No description available.

Energy harvesting is identified as an alternative solution for powering implantable biosensors. It can potentially enable the development of self-powered implants if the harvested energy is properly handled. This development implies that batteries, which impose many limitations, are replaced by miniature harvesting devices. Customized interface circuits are necessary to correct for differences in the voltage and power levels provided by harvesting devices from one side, and required by biosensor circuits from another. This thesis investigates the available harvesting sources within the human body, proposes various methods and techniques for designing power-efficient interfaces, and presents two CMOS implementations of such interfaces. Based on the investigation of suitable sources, this thesis focuses on glucose biofuel cells and thermoelectric harvesters, which provide appropriate performance in terms of power density and lifetime. In order to maximize the efficiency of the power transfer, this thesis undertakes the following steps. First, it performs a detailed analysis of all potential losses within the converter. Second, in relation to the performed analysis, it proposes a design methodology that aims to minimize the sum of losses and the power consumption of the control circuit. Finally, it presents multiple design techniques to further improve the overall efficiency. The combination of the proposed methods and techniques are validated by two highly efficient energy harvesting interfaces. The first implementation, a thermoelectric energy harvesting interface, is based on a single-inductor dual-output boost converter. The measurement results show that it achieves a peak efficiency of 86.6% at 30 μW. The second implementation combines the energy from two sources, glucose biofuel cell and thermoelectric harvester, to accomplish reliable multi-source harvesting. The measurements show that it achieves a peak efficiency of 89.5% when the combined input power is 66 μW. / Energiskörd har identifierats som en alternativ lösning för att driva inplanterbara biosensorer. Det kan potentiellt möjliggöra utveckling av själv-drivna inplanterbara biosensorer. Denna utveckling innebär att batterier, som sätter många begränsningar, ersätts av miniatyriserade energiskördsenheter. Anpassade gränssnittskretsar är nödvändiga för att korrigera för de skillnader i spänning och effektnivå som produceras av de energialstrande enheterna, och de som krävs av biosensorkretsarna. Denna avhandling undersöker de tillgängliga källorna för energiskörd i den mänskliga kroppen, föreslår olika metoder och tekniker för att utforma effektsnåla gränssnitt och presenterar två CMOS-implementeringar av sådana gränssnitt. Baserat på undersökningen av lämpliga energiskördskällor, fokuserar denna avhandling på glukosbiobränsleceller och termoelektriska energiskördare, som har lämpliga prestanda i termer av effektdensitet och livstid. För att maximera effektiviteten hos effektöverföringen innehåller denna avhandling följande steg. Först görs en detaljerad analys av alla potentiella förluster inom boost-omvandlare. Sedan föreslår denna avhandling en designmetodik som syftar till att maximera den totala effektiviteten och effektförbrukningen. Slutligen presenterar den flera designtekniker för att ytterligare förbättra den totala effektiviteten. Kombinationen av de föreslagna metoderna och teknikerna är varierade genom två högeffektiva lågeffekts energigränssnittskretsar. Den första inplementeringen är ett termoelektriskt energiskördsgränssnitt baserat på en induktor, med dubbla utgångsomvandlare. Mätresultaten visar att omvandlaren uppnår en maximal effektivitet av 86.6% vid 30 μW. Det andra genomförandet kombinerar energin från två källor, en glukosbiobränslecell och en termoskördare, för att åstadkomma en tillförlitlig multi-källas energiskördslösning. Mätresultaten visar att omvandlaren uppnår en maximal effektivitet av 89.5% när den kombinerade ineffekten är 66 μW. / <p>QC 20170508</p> / Mi-SoC

<p dir="ltr">Ultra-scaled, always-on, smart, wearable and implantable (WI) therapeutic platforms define the research frontier of modern personalized medicine. The WI platform integrates real-time sensing with on-demand therapy and is ideally suited for real-time management of chronic diseases like diabetes. Traditional blood tracking methods, such as glucometers, are insufficient due to their once-in-a-while measurements and the imprecision of insulin injections, which can lead to severe complications. To address these challenges, researchers have been developing smart and minimally invasive microneedle (MN) components for pain-free glucose detection and drug delivery, potentially functioning as an "artificial pancreas". Inspired by natural body homeostasis, these platforms must be accurate and responsive for immediate corrective interventions. However, artificial MN patches often have slow readings due to factors like MN morphology and composition that remain poorly understood, hindering their optimization and integration into real-time monitoring devices. Despite extensive, iterative experimental efforts worldwide, a holistic framework incorporating the interaction between MN sensing and therapy with fluctuating natural body functions is missing. In this thesis, we propose a generalized framework for glycemic management based on the interaction between biological processes and MN-based operations. The results, incorporating theoretical insights from the 1960s and recent advancements in MN technology, are platform-agnostic. This generality offers a unique template to interpret experimental observations, justify the recent introduction of drugs like GLP-1 cocktails, and optimize platforms for accurate and fast disease management. </p>