CN102548469B - 识别用于在活体内测量分析物浓度的传感器的功能失误的方法 - Google Patents

Abstract

本发明以一种用于识别用于在活体内测量分析物浓度的传感器的功能失误的方法为出发点，其中，用传感器生成一系列测量信号，并且从这些测量信号中连续地确定噪声参数的值，该值说明由干扰信号如何强烈地影响测量。根据本发明规定，从噪声参数的连续确定的值中确定噪声参数如何迅速地变化，并且分析噪声参数的变化速度用于识别功能失误。

Description

识别用于在活体内测量分析物浓度的传感器的功能失误的方法

技术领域

本发明涉及一种用于识别用于在活体内（in-vivo）测量分析物浓度的传感器的功能失误的方法，其中，用传感器生成一系列测量信号，并从这些测量信号中连续地确定噪声参数的值，该值说明了由干扰信号如何强烈地影响测量。

背景技术

从US 2009/0076361 A1中已知这种方法。在该已知的方法中，将噪声参数与预先规定的阈值进行比较。如果噪声参数的值超出阈值，则推断出功能失误。

发明内容

在监控用于在活体内测量分析物浓度的传感器时的目的在于，尽可能早地和可靠地识别可能的功能失误。本发明的任务是指明一种如何可以更好地达到该目的的途径。

通过一种具有在权利要求1中所说明的特征的方法来解决该任务。本发明的有利的改进方案是从属权利要求的主题。

在本发明方法中，从噪声参数的连续确定的值中确定噪声参数如何迅速地变化，并且分析噪声参数的变化速度用于识别功能失误。以此方式，可以比通过将噪声参数与固定地预先规定的阈值比较显著可靠地确定功能失误。

用可植入的传感器可以连续或准连续地测量人体中的分析物浓度。在此，特别感兴趣的是在小时或日的时间间隔中显著地变化的分析物，例如像这在葡萄糖情况下是这种情况那样。用于在活体内测量的传感器提供一系列测量信号，例如电流值或电压值，这些电流值或电压值经过函数关系与所寻找的分析物浓度的要确定的值相联系，并且在校准之后反映该值。

像在每个测量情况下那样，在活体内的传感器的与浓度有关的测量信号也受到测量误差影响。除了常常导致耐久的偏差的系统测量误差之外，尤其是汇总在噪声概念之下的随机测量误差是重要的。在此称为噪声的，既有其根源在传感器本身中的测量误差（例如电子噪声），也有以下的测量误差，这些测量误差基于对传感器的例如由于运动而未控制的影响，或基于传感器环境中的分析物浓度与患者身体中另外位置处的分析物浓度的暂时的偏差。

通过例如可以作为干扰信号分量的标准偏差所计算的噪声参数来量化由噪声如何强烈地影响测量。为了计算噪声参数，因此通常首先确定测量值的哪个分量基于干扰信号。在最简单的情况下可以近似地认为，所给定的测量值是对应于所寻找的分析物浓度的有用信号和干扰信号的总和。为了将噪声分量与有用分量分离，例如可以采用递归滤波器、尤其是卡尔曼滤波器、或多项式滤波器、尤其是萨维兹凯-戈雷(Savitzky-Golay)滤波器。

通过在时间t在测量值和有用分量的所确定的值之间的差形成来获得噪声分量。越精确地确定了有用分量，如此确定的噪声则含有越少的有用信号分量。

如果从一系列值中获得了噪声分量，则可以计算使噪声量化的噪声参数的一系列值。将噪声参数例如可以作为噪声信号值的标准偏差以预先规定的区间来计算。代替标准偏差，例如也可以将方差、变异系数（Variationskoeffizienten）、四分位距（Interquartil-Bereiche）等采用为噪声参数。

从噪声参数的连续确定的值中可以确定，噪声参数如何迅速地变化，和分析用于识别功能失误的噪声参数的变化速度。例如可以生成警告信号作为识别功能失误的结果。用这种警告信号可以让使用者注意功能失误的存在。警告信号替代或附加地也可以引起，测量系统不再显示测量值，或将系统存储器中的所确定的测量值标记为不可靠的。

一般将变化速度确定为变化着的参量的时间导数。数字式可以最简单地如下来确定时间导数，即计算在两个相继的参量之间的差，并除以两个值相继的时间间距。这种行为方式不过更可能（eher）较少地适用于确定噪声参数的变化速度。这原因在于，噪声参数本身经受强烈的噪声，并且因此在直接相继的噪声参数值之间可能产生较大的差别，没有传感器的或传感器环境的显著的变化对应于这些差别。因此优选借助于（an）噪声参数的已平滑的系列值来确定噪声参数的变化速度。

例如通过对噪声参数的预先规定数量的相继的值形成平均值，可以进行平滑。也可以用递归滤波器（例如卡尔曼滤波器）来平滑一系列噪声参数值。对已平滑的系列噪声参数值，于是可以例如通过相继的值的差形成计算噪声参数的速度变化的尺度。也可以将递归滤波器、尤其是卡尔曼滤波器采用用于平滑变化速度的一系列值，以便可以较容易地分析该系列值。

可以借助评价函数来分析噪声参数的变化速度。评价函数的简单的例子是阶跃函数。用阶跃函数可以预先规定阈值，其中将噪声参数的变化速度与所述阈值进行比较。通过合适地选择阈值，可以从阈值的超出中推断出功能失误。也可以采用例如说明测量值可靠性的瞬时程度的连续的评价函数。为此，可以用评价函数进行到例如从0至1或从0至100的预先规定的区间上的映射、尤其是非线性映射。

本发明的一种有利的改进方案规定，与测量结果有关地在传感器运行期间改变阈值。从传感器的测量信号中可以确定该测量结果，也就是例如说明分析物浓度或噪声参数的值。在此，优选通过分析变化速度的至少一个随后的值或噪声参数的随后的值来检验超出是否是显著的（signifikant）。

在具有工作电极、对应电极和参考电极的电化学传感器情况下，测量结果可以有利地基于对应电极的电位的测量，其中阈值与所述测量结果有关地被改变。通过测量对应电极的电位，例如可以确定在工作电极和对应电极之间或在对应电极和参考电极之间的电压。像在就此而言通过参考而成为本申请的主题的EP 2 030 561 A1中所描述的那样，通过测量对应电极的电位，可以识别传感器的功能失误。通过在分析噪声参数时也考虑对应电极的电位，因此可以更可靠和更迅速地识别功能失误。例如一旦对应电极的电位的测量得出可疑的值，这些可疑的值使功能失误显得是可信的，但是还不使得可靠地识别功能失误，则可以将阈值降低，其中噪声参数的变化速度与所述阈值比较。

优选将通过分析变化速度所确定的功能失误分配给两个或多个类别之一。例如可以生成第一警告信号作为向第一类别分配的后果，而生成第二警告信号作为向第二类别分配的后果。用第一警告信号例如可以显示可能自动地重新消失的较少严重的功能失误，而用第二警告信号可以用信号通知较严重的功能失误。例如可将譬如黄和红的不同颜色的信号光和/或不同强度的声音信号采用用于第一和第二警告信号。第二警告信号例如也可能引起关断分析物浓度的当前测量值的显示。

在最简单的情况下，可以通过不同的阈值来进行功能失误向多个类别之一的分配。如果变化速度超出了第一阈值，则进行功能失误向第一类别的分配。如果变化速度如此之大，使得也超出了第二阈值，则进行功能失误向第二类别的分配。 

功能失误向第二类别的分配，也可以与其它的参数有关，其中将所述其它的参数与其它阈值比较。其它的参数例如可以是变化速度在其期间超出了阈值的持续时间。因此可以使功能失误向第二类别的分配与变化速度有多长时间超出了预先规定的阈值有关。其它的参数例如也可以是噪声参数本身，或在采用电化学传感器时通过测量对应电极的电位来确定。

根据本发明所采用的噪声参数可以是无量纲的参量，并且与有用信号的强度有关地说明噪声。在该行为方式中，噪声参数对应于在技术的广泛领域中所采用的信噪比。但是在本发明方法中，噪声参数优选表征了干扰信号的绝对强度。这意味着，在计算噪声参数时不用有用信号来标准化干扰信号分量。有用信号的上升，也就是分析物浓度的上升，于是不是必然地导致较小的噪声参数，而是可能使其不受影响。

本发明的另一方面涉及一种用于识别用于在活体内测量分析物浓度的传感器的功能失误的方法，其中，用传感器生成一系列测量信号，从这些测量信号中连续地确定噪声参数的值，该值说明了由干扰信号如何强烈地影响测量信号，并且将噪声参数与在传感器运行期间与测量结果有关地被改变的阈值进行比较用于识别功能失误。

该方法可以与上述的方法组合，其方式是该方法用上述方法的特征来扩大。尤其是可以在传感器运行期间与测量结果有关地改变阈值。从传感器的测量信号中可以确定该测量结果，也就是例如说明分析物浓度或噪声参数的值，或在电化学传感器情况下基于对应电极的电位的测量。

与在细节上如何通过噪声参数的分析来确定在活体内的传感器的功能失误无关地，尽可能小的噪声一般是有利的。为了减少噪声，可以从分析物浓度的多个测量信号中，例如通过取平均值分别计算测量值，并从多个测量值中分别计算噪声参数的值。用在活体内的传感器可以准连续地生成测量信号。有利的是，每分钟生成尤其是多于五个测量信号，例如多于10个测量信号。通过取平均值，从测量信号中可以计算比测量信号显著较少受噪声影响的测量值。在此，对于相继的时间区间可以计算测量值，其方式是为了计算测量值，分别考虑所有在有关的时间区间中所测量的测量信号。但是代替相继的时间区间，也可以采用滑动的（gleitend）、也就是重叠的时间区间。

附图说明

借助于本发明的实施例参照附图来阐述本发明的其它的细节和优点。其中：

图1展示了葡萄糖浓度的一系列测量值的例子；

图2展示了在图1中所展示的系列的噪声分量；

图3展示了对于图1中所展示的系列的噪声参数的分布；

图4展示了在平滑之后的噪声参数的分布；和

图5展示了噪声参数的变化速度的分布。

具体实施方式

图1展示了在时间t上葡萄糖浓度g的一系列测量值的例子。用电化学传感器在活体内确定了测量值，其中，每分钟生成了约30至100个测量信号，从这些测量信号中分别计算了测量值作为算术平均值。分别对于分别一分钟的相继的时间区间计算了所示出的测量值。

通过噪声影响葡萄糖浓度g的测量值的在图1中所示出的分布。借助例如卡尔曼滤波器的递归滤波器，确定了图1中所示出的系列的测量值的噪声分量。在图2中以mg/dl为单位在以分钟为单位的时间t上示出了噪声分量n。在此，噪声分量理想地分别是葡萄糖浓度的测量值与实际的或推测的葡萄糖浓度g的偏差，所述实际的或推测的葡萄糖浓度g例如通过应用卡尔曼滤波器通过分析测量值的分布确定。

从在图2中所示出的噪声分量n中，可以计算说明由干扰信号如何强烈地影响测量的噪声参数。尤其是可将对于时间区间所确定的噪声分量的标准偏差采用为噪声参数。在图3中，在以分钟为单位的时间t上示出了标准偏差SD作为对于噪声分量的在图2中所展示的分布的噪声参数，该噪声分量的时间平均值是零。在所示出的例子中，对于例如15分钟的滑动的时间窗计算了标准偏差。一般优选对于至少5分钟的滑动的时间窗，例如对于5至30分钟、尤其是10至20分钟的时间窗计算噪声参数。

像图3所展示的那样，噪声参数SD本身同样受噪声影响。因此在进一步分析噪声参数之前，可能有利的是将噪声参数值系列进行平滑。例如这可以通过在预先规定的时间窗上对噪声参数值取平均值来进行。已平滑了噪声参数值的在图3中所示出的分布，其方式是分别对于在例如15分钟的滑动的时间窗中的所有噪声参数值取平均值。在图4中示出了该平滑的结果，也就是对于该时间窗所计算的平均值                                                。通常有利的是，用至少5分钟的滑动的时间窗、例如用5至30分钟、尤其是10至20分钟的时间窗对噪声参数SD进行平滑。

从噪声参数值SD或所平滑的噪声参数值的分布中可以确定，噪声参数如何迅速地变化。图5展示了噪声参数SD的如此确定的变化速度。可将噪声参数的变化速度例如作为图4所示出的分布曲线的导数来确定。按照时间的导数，数字地可以作为相继的值的差来计算，其中，将差除以在有关值之间的时间。在一系列等距的值的情况下，变化速度因此与相继的值之间的差成比例，并因此在图5中用ΔSD来表示。

凭肉眼可以在图1中和尤其是在图2中识别出，在约200分钟和约300分钟的时间t之间出现了强烈提高的噪声。该提高的噪声特别明显地展示在图3和4中。为了精确地确定提高的噪声的开始，噪声参数的在图5中所示出的变化速度尤其是适用的。

在图5中，噪声的变化速度ΔSD的增加展示为明显从基础突出的尖峰。提高的噪声的结束相应地展示为指向下的尖峰。通过分析变化速度ΔSD，因而可以提早地和可靠地确定提高的噪声，并可以从中推断出传感器的功能失误。例如可以为此将噪声的变化速度与预先规定的阈值进行比较。如果噪声的变化速度超出每分钟噪声的例如一半标准偏差的预先规定的阈值，则生成警告信号。

可以通过绝对噪声强度（例如噪声参数的阈）的分析来补充噪声的变化速度的分析，或补充对应电极的电位的测量的分析，尤其是用于判断干扰的严重性。

在更可能轻微的干扰情况下，像出现在上述实施例中那样，简单的警告信号可能是对传感器的所识别的功能失误的适当反应。在以更强的噪声为特色的较严重的功能失误情况下，例如可以生成警报信号，和/或将在提高的噪声期间所确定的、葡萄糖浓度g的测量值作为不可靠的而予以丢弃。 

Claims (14)

1.用于识别用于在活体内测量分析物浓度的传感器的功能失误的方法，其中，用传感器生成一系列测量信号，并且从这些测量信号中连续地确定噪声参数的值，该值说明由干扰信号如何强烈地影响测量，其特征在于，从噪声参数的连续确定的值中确定噪声参数如何迅速地变化，并且分析噪声参数的变化速度用于识别功能失误。

2.按照权利要求1的方法，其特征在于，分别对于预先规定的时间区间确定噪声参数的值。

3.按照权利要求1或2的方法，其特征在于，从测量信号中用递归滤波器连续地确定噪声参数的值。

4.按照权利要求1或2的方法，其特征在于，通过与阈值的比较来分析噪声参数的变化速度。

5.按照权利要求4的方法，其特征在于，在传感器运行期间与测量结果有关地改变阈值。

6.按照权利要求5的方法，其特征在于，所述传感器具有工作电极、对应电极和参考电极，其中，测量结果基于对应电极的电位的测量。

7.按照权利要求4的方法，其特征在于，在确定了变化速度的值超出阈值之后，通过分析变化速度的至少一个随后的值来检验，超出是否是显著的。

8.按照权利要求1或2的方法，其特征在于，生成警告信号，作为识别功能失误的结果。

9.按照权利要求1或2的方法，其特征在于，将通过分析变化速度所确定的功能失误分配给至少两个类别之一。

10.按照权利要求9的方法，其特征在于，与变化速度和至少一个其它的参数有关地进行所述分配。

11.按照权利要求1或2的方法，其特征在于，噪声参数表征干扰信号的绝对强度。

12.按照权利要求1或2的方法，其特征在于，从多个测量信号中分别计算测量值，并从多个测量值中分别计算噪声参数的值。

13.按照权利要求12的方法，其特征在于，通过从多个测量信号中形成平均值来计算测量值。

14.按照权利要求1或2的方法，其特征在于，借助于噪声参数的所平滑的系列值确定噪声参数的变化速度。