图1是对象的眼睛30的示图,用于说明本发明的各种实施例。眼睛30包括晶状体22和角膜26限定的前房14,其中充满了称作房水32的液体。眼睛30还具有虹膜18,其具有限定瞳孔16的中心狭缝。虹膜18周围环绕着巩膜24(即,眼睛中“白色”的部分)。结膜28覆盖巩膜24的上部和下部。
参考图2,提供了一种测量光学活性物质浓度的系统。该系统包括用于向在他/她血流中具有光学活性物质浓度的对象的眼睛30的虹膜发射光15的光源10。光源10优选设置在瞳孔16前,并优选地是发光二极管(“LED”)或发光二极管的组合,每个发光二极管都以不同的波长发光。例如,可以使用下面描述的波长:470nm(蓝色)、525nm(绿色)、625nm(红色)、以及940nm(近红外)。在仅使用一个波长的时候,优选近红外的波长。使用多个波长的时候,蓝色、绿色和近红外都是优选的。
眼睛30中虹膜18的前面是房水32,其中包含溶解的葡萄糖。偏振器20优选设置于与光源10和瞳孔16共线,并位于光源10和眼睛30之间,使得光15在进入眼睛30的途中穿过偏振器20。结果,到达眼睛30的光就被起偏。将图像采集设备40设置为接收从眼睛30反射的光。优选地,该图像采集设备40是电荷耦合器件(“CCD”),诸如日本JAI公司生产的CV-M50 IR CCD,或是用于从眼睛30反射的光产生图像的其他公知图像采集设备。CCD具有称作像素的光强探测位置阵列。这样,当CCD接收到光的时候,就产生了强度测量阵列。CCD的阵列结构使得可以通过测量虹膜反射的光强来获得虹膜图像。
为了增加图像效率,优选地提供透镜38并将其设置在光源10和图像采集设备40之间,距离光源10约1mm到5mm,且距离图像采集设备40约15mm到30mm。在优选实施例中,透镜38为25mm透镜,并举有1.4的F数。可以优选地调节透镜38对于图像采集设备40的位置以改善成像聚焦。
优选地,光源10和偏振器20彼此共线并与瞳孔16共线。尽管其中可以包括彼此隔开的分离部件,但是更优选的,偏振器20和光源10形成一个整体的单元且不分开。光源10优选地设置在与眼睛30距离约15mm到30mm的位置,其中尤其优选的是20mm的距离。
偏振器20、光源10、图像采集设备40、处理器42和存储器44可选地设置在单一壳体中(没有示出),并且更优选的,设置在以便携形式的手持单元中。系统25的部件还可以分离地相连而不使用单一壳体。此外,可以将两个或更多部件结合在单一壳体之中并随后分开连接或与剩余部件一起使用。
根据图2描述的实施例,光源10和偏振器20设置为使得光在一个或多个入射角照射到眼睛30的虹膜上。至少部分光以足以偏振部分光的角度照射到虹膜上,其中所述光朝向图像采集设备40反射。不在任何方面限制本发明的范围,由于眼睛的曲线,理论上可以知道偏振光以多个不同入射角照射到虹膜,产生散射效果。本领域技术人员可以理解,在光照射到表面的时候,就有一个叫做Brewster角的入射角,在该角度上,对于与入射面平行的光分量的反射系数变为零。结果,以Brewster角反射的光在与入射面垂直的角度以其振动面被偏振。因此,理论上就知道至少一部分照射到虹膜的光由于散射和/或Brewster反射的效应被第二次偏振(第一次是由偏振器20造成的)。
此外,不在任何方面限制本发明的范围,作为上述双重偏振效果的结果,理论上可以知道从虹膜反射的光强可以用作间接测量通过眼睛的前部包含的葡萄糖旋转偏振光平面的程度。
如图2所述,图像采集设备40可选地连接到处理器42,其配置为计算葡萄糖浓度,随后对此给出详细描述。
模式匹配表的构造
图2的系统还包括可选地连接到处理器42的存储器44,其包含预定葡萄糖浓度数据和预定光强数据。存储器44优选包括预定光强数据对已知葡萄糖浓度的模式匹配表。在一个实施例中,对于每个对象产生模式匹配表,该对象随后使用该表来预测他或她的葡萄糖浓度。
图4是描述产生模式匹配表的方法的优选实施例的流程图。在步骤410中,将葡萄糖供给对象以调节他或她的葡萄糖浓度。例如可以通过使得对象咽下果汁的Glucola来提供葡萄糖。在等待一段时间之后,优选为十分钟,等到葡萄糖进入血流,就是用公知的侵入式技术在步骤420测量对象血流中的葡萄糖浓度。
一旦建立的已知浓度,来自光源10的光就通过偏振器20导向眼睛30。在步骤430中,通过图像采集设备40接收眼睛30反射的光,且采集预定图像。作为产生模式匹配表的一部分而产生的图像在这里将称作“预定图像”,以将其与为测量未知浓度葡萄糖或其他光学活性物质而产生的那些图像相区别。未知浓度获得的图像在这里称作“测量图像”。
在步骤430,光源10、偏振器20和图像采集设备40优选这样设置,使得照射到眼睛30虹膜的一定量的光经历第二偏振并随后被图像采集设备40探测到。光源10优选与偏振器20一体并设置在距离眼睛30约15mm到30mm距离的位置,其中尤其优选的是设置在距离20mm的位置。光源10和偏振器20优选地设置在瞳孔16的前面。透镜38优选与光源10、偏振器20和瞳孔16共线,并距离光源10约1mm到5mm。图像采集设备40优选与光源10、偏振器20、透镜38和瞳孔16共线,并距离透镜38约15mm到30mm。
图像采集设备40通过测量设备中各个强度测量位置(诸如CCD中像素的位置)接收到的光强,来采集眼睛30的虹膜的图像。结果,产生了虹膜的图像。图像包括图像采集设备40产生的测量强度的阵列。优选地,使用单波长光15产生图像。如果使用多波长光,如后面描述的那样,这些光优选用于产生一系列不同的图像,每个图像都基于单个波长。
由于眼睛30的瞳孔16在虹膜18之内,虹膜18的图像还将包括其中的瞳孔图像。然而,瞳孔并不是眼睛中的结构,而是虹膜内周所限定的狭缝。因此,由于相对较少的光透射到其中并从瞳孔区域反射出来,所以瞳孔图像基本上将比虹膜图像更暗。然而如下面所述的,瞳孔图像优选不用于计算光学活性物质的浓度。
图3是图1所示图像采集设备40采集的眼睛的图像50。
参照图3,眼睛的图像50包括巩膜60、虹膜70以及瞳孔130。如上所述,通过一组像素值来限定图像50。每个像素的强度值通常将表示为八位字节,具有从0到255的256个可能的值。优选地,在图4的步骤440通过首先获得没有光照射其中的眼睛的图像来执行黑帧校准(dark frame calibration)过程。该校准图像随后给每个像素产生参考值,将从随后对该像素测量的任意强度值减去该参考值。黑帧校准确保在获得的图像的最黑条件下每个像素将具有零强度,由此扩展0-255范围的有用部分。此外,图像拉伸(stretching)可选地用于扩展八位字节的有用范围。通过在黑帧校准之后标识最大和最小强度值来执行图像拉伸。随后将每个像素值乘以255/(最大强度-最小强度)的比值,使得最高测量强度具有255的像素值,且最低像素值具有0的像素值。这种方式的图像拉伸尤其对于改进图像的视觉外观很有用。
步骤450中,框80表示的数据集(图3)被选为包括虹膜图像70但是排除巩膜图像60。在优选实施例中,通过将图像采集设备40的视场预先设置为小于或等于大多数对象典型虹膜直径的直径,将巩膜图像60从采集的图像中除去。然而,诸如阈值探测的其他技术可以用于确定巩膜图像60的位置并将其从框80中除去。
根据步骤460,在虹膜图像70中定义多个计算空间90、100、110和120,每个空间对应于虹膜的特定区域。如图3所示,计算空间90包括第一区域92和第二区域94。其他的计算空间100、110和120类似地包括其各自的第一和第二区域。该第一和第二区域优选在本质上是矩形的并相对于另一个设置以形成“L形”计算空间。
该第一区域92和第二区域94优选为150个像素长和20个像素宽。第一区域92包括角93,其优选位于水平的17像素且垂直向内朝向框80的角附近。瞳孔130位于虹膜70中,并且因此虹膜图像包括瞳孔。然而,瞳孔不用于计算光学活性物质的浓度并不位于计算空间90、100、110或120之内。
如前所述,本发明关于发现了从对象反射的偏振光的强度比可以用于预测葡萄糖浓度。然而,已经知道该比以周期性的方式随着葡萄糖浓度变化。还已经知道测量的光强可以经受由于图像采集设备40、光源10以及偏振器20相对于对象眼睛30的不一致对准而造成的“俯仰(pitch and yaw)”误差。这可以导致用于产生模式匹配表的图像和测量未知浓度的图像之间的不一致。理论上知道,多个计算空间的使用至少部分上要解决强度比和葡萄糖之间关系的周期性以及俯仰误差。
使用预定的图像,步骤470中将所有第一区域92中的像素值相加以获得第一预定强度总和,以及将第二区域94中所有像素值相加以获得第二预定强度总和。在步骤480,第一预定强度总和除以第二强度总和以获得计算空间90的预定强度比。随后对于剩余的计算空间100、110和120使用同样的过程,以产生其各自的预定强度比。
如步骤490所示,通过获得对应于每个所需数量的已知浓度的预定图像来重复上述过程,并产生如表1所示的模式匹配表。为了参考的目的而提供表1和这里其他表的数据,它们并不反应基于试验结果的真实数据。此外,表中显示的计算空间比值被乘以了105,将该值转换为整数表示,以改进使用计算机实施上述模式匹配表的时候的计算效率。
表1
计算空间比
葡萄糖 计算 计算 计算 计算
(mg/dl) 空间90 空间100 空间110 空间120
1 100 101000 110000 90000 112000
2 200 130000 115000 108000 117500
3 300 145900 120000 136500 127000
4 400 200000 175000 190000 183500
优选地,对于每个连续预定图像和已知葡萄糖浓度,对象的眼睛30的瞳孔的直径保持在恒定值,以更好地确保计算空间一直位于同样的虹膜位置并减少由于瞳孔直径变化导致的反光的变化。
未知葡萄糖值的计算
一旦获得了模式匹配表,就可以使用图2的系统确定未知浓度值。在采集眼睛30的测量图像之前,在与产生模式匹配表相关地采集预定图像的时候优选地调整对象的瞳孔以匹配它的直径。
图5是描述依照本发明优选实施例测量光学活性物质的浓度的方法的流程图。根据该方法,以与获得预定图像以产生模式匹配表一样的方式,在步骤510获得诸如图3描述的图像的测量图像。在步骤520,如上所述地执行黑帧校准。如步骤530所示,选择框80表示的数据集以包括虹膜图像70但是排除巩膜图像60。
在步骤540,在测量图像中限定计算空间90、100、110和120,使得它们对应于预定图像中使用的用于产生模式匹配表的计算空间。
从测量图像,在步骤550将计算空间90的第一区域92的所有像素相加以获得测量光强数据的第一总和,且将第二区域94中的所有像素相加以获得测量光强数据的第二总和。在步骤560中,第一总和除以第二总和,以获得计算空间90的测量强度的比。以类似的方式,获得对于计算空间90、100、110和120的测量强度的比。
在步骤570和580,随后对每个计算空间计算最小偏移误差。如这里使用的,术语“偏移误差”表示测量光强比和预定光强比之间差的绝对值。为了计算每个计算空间的最小偏移误差,通过计算每个计算空间的测量光强比和模式匹配表中对应于同一个计算空间的每个预定光强比之间的差的绝对值,来首先确定每个就算空间的偏移误差。
表2示出计算空间90的偏移误差的计算。使用表1中的数据,例如如果计算空间90中的测量光强比是111000,该偏移误差将是如下:
表2
模式匹配表条目索引 已知葡萄糖值(mg/dl) 预定光强比 计算空间90的偏移误差
1 100 101000 10000
2 200 130000 19000
3 300 145900 34900
4 400 200000 99000
因此,对于计算空间90,最小偏移误差是10000,其对应于100mg/dl的已知葡萄糖浓度。注意到,用于计算偏移误差的预定光强比是那些来自表1中“计算空间90”列的光强比。以类似的方式,对于计算空间100、110和120计算偏移误差和最小偏移误差。每个最小偏移误差对应于计算空间和已知葡萄糖浓度。
根据本发明的一个实施例,在步骤590限定一系列簇或组,其中的每个包括唯一的计算空间或虹膜区域集。簇的使用提供了使得光学活性物质浓度基于彼此最一致的计算空间的手段,由此过滤掉最不一致的计算空间。例如,该簇可以按照下面的方式限定:
簇1:计算空间90 100和110
簇2:计算空间100 110和120
簇3:计算空间90 100和120
簇4:计算空间90 110和120
根据此实施例,在步骤600对于包括每个簇的计算空间相加最小偏移误差,且标识出具有最低最小偏移误差总和的簇。该标识出的簇将包括三个计算空间,每个空间具有对应于模式匹配表中已知浓度值的最小偏移误差。三个已知浓度值随后在步骤610中求平均以获得对象的测量浓度值。
例如,如果计算空间90的测量强度比是110000,且计算空间100、110和120的测量强度比分别是125000、150000和160000,将从表1的数据获得的下列最小偏移误差和相应已知葡萄糖浓度如下所示:
表3
计算空间 最小偏移误差 对应于最小偏移误差的已知葡萄糖浓度(mg/dl)
90 10000 100
100 5000 300
110 13500 300
120 23500 400
对于每个簇的最小偏移误差总和将如下所示:
表4
簇 包含簇的计算空间 最小偏移误差总和
1 90,100,110 28500
2 100,110,120 42000
3 90,100,120 38500
4 90,110,120 47000
因此,具有最小偏移误差总和的簇是簇1。包含簇1的计算空间具有对应于已知葡萄糖浓度100、300和300的最小偏移误差,该浓度的平均值是700/3=233mg/dl。
图像旋转
本发明的另一方面关于可选使用旋转图像数据以计算光学活性物质的浓度。如上所述,一致地对准图像采集设备的困难可以导致“俯仰”误差,使得为了产生模式匹配表而产生的图像相对于用于测量未知浓度的图像没有一致地对准。根据本发明的这个方面,获得多个旋转图像以标识多个计算空间中获得的最一致结果的旋转。
优选地,通过使用图像采集设备采集一幅图像并平移该测量光强数据以对应于每个所需旋转来产生旋转图像数据。对于本领域技术人员而言执行这种旋转平移的技术是公知的,并可以使用商业上可以获得的软件包诸如来执行,该软件是Texas,Austin的国家仪器公司发行的程序。优选地,对于基准坐标系旋转范围从约-3°到约+3°。更优选的,以大约0.1°的间隔产生60个旋转图像。
对于参考坐标系限定其中的每个对应于对象虹膜的区域的多个计算空间。由于计算空间对于坐标系保持固定,图像的旋转和相关的数据平移对应于每个计算空间之内的测量强度数据的移动。结果,对每个计算空间的测量光强比将对于旋转位置而变化。
在每个旋转位置,以上述方式对于每个计算空间确定最小偏移误差。结果,将产生多个最小偏移误差,每个误差对应于旋转位置、计算空间以及来自模式匹配表的已知浓度值。该数据可以有选择地表示为具有多个位置的阵列,每个位置通过对应于旋转位置的行和对应于计算空间的列来限定。表5表示对于60幅旋转图像而产生的这种阵列的一部分:
表5
最小偏移误差
旋转位置 计算空间90 计算空间100 计算空间110 计算空间120
-3° 80000 60000 50000 75000
-2.9° 81000 43000 10000 1000
-2.8° 10500 9200 8100 4375
-2.7° 300 2260 40000 55000
... ... ... ... ...
0 45000 10000 16000 8200
... ... ... ... ...
+2.7° 2268 401 389 16000
+2.8° 600 2970 10000 2200
+2.9° 2600 4500 10500 7890
+3.0° 950 1050 1000 2200
如上面的例子所述,每个最小偏移误差对应于已知的浓度值,对于该浓度值,测量的光强比和模式匹配表中预定的光强比之间的差的绝对值最小。
根据此实施例,通过确定哪个旋转位置具有最小偏移误差总和来选择优选旋转位置。使用表5的阵列结构,将每行相加以获得最小偏移误差总和矢量,其具有对应于旋转图像数量的多个行。再次使用表5的例子,可以产生下面所示的最小偏移误差总和矢量:
表6
旋转位置 最小偏移误差总和
-3° 265000
-2.9° 135000
-2.8° 126675
-2.7° 97560
... ...
0 79200
... ...
+2.7° 19058
+2.8° 15770
+2.9° 25490
+3.0° 5200
因此,根据表6中的例子,对于所示数据的最小偏移误差总和是5200,表示优选旋转为+3.0°。
下面,将计算空间分组为多个簇,每个簇包括计算空间的总数的唯一子集。对于此例子的目的,该簇再次定义为下面的形式:
簇1:计算空间90 100和110
簇2:计算空间100 110和120
簇3:计算空间90 100和120
簇4:计算空间90 110和120
使用优选的旋转(即,从表5得到的+3°),将最小偏移误差相加以获得簇总和,每个总和包括对于具有该簇的计算空间的最小偏移误差总和。再次使用表2的例子,所选的+3.0°旋转的簇总和将如下所示:
簇1总和=950+1050+1000=3000
簇2总和=1050+1000+2200=4250
簇3总和=950+1050+2200=4200
簇4总和=950+1000+2200=4150
因此,簇1具有最小簇总和,且是选为计算葡萄糖浓度的簇。如上所述,每个最小偏移误差对应于来自表1的预定光强比和来自表1的已知浓度值。因此,回头参考表2,从模式匹配表(诸如表1)检索对应于计算空间90、100和110的最小偏移误差950、1050和1000的已知浓度,并对其取平均值以获得葡萄糖浓度。
在模式匹配表中开窗
如先前所述,已经发现从虹膜反射的光强比随着葡萄糖浓度周期性变化。还已经发现,该周期随着使用的光波长变化。例如,使用940nm光源的时候,随着对象的葡萄糖程度在40-475mg/dl变化,在测量光强比的变化中观察到一个完整的周期。在使用525nm光源的时候,在同样的葡萄糖范围内观察到将近两个周期。不在任何方面限制本发明的范围,由于葡萄糖程度变化,理论上知道该周期性的产生,从虹膜反射的强度以与空间有关的方式变化。因此,随着葡萄糖程度的变化,不同的虹膜区域将变得更亮或是更暗。知道由于在曲面即眼睛上产生这种反射强度变化,就观察到周期性的关系。
在对象的葡萄糖变化性足够窄的时候,可以对于葡萄糖浓度的较小范围构建模式匹配表,且可以最小化周期性问题。然而,如果对象的葡萄糖程度在比强度比对葡萄糖浓度关系的周期的更大范围内变化,就可以使用一种技术来解决上述周期性问题。
因此,本发明另一种可选方面关于将该模式匹配表细分成子表。图6是表示依照本发明优选实施例,使用子表来计算光学活性物质浓度的方法的优选实施例的流程图。参照附图,在步骤710-740中,以前面描述的方式产生旋转的图像数据。在步骤750,对于多个计算空间和旋转位置产生一系列的测量光强比。在步骤760,将模式匹配表细分成重叠的窗口。使用某些在下面详细描述的统计置信参数,在步骤780中选择窗口之一,且在步骤790中基于所选窗口而不是基于全部模式匹配表作为整体来表示该葡萄糖浓度。
下面的表7是示例性的模式匹配表,该表将用于展示本发明的这个方面。
表7
计算空间比
索引 葡萄糖 计算 计算 计算 计算
(mg/dl) 空间90 空间100 空间110 空间120
1 100 101000 110000 90000 112000
2 200 130000 115000 108000 117500
3 250 145900 120000 136500 127000
4 300 200000 175000 190000 183500
5 350 140000 165000 120000 180000
6 400 138000 130000 115000 170000
7 450 180000 150000 160000 190000
8 500 120000 140000 125000 145000
根据此实施例,从模式匹配表选出一系列子表或是“窗口”。对于较大的表,优选使用三行子表,而对于小表优选使用两行子表。优选的是子表为重叠的。认为重叠的子表的使用可以对各个计算空间和模式匹配表之间适合或匹配的质量提供了较好的表示。为了此例子的目的,将使用两行、且重叠的子表。因此,第一子表包括行1和2,第二子表包括行2和3,第三子表包括行3和4,第四子表包括行4和5,第五子表包括行5和6,第六子表包括行6和7且第七子表包括行7和8。
在采集了虹膜的图像之后,就旋转图像以产生多个上述的旋转图像。在每个旋转,对于每个计算空间计算最小偏移误差,但是其中仅使用所选子表的行。例如,如果在特定旋转,计算空间90具有测量强度比195000,则各种子表中的其最小偏移误差如下:
子表1:195000-130000=65000,对应于200mg/dl的葡萄糖
子表2:195000-145900=49100,对应于250mg/dl的葡萄糖
子表3:200000-195000=5000,对应于300mg/dl的葡萄糖
子表4:200000-195000=5000,对应于300mg/dl的葡萄糖
子表5:195000-140000=55000,对应于350mg/dl的葡萄糖
子表6:195000-180000=15000,对应于450mg/dl的葡萄糖
子表7:195000-180000=15000,对应于450mg/dl的葡萄糖
对于每个子表使用前面的技术,就对于每个计算空间在若干旋转处产生最小偏移误差,优选为60个旋转。作为此操作的结果,每个子表将其与最小偏移误差阵列相关,其中每行对应于一个旋转且每列对应于一个计算空间。此时,除了仅基于所关注子表而标识的旋转之外,以上面描述的相同方式标识优选旋转。因此,在每个子表中,在每个旋转位置对于所有计算空间中相加最小偏移误差。具有最小偏移误差总和的旋转被标识为优选旋转。结果,每个子表将具有优选旋转和与其相关的最小偏移误差总和。这种操作通过表8中的数据示出。该旋转可选地通过旋转指数来表示,优选从-30到+30。
表8
子表No. 开始行 结束行 优选旋转指数 最小偏移误差总和
1 1 2 -2 5500
2 2 3 -5 6000
3 3 4 +7 10000
4 4 5 +15 23000
5 5 6 0 15000
6 6 7 -8 2200
7 7 8 -3 4750
在每个优选旋转指数的每个最小偏移误差总和对应于一组最小偏移误差,对于每个计算空间具有一组。每个计算空间的各个最小偏移误差还对应于模式匹配表的已知浓度值。因此,在每个子表内,可以在优选旋转处,通过对包括所标识簇的计算空间以上述方式标识具有最低簇误差总和的簇并计算对应葡萄糖值的平均值,来计算葡萄糖量。
统计置信参数
本发明的另一个方面包括使用统计置信参数来标识若干子表中那个应被选为计算未知葡萄糖浓度的子表。通常说来,对于计算空间的位置和图像旋转,利用参数对葡萄糖浓度预测的灵敏度进行评估。下面是用于各个组合的若干统计置信参数的描述,用于标识计算葡萄糖浓度的优选子表。
所关注的第一统计置信参数称作“阵列离差”。如这里使用的,“阵列离差”指依照下面的步骤对于每个子表计算的阵列:
1.在每个旋转处,计算整个计算空间内的最小偏移误差总和,由此产生最小偏移误差总和矢量。该矢量具有与旋转数量相等数量的值,且每个最小偏移误差总和对应于旋转和子表;
2.在每个矢量内,计算矢量值的标准离差以获得对应于所选子表的标准离差。
对于每个子表重复前面的步骤。优选零阵列离差,并通常表示对于特定子表的结果对于图像旋转的变化相对较不敏感。
关注的第二统计置信参数称作“簇总和离差”。如这里使用的,短语“簇总和离差”指依照下面的步骤对每个子表计算的变量:
1.对每个子表标识优选旋转;
2.使用对应于优选旋转的旋转图像数据和所选子表,通过对于包括该簇的计算空间相加最小偏移误差来计算每个簇的最小偏移误差总和。这将产生一组簇总和值;
3.计算簇总和值的标准离差以获得每个子表的单个标准离差。
优选地,簇的数量等于计算空间的数量。因此,如果使用四个计算空间,该标准离差将是基于四个簇总和的四点标准离差。
所关注的第三统计置信参数称作“簇近似离差”。如这里使用的,该短语“簇近似离差”指的是依照下面的步骤对于每个子表计算的变量:
1.在每个旋转处,计算每个计算空间的最小偏移误差(如表5的例子所示);
2.对于每个簇,计算包括该簇的计算空间的最小偏移误差的标准离差。这将产生一个标准离差阵列,其具有与旋转位置数量相等数量的行以及与簇数量相等数量的列;
3.簇近似离差将等于前面阵列中的最低标准离差。
例如,使用表5中的数据,对于簇1在-2.8°的标准离差是10500、9200和8100的三点标准离差,即1201。在对于所有簇和旋转重复该过程之后,选出最低标准离差作为簇近似离差。随后对于每个子表以同样的方式计算簇近似离差。
下面关注的统计置信参数是“簇近似离差比”。如这里使用的,该短语“簇近似离差比”指通过将子表的簇近似离差除以其簇总和离差来对于每个子表计算的数。
下面关注的统计置信参数称作“阵列离差比”。如这里使用的,短语“阵列离差比”指的是依照下面的方法对于每个子表计算的数:
1.在每个子表内,在每个旋转位置计算每个计算空间的最小偏移误差以获得每个计算空间的最小偏移误差矢量,每个矢量具有等于旋转位置数量的元素数量;
2.计算每个矢量中值的标准离差以获得每个计算空间的一个标准离差;
3.对于所关注子表的阵列离差比随后等于将最大的前述标准离差除以最小的标准离差。
使用四个计算空间和60个旋转位置作为例子,步骤1将产生最小偏移误差的四组60个元素矢量,每组对应于四个计算空间中的一个。步骤2中,以逐矢量的基础利用60个元素的标准离差产生四个标准离差值。随后通过将四个标准离差中最高的值除以其中最低的值来计算阵列离差。通常优选较低的阵列离差,因为它表示各个计算空间之间相对比较优异的一致性。
下个关注的统计置信参数称作“离散度”。如这里使用的,“离散度”指依照下面的方法对于每个子表计算的数:
1.使用前述方法,标识关注的子表的优选旋转;
2.在每个子表内,在优选旋转处标识每个计算空间的最小偏移误差。每个最小偏移误差对应于模式匹配表中的已知浓度值,并且因此对应于表中的一行数:
3.标识对应于每个计算空间的所标识最小偏移误差的模式匹配表中的索引(即,行号码);
4.对于计算空间中的每个簇,对于包括该簇的计算空间而计算对应于最小偏移误差的模式匹配表索引的标准离差;
5.上述标准离差中最低的就是所述离散度。
例如,如果在特定子表中的优选旋转处,计算空间90具有对应于模式匹配表行2的最小偏移误差,计算空间100具有对应于行3的最小偏移误差,且计算空间110和120各自具有对应于行6的最小偏移误差,该离散度将按照表9所示来计算:
表9
簇 包括该簇的计算空间 对于计算空间的对应模式匹配表索引 表索引的标准离差
1 90、100、110 2、3、6 2.082
2 100、110、120 3、6、6 1.732
3 90、100、120 2、3、6 2.082
4 90、110、120 2、6、6 2.309
这样,在此例子中,离散度为1.732。较小的离散度是优选的,因为它们总体上表示不同计算空间中相对较好的一致性程度。
下面关注的统计置信参数是“近似Q因子”,其通过“Qc”和“Qv”两个参数限定。如这里使用的,术语“Qv”指的是对于每个子表依照下面方法计算的数:
1.对于每个旋转位置,标识出具有最低最小偏移误差的计算空间。所标识的最小偏移误差将对应于模式匹配表中的表索引;
2.选择包括所标识的计算空间的簇中任何一个。
3.对于每个旋转位置的所选簇,对于包括该簇的每个计算空间,通过平均对应于最小偏移误差的已知葡萄糖浓度来计算葡萄糖浓度。这将产生葡萄糖浓度值矢量,其具有的元素数量等于旋转位置的数量;
4.从包括前述矢量的数据值产生直方图,并标识对应任一葡萄糖值的矢量位置的最大数量。Qv是矢量位置的标识出的最大数量。
高Qv因子值是优选的,因为它们表示在旋转空间中预测的葡萄糖值是一致的。除了最大峰值,还可以在前述直方图中观察到其他峰值,并可以给其分配变量Qv1、QV2等。最佳旋转朝向适于使得直方图中的峰优选地接近0度旋转点。相反,旋转期间的多峰表现出不清楚,且离开中心(off-center)(即,远离0度点)的峰值表示相对于产生模式匹配表所用的预定图像的图像朝向误差。
如前所述,除了Qv之外,近似Q因子包括另一个变量“Qc”。如这里使用的,“Qc”指的是基于上述产生的直方图在产生Qv处的旋转位置。
如图6的步骤780所示,前述统计参数用于从模式匹配表选择特定子表,以计算对象的葡萄糖浓度。可以通过多种方法来使用该参数以选择子表。然而,通过下面的方法描述使用参数的优选实施例:
1.选择具有两个最低阵列离差值的子表;
2.选择子表,在该子表上基于葡萄糖浓度以表10指定的顺序应用下面的标准:
表10
标准 重要性 最优选的值
簇近似离差比 2 1.0
离散度 4 0
Qv 3 中心最大
阵列离差 1 最小
阵列离差比 5 最小
在优选旋转的最小偏 6 最小
移误差总和
依照本实施例的统计置信参数的应用通过表11和12中的数据来表示:
表11
子表 阵列离差 优选旋转索引(-30到+30) 优选旋转的最小偏移误差 簇近似离差比
总和
1 23230 3 3662 2.01
2 22294 3 2351 1.57
3 22754 4 8314 7.1
4 23486 6 3171 1.87
5 23634 6 3809 2.14
6 24163 -2 4075 1.26
7 21567 4 24618 1.61
表12
子表 阵列离差比 离散度 近似Q因子(Qv) 预测葡萄糖(mg/dl)
1 3.08 0.43 48 300
2 2.77 0.5 25 317
3 2.81 0.43 21 325
4 2.97 0.5 39 362
5 2.76 0 26 375
6 2.74 0.43 32 404
7 2.92 0.5 44 438
依照此实施例并基于表11和12的数据,在子表2和7出现两个最小阵列离差值。子表2和7分别具有基本上相同的簇近似离差比1.57和1.61。因此,需要额外的标准来选择子表。因此,在下面比较近似Q因子。子表7的Qv是44,且子表2的近似Qv是25。因此,假设Qv值相对较好地以0度旋转点为中心,选择子表7以计算葡萄糖浓度。
选择子表7之后,随后则基于在优选旋转具有最低最小偏移误差总和的簇,将其用于计算葡萄糖浓度,在此情形下该优选旋转为+0.3°(对应于旋转索引3)。如先前所述,首先对于每个状态计算最小偏移误差,但是它们仅基于子表7中的数据。随后对于每个簇将最小偏移误差相加,且选出具有最低最小偏移误差总和的簇。与包括所选簇的计算空间的最小偏移误差对应的来自子表7的已知的葡萄糖值(未示出)随后被平均以获得最终葡萄糖浓度,在表12的例子中为438mg/dl。
使用多波长光源
依照本发明的另一个优选实施例,使用多个不同光波长产生的图像执行葡萄糖计算。如前面说明的,从虹膜反射的光强比随着葡萄糖浓度周期性变化。结果,在浓度范围内同样的强度比可能对应于多个不同浓度。使用多个光波长产生的图像提供了解决周期性问题的另外一种手段。
依照此实施例,图1的光源10用于以多个不同波长发射光。或者,可以使用多个不同的光源产生不同波长的不同图像。优选使用红(625nm)、绿(525nm)和近红外(940nm)产生图像。
反射光强比对葡萄糖浓度的周期是光波长的函数。通过使用不同光波长产生的多个图像,由于对于使用的所有波长,任何实际的葡萄糖量必须满足强度比和葡萄糖浓度之间的关系,所以就可以解决周期性的问题。因此,尽管对特定波长测量的强度比可以对应于多个不同葡萄糖浓度,但是这些浓度中仅有一个对应于对其他波长测量的强度。因此,可以最小化周期性问题并可以获得唯一的预测葡萄糖浓度。
依照此实施例,在对于每个不同波长产生模式匹配表之后,使用对应的波长产生测量图像。使用对应测量图像和模式匹配表,并使用上述方法计算葡萄糖浓度。一旦基于每个波长计算出葡萄糖浓度,就对结果进行平均以获得最终预测葡萄糖浓度。
前面的实施例仅仅是本发明的例子。本领域技术人员可以在不偏离本发明的范围和精神的条件下对这些实施例作出各种应用并作出各种改进。因此本发明的范围不限于这些实施例或是由这样的实施例限定,而是仅由下面的权利要求定义。