阅读说明：本技术 非侵入式监测血糖的装置和方法 (Apparatus and method for non-invasive monitoring of blood glucose ) 是由 俞文伟 S·黄 奥姆卡尔 于 2018-11-14 设计创作，主要内容包括：一种非侵入式葡萄糖监测装置包括：至少一个微带传输线(MLIN)组件、信号输入组件以及浓度确定组件,所述至少一个微带传输线(MLIN)组件包括：微带线导体,所述微带线导体相对于接地面布置为使得用户的身体部位,例如手指或手腕可容纳在微带线导体和接地面之间限定的空间中,所述微带传输线组件具有输入端口；所述信号输入组件用于将输入信号发送到输入端口；所述浓度确定组件配置为：确定微带传输线组件的输出信号的至少一个参数；基于至少一个参数与至少一个相应的校准曲线的比较来确定用户的葡萄糖浓度。(A non-invasive glucose monitoring device comprising: at least one microstrip transmission line (MLIN) component, a signal input component, and a concentration determining component, the at least one microstrip transmission line (MLIN) component comprising: a microstrip line conductor arranged with respect to the ground plane such that a body part of a user, such as a finger or a wrist, can be accommodated in a space defined between the microstrip line conductor and the ground plane, the microstrip transmission line assembly having an input port; the signal input component is used for transmitting an input signal to the input port; the concentration determining component is configured to: determining at least one parameter of an output signal of the microstrip transmission line assembly; the glucose concentration of the user is determined based on a comparison of the at least one parameter to the at least one corresponding calibration curve.)

非侵入式监测血糖的装置和方法

技术领域

本发明涉及一种非侵入式监测血糖的装置和方法。

背景技术

近年来，糖尿病的患病率迅速增加，已成为世界范围内主要的死亡原因。尽管无法治愈糖尿病，但是血糖监测结合适当的药物可以提高治疗效率，缓解症状并减少并发症。

通常，葡萄糖仪是电化学的，需要血液样本作为输入。电化学葡萄糖仪是公认的最准确、最可靠的血糖测量设备，但是由于它们依靠手指刺入机制，因此具有侵入性，会给用户带来痛苦，并在长期使用后最终导致患者的神经系统受损。此外，糖尿病患者可能需要每天进行六次测量，每次进餐之前和之后各进行一次。

由于侵入式血糖测量的缺点，所以对一些非侵入式监测方法进行了研究。这些主要是为了使患者感到舒适，但是也可以提供连续的血糖水平监测的可能性，连续的血糖水平监测可以提供有关患者状况(例如低血糖状态和高血糖状态)的实时信息，从而能够及时指导饮食和适当的药物治疗。

先前已经提出了许多非侵入式葡萄糖监测的方法，包括光学、电化学、透皮和微波/RF技术。例如，在光学类别中，采用了广泛的技术，包括使用中红外光、拉曼光谱、光纤光学、表面等离振子体谐振干涉法和吸收光谱。它们仅适用于间歇性监测，因为它们通常体积庞大且笨重，因此不可穿戴，无法用于连续性监测。

在一些其他的非侵入式方法中，如果需要连续监测，感测目标可能会带来困难。例如，一种已知的设备通过分析吹入呼吸分析仪的受试者的呼吸中的代谢物来测量葡萄糖水平。这给连续监测带来了明显的困难。

另一种类型的已知设备使用微带传输线(MLIN)的边缘场来与感测的对象(即受试者的皮肤)形成电容器。这种类型的设备称为电容式边缘场传感器。它依靠通过MLIN的边缘场采集的干扰来测量皮肤真皮层的阻抗变化。利用边缘场的基于MLIN的阻抗谱依赖于以下事实：血液中葡萄糖水平的变化会改变目标部位组织的电学性质(介电常数和电导率)。先前已经发现，由于边缘场的穿透深度较低，基于MLIN的传感器的灵敏度通常较低。此外，除葡萄糖水平以外的其他因素(例如体温和水合作用)的变化也会使得目标部位的电学性质发生变化。

解决上述问题的一种方法是在用于葡萄糖监测的多传感系统中，将基于MLIN的传感器与其他传感器(例如汗液传感器、温度传感器等)结合使用。尽管以这种方式进行交叉检查可以有助于提高感测精度，但是增加传感器的数量会增加监测系统的物理尺寸，并给系统引入额外的误差和干扰源。

期望提供一种解决或减轻上述困难中的一个或更多个，或者至少提供有用的替代方案的葡萄糖监测装置和方法。

发明内容

在第一方面，本发明涉及一种非侵入式葡萄糖监测装置，其包括：

至少一个微带传输线组件，其包括微带线导体，所述微带线导体相对于接地面布置为使得用户的身体部位可容纳在微带线导体和接地面之间限定的空间中，所述微带传输线组件具有输入端口；

信号输入组件，其用于将输入信号发送到输入端口；以及

浓度确定组件，其配置为：

确定微带传输线组件的输出信号的至少一个参数；

基于至少一个参数与至少一个相应的校准曲线的比较来确定用户的葡萄糖浓度。

例如，输出信号可以是在输入端口处测量的反射信号。

微带线导体可以被图案化，并且可以例如包括以规则间距间隔开的多个重复单元。图案的各个单元可以是以下中的一个或更多个：矩形元件、交指电容器、曲折型电感器、或螺旋电感器。

在一些实施方案中，接地面也可以被图案化，或者可以代替微带线导体被图案化。

至少一个可穿戴的传输线组件可以是指环、指套、手环和/或脚环的形式。

在一些实施方案中，微带传输线组件的输出端口与负载进行端接。负载可以为开路、短路、阻抗匹配的负载、电容式负载或电感式负载。

至少一个参数可以包括根据输入阻抗和/或反射系数导出的至少一个参数。例如，至少一个参数可以包括以下中的一个或更多个：输入阻抗的实部、输入阻抗的虚部、输入阻抗的幅值、输入阻抗的相位、反射系数的实部、反射系数的虚部、反射系数的幅值和反射系数的相位。

在一些实施方案中，浓度确定组件配置为基于根据反射信号导出的多个参数确定葡萄糖浓度。

在一些实施方案中，微带传输线组件支撑在外壳内。信号输入组件可以在外壳内、从外壳延伸或附接到外壳。

浓度确定组件可以是存储在与至少一个处理器通信的非易失性存储装置中的计算机可读指令的形式。例如，非易失性存储装置和至少一个处理器可以设置在外壳内。

在另一方面，本发明提供了一种用于非侵入式地监测受试者的血糖浓度的方法，其包括：

将输入信号发送到微带线导体的输入，所述微带线导体相对于接地面布置以限定用于容纳受试者的身体部位的空间，所述微带线导体和接地面一起用作以受试者的身体部位作为基底的微带传输线；

测量来自微带传输线的输出信号；

确定输出信号的至少一个参数；

基于至少一个参数与至少一个相应的校准曲线的比较来确定用户的葡萄糖浓度。

测量输出信号的步骤可以包括例如在输入端口处测量反射信号。

至少一个参数可以包括根据输入阻抗和/或反射系数导出的至少一个参数，例如，包括以下中的一个或更多个：输入阻抗的实部、输入阻抗的虚部、输入阻抗的幅值、输入阻抗的相位、反射系数的实部、反射系数的虚部、反射系数的幅值和反射系数的相位。

在一些实施方案中，葡萄糖浓度可以基于根据输出信号导出的多个参数来确定。

附图说明

现在将仅通过非限制性示例的方式，参考附图来描述本发明的某些实施方案，其中：

图1是根据某些实施方案的葡萄糖监测装置的示意图；

图2示出了葡萄糖监测装置的微带传输线(MLIN)组件的一种配置；

图3示出了葡萄糖监测装置的MLIN组件的另一种配置；

图4示出了葡萄糖监测装置的MLIN组件的又一种配置；

图5是具有调制信号线和具有缺口的接地面的MLIN组件的示意图；

图6示出了根据某些实施方案的调制信号线的三个可能的重复单元；

图7是根据某些实施方案的调制信号线的重复单元的另一示例；

图8A是的用于测试根据某些实施方案的MLIN组件的实验装置的示意图；

图8B是用于测试根据现有技术的MLIN组件的实验装置的示意图；

图9示出了从图8A和图8B的测试装置得到的测量的|S₁₁|随频率的变化；

图10示出了对于图8A和图8B的测试装置，在谐振频率处测量的|S₁₁|(左纵轴)与浓度的关系以及谐振频率(右纵轴)与浓度的关系；

图11示出了根据某些实施方案的对于MLIN组件测量的相位(S₁₁)、Re(S₁₁)和Im(S₁₁)；

图12示出了根据某些实施方案的对于MLIN组件测量的|z₁₁|、相位(z₁₁)、Re(z₁₁)、Im(z₁₁)；

图13示出了(a)负载为50Ω，在100MHz-500 MHz处测量的|S₁₁|与频率的关系，以及|S₁₁|的灵敏度；(c)负载处开路，在1GHz-2 GHz处测量的|S₁₁|与频率的关系，以及|S₁₁|的灵敏度；(e)负载处短路，在1GHz-2 GHz处测量的|S₁₁|与频率的关系，以及|S₁₁|的灵敏度；

图14示出了当负载为50Ω时，在1.4GHz-1.9GHz的频带上，基于|S₁₁|的示例性的葡萄糖浓度估算过程的校准曲线；

图15示出了负载为50Ω，频率范围为1.4GHz-1.9GHz，(a)基于在单个频率范围内的单个参数的单个变量(示例性MLIN的|S₁₁|)的估算过程的估算误差；(b)基于在单个频率范围内的单个参数的单个变量(示例性MLIN的|S₁₁|)的估算过程的估算误差；(c)基于在单个频率范围内的单个参数的多个变量(示例性MLIN的S₁₁的实部、虚部、幅值和相位)的估算过程的估算误差；(d)基于在单个频率范围内的多个参数的多个变量(示例性sub MLIN的S₁₁和z₁₁)；

图16示出了当负载为50Ω时，在两个频率范围1.4-1.9GHz和100-500MHz上，基于|S₁₁|的估算误差；

图17示出了当负载为50Ω时，在1.4-1.9GHz的频率范围上，基于Im(S₁₁)的估算误差；

图18示意性地示出了根据某些实施方案的用于具有图案化的微带线导体的葡萄糖监测装置的测试装置；

图19示出了在低葡萄糖浓度下和高葡萄糖浓度下，对于图18的装置，|S₁₁|与频率之间的关系，以及对于具有未图案化的MLIN导体的葡萄糖监测装置，|S₁₁|与频率之间的关系；

图20示出了在低葡萄糖浓度下和高葡萄糖浓度下，对于图18的装置，|S₁₁|_min与葡萄糖浓度之间的关系，以及对于具有未图案化的MLIN导体的葡萄糖监测装置，|S₁₁|_min与葡萄糖浓度之间的关系；

图21示出了根据某些实施方案的葡萄糖监测装置的处理设备的示例性架构；以及

图22是根据某些实施方案的方法的流程图。

具体实施方式

一般而言，本发明的实施方案涉及基于微带传输线(MLIN)的葡萄糖传感器，其可定位在受试者上，使得受试者的皮肤形成MLIN的基底，即，皮肤直接暴露于微带线导体和接地面之间的MLIN的主要场。通常，传感器是可穿戴的，并且例如可以是指环、指套或手环的形式。可以从传输线的输出信号(例如，反射信号)的参数来推断受试者的葡萄糖水平。以此方式，传感器可以在传感器被穿戴时非侵入式地并且连续地测量葡萄糖水平。此外，由于感测的对象是传输线的基底，处于电磁场高度受限的区域，从而提高了传感器的灵敏度。

参照图1，以示意图的形式示出了葡萄糖监测装置100的示例。葡萄糖监测装置100包括：微带传输线(在本文中也称为微带线或MLIN)组件10，其包括与接地面14间隔开的微带线导体12，使得受试者的身体部位30可以插入到微带传输线组件10中，从而使身体部位30形成微带传输线组件10的基底。

微带线导体可以具有输入端口16和输出端口18。输出端口18可以与负载20进行端接。输入端口16和输出端口18的每一个可以包括例如SMA连接器，以便于将微带线导体连接到外部设备。在一些实施方案中，输入端口16和/或输出端口18可以直接连接到外部电路，而无需使用任何特殊的连接器。

输入端口16可以连接到信号输入组件110，用于生成输入信号并将其传输至MLIN组件10。在一些实施方案中，信号输入组件110还可以包括信号测量组件，用于采集来自传输线组件10的反射信号。例如，信号输入组件110可以是矢量网络分析仪或类似的信号生成/测量设备。

信号输入组件110可以通信地(例如，经由网络130)连接到至少一个外部处理器设备120，例如服务器计算设备，其配置为从MLIN组件10接收测量的反射信号，以根据反射信号导出一个或更多个参数，并将一个或更多个参数与各自的校准曲线进行比较，以估算受试者的葡萄糖水平，这将在后面更详细地描述。因此，处理器设备120用作浓度确定组件，其配置为从MLIN组件10接收输出信号，以将一个或更多个参数和/或参数分量与存储在处理器设备120的存储器中的一个或更多个校准曲线进行比较，并根据比较结果估算葡萄糖浓度。

尽管信号输入组件110和处理器120示出为物理上分离的组件，但是应当理解，它们可以存在于单个外壳内。例如，可以在存在于外壳中的一个印刷电路板(PCB)上实现信号生成和测量功能，而在另一个PCB上实现处理器。或者，可以在单个PCB上实现信号输入组件110和处理器120的所有功能。外壳可以具有延伸的引线，以将信号输入组件110和/或处理器120电连接到MLIN 10。

MLIN组件的一些具体配置如图2至图4所示。

在图2中，MLIN组件10为指套的形式，并且包括与接地面14间隔开的微带线导体12。微带线导体12的宽度大幅小于接地面14的宽度。微带线导体12具有弯曲的第一端16，以便在穿戴时钩在受试者的手指30的尖端，并且具有基本上平坦的第二端18。接地面14也是弯曲的，并且其轮廓被设计成大体上适应受试者指尖的下侧(即，与指甲相对的一侧)的形状。或者，接地面14的轮廓可以被设计成在穿戴MLIN组件10时大体上适应受试者指尖的指甲侧的形状，微带线12则沿着受试者指尖的下侧延伸。将微带线12放置在手指30的指甲侧可能更方便，因为这样可以根据需要便于微带12附接信号线。

在图3所示的另一种配置中，MLIN组件为指环40的形式。指环40包括微带线导体42，该微带线导体42在穿戴指环时围绕受试者的手指30延伸。微带线42与接地面44相对并与接地面44间隔开，接地面44同样围绕手指30延伸。微带线42具有可以施加输入信号的第一端46和可以与如图1所示的负载20进行端接的第二端(未示出)。

在图4所示的另一种配置中，MLIN组件为手环60的形式。手环60包括微带线导体62，该微带线导体62在穿戴手环时围绕受试者的手腕32延伸。微带线62与接地面64相对并与接地面64间隔开，接地面64同样围绕手腕32延伸。微带线62具有可以施加输入信号的第一端66和可以与如图1所示的负载20进行端接的第二端(未示出)。

在图2、图3和图4的每一个中，为清楚起见，仅示出了MLIN组件10、40、60的导体。实际上，导体可以承载在支撑结构上，例如刚性、半柔性或柔性支撑物。例如，支撑物可以是聚合物材料，导体固定在该聚合物材料上，或者导体嵌入该聚合物材料中。无论哪种情况，支撑结构都可以改善用户的舒适度，并且更容易使受试者的身体部位(例如手指或手腕)插入MLIN组件10、40或60的微带线和接地面之间，从而使身体部位实质性地作为MLIN组件10、40、60的介电基底。

在使用时，在输入端口处(例如在MLIN组件40的输入端46处)提供输入信号，并且测量反射信号(例如，使用信号输入组件110和/或处理器120)。由于受试者的身体部位处于MLIN组件中，因此它会面对MLIN组件的主要场。然后可以利用反射信号的特征以将在下面详细描述的方式来推断流过受试者身体部位的血液中的葡萄糖水平。在一些实施方案中，可以等效地测量透射信号而不是反射信号。

在一些实施方案中，调整微带线导体12(或42或62)和/或接地面14(或44或64)的结构可以是有利的。例如，如图5所示，其以高度示意性的形式示出了MLIN组件10，微带线12可以被图案化为具有重复单元，所述重复单元为以规则的间距间隔开的加宽(例如，矩形)部分13的形式。或者，此外，接地面14可以被图案化为使其具有以规则的间距间隔开的空隙15。微带线12和/或接地面14的图案化提高了葡萄糖传感器装置100的灵敏度，因为其确保了输入信号更频繁地穿过基底，从而增强了主要场与基底30的相互作用。优选地，加宽部分13和空隙15的中心彼此对准，以确保最佳性能。

图5中微带线的图案采用普通的正方形或矩形13的形式。将意识到，其他形状也是可以的。图6示出了一些示例。例如，图案化的微带线12的每个单元13可以是交指电容器(interdigital capacitor)602、曲折型电感器(meander inductor)604或螺旋电感器(spiral inductor)606的形式。

图案化的微带线导体的一种特别有利的形式在图7中示出，其中微带线导体700的重复单元为T形或Y形元件702的形式。每个重复单元702具有第一对平行腿部(leg)704，它们在T型接合点706处连接到第三腿部708。平行腿部704从T型接合点706沿着一个方向延伸，而第三腿部708从T型接合点706沿着相反的方向延伸。为了形成导电结构700，将第三腿部708设置在相同元件710的平行腿部714之间，并且用另外的T形导电元件(未示出)重复该结构。

有利地，当采用微带线导体700的结构代替图2的MLIN组件10的微带线12进行部署时，可以显著提高电场穿透进入微带线导体700及其对应的接地面14之间的基底30的能力。这可以使灵敏度比MLIN组件10的灵敏度高10倍。下面描述微带线导体700的一些实验测试。

图2、图3和图4中所示的具体示例适合于由受试者穿戴以监测受试者的葡萄糖水平。然而，将意识到，其他配置也是可以的。例如，诸如MLIN组件10的指套型设备可以安装在外壳中，受试者可以将他或她的手指插入该外壳中，从而使其紧贴在MLIN组件10内并形成MLIN组件10的介电基底。MLIN组件10可以以任何合适的方式支撑在外壳内。外壳还可以包括信号输入组件110和处理器120，使得葡萄糖监测装置基本上是自成一体的。

外壳本身可以是指套、指环或手环的形式，以便以合适的方式在外壳的内表面附近容纳微带线导体和接地面。例如，图3中所示的MLIN组件40的微带线导体42和接地面44可以嵌入或附接到环形外壳的内表面，使得在由受试者穿戴时接触受试者的皮肤。环形外壳还可以包括信号输入组件110、电源和至少一个处理器，例如处理设备120。在一些实施方案中，环形外壳还可以包括通信组件，用于将测量的信号(例如，原始的反射信号或应用了一些预处理的反射信号)发送到外部处理组件，以基于测量的信号估算葡萄糖浓度。通信组件可以例如经由WiFi或蓝牙无线地发送和接收数据，或者经由与外部处理组件的有线连接来发送和接收数据。类似的考虑适用于图2和图4中所示的MLIN组件10、60的其他配置。

本发明的实施方案可以包括一个或更多个以下特征：

·通过使用主要场感测葡萄糖水平，即，使用感测的对象作为MLIN的基底。

下面将基于主要场的葡萄糖感测与之前采用的边缘场方法进行比较。

·使用除了反射系数的幅值以外的感测参数，例如反射系数的其他分量，包括实部、虚部和相位，以及反射信号的其他参数，例如输入阻抗。

测试MLIN组件10、40、60

为了将本发明的某些实施方案的传感器与现有技术的传感器进行比较，建立并制造了模型，其中感测目标呈块状。在图8A中示意性地示出了实验模型。还建立并制造了比较模型，其是根据使用边缘场的基于现有的MLIN的解决方案进行配置的，并在图8B中进行了示意性显示。所有模型都是使用CST Computer Simulation Technology GmbH的CSTmicrowave studio建立的。

在图8A中，MLIN 812在感测的块体830(基底)的顶部运行，与块体830的距离为d，并且弯曲以便于在两端(输入端口816和输出端口818)连接至SMA(SubMiniature versionA)连接器。接地面814位于上述结构的背部。在下面的实验结果讨论中，上述结构称为葡萄糖基底MLIN(G-sub MLIN)。在图8B中，感测的块体850的尺寸与图8A中的块体相同。它放置在距MLIN 842(与接地面844相对布置)上方的距离d处，MLIN 842具有输入端口846和输出端口848，也与SMA连接器进行端接。FR4级材料用作MLIN的基底。在下面的讨论中，将图8B中的配置称为葡萄糖边缘场MLIN(G-FF MLIN)。

图8A和图8B中的结构是两端口结构。在每种情况下，端口2(输出端口818或848)都与负载进行端接。负载可以是开路、短路、匹配、电容式负载或电感式负载。可以在图8A和图8B的布置中测量的感测参数是反射系数(S₁₁)和输入阻抗(Z₁₁)，包括这些参数的不同分量，即，每个参数的实部、虚部、幅值和相位。

灵敏度s定义如下：

其中，P是感测参数。P可以是，例如，|S₁₁|、相位(S₁₁)、Re(S₁₁)、Im(S₁₁)、|Z₁₁|、相位(Z₁₁)、Re(Z₁₁)、Im(Z₁₁)。C是葡萄糖浓度。

G-sub MLIN的详细尺寸如图8A所示。MLIN 812的宽度为w，感测的溶液的块体830的尺寸为L′×W′×h，而接地面814的尺寸(面积)为W×L。G-sub MLIN制造为w＝2mm、d＝0.2mm、h＝15mm、W'＝25mm、L'＝20mm、W＝30mm、L＝65mm。MLIN的基底的材料是感测的块体830。高度h设定为15mm，以模仿手指的厚度。块体830包含待感测葡萄糖水平的溶液。该溶液可以是具有不同葡萄糖浓度的0.9％NaCl溶液。

图8B中的G-FF MLIN结构对应于先前已知类型的基于电容式边缘场的MLIN传感器。将MLIN 842的宽度设定为2mm进行制造。基底是FR4级材料，介电常数为4.1，厚度(h)为2mm，长度L＝30mm，宽度W＝35mm。将具有与G-sub MLIN情况相同的尺寸(h＝15mm、L'＝20mm、W'＝25mm)的电介质块体850放置在距MLIN上方的距离d＝0.2mm处。该电介质块体850的材料是感测的溶液。

进行实验来研究上述结构对血液中葡萄糖浓度变化的灵敏度。在这项研究中，使用不同葡萄糖浓度的氯化钠(NaCl)溶液(0.9％)来模拟不同葡萄糖水平的血液，因为已知这种类型的溶液具有与血液相似的电磁特性。制备了7种不同的NaCl(0.9％)样本，各自的浓度分别为5000、2500、1250、625、312、156和78mg/dL。为了制备样本，使用了0.9％NaCl溶液(Baxter)和D-葡萄糖(99.5％，Fluka)。使用Rohde&Schwarz ZVH8矢量网络分析仪测量S₁₁。

图9(a)和图9(b)示出了对于不同葡萄糖浓度的NaCl，分别测量的G-sub MLIN 810和G-FF MLIN 840的|S₁₁|与频率的关系。上述结构显示出谐振的频率范围是1.4GHz至1.9GHz。负载为50Ω。从图9(a)和图9(b)中可以看出，浓度的变化使得上述结构的谐振在幅值(|S₁₁|_min)和谐振频率(f₀)方面发生变化。为了进一步研究灵敏度，分别绘制了G-subMLIN 810和G-FF MLIN 840的|S₁₁|_min和f₀与浓度的关系的曲线，如图10(a)和图10(b)所示。|S₁₁|_min的绘图范围是3.5dB，f₀的绘图范围是7MHz。

清楚地显示出，图10(a)中G-sub MLIN 810的|S₁₁|_min和f₀的变化都比图10(b)中G-FF MLIN 840的|S₁₁|_min和f₀的变化陡得多。这表明G-sub MLIN 810的灵敏度比G-FF MLIN840高得多。这是由于以下情况：感测的对象与Gsub MLIN 810中MLIN的主要场相互作用。这比对象在G-FF MLIN 840中所面对的边缘场强得多。

此外，如图10(a)所示，G-sub MLIN 810的两个参数的变化都是单调的，而对于GFFMLIN 840，如图10(b)所示，|S₁₁|_min相对于浓度的变化是凹形的，而f₀相对于浓度的变化是起伏的(波动的)。

由于较少的模糊性，所测量的参数的单调变化倾向于提供较高的感测精度。凹形或波动的情况对于感测是模糊的。对于所关注的整个葡萄糖浓度范围，模糊的校准曲线不是优选的，因为它们会导致较低的感测精度。

使用公式(1)计算图10(a)和图10(b)中|S₁₁|曲线的灵敏度。表I中示出了最大灵敏度、最小灵敏度和平均灵敏度(|s|_max、|s|_min和|s|_ave)。

表I.G-sub MLIN和G-FF MLIN的|S₁₁|的灵敏度(dB/(mg/dL))

如表I所示，G-sub MLIN的所有值至少比相应的G-FF MLIN的灵敏度高10倍。此外，G-sub MLIN的灵敏度的平均值为1.80×10^-3mg/(dL)，比先前提出的一种图案化的MLIN传感器的平均值高约10倍(参见V.Turgul和I.Kale，Sensors，18665(R1)，1，2017，其报道了在较低浓度下灵敏度为2.21×10^-4mg/(dL))，并且可以与先前提出的另一种图案化的MLIN传感器相当(参见Harnsoongnoen等人，IEEE Sensors Journal 17.6(2017)：1635-1640，其报道了在较高浓度下灵敏度为2×10^-3mg/(dL))。对于先前提出的这两种基于MLIN的传感器，均使用边缘场进行感测。

G-sub MLIN的灵敏度显著提高的原因是放置感测的目标的位置。在G-sub MLIN中，感测的目标溶液用作MLIN的基底，此处的电磁场是高度受限的，而在G-FF MLIN的情况下，目标溶液仅与比主要场弱得多的MLIN的边缘场相互作用。G-sub MLIN 810的基底中的场与空气中的场(边缘场)相比是高度受限的，这是由于接地面的位置以及基底与空气相比具有更高的介电常数。因此，当感测的目标物用作信号线和接地面之间的基底时，葡萄糖浓度的变化会对MLIN的特性产生重大影响。因此，可以显著改变MLIN的参数，例如反射系数(S₁₁)、输入阻抗(Z₁₁)、透射系数(S₂₁)和特性阻抗(Z₀)等。

如图9和图10所示，就|S₁₁|而言，G-sub MLIN结构810显示出比G-FF MLIN 840高得多的灵敏度。我们还研究了G-sub MLIN 810的S₁₁的其他分量的灵敏度。图11(a)-图11(c)示出了测量的相位(S₁₁)、Re(S₁₁)，Im(S₁₁)与频率(1.4GHz-1.9GHz)的关系，图11(d)-图11(f)示出了这些参数在所关注的频段上的最大值(max)/最小值(min)随浓度的变化以及相应的频率随浓度的变化。在某个参数在频率范围上同时具有最大值和最小值(例如在图11(c)中)的情况下，则选择两者中的较陡峭的值(即，对于二阶导数，幅值最大的那个参数)。这提供了相对较高的灵敏度。如图11(d)-图11(f)所示，S₁₁的相位、实部和虚部随着浓度的变化而单调变化。在图11(d)-图11(f)中，相位(S₁₁)在10°的范围内，Re(S₁₁)和Im(S₁₁)的比例在0.5的范围内。比较S₁₁的这四个分量，可以看出它们都对葡萄糖浓度的变化敏感，并且可以彼此区分。记录物理值(|S₁₁|、相位(S₁₁)、Re(S₁₁)，Im(S₁₁))的频率的变化，它们的绘制范围都在7MHz内。除了|S₁₁|以外，曲线都不是单调的。如所讨论的，它们并不都适合于在整个关注的范围上精确地估算葡萄糖浓度，但是它们可以适合于在局部的小范围上进行估算。

归一化的输入阻抗(z₁₁，其中z₁₁＝Z₁₁/Z₀)可以直接测量，也可以根据测量的S₁₁计算得出。公式(2)示出了z₁₁和S₁₁之间的关系。

图12示出了z₁₁、相位(z₁₁)、Re(z₁₁)和Im(z₁₁)在1.4GHz-1.9GHz的频段上的最大值/最小值随着浓度的变化。同样，在同时存在最大值和最小值的情况下，选择更陡峭的情况。在每个图中，还绘制了参数值的对应频率。在图12中，|z₁₁|在0.5Ω的范围内，相位(z₁₁)在10°的范围内，Re(z₁₁)和Im(z₁₁)在0.5Ω的范围内。z₁₁的四个分量的变化都是单调的，并且彼此独立。记录的频率变化以相同的范围(7MHz)绘制。如图所示，只有Re(z₁₁)和Im(z₁₁)表现出单调递减。

比较图10(a)和图11(d)-图11(f)所示的S₁₁的灵敏度以及图12所示的z₁₁的灵敏度，物理值和对应的频率的灵敏度都显示出可区分的趋势和陡度，显示出使用多个变量交叉检查进行感测的可能性。如将在下面更详细地描述的，当使用来自相同结构的相同参数的不同感测分量或者来自相同结构的不同参数的不同感测分量进行交叉检查时，可以开发算法来证明感测精度的提高。

研究了所提出的MLIN配置在不同频带上的灵敏度，以及当负载变为开路和短路时的灵敏度。图13(a)-图13(b)示出了在100MHz至500MHz频带上测量的S₁₁的幅值与频率的关系及其灵敏度。选择该频率范围是因为其落入已知分子与波相互作用的范围内(参见A.Caduff等人，“First human experiments with a novel non-invasive，non-opticalcontinuous glucose monitoring system”，Biosensors and Bioelectronics，209-217，2003)。在图13(b)中，|S₁₁|_min的竖直范围为3.5dB，频率范围为7MHz，其设定为与图10相同。与1.4–1.9GHz频带上的|S₁₁|的灵敏度相比，同一结构在MHz范围上的灵敏度要低得多。尽管Caduff等人讨论了MHz的范围会比较敏感，因为它包括低频、β色散和直流电导率的影响，还避免了高频问题，例如在组织中的电极极化和来自α色散的巨大信号，由于感测设备(其中，感测的对象形成了MLIN的基底)的结构，对于本发明的实施方案而言，最佳感测频率范围实际上处于较高的频率范围。

图13(c)和图13(d)示出了当负载20为开路时测量的|S₁₁|与频率的关系以及|S₁₁|的灵敏度。频率范围略微扩大到1-2GHz，以采集谐振。为了便于比较，图13(d)中|S₁₁|_min的范围设定为3.5dB，与图10相同。频率范围是15MHz以采集变化。将图13(d)与图10(a)进行比较，当负载从50Ω变为开路时，|S₁₁|_min的灵敏度大大降低。另一方面，在开路负载的情况下，由于浓度的变化而引起谐振频率的较大偏移，如图13(d)所示。当负载20变为短路时的结果示于图13(e)和图13(f)。频率设定为1-2GHz以采集谐振。在图13(f)中，将|S₁₁|_min的范围设定为25dB，将f₀的范围设定为35MHz以包括变化。可以看出，这两种变化的范围都比先前提出的方案所获得的变化的范围要大得多。但是，趋势不是单调的。

在图13中，可以看出，当频率范围或负载发生变化时，G-sub结构的灵敏度会急剧变化。将图13(b)、图13(d)和图13(f)与图10(a)进行比较，相同的参数在不同情况下显示出完全不同的葡萄糖浓度依赖性。因此，可以通过交叉检查多个参数和参数的多个分量来获得灵敏度的提高。下面将更详细地讨论在负载为50Ω时使用来自两个频率范围的数据进行交叉检查的示例。

为了研究使用多个参数和/或参数分量对灵敏度的影响，提出并测试了用于单变量估算(使用某个参数的单个分量进行估算)和多变量估算(使用一个参数或多个参数的多个分量进行估算)的算法。对于相同设置(相同的负载和相同的频率范围)的不同参数和不同设置(不同的负载和不同的频率范围)，从对图8A和图8B的G-sub 810和G-FF 840的结构进行的实验中，收集了用于估算葡萄糖浓度的数据集。

对于测试，实施了伪测试样本生成算法以生成由表示的测试样本，其中p_ih表示第i个MLIN参数的第h个分量，Δf_j表示第j个频率范围，c_k代表第k个浓度。图14示出了当负载为50Ω时，在1.4-1.9GHz的频率范围上，基于|S₁₁|的测试样本生成过程。对于每个要检查的葡萄糖浓度c_k，算法生成的测试样本的|S₁₁|的值在偏差内，该偏差为该浓度下|S₁₁|的最大值和最小值之间的差的5％，由图14中的竖直误差条表示。该算法的详细信息包括在下面。

根据用于估算的MLIN参数的分量的数量、MLIN参数的数量和频率范围的数量，用于葡萄糖浓度估算的算法可以分类如下。

算法1：单变量或单个变量估算(SV)法，用于单个参数的单个分量、单个频率范围(SCSP-SF)；

算法2：多变量估算(MV)法，用于以下情况：

·单个参数的多个分量、单个频率范围(MCSP-SF)，

·多个参数的多个分量、单个频率范围(MCMP-SF)，

·单个参数的多个分量、多个频率范围(MCSP-MF)，

·多个参数的多个分量、多个频率范围(MCMP-MF)；

算法3：利用Bin校正(MV-BC)的多变量估算法，其含义和必要性将在下面说明。

对于SV，通过将测试样本与从一个频率范围的实验中收集的单个参数的数据集进行匹配来进行估算。图14示出了在负载为50Ω(频率范围1.4-1.9GHz)时，使用|S₁₁|的校准曲线的一个示例。

在这种情况下，|S₁₁|与浓度之间的关系是单调的。水平误差条显示由于感应的扰动而导致的最大可能浓度的估算误差，它对应于竖直误差条。

对于MV，例如在MCSP-SF的情况下，对于单个频率下的单个参数，使用不同的分量(例如，参数的实部、虚部、幅值和相位)来估算葡萄糖浓度。使用连接所有变量中具有最大梯度的变量的两个相邻的浓度点(例如，从156mg/dL到312mg/dL)的线段(bin)来计算葡萄糖浓度。注意，利用对应于每个分量p_ih的最小浓度值的参数值来标准化该分量p_ih的线段的梯度。

MCMP-SF、MCSP-MF和MCMP-MF的情况与MCSP-SF的情况相似。对于MCMP-SF，对于频率范围Δf_j，使用包括多个参数的多个变量的测量数据进行估算。对于MCSP-MF，对于每个特定的p_ih，使用对应于多个频率的数据来估算葡萄糖浓度。对于MCMP-MF，不是仅使用MCSP-MF中的单个MLIN参数的数据集，而是对所有特定的MLIN参数进行最大梯度和浓度值匹配的探索。对于用于估算葡萄糖浓度的灵敏度曲线，尽管它是单调的，如图14所示，但是由于扰动，所选择的用于计算葡萄糖浓度的线段可能与预期的线段不同。在这种情况下，提出bin校正如下。

假设对于每个测试样本点，偏差(即MLIN参数数据集的最大值和最小值)和频率、计算偏差的比例(即5％等)和已知，使用正偏差和负偏差计算预期的左估算误差和预期的右估算误差。然后，将以竞争方式确定用于最终葡萄糖浓度匹配的bin，即选择预期的误差总和较小的bin。详细的算法如下。通过将模型中估算浓度与实际浓度之差相加计算出误差。

使用伪测试样本生成算法生成5000个样本。将提出的单变量和多变量算法应用于估算葡萄糖浓度。图15示出了基于Gsub MLIN的测量的S₁₁和z₁₁以及基于G-FF MLIN的测量的S₁₁和z₁₁的葡萄糖浓度的估算误差，以进行比较。负载为50Ω，频率范围为1.4-1.9GHz。不同颜色的条示出了不同浓度的估算误差。图15(a)和图15(b)分别示出了对于G-sub MLIN和G-FF MLIN，基于在单个频率范围上的单个参数的单个变量(|S₁₁|)(SVSP-SF)的估算误差。图15(a)的竖直范围为0-160，图15(b)的竖直范围为0-3500。比较图15(a)和图15(b)，与G-FF结构840相比，G-sub结构810具有更高的估算精度，这是由于在感测的对象用作MLIN的基底时，G-sub结构810的灵敏度更高。这再次成功地表明了所提出的MLIN配置对葡萄糖感测的灵敏度更高。此外，从图15(a)中可以看出，与高浓度相比，G-sub结构在低葡萄糖浓度下显示出更高的精度，而G-FF结构正相反。

图15(c)和图15(d)分别示出了负载为50Ω时G-sub MLIN基于在单个频率范围上的单个参数的多个变量(S₁₁的实部、虚部、幅值、相位)(MVSP-SF)的估算误差，以及基于在单个频率范围上的多个参数(S₁₁和z₁₁)的多个变量(MVMP-SF)的估算误差。比较图15(a)和图15(c)，当使用单个参数的多个分量进行估算时，精度显著提高。如图15(d)所示，当使用多个参数时，精度进一步提高。

除了单个频率范围的方法以外，还测试了多个频率范围的方法。图16示出了当使用在1.4–1.9GHz和100-500MHz的频率范围上测量的|S₁₁|时的估算的浓度误差。比较图16和图15(a)，很明显，将来自另一个频率范围的数据添加为附加参考数据有助于提高某些浓度下的精度。可以观察到，改进并不明显，这是由于所测试的结构在附加的频率范围上的灵敏度较低(参见图13(b))。

因此，从上面讨论的实验结果可以看出：

·通过使感测的对象用作MLIN的基底，就可以实现更高的|S₁₁|的灵敏度。例如，可以实现1.8×10^-3dB/(mg/dL)的平均灵敏度，其比G-FF结构840高10倍。

·可以通过使用多个参数和/或多个参数的分量来增强G-sub结构810的灵敏度。例如，S₁₁和z₁₁的每个分量都显示出随着葡萄糖浓度变化的可区分趋势，从而有助于交叉检查推测的葡萄糖浓度。此外，在不同频带上灵敏度与浓度的关系以及在不同负载下灵敏度与浓度的关系显示出独立性，这对于交叉检查也很有用。这些发现很重要，因为它们表明可以在不增加其他传感器元件的情况下提高灵敏度，增加其他传感器元件会引入额外的误差源，额外的干扰并需要额外的电路空间。

在上述实验研究中，研究了具有未图案化的MLIN和完美接地面的配置810，主要是为了与它的利用边缘场的配置840进行比较。但是，如上所述，通过将图案引入MLIN和/或接地面，使得与电磁波的相互作用可以通过图案化结构增强，可以显著提高灵敏度。

本发明的某些实施方案的设备是非侵入式的并且可以是可穿戴的。从而支持连续监测。如前所述，如图2和图3所示，感测的对象可以是葡萄糖浓度水平可能会发生变化的手指。信号输入可以在手指的尖端16引入，而在MLIN的另一端18可以引入不同的负载。例如，负载可以是开路。所提出的配置的一个或更多个可以例如装配在指套中以成为用于连续监测的可穿戴设备。

测试具有图案化的微带线700的MLIN组件

参照图18，使用具有不同葡萄糖浓度(D-葡萄糖，C₆H₁₂O₆，Sigma-Aldrich)的0.9％的NaCl水溶液(B.Braun Medical Industries)来测试所提出的使用微带线700的传感器1800的灵敏度。将该溶液存放在0.6mL带刻度的微管1804(Scientific Specialties，Inc.(SSI)，美国)中以进行测量。

通过利用3D打印制造外壳结构1802来构建测试传感器1800。外壳结构1802容纳作为基底的具有NaCl的微管1804，并支撑信号线700和接地面14的布局。对于外壳1802，壁厚为1.5mm，总高度为31mm(圆锥体的高度为11mm，圆柱体的高度为20mm)，材料为HP 3D高重用性PA 12(ε_r≈4.4，σ≈0S/m，已认证用于医疗设备)。将两个狭缝引入圆柱体，以提供管1804的尺寸变化的公差。信号线和接地面是分别利用PCB蚀刻在柔性薄膜(聚酰亚胺，ε_r≈3.4，σ≈0S/m，厚度为0.1mm)上制造的铜(1盎司)。将它们剪切并粘贴到3D打印的外壳上。T形图案的尺寸(参见图7)为：W₁＝0.11mm、W₂＝0.32mm、W₃＝0.17mm、L₁＝2.1mm、L₂＝2.3mm。两种MLIN结构的微带线的宽度均为W＝0.57mm。信号输入是通过超小型(SMA)连接器1806从管的尖端引入的。外壳中包括用于SMA连接器的支架，用于在连接器、信号线和接地面之间准确定位，并确保传感器的鲁棒性。传感器的另一端是开口的圆柱体，可以插入管。沿着圆柱体的周缘，可以在信号线和地面之间引入不同的负载。在这项研究中，选择了开路。制造并测量了MLIN中没有图案化的另一个传感器，以进行比较。

总共准备了十二个样本来测试传感器的灵敏度。每个样本均以0.9％的NaCl水溶液和D-葡萄糖粉的精确比例制备为不同浓度的葡萄糖。样本分为两组。一组具有较低的浓度范围，从0至120mg/dL，步长为20mg/dL。另一组具有较高的浓度范围，从100至600mg/dL，步长为100mg/dL。

SMA连接器1806连接到矢量网络分析器1810(VNA，Keysight N5249B)的端口1(1811)。测量进行了五次，并将结果取平均值以进行进一步分析。|S₁₁|随着对应的葡萄糖浓度(表示为C)变化的变化用作感测参数，S＝Δ|S₁₁|/ΔC，用于评估传感器1800的灵敏度。

图19(a)和图19(b)分别示出了在低浓度下，对于所提出的具有图案化的微带线700的传感器1800，平均的|S₁₁|与频率的关系，以及对于MLIN传感器(在MLIN中没有图案化)，平均的|S₁₁|与频率的关系。谐振频率分别为7.8GHz和6GHz。MLIN和所提出的结构1800的平均品质因子(Q因子)分别为9和15。与谐振器相比，带宽要宽得多。可以看出，MLIN中的图案化使得谐振漂移得更高。在两种情况下都观察到|S₁₁|的最小值随着葡萄糖浓度的增加而降低。此外，当浓度增加时，谐振频率会漂移得更高。图19(c)和图19(d)示出了高浓度下的测量结果。对于两种结构，就谐振频率和|S₁₁|_min而言都观察到相同的趋势。

图20示出了每个浓度下记录的|S₁₁|_min。将线性回归应用于数据。曲线的斜率表示结构的灵敏度，单位为dB/(mg/dL)。图20的第一行示出了在低浓度下，未图案化的MLIN(左侧)的结果，以及所提出的结构1800(右侧)的结果。未图案化的MLIN和T形图案化的MLIN分别产生1.8×10^-3dB/(mg/dL)和1.2×10^-2dB/(mg/dL)的斜率。这意味着所提出的具有图案化的微带线700的结构1800的灵敏度是未图案化的MLIN 12的灵敏度的大约10倍。在高浓度下，所提出的结构1800显示出5.4×10^-3dB/(mg/dL)的斜率，其是未图案化的MLIN结构的斜率(1.8×10^-3dB/(mg/dL))的三倍。与相同感测配置的未图案化的MLIN相比，所提出的结构1800显示出高得多的灵敏度，尤其是在低葡萄糖浓度下。

与没有任何图案的MLIN相比，所提出的MLIN显示出高得多的灵敏度，在低葡萄糖浓度下灵敏度大约为10倍，在高浓度浓度下灵敏度为3倍。对于相同的浓度，上述灵敏度远高于基于MLIN的最先进的传感器，与基于谐振的微带线传感器相当并具有增强的鲁棒性，即，具有更宽的频带并且显著减轻了来自压力和定位的误差源。

用于生成测试样本的伪测试样本生成算法

对于测试，实施了伪测试样本生成算法。假设可以使用表示数据集，其中，p_ih表示第i个MLIN参数的第h个分量，Δf_j表示第j个频率范围，c_k表示第k个浓度。对于每个Δf_j范围，找到和对于每个生成具有给定偏差值的多个随机测试值(扰动)RV。扰动RV的概率密度假设为高斯型。通过高斯函数和白噪声函数之间的比较来研究概率密度函数的影响。

其中，r是与数据集的最大值和最小值之差的比例。对于所研究的每个浓度，测试样本为

图17示出了基于负载为50Ω，频率范围为1.4-1.9GHz时，测量的S₁₁的虚部生成的测试样本的一个示例。横轴是葡萄糖浓度，单位为mg/dL。在图17中，竖直误差条表示在相同葡萄糖浓度下的偏差，水平误差条表示由于感应的扰动导致的相应的浓度的估算误差。

bin校正算法

对于特定的参数p_ih和频率范围Δf_j，给定数据集的最大值和最小值之间的差值的比例(r，例如为5％)以及使用表示的仿真数据集：

1)多变量测试样本是包括特定浓度C下的不同参数和不同频率的分量的测试样本矢量。

2)对于多变量测试样本的每个分量将其扩展为一对，如下：和

3)上述对用于查找模型点，以获得预期的左估算误差e_L和预期的右估算误差e_R。对误差求和以获得总的预期的估算误差e_t＝e_L+e_R。显然，e_t的值越大，估算的可靠性越低。

4)计算来自的所有分量的所有e_L和e_R，并将e_L和e_R的最大值相加以获得总和的预期的估算误差e_S。

5)使用单个参数的多个频率中具有最小e_S的bin或者多个参数的多个频率中具有最小e_S的bin，用于葡萄糖浓度的最终估算。

处理器设备120

现在参照图21，示出了处理器设备120的示例性架构。如上所述，处理器设备120是浓度确定组件或包括浓度确定组件，该浓度确定组件接收来自MLIN组件10的原始的或预处理的输出信号(例如响应于由信号输入组件110提供的输入信号而在输入16处测量的反射信号)，将根据输出信号导出的一个或更多个参数与一个或更多个对应的校准曲线进行比较，并根据比较结果确定估算的葡萄糖浓度。

在该示例中，处理器设备120是服务器计算系统。在一些实施方案中，服务器120可以包括通过通信链路130(例如通过局域网或诸如因特网的广域网)彼此通信的多个服务器。服务器120可以使用标准通信协议(例如，无线通信协议)通过通信链路130与葡萄糖监测装置100的其他组件(通常，信号输入110和/或与信号输入110通信的另一处理设备)进行通信。

服务器120的组件可以以多种方式配置。这些组件可以完全由在标准计算机服务器硬件上执行的软件来实现，标准计算机服务器硬件可以包括一个硬件单元或分布在各个位置的不同的计算机硬件单元，其中一些可能需要通信网络130进行通信。许多组件或部件也可以通过专用集成电路(ASIC)或现场可编程门阵列来实现。

在图21所示的示例中，服务器120是基于32位或64位Intel体系结构的可商用的服务器计算机系统，并且由服务器120执行或进行的过程和/或方法以以下形式实现：在与服务器120相关联的非易失性(例如，硬盘)计算机可读存储装置2124上存储的一个或更多个软件组件或模块2122的编程指令。或者，软件模块2122的至少部分可以实现为一个或更多个专用硬件组件，例如专用集成电路(ASIC)和/或现场可编程门阵列(FPGA)。

服务器120包括一个或更多个以下标准的、可商用的计算机组件，所有这些组件均通过总线2135互连：

(a)随机存取存储器(RAM)2126；

(b)至少一个计算机处理器2128；以及

(c)外部计算机接口2130：

(i)通用串行总线(USB)接口2130a(其中至少一个连接到一个或更多个用户接口设备，例如键盘、定点设备(例如鼠标2132或触摸板)；

(ii)网络接口连接器(NIC)2130b，其将计算机系统120连接到数据通信网络130；以及

(iii)显示器适配器2130c，其连接到诸如液晶显示(LCD)面板设备的显示设备2134。

服务器120可以包括多个标准软件模块，包括操作系统(OS)2136(例如，Linux或Microsoft Windows)。

有利地，数据库2116形成计算机可读数据存储装置2124的一部分。或者，数据库2116位于图21所示的服务器120的远端。数据库2116可以存储供软件模块2122使用以执行特定功能的数据。例如，诸如在图10-图14、图17和图20中所示的那些校准曲线可以存储在数据库2116中。

软件模块1622中的模块和组件之间的边界仅是示例，并且替代性的实施方案可以合并模块或采用模块功能的替代分解。例如，本文讨论的模块可以分解为子模块以作为多个计算机进程执行，并且可选地，可以在多个计算机上执行。而且，替代性的实施方案可以组合特定模块或子模块的多个示例。此外，根据本发明，可以组合操作或者可以将操作的功能分布在附加的操作中。或者，可以在实施这种功能的电路结构中实施这些动作，例如复杂指令集计算机(CISC)的微代码、编程为可编程或可擦除/可编程设备的固件、现场可编程门阵列(FPGA)的配置、门阵列或全定制专用集成电路(ASIC)的设计等。

服务器120的处理(例如，图22中所示的步骤2200)的流程图的每个方框可以由(软件模块2122的)模块或模块的一部分执行。上述步骤可以在用于配置计算机系统以执行所述方法的非易失性机器可读和/或计算机可读介质中实施。软件模块可以存储在计算机系统存储器内和/或发送到计算机系统存储器以将计算机系统配置为执行模块的功能。

服务器120通常根据程序(内部存储的指令列表，例如特定应用程序和/或操作系统)处理信息，并经由输入/输出(I/O)设备2130产生结果输出信息。计算机进程通常包括执行(运行)程序或程序的一部分、当前程序值和状态信息，以及操作系统用来管理进程执行所使用的资源。父进程可以生成其他子进程，以帮助执行父进程的整体功能。因为父进程专门产生子进程以执行父进程整体功能的一部分，所以有时可以将由子进程(和孙进程等)执行的功能描述为由父进程执行。

服务器120的软件模块2122可以包括如上所述的浓度确定组件。软件模块2122还可以包括用于使信号输入组件110将输入信号发送到MLIN组件10的输入16的控制模块。例如，控制模块可以配置为使信号输入组件110发送变化频率的输入信号。在一些实施方案中，控制模块可以请求信号输入组件110以规则的间隔将输入信号发送到MLIN组件10，以便基本连续地监测与MLIN组件10接触(例如，通过穿戴)的受试者的葡萄糖水平。

尽管在图1和图21中示出了单独的服务器计算系统120，但是应当理解，处理设备120的一些或全部功能也可以在包含在基本上自成一体的设备的外壳中的硬件组件中实现。例如，如果MLIN组件10和信号输入组件110包含在如上所述的指套形、指环形或手环形的外壳中，则浓度确定组件可以具有与服务器120相似的架构，但是要省略诸如USB 2130a和键盘/鼠标2132的某些硬件组件，以便小型化为可穿戴设备。或者，浓度确定组件可以包括软件指令，该软件指令存储在可穿戴设备的存储器中并且可以由可穿戴设备的处理器执行。

参照图22，示出了用于监测受试者的血糖浓度的方法2200的流程图。图22的流程图的一个或更多个方框可以由信号输入组件110和/或处理设备120(诸如图21的服务器120)来实施。

方法2200包括将输入信号发送至微带线导体的输入的第一步骤2210。如上所述，微带线导体(例如，微带线导体12、42或62)相对于接地面(例如14、44或64)布置以限定用于容纳受试者的身体部位(例如受试者的手指或手腕)的空间。微带线导体和接地面共同用作微带传输线，并且微带传输线的介电基底是受试者的身体部位。

接下来，执行测量来自微带传输线的输出信号的步骤2220。例如，输出信号可以是在微带传输线的输入端口处测量的反射信号。

在2230，执行确定微带传输线组件的输出信号的至少一个参数的步骤。例如，该步骤可以由浓度确定组件(例如，服务器120或服务器120的软件或硬件模块)执行。在一些实施方案中，所述至少一个参数可以是反射系数、输入阻抗或根据那些参数中的一个或两个导出的另一参数。所述至少一个参数可以是反射系数或输入阻抗的实部或虚部、相位或幅值。

在2240，执行基于至少一个参数与至少一个相应的校准曲线的比较来确定用户的葡萄糖浓度的步骤。该步骤由浓度确定组件(例如，服务器120或服务器120的软件或硬件模块)执行。例如，如果参数是反射系数的虚部，则可以使用Im(S₁₁)的值从图17所示的校准曲线或者通过除上述手段以外的其他手段生成的另一条相似的校准曲线中读取对应的葡萄糖浓度。

在整个说明书中，除非上下文另外要求，否则词语“包括”以及诸如“包括了”和“包括有”的变体应理解为意指包括所述数值或步骤或者数值或步骤的组，但不排除任何其他的数值或步骤或者数值或步骤的组。

在本说明书中对任何现有技术的引用不是并且不应被认为是承认或以任何形式暗示现有技术形成公知常识的一部分。