糖尿病是一种伴随患者终生的代谢紊乱疾病,它不仅对人们的生命健康造成严重威胁,而且也会对社会造成巨大的经济负担,每年被诊断为糖尿病的人数在快速增加,并且这种迹象没有任何放缓的趋势,而有创伤检测血糖浓度的方式不利于糖尿病的监控和数字化管理。因此,本文研究的腕式无创血糖仪在糖尿病无创血糖筛查和监控方面具有重要意义。本文将人体手腕作为测量位置,以能量代谢守恒法测量血糖浓度为系统检测原理,采用多传感器融合技术,研制了一款可穿戴的腕式无创血糖仪。利用多个传感器采集腕部的温度、湿度、热辐射温度、光电容积脉搏波以及腕部周围环境中的温湿度,通过获取以上数据来计算腕部代谢率、血氧饱和度、脉率和血流速度,利用这些生理参数来估计血糖水平。仪器采用低功耗的STM32F103芯片作为微控制器,硬件部分包括单片机最小系统电路、反射式光电生物传感器电路、温湿度传感器电路、热辐射温度传感器电路、显示单元电路以及电源驱动电路。利用3D打印技术设计并制造多传感器集成检测探头,实现可穿戴式设计。软件部分则主要使用C语言编写出控制和采集各传感器数字信号的程序、各项生理参数的获取算法和OLED屏实时显示血糖值。前期通过采集大量数据,在上位机分别验证了基于多元线性回归模型预测血糖浓度和基于BP神经网络模型预测血糖浓度的预测效果,实验结果证明,这两种模型具有良好的预测性能,且BP神经网络效果更好。召集20名志愿者,设计餐后2小时的样机检测实验,以针刺式血糖仪Accu-Chek?Performa作为对比仪器,进行样机检测结果准确度分析,发现绝对误差的范围为-0.72～0.49mmol/L,大部分检测结果的绝对误差在0.5mmol/L以内,相对误差在-11.67%～10.91%之间,检测结果都位于克拉克误差栅格的A区,样机检测血糖值与参考血糖值两者间的相关系数约为0.86。对样机检测结果进行Bland-Altman分析,发现95%的一致性界限置信区间为-0.97～0.88mmol/L,而检测结果均落在该范围内。因此,本文利用能量代谢守恒法研制出的腕式无创血糖仪具有较高的准确度,在糖尿病无创血糖筛查和监控方面具有一定的临床价值。