目前,全球有越来越多的人饱受糖尿病这种慢性疾病的困扰,而真正威胁人们生命的通常是由糖尿病所引发的各种并发症,传统的血糖监测手段只能对短期的血糖值进行测量,不能反映长期一段时间内血糖的控制情况,故对糖尿病并发症的预警作用十分有限。而相关研究表明,人体中晚期糖基化终末产物（AGEs）这种物质在血糖异常升高时会快速积累,且不易被人体所分解,所以通过对它的测量可以对糖尿病并发症起到很好的预警作用,对人体中的AGEs进行定量检测的相关研究具有重要的临床意义。本文主要是围绕一套基于光电传感器的角膜AGEs定量检测系统所展开的建模研究。首先为了验证该套系统进行定量检测的可行性,设计并实施了离体AGEs标准品的定量检测实验,使用3D打印技术设计并制造了专用的样品检测池,通过实验对系统的重复性、选择性和稳定性进行了检验。实验结果表明,该套系统具有较好的性能,最终检测结果与标准仪器相比具有显著的相关性,两者的决定系数R2为0.995,系统可以实现对AGEs的快速测定。然后从赣州市某医院的内分泌科住院部征集到志愿者67名,均为2型糖尿病患者,从周围亲戚朋友中征集到健康志愿者14名,以角膜作为检测部位进行了在体检测实验。同时收集可能影响角膜AGEs含量的生理参数和信息,在对数据集预处理后进行各特征的相关性分析,并筛选出相关性大小排在前四位的特征带入到模型中,分别为角膜AGEs荧光强度值、患病时长、糖化血红蛋白和空腹血糖。接着选用多元线性回归、k NN回归、支持向量回归和BP神经网络四种常用算法在单输入特征与四输入特征两种情况下分别进行建模,比较两种情况下四种模型的预测效果。结果表明,单输入特征下的模型具有更好的预测效果,在该情况下,支持向量回归模型具有最好的预测效果,该模型下的平均误差率RER为2.43%,均方误差MSE为0.0259,决定系数R2为0.9317。本文探索性的选择了光学特性较好的角膜作为测量部位,相比皮肤没有血红蛋白和皮肤色素的干扰,使用实验室自主研发的检测系统进行在体角膜数据采集,对角膜AGEs在体定量检测模型进行了初步研究。实验结果表明,使用支持向量回归模型可以较好的对角膜AGEs含量进行预测,可作为糖尿病并发症前期诊断的辅助手段,为糖尿病及其并发症的预防方法研究提供了新的思路。