφορία και προβλήματα συμμόρφωσης. Μια βασική συνεισφορά αυτής της εργασίας είναι η ανάπτυξη ενός αισθητήρα βασισμένου στην αρχή του Χρόνου Πτήσης (Time-of-Flight - ToF) για την ανίχνευση γλυκόζης σε φυσιολογικές συνθήκες. Αυτός ο καινοτόμος οπτικός αισθητήρας που χρησιμοποιεί την αρχή του ToF αναπτύχθηκε και αποδείχθηκε επιτυχώς ότι μπορεί να επιτύχει επαρκή διείσδυση βάθους και ευαισθησία για την ανίχνευση αλλαγών που προκαλούνται από τη γλυκόζη στο ανθρώπινο δέρμα. Υπολογιστικές προσομοιώσεις, συμπεριλαμβανομένης της μεθόδου Πεπερασμένων Στοιχείων (Finite Element Method - FEM) και προσομοιώσεων Monte Carlo, χρησιμοποιήθηκαν για τη βελτιστοποίηση του σχεδιασμού του αισθητήρα και την πρόβλεψη αλληλεπιδράσεων φωτός-ιστού. Παρά την ελπιδοφόρα απόδοσή του, η ακρίβεια του αισθητήρα επηρεάστηκε από παράγοντες όπως τα επίπεδα ενυδάτωσης, η σκέδαση ιστών και οι εξωτερικές περιβαλλοντικές συνθήκες. Προσπάθειες για τη μέτρηση της γλυκόζης μέσω μέτρησης βιοεμπέδησης και παραμέτρων σκέδασης RF (S11 και S21) ανέδειξαν επαναλαμβανόμενες αλλά μη πειστικές συσχετίσεις με τα επίπεδα γλυκόζης. Τα ευρήματα της εργασίας, αναδεικνύουν τη δυναμική των οπτικών μεθόδων ενώ υπογραμμίζουν την ανάγκη για πολυπαραμετρικά συστήματα που αντιμετωπίζουν τους εγγενείς περιορισμούς των μεμονωμένων τεχνικών. Οι μελλοντικές ερευνητικές κατευθύνσεις περιλαμβάνουν την ενσωμάτωση οπτικών τεχνικών και τεχνικών βιοεμπέδησης σε ένα ενιαίο πλαίσιο, την αξιοποίηση της μηχανικής μάθησης για συγχώνευση δεδομένων και τη μείωση του θορύβου που προκαλείται από περιβαλλοντικούς και φυσιολογικούς παράγοντες. Αυτές οι περαιτέρω ερευνητικές προτάσεις αποσκοπούν στην επίτευξη ανθεκτικών, ακριβών και κλινικά βιώσιμων συστημάτων μη επεμβατικής παρακολούθησης γλυκόζης.
科研通智能强力驱动
Strongly Powered by AbleSci AI