CN101933809A - 多波段反射光谱无创血液成分测量装置及方法 - Google Patents
多波段反射光谱无创血液成分测量装置及方法 Download PDFInfo
- Publication number
- CN101933809A CN101933809A CN 201010267625 CN201010267625A CN101933809A CN 101933809 A CN101933809 A CN 101933809A CN 201010267625 CN201010267625 CN 201010267625 CN 201010267625 A CN201010267625 A CN 201010267625A CN 101933809 A CN101933809 A CN 101933809A
- Authority
- CN
- China
- Prior art keywords
- spectrum
- multiband
- light source
- tongue body
- scanning
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
Images
Abstract
一种多波段反射光谱无创血液成分测量装置及方法,装置有利用光源对舌体进行扫描装置,接收扫描装置的扫描信号的光谱接收装置。光源为超连续谱光源或者波段。扫描装置采用光纤等进行扫描。光谱接收装置采用光谱仪或超光谱成像仪。方法是通过光纤利用光源进行整个舌体表面反射光谱分布的扫描,通过光谱接收装置得到舌体产生的反射光谱,计算得到血液的多波段归一化反射光谱,利用主成分分析和人工神经网络、偏最小二乘回归、支撑向量机信号分析、统计方法建立数学模型,得到归一化光谱数据,运用已经建立好的数学模型进行计算,到血液成分的含量。本发明抗干扰,可得到更多的光谱信息,被测部位的图像信息,增加了信息量,提高了血液成分含量的分析精度。
Description
技术领域
本发明涉及一种血液成分测量装置。特别是涉及一种能提高血液成分含量的分析精度的多波段反射光谱无创血液成分测量装置及方法。
背景技术
血液成分(如红细胞、血红蛋白、血细胞压积等)的无创检测,对于疾病的诊断和治疗,其重要性和巨大价值是毫无疑问。不仅于此,实现血液成分的无创检测,在信号传感、检测与处理也有极大的学术意义和价值。然而现有的检测方法需要抽取血样,应用生化分析的方法进行检测,不但操作繁琐,会给患者带来疼痛,而且还有感染其它疾病的危险,限制了血液成分检测的频率和使用范围。多波段反射光谱血液成分无创检测技术不仅能够对血液成分进行实时、连续、安全、无痛的定量监测,而且不需要消耗品,可降低测试费用,因此这种技术会给疾病的预防和治疗带来革命性的进步。
目前正在研究的无创检测主流方法为光学检测方法,包括光谱法、光散射测量技术、荧光检测技术等。其中光谱法由于其快速、高精度、低成本等特点,已经成为生物医学工程领域的研究热点之一。利用光谱法测定血液中的血氧、血糖、脂肪、蛋白及其他成分已经取得了一定的研究成果。
美国科学家Jobsis在science上首次报道了利用近红外光谱技术进行成年猫脑内氧合血红蛋白、还原血红蛋白和细胞色素c的含量变换的实验,实验结果表明近红外光在生物组织内较低的衰减率和用近红外光谱法无创监测组织血氧浓度的可行性。随后有许多学者进行了相关研究。1985年Donahoe等发表了关于无创后向散射血氧机的文章,文章中运用2个或稍多些的光谱波段对组织进行透射,通过采集透射光从而实现对血氧的检测;1989年Ferrari利用近红外光谱进行狗体内血红蛋白无创检测;1989年美国专利(专利号4867557)研制了无创反射型血氧计,本专利中6个光谱波段作用于人体组织,当6个波长的光分别进入人体组织,利用单一检测器采集吸收光谱并按照预定的功能进行血红蛋白浓度和血氧饱和度检测;1994年美国专利(专利号5277181)运用2个波段对血红蛋白和血细胞压积进行无创检测。1992年MR Robinson等运用600-1300nm范围光谱通过手指透射光谱进行血糖浓度的测定,平均预测误差在1.1到1.2mmol/L范围;1994年Heise和他的合作者以及1993年Marbach等采集1111-1835nm人体内唇漫反射光谱通过口腔粘膜进行血糖无创检测,预测标准误差最小到2.4mmol/L;1995年Jagemann和他的合作者,1997年Fischbacher、Muller以及1998年Danzer等通过采集800-1350nm右手中指漫反射光谱进行血液和组织血糖浓度测定,预测均方根误差为2.0mmol/L;1998年Burmeister等采集舌体1429-2000nm波段透射光谱进行血糖检测,平均预测误差大于3.0mmol/L;1999年Malin等运用1050-2450nm波段前臂漫反射光谱进行血糖无创检测,平均预测误差1.5mmol/L。1991年中国专利(专利号90108775.0)提出了一种无创测量血糖浓度的方法和装置,采集波长在1.3-1.9微米的半导体二极管激光器作用于人体而发出的漫反射光谱,再将此光谱与计算机中的已经存储的一条标定曲线进行对比从而计算出血糖浓度;1995年中国专利(专利号96100807.5)提出了一种中红外光纤测定人体血糖的方法,是一种利用红外光谱仪和中红外光导纤维和ATR探头或漫反射装置,无损伤性地测定人体血糖的方法。
虽然这些都得到了比较好的结果,但是目前除血氧外,其他血液成分的无创检测还没有进入实际应用的报道。
由上可见,对于血液成分无创检测这种复杂的测量情况,现在还面临着多方面的技术难题,其中主要有两个原因:
第一,差异和测量环境的影响;
第二,应用光谱方法对血液成分进行无创检测时,波段选取非常重要。前述研究中选取波段数较少,不能涵盖全部情况,丢失了大量有用信息,这也是导致预测误差偏大的最主要原因。
发明内容
本发明所要解决的技术问题是,提供一种不但能较少受外界环境的干扰,而且能得到更多的光谱信息,以及被测部位的图像信息,增加了信息量,能提高血液成分含量的分析精度的多波段反射光谱无创血液成分测量装置及方法。
本发明所采用的技术方案是:一种多波段反射光谱无创血液成分测量装置及方法,测量装置包括有光源、利用光源对舌体进行扫描装置,以及接收扫描装置的扫描信号的光谱接收装置。
所述的光源为超连续谱光源或者波段,包括紫外光、可见光、红外光中一种或者几种波段组合的宽带光源。
所述的扫描装置采用光纤扫描,或采用光纤、扫描反射镜和场镜结合进行扫描。
所述的光谱接收装置采用光谱仪或超光谱成像仪,所述的光谱仪或超光谱成像仪响应的波段包括紫外、可见、红外中的一种或者几种波段的组合,可以直接接收出射光或者经光纤传导。
一种多波段反射光谱无创血液成分测量装置,包括有照射舌体的光源,和接收从舌体反射的光谱和图像的超光谱成像仪或数字摄像仪。
本发明的用于多波段反射光谱无创血液成分测量装置的方法,通过光纤利用光源对人的舌体进行整个舌体表面反射光谱分布的扫描,或通过光纤、扫描反射镜和场镜结合利用光源对人的舌体进行扫描,由光谱接收装置接收扫描结果,得到舌体产生的反射光谱,运用公式Rg=R/max(R)计算得到血液的多波段归一化反射光谱,然后再利用主成分分析和人工神经网络、偏最小二乘回归、支撑向量机信号分析、统计方法建立数学模型,所述的公式中,Rg为归一化反射率,max(R)为不同波长上的反射率最大值,对新采集来的样本数据运用式Rg=R/max(R)进行归一化,得到归一化光谱数据,然后将归一化光谱数据作为自变量,运用已经建立好的数学模型进行计算,到血液成分的含量。
一种用于多波段反射光谱无创血液成分测量装置的方法,直接采用光源对人的舌体进行照射,由超光谱成像仪或数字摄像仪接收反射光得到舌体产生的反射光谱,运用公式Rg=R/max(R)计算得到血液的多波段归一化反射光谱,然后再利用主成分分析和人工神经网络、偏最小二乘回归、支撑向量机信号分析、统计方法建立数学模型,所述的公式中,Rg为归一化反射率,max(R)为不同波长上的反射率最大值,对新采集来的样本数据运用式Rg=R/max(R)进行归一化,得到归一化光谱数据,然后将归一化光谱数据作为自变量,运用已经建立好的数学模型进行计算,得到血液成分的含量。
本发明的多波段反射光谱无创血液成分测量装置及方法,利用被测部位不同位置和入射光源相对位置的改变从而带来反射光的变化,从而获得整个被测物体表面多波段归一化反射光谱和图像信息,或者通过光源直接照射舌体表面,运用光谱成像装置进行光谱和图像信息的检测。本发明不但能较少外界环境的干扰,而且能得到更多的光谱信息,以及被测部位的图像信息,增加了信息量,提高了血液成分含量的分析精度。
附图说明
图1是本发明的多波段反射光谱无创血液成分测量装置的第一实施例结构示意图;
图2是本发明的多波段反射光谱无创血液成分测量装置的第二实施例结构示意图;
图3是本发明的多波段反射光谱无创血液成分测量装置的第三实施例结构示意图。
其中:
1:光源 2:舌体
3:光纤 4:光谱接收装置
5:扫描反射镜 6:场镜
具体实施方式
下面结合实施例和附图对本发明的多波段反射光谱无创血液成分测量装置及方法做出详细说明。
本发明的多波段反射光谱无创血液成分测量装置利用被测部位不同位置和入射光源相对位置的改变从而带来反射光的变化,运用光谱仪进行接收,从而获得整个被测物体表面多波段归一化反射光谱和图像信息;或者不通过扫描,而是通过光源直接照射舌体表面,运用光谱成像装置进行光谱和图像信息的检测。
如图1、图2所示,本发明的多波段反射光谱无创血液成分测量装置,包括有光源1、利用光源1对舌体2进行整个舌体表面反射光谱分布扫描的扫描装置,以及接收扫描装置的扫描信号的光谱接收装置4。
所述的光源1为超连续谱光源(如超连续谱激光发生器)或者波段,包括紫外光、可见光、红外光中一种或者几种波段组合的宽带光源。
所述的扫描装置采用光纤3扫描,或采用光纤3、扫描反射镜5(如振镜)和场镜6结合进行扫描。
所述的光谱接收装置4采用光谱仪或超光谱成像仪,所述的光谱仪或超光谱成像仪响应的波段包括紫外、可见、红外中的一种或者几种波段的组合,可以直接接收出射光或者经光纤传导。
如图3所示,本发明的另一种多波段反射光谱无创血液成分测量装置,包括有直接照射舌体2的光源1,和接收从舌体2反射的光谱和图像的超光谱成像仪或数字摄像仪6。
本发明的用于多波段反射光谱无创血液成分测量装置的方法,是通过光纤利用光源对人的舌体进行扫描,或通过光纤、扫描反射镜和场镜结合利用光源对人的舌体进行扫描,由光谱接收装置接收扫描结果,得到舌体产生的反射光谱,通过计算得到血液的多波段归一化反射光谱,可消除对光源参数和采集方法的依赖,能更客观反映个体之间血液成分的变化。归一化方法为:Rg=R/max(R)(1),公式(1)中,Rg为归一化反射率,max(R)为不同波长上的反射率最大值。
利用主成分分析(PCA,principle component analysis)和人工神经网络(ANN,artificial neural network)、偏最小二乘回归(PLSR,particle least squarescalibration analysis)、支撑向量机(SVM,support vector machines)信号分析、统计方法建立数学模型。
对新采集的未知样本运用上述公式(1)归一化方法进行归一化,然后将归一化的光谱数据作为自变量,运用建立好的数学模型进行计算,得到血液成分的含量。
本发明的另一种用于多波段反射光谱无创血液成分测量装置的方法,是直接采用光源对人的舌体进行照射,由超光谱成像仪或数字摄像仪接收反射光得到舌体产生的反射光谱,通过计算得到血液的多波段归一化反射光谱,可消除对光源参数和采集方法的依赖,能更客观反映个体之间血液成分的变化。归一化计算公式为:Rg=R/max(R)(1),公式(1)中,Rg为归一化反射率,max(R)为不同波长上的反射率最大值。然后再利用主成分分析(PCA,principle component analysis)和人工神经网络(ANN,artificial neuralnetwork)、偏最小二乘回归(PLSR,particle least squares calibration analysis)、支撑向量机(SVM,support vector machines)信号分析、统计方法,从归一化多波段反射光谱中计算得到血液成分的含量。
实施例1
如图1所示,由宽带光源1发出紫外、可见、近红外波段中的一种光束或者几种波段的组合光束通过可移动光纤3导入,出射光直接照射到舌体2某个点,该点反射光传至光谱仪4接受。测量过程中,光纤探头自起始位置至终止位置进行扫描,每移动到一个设定的位置后停止移动,得到此位置反射光谱,然后光纤探头再次移动到下一个位置进行出射光谱采集,如此循环,直至完成整个舌体表面反射光谱分布测量。光谱仪4对所测得的反射光谱运用归一化计算公式:Rg=R/max(R)(1)进行归一化,利用主成分分析(PCA,principle component analysis)和人工神经网络(ANN,artificial neuralnetwork)、偏最小二乘回归(PLSR,particle least squares calibration analysis)、支撑向量机(SVM,support vector machines)等信号分析、统计方法建立数学模型,对新采集的未知样本运用上述式(1)归一化方法进行归一化,然后将归一化的光谱数据作为自变量,运用建立好的数学模型进行计算,得到血液成分的含量。
实施例2
如图2所示,由宽带光源1发出紫外、可见、近红外波段中的一种光束或者几种波段的组合光束经光纤3导入振镜5,振镜反射的光通过场镜6进行会聚,会聚的光斑照射到舌体2某个位置,当会聚光移动到被测部位的一个位置,被测部位该点处的反射光进入光谱仪接收,到此这一位置的测量结束,电机控制振镜进行摆动,从而带动光斑的移动,实现整个舌体反射光谱的检测。扫描完毕,再对反射光谱运用式(1)进行归一化,利用主成分分析(PCA,principle component analysis)和人工神经网络(ANN,artificialneural network)、偏最小二乘回归(PLSR,particle least squares calibrationanalysis)、支撑向量机(SVM,support vector machines)等信号分析、统计方法建立数学模型。对新采集的未知样本运用上述式(1)归一化方法进行归一化,然后将归一化的光谱数据作为自变量,运用建立好的数学模型进行计算,得到血液成分的含量。
实施例3
如图3所示,由超连续谱激光器1发出连续单色光直接照射舌体2表面,舌体反射光由光谱成像仪接收。再对反射光谱运用式(1)进行归一化,利用主成分分析(PCA,principle component analysis)和人工神经网络(ANN,artificial neural network)、偏最小二乘回归(PLSR,particle least squares calibration analysis)、支撑向量机(SVM,support vector machines)等信号分析、统计方法建立数学模型。对新采集的未知样本运用上述式(1)归一化方法进行归一化,然后将归一化的光谱数据作为自变量,运用建立好的数学模型进行计算,得到血液成分的含量。
实施例4
如图3所示,由宽带光源1直接照射舌体2表面,舌体反射光由光谱成像仪接收。再对反射光谱运用式(1)进行归一化,利用主成分分析(PCA,principle componentanalysis)和人工神经网络(ANN,artificial neural network)、偏最小二乘回归(PLSR,particle least squares calibration analysis)、支撑向量机(SVM,support vectormachines)等信号分析、统计方法建立数学模型。对新采集的未知样本运用上述式(1)归一化方法进行归一化,然后将归一化的光谱数据作为自变量,运用建立好的数学模型进行计算,得到血液成分的含量。
尽管上面结合图对本发明进行了描述,但是本发明并不局限于上述的具体实施方式,上述的具体实施方式仅仅是示意性的,而不是限制性的,本领域的普通技术人员在本发明的启示下,在不脱离本发明宗旨的情况下,还可以做出很多变形,这些均属于本发明的保护之内。
Claims (7)
1.一种多波段反射光谱无创血液成分测量装置,其特征在于,包括有光源(1)、利用光源(1)对舌体(2)进行扫描装置,以及接收扫描装置的扫描信号的光谱接收装置(4)。
2.根据权利要求1所述的多波段反射光谱无创血液成分测量装置,其特征在于,所述的光源(1)为超连续谱光源或者波段,包括紫外光、可见光、红外光中一种或者几种波段组合的宽带光源。
3.根据权利要求1所述的多波段反射光谱无创血液成分测量装置,其特征在于,所述的扫描装置采用光纤(3)扫描,或采用光纤(3)、扫描反射镜(5)和场镜(6)结合进行扫描。
4.根据权利要求1所述的多波段反射光谱无创血液成分测量装置,其特征在于,所述的光谱接收装置(4)采用光谱仪或超光谱成像仪,所述的光谱仪或超光谱成像仪响应的波段包括紫外、可见、红外中的一种或者几种波段的组合,可以直接接收出射光或者经光纤传导。
5.一种多波段反射光谱无创血液成分测量装置,其特征在于,包括有照射舌体(2)的光源(1),和接收从舌体(2)反射的光谱和图像的超光谱成像仪或数字摄像仪(6)。
6.一种用于权利要求1所述的多波段反射光谱无创血液成分测量装置的方法,其特征在于,通过光纤利用光源对人的舌体进行整个舌体表面反射光谱分布的扫描,或通过光纤、扫描反射镜和场镜结合利用光源对人的舌体进行扫描,由光谱接收装置接收扫描结果,得到舌体产生的反射光谱,运用公式Rg=R/max(R)计算得到血液的多波段归一化反射光谱,然后再利用主成分分析和人工神经网络、偏最小二乘回归、支撑向量机信号分析、统计方法建立数学模型,所述的公式中,Rg为归一化反射率,max(R)为不同波长上的反射率最大值,对新采集来的样本数据运用式Rg=R/max(R)进行归一化,得到归一化光谱数据,然后将归一化光谱数据作为自变量,运用已经建立好的数学模型进行计算,到血液成分的含量。
7.一种用于权利要求5所述的多波段反射光谱无创血液成分测量装置的方法,其特征在于,直接采用光源对人的舌体进行照射,由超光谱成像仪或数字摄像仪接收反射光得到舌体产生的反射光谱,运用公式Rg=R/max(R)计算得到血液的多波段归一化反射光谱,然后再利用主成分分析和人工神经网络、偏最小二乘回归、支撑向量机信号分析、统计方法建立数学模型,所述的公式中,Rg为归一化反射率,max(R)为不同波长上的反射率最大值,对新采集来的样本数据运用式Rg=R/max(R)进行归一化,得到归一化光谱数据,然后将归一化光谱数据作为自变量,运用已经建立好的数学模型进行计算,得到血液成分的含量。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN 201010267625 CN101933809B (zh) | 2010-08-31 | 2010-08-31 | 多波段反射光谱无创血液成分测量装置及方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN 201010267625 CN101933809B (zh) | 2010-08-31 | 2010-08-31 | 多波段反射光谱无创血液成分测量装置及方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN101933809A true CN101933809A (zh) | 2011-01-05 |
CN101933809B CN101933809B (zh) | 2013-06-12 |
Family
ID=43387546
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN 201010267625 Active CN101933809B (zh) | 2010-08-31 | 2010-08-31 | 多波段反射光谱无创血液成分测量装置及方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN101933809B (zh) |
Cited By (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102631198A (zh) * | 2012-04-20 | 2012-08-15 | 天津大学 | 一种基于差值提取的动态光谱数据处理方法 |
CN103868870A (zh) * | 2014-03-31 | 2014-06-18 | 中国医学科学院生物医学工程研究所 | 一种结合吸收光谱与反射光谱的血液成分分析系统及其分析方法 |
CN104330362A (zh) * | 2014-10-16 | 2015-02-04 | 中国科学院上海技术物理研究所 | 一种非接触式基于超连续衰荡光谱的全血分类系统及方法 |
CN105852880A (zh) * | 2016-05-11 | 2016-08-17 | 周佰芹 | 一种自动化手持血液分析仪 |
CN107635476A (zh) * | 2015-05-27 | 2018-01-26 | 宫井郎 | 脑活动反馈系统 |
CN108324286A (zh) * | 2018-01-26 | 2018-07-27 | 重庆大学 | 一种基于pca-narx校正算法的红外光无创血糖检测装置 |
CN109065176A (zh) * | 2018-08-20 | 2018-12-21 | 清华-伯克利深圳学院筹备办公室 | 一种血糖预测方法、装置、终端和存储介质 |
CN109381197A (zh) * | 2018-09-06 | 2019-02-26 | 北京大学 | 基于指关节多光谱影像的无创血糖检测装置及其检测方法 |
CN110403611A (zh) * | 2018-04-28 | 2019-11-05 | 张世平 | 血液成分值预测方法、装置、计算机设备和存储介质 |
CN113537334A (zh) * | 2021-07-09 | 2021-10-22 | 长安大学 | 一种气-液多成分实时智能检测方法 |
WO2024026853A1 (zh) * | 2022-08-05 | 2024-02-08 | 柯正浩 | 筛检试纸读取量测方法 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1579323A (zh) * | 2004-05-21 | 2005-02-16 | 天津大学 | 组织成分检测的双探头差分光谱仪及检测方法 |
CN1579321A (zh) * | 2004-05-21 | 2005-02-16 | 天津大学 | 动脉血液成分检测的空域分光差分光谱仪及检测方法 |
CN1672628A (zh) * | 2005-04-29 | 2005-09-28 | 天津大学 | 采用多波长led的动态光谱测量仪 |
-
2010
- 2010-08-31 CN CN 201010267625 patent/CN101933809B/zh active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1579323A (zh) * | 2004-05-21 | 2005-02-16 | 天津大学 | 组织成分检测的双探头差分光谱仪及检测方法 |
CN1579321A (zh) * | 2004-05-21 | 2005-02-16 | 天津大学 | 动脉血液成分检测的空域分光差分光谱仪及检测方法 |
CN1672628A (zh) * | 2005-04-29 | 2005-09-28 | 天津大学 | 采用多波长led的动态光谱测量仪 |
Non-Patent Citations (1)
Title |
---|
《天津大学硕士学位论文》 20090831 解鑫 舌诊中的光谱方法 17,22-23 1-7 , 2 * |
Cited By (17)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102631198B (zh) * | 2012-04-20 | 2013-08-14 | 天津大学 | 一种基于差值提取的动态光谱数据处理方法 |
CN102631198A (zh) * | 2012-04-20 | 2012-08-15 | 天津大学 | 一种基于差值提取的动态光谱数据处理方法 |
CN103868870A (zh) * | 2014-03-31 | 2014-06-18 | 中国医学科学院生物医学工程研究所 | 一种结合吸收光谱与反射光谱的血液成分分析系统及其分析方法 |
CN104330362A (zh) * | 2014-10-16 | 2015-02-04 | 中国科学院上海技术物理研究所 | 一种非接触式基于超连续衰荡光谱的全血分类系统及方法 |
CN104330362B (zh) * | 2014-10-16 | 2017-02-01 | 中国科学院上海技术物理研究所 | 一种非接触式基于超连续衰荡光谱的全血分类系统及方法 |
CN107635476B (zh) * | 2015-05-27 | 2021-04-06 | 宫井一郎 | 脑活动反馈系统 |
CN107635476A (zh) * | 2015-05-27 | 2018-01-26 | 宫井郎 | 脑活动反馈系统 |
CN105852880A (zh) * | 2016-05-11 | 2016-08-17 | 周佰芹 | 一种自动化手持血液分析仪 |
CN108324286A (zh) * | 2018-01-26 | 2018-07-27 | 重庆大学 | 一种基于pca-narx校正算法的红外光无创血糖检测装置 |
CN108324286B (zh) * | 2018-01-26 | 2020-11-10 | 重庆大学 | 一种基于pca-narx校正算法的红外光无创血糖检测装置 |
CN110403611B (zh) * | 2018-04-28 | 2022-06-07 | 张世平 | 血液中糖化血红蛋白成分值预测方法、装置、计算机设备和存储介质 |
CN110403611A (zh) * | 2018-04-28 | 2019-11-05 | 张世平 | 血液成分值预测方法、装置、计算机设备和存储介质 |
CN109065176A (zh) * | 2018-08-20 | 2018-12-21 | 清华-伯克利深圳学院筹备办公室 | 一种血糖预测方法、装置、终端和存储介质 |
CN109065176B (zh) * | 2018-08-20 | 2020-11-10 | 清华-伯克利深圳学院筹备办公室 | 一种血糖预测方法、装置、终端和存储介质 |
CN109381197A (zh) * | 2018-09-06 | 2019-02-26 | 北京大学 | 基于指关节多光谱影像的无创血糖检测装置及其检测方法 |
CN113537334A (zh) * | 2021-07-09 | 2021-10-22 | 长安大学 | 一种气-液多成分实时智能检测方法 |
WO2024026853A1 (zh) * | 2022-08-05 | 2024-02-08 | 柯正浩 | 筛检试纸读取量测方法 |
Also Published As
Publication number | Publication date |
---|---|
CN101933809B (zh) | 2013-06-12 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN101933809B (zh) | 多波段反射光谱无创血液成分测量装置及方法 | |
US20210113121A1 (en) | Non-invasive medical monitoring device for blood analyte measurements | |
JP5982364B2 (ja) | 測定媒体の成分または特性、特に生理的血液値を特定およびモニタするための装置ならびに方法 | |
AU2002249985B2 (en) | Noninvasive measurement of glucose through the optical properties of tissue | |
US7640140B2 (en) | Method of processing noninvasive spectra | |
US8788003B2 (en) | Monitoring blood constituent levels in biological tissue | |
US6571117B1 (en) | Capillary sweet spot imaging for improving the tracking accuracy and SNR of noninvasive blood analysis methods | |
JPH11506202A (ja) | 非侵入的検査及びイメージングにおける散乱を最小化し且つ組織サンプリングを改善する方法 | |
CA2383727A1 (en) | Method for determination of analytes using near infrared, adjacent visible spectrum and an array of longer near infrared wavelengths | |
US6741875B1 (en) | Method for determination of analytes using near infrared, adjacent visible spectrum and an array of longer near infrared wavelengths | |
WO2017083593A1 (en) | Systems and methods for sampling calibration of non-invasive analyte measurements | |
AU2002249985A1 (en) | Noninvasive measurement of glucose through the optical properties of tissue | |
WO2002026152A1 (en) | A method for quantification of stratum corneum hydration using diffuse reflectance spectroscopy | |
CN101194828B (zh) | 人眼房水葡萄糖浓度的无损光学检测装置 | |
CN103868870A (zh) | 一种结合吸收光谱与反射光谱的血液成分分析系统及其分析方法 | |
CN105596011A (zh) | 一种无创血糖检测装置 | |
Hasan et al. | Analyzing the existing noninvasive hemoglobin measurement techniques | |
CN111803085A (zh) | 一种基于颜色特性的无创血红蛋白浓度水平测量装置 | |
CN1299636C (zh) | 组织成份检测的双探头差分光谱仪及检测方法 | |
WO2022009071A1 (en) | Device for non-invasive blood glucose concentration measurement | |
WO2019208561A1 (ja) | 血液成分の血中濃度測定方法、血中濃度測定装置およびプログラム | |
KR19990029222A (ko) | 혈중성분 농도의 무혈측정 방법 및 장치 | |
JP6412956B2 (ja) | 生体光計測装置、解析装置、及び方法 | |
Li et al. | Dynamic spectrum: a brand-new non-invasive blood component measure method | |
CN115969366A (zh) | 基于近红外吸收光谱-阻抗谱分析联用的血糖测量方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
C14 | Grant of patent or utility model | ||
GR01 | Patent grant |