[发明专利]一种汗液微流控贴片及其可视化模型和制备方法

权利要求书

1.一种汗液微流控贴片的可视化模型，其特征在于，包括以下步骤：

步骤1)：获取汗液中与生理指数相关的特征数据；

步骤2)：对汗液中与生理指数相关的特征数据进行降噪和预处理；

步骤3)：获取生理指数与微流控贴片刻度的相关性数据

步骤4)：建立汗液中与生理指数相关的特征数据与微流控贴片刻度间的可视化模型；

步骤5)：对步骤4)所得模型进行性能检测及参数优化。

2.根据权利要求1所述的一种汗液微流控贴片的可视化模型，其特征在于：所述汗液中与生理指数相关的特征数据包括：汗液体积，葡萄糖浓度和氯离子浓度。

3.根据权利要求1所述的一种汗液微流控贴片的可视化模型，其特征在于：所述降噪和预处理过程，包括：I)对特征数据进行标记分类；II)对特征数据中的异常数据进行清洗，并将清洗后的数据设置梯度区间，进行归一化处理。

4.根据权利要求1所述的一种汗液微流控贴片的可视化模型，其特征在于：所述生理指数与微流控贴片刻度的相关性数据包括：微流控贴片刻度随汗液量变化的改变量，微流控贴片刻度随葡萄糖浓度变化的改变量和微流控贴片刻度随氯离子浓度变化的改变量。

5.根据权利要求1所述的一种汗液微流控贴片的可视化模型，其特征在于：

所述汗液中与生理指数相关的特征数据与微流控贴片刻度间的可视化模型为线性模型、非线性模型或机器学习模型；

所述机器学习模型的建立过程包括：i)汗液中与生理指数相关的特征数据中50～70％作为训练集数据，10～20％数据作为测试集数据，其余数据作为验证集数据；

ii)以训练集数据为输入变量，微流控贴片刻度为输出变量建立二者的神经网络模型，所述隐藏层神经元个数为5～15，训练算法为；

iii)利用测试集数据测试神经网络模型准确度。

6.根据权利要求1所述的一种汗液微流控贴片的可视化模型，其特征在于：

所述模型性能检测及参数优化的过程为：通过验证集数据检测模型实际预测能力，并通过L-M算法进行参数寻优。

7.一种汗液微流控贴片，其特征在于：由权利要去1～6任一项所述的可视化模型所得，包括：粘附层、微流控主层、刻度层和封装层；所述微流控主层为单通道、双通道和多通道并联结构中的一种，所述粘附层、微流控主层、刻度层和封装层由下而上依次堆叠。

8.根据权利要求7所述的一种汗液微流控贴片，其特征在于：所述粘附层上设有进液口；所述微流控主层设有进液区，色素区，试剂区，参比通道和反应通道；所述进液区位于进液口正上方；所述色素区和试剂区独立分布于进液区两侧；所述色素区一端连接进液区，另一端连接参比通道；所述试剂区一端连接进液区，另一端连接反应通道。

9.根据权利要求7所述的一种汗液微流控贴片，其特征在于：所述刻度层上设有参比刻度，健康提醒刻度和标志物浓度刻度；所述参比刻度位于参比通道一侧，标志物浓度刻度位于反应通道一侧，健康提醒刻度位于参比刻度和标志物浓度刻度中间。

10.根据权利要求7所述的一种汗液微流控贴片，其特征在于：将多个微流控主层并联共用同一进液区，在连接处添加缓释剂，即得多时段检测微流控主层。

11.权利要求7～10所述的一种汗液微流控贴片的制备方法，其特征在于：主要过程包括：分别在微流控主层的色素区注入有色溶液，试剂区注入检测试剂，待注入的所有试剂完全干燥后粘附至粘附层上，并覆盖刻度层和封装层，即得。