糖尿病是当前威胁全球人类健康的最主要的非传染性疾病之一,其慢性并发症所致的死亡率在不断增加,给社会经济和公共医疗带来了巨大的负担。机体内血糖和胰岛素水平是糖尿病诊断和胰岛细胞功能评价的基本指标,二者的联合检测对于糖尿病诊断和分型、胰岛β细胞储备功能评估等问题具有重要意义,因此开发一种能够实现血糖和胰岛素耦合检测的便携式、商业化诊断设备将具有广泛的应用前景。本论文基于此问题,依据电化学检测原理,并结合机器学习分类算法,对血糖和胰岛素耦合检测问题进行了深入研究,并根据所测血糖和胰岛素浓度值,提出了可用于糖尿病初步诊断和分型的理论预测模型。具体工作如下:(1)深入挖掘血糖和胰岛素电化学检测原理,搭建了电化学测量分析平台,选择丝网印刷电极作为传感部件,并采用氢氧化镍和电沉积技术对工作电极进行修饰。通过扫描电镜对电极修饰效果进行表征,对修饰电极进行电化学阻抗谱实验,结果表明修饰电极具有良好的电活性,可用于葡萄糖与胰岛素的定量检测。(2)设计葡萄糖与胰岛素的电化学检测方案。从葡萄糖与胰岛素的生物结构出发,结合电化学原理,采用循环伏安法和时间电流法对葡萄糖与胰岛素溶液的浓度的进行测定。实验证明,上述所提出的电化学检测系统可以完成不同浓度的葡萄糖或胰岛素溶液的定量检测。其中葡萄糖检出限为45.9μM,灵敏度为11.12μA/mM;胰岛素检出限为138 nM,灵敏度为15.3μA/μM。(3)针对大量循环伏安实验数据,提取特征参数,构建特征数据集。基于此数据集,采用线性回归模型预测,得到了简单碱性混合溶液和复杂胎牛血清混合溶液中所含的葡萄糖和胰岛素浓度值。并验证了氢氧化镍修饰电极从混合溶液中检测葡萄糖和胰岛素的重复性和选择性。(4)基于特征数据集,采用逻辑回归、支持向量机、随机森林、Adaboost和K最邻近5种方法分别对糖尿病进行分型探索。结果显示,对1型、2型和妊娠糖尿病的综合分类正确率最高可达到98.02%。此外,采用准确度、精密度、重现性、F1-score4种评价参数对5种方法的分型效果进行了对比研究,结果表明逻辑回归和K最邻近在解决糖尿病分型上具有较好的效果,准确率分别达到了97%和98.02%。本文提出的基于电化学和机器学习的葡萄糖与胰岛素浓度检测方法,利用二者在混合溶液中的互相干扰特性进行浓度预测,在多物质检测领域是一种崭新的逆向思维,能够实现葡萄糖和胰岛素浓度的耦合检测,并能根据检测结果对糖尿病进行初步分型。该测量分析系统成本低、效率高、便携性强,在糖尿病的临床初步诊断、分型及家庭监护中具有广泛的应用前景。