CN104739421A - 血糖检测方法和装置 - Google Patents
血糖检测方法和装置 Download PDFInfo
- Publication number
- CN104739421A CN104739421A CN201510166214.0A CN201510166214A CN104739421A CN 104739421 A CN104739421 A CN 104739421A CN 201510166214 A CN201510166214 A CN 201510166214A CN 104739421 A CN104739421 A CN 104739421A
- Authority
- CN
- China
- Prior art keywords
- signal
- microwave
- different frequency
- blood sugar
- multichannel
- 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.)
- Pending
Links
Classifications
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/145—Measuring characteristics of blood in vivo, e.g. gas concentration, pH value; Measuring characteristics of body fluids or tissues, e.g. interstitial fluid, cerebral tissue
- A61B5/14532—Measuring characteristics of blood in vivo, e.g. gas concentration, pH value; Measuring characteristics of body fluids or tissues, e.g. interstitial fluid, cerebral tissue for measuring glucose, e.g. by tissue impedance measurement
Landscapes
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Physics & Mathematics (AREA)
- Biomedical Technology (AREA)
- Medical Informatics (AREA)
- Biophysics (AREA)
- Pathology (AREA)
- Engineering & Computer Science (AREA)
- Emergency Medicine (AREA)
- Heart & Thoracic Surgery (AREA)
- Optics & Photonics (AREA)
- Molecular Biology (AREA)
- Surgery (AREA)
- Animal Behavior & Ethology (AREA)
- General Health & Medical Sciences (AREA)
- Public Health (AREA)
- Veterinary Medicine (AREA)
- Measurement Of The Respiration, Hearing Ability, Form, And Blood Characteristics Of Living Organisms (AREA)
Abstract
本发明公开了一种血糖检测方法和装置,该方法包括:发送不同频率的多路微波探测信号;接收对应不同频率的多路微波探测信号的不同频率范围的多路微波反射信号和/或微波吸收信号;通过预定的算法对不同频率范围的多路微波反射信号和/或微波吸收信号进行计算,得到血糖浓度信息。本发明通过进行多频率的微波探测,并根据探测结果进行血糖浓度的计算,可以降低微波血糖检测的误差,提高微波血糖检测的准确度和稳定性。
Description
技术领域
本发明涉及血糖检测领域,具体来说,涉及一种血糖检测方法和装置。
背景技术
传统的血糖检测方法是从体内穿刺抽取血液通过生化分析进行,这种有创的血糖检测技术可用于医院临床诊断和家庭健康保健,但由于需要抽血,该技术存在测量频率受限、容易造成不适、甚至感染的风险,给糖尿病患者带来不便,因此,开展新型的无创血糖检测技术的研究很具有十分重要的意义。
无创血糖检测技术的研究已成为当前国际生物医学领域研究的热点课题,国内外许多研究机构和公司正积极开展相关的研究,目前无创血糖检测方法主要有旋光法、光声法、拉曼光谱法、光散射系数法、红外光谱法、微波检测等。
对于旋光法来说,其是利用葡萄糖具有稳定的偏光特性,通过测量透射光(或反射光)的偏转角来预测人体血糖浓度,但是该方法的缺点是偏转角较小,测量难度大,同时因为是对人眼测量,患者不易接收;而光声光谱测量方法则是利用近红外激光脉冲与组织相互作用产生的光声信号,通过光声信号的幅度与吸收系数之间的关系来检测组织内部某种成分的含量,但是该方法对组织内部结构的变化较为敏感,因而对检测器的要求较高;而激光拉曼光谱法则是根据当激光作用于葡萄糖时会发生拉曼散射的原理,利用拉曼光谱分析来得到葡萄糖的浓度,但是由于生物组织的吸收和散射效应,使得这种信号检测方法受其他生物大分子干扰严重,对体内研究尚处于起步阶段;而光散射系数法则是一种新型的光学无创检测技术,其是检测空间分辨的扩散反射光,并计算人体组织简化散射系数,通过追踪简化散射系数的变化来得到体内成分含量的变化情况;红外光谱法也是通过红外光谱分析技术处理后计算待测成分的浓度的原理,目前尚存在测量条件选取、测量部位选择、重叠光谱中提取微弱化学信息的方法等关键性问题需要解决;而微波无创血糖测量则被认为是无创血糖检测 最好的发展方向,其基本原理是基于各种物质有各自特殊的波谱吸收/反射特性,利用血糖的波谱吸收/反射特性,就可以把它的波谱信息与血液中其他物质信息区分开来,同时,血糖溶液在微波的特定频段,具有一定的吸收窗口和反射窗口,表明在这些波段范围内,其吸收系数/反射系数对介电特性比较敏感,因此,通过对微波经过血糖后的反射波谱/吸收波谱的测量,可得到对应的血糖浓度值。
那么对于现有技术中的微波测量血糖的方法来说,其主要是利用一束一定频率的毫米波传过血液区域,然后从反射波谱中提取相应数据,从而通过相应算法得到血糖浓度信息,但是该检测方法在具体实践时,由于其所采用的技术方案是依靠单一频率的毫米波来进行血糖的测量的,因此,容易造成测量的误差比较大的问题,而且,其对微弱的波谱信号变化尚无法察觉,从而进一步造成了血糖浓度检测结果误差的问题。
针对相关技术中的上述问题,目前尚未提出有效的解决方案。
发明内容
针对相关技术中的上述问题,本发明提出一种血糖检测方法和装置,能够提高微波血糖检测的准确度和稳定性。
本发明的技术方案是这样实现的:
根据本发明的一个方面,提供了一种血糖检测方法。
该血糖检测方法包括:
发送不同频率的多路微波探测信号;
接收对应不同频率的多路微波探测信号的不同频率范围的多路微波反射信号和/或微波吸收信号;
通过预定的算法对不同频率范围的多路微波反射信号和/或微波吸收信号进行计算,得到血糖浓度信息。
其中,预定的算法包括混合专家算法(MOE)和/或线性神经网络算法(Madaline)。
此外,该血糖检测方法进一步包括:
接收生理参数信息;
基于生理参数信息,通过预定的算法对不同频率范围的多路微波反射信号和/或微波吸收信号进行计算,得到血糖浓度信息。
可选的,该血糖检测方法进一步包括:
在通过预定的算法对不同频率范围的多路微波反射信号和/或微波吸收信号进行计算之前,对不同频率范围的多路微波反射信号和/或微波吸收信号进行放大、滤波、积分处理,使不同频率范围的多路微波反射信号和/或微波吸收信号的振幅和信噪比满足预定的信号检测要求。
相应的,该血糖检测方法还可进一步包括:
在通过预定的算法对不同频率范围的多路微波反射信号和/或微波吸收信号进行计算之前,对满足预定的信号检测要求的不同频率范围的多路微波反射信号和/或微波吸收信号进行模-数转换。
此外,该血糖检测方法进一步包括:
对接收的不同频率范围的多路微波反射信号进行振幅和相位变换信息的提取;
根据提取的振幅和相位变换信息,确定每路微波反射信号所对应的介电特性值。
优选的,多路微波探测信号为预定时间长度的微波。
优选的,不同频率选自1GHz-100GHz的频率范围。
根据本发明的另一方面,提供了一种血糖检测装置。
该血糖检测装置包括:
发送模块,用于发送不同频率的多路微波探测信号;
第一接收模块,用于接收对应不同频率的多路微波探测信号的不同频率范围的多路微波反射信号和/或微波吸收信号;
计算模块,用于通过预定的算法对不同频率范围的多路微波反射信号和/或微波吸收信号进行计算,得到血糖浓度信息。
其中,预定的算法包括MOE(混合专家算法)和/或Madaline(线性神经网络算法)。
此外,该血糖检测装置进一步包括:
第二接收模块,用于接收生理参数信息;
计算模块,进一步用于基于生理参数信息,通过预定的算法对不同频率范围的多路微波反射信号和/或微波吸收信号进行计算,得到血糖浓度信息。
可选的,该血糖检测装置进一步包括:
预处理模块,用于在通过预定的算法对不同频率范围的多路微波反射信号和/或微波吸收信号进行计算之前,对不同频率范围的多路微波反射信号和/或微波吸收信号进行放大、滤波、积分处理,使不同频率范围的多路微波反射信号和/或微波吸收信号的振幅和信噪比满足预定的信号检测要求。
相应的,该血糖检测装置还可进一步包括:
模数转换模块,用于在通过预定的算法对不同频率范围的多路微波反射信号和/或微波吸收信号进行计算之前,对满足预定的信号检测要求的不同频率范围的多路微波反射信号和/或微波吸收信号进行模-数转换。
另外,该血糖检测装置进一步包括:
提取模块,用于对接收的不同频率范围的多路微波反射信号进行振幅和相位变换信息的提取;
确定模块,用于根据提取的振幅和相位变换信息,确定每路微波反射信号所对应的介电特性值。
本发明通过多频率的微波探测,并根据探测结果进行血糖浓度的计算,可以降低微波血糖检测的误差,提高微波血糖检测的准确度和稳定性。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案,下面将对实施例中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
图1是根据本发明实施例的血糖检测方法的流程图;
图2是根据本发明一具体实施例的血糖检测方法的流程图;
图3是根据本发明实施例的血糖检测装置的框图。
具体实施方式
下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员所获得的所有其他实施例,都属于本发明保护的范围。
根据本发明的实施例,提供了一种血糖检测方法。
如图1所示,根据本发明实施例的血糖检测方法包括:
步骤S101,发送不同频率的多路微波探测信号;
步骤S103,接收对应不同频率的多路微波探测信号的不同频率范围的多路微波反射信号和/或微波吸收信号;
步骤S105,通过预定的算法对不同频率范围的多路微波反射信号和/或微波吸收信号进行计算,得到血糖浓度信息。
为了更好的理解本发明的上述技术方案,下面结合一具体实施例来对本发明的上述技术方案进行详细阐述。
在本实施例中,为了减小被检测体内影响血糖检测的其他因素的影响,降低微波血糖测量的误差,本发明设计了传感器阵列,并为每个传感器细分了特定的频率。
而对于每个传感器的频率来说,本发明从组分分析的角度考虑,测量的频率范围不仅要满足被检测体组织的穿透性,还需要满足葡萄糖的吸收峰值和敏感性。因此,可根据血糖的吸收特征峰来为每个传感器设置特定的频率,具体的,为传感器选择的频率一部分是波普对血糖浓度很敏感的,而另一部分则是波普对血糖变化敏感度较低的,这样就能够最大限度地减小血液中其他成分对血糖浓度检测的干扰和影响。因此,在本实施例中可将测量的频率区间设定在1GHz~100GHz,即,传感器阵列中多个传感器所发送的不同频率的多路微波探测信号选自1GHz-100GHz的频率范围。
这样就使得传感器阵列中的不同传感器可发送不同频率的微波探测信号,然后每个传感器通道均可接收到对应的不同频率范围的葡萄糖微波反射信号和/或葡萄糖微波吸收信号(这里是反射信号和接收信号均可接收到),从而使得多个不同频率的传感器可多次探测不同频率范围的葡萄糖吸收信号和反射 信号,使得信息互补,最后得到的葡萄糖吸收信号和反射信号(即阵列信号)在经过预定算法的处理,就可得出比单一传感器所测量的更精准的血糖值,同时,检测系统的工作状态也会比单传感器更加稳定,提高了血糖检测的可靠性。
那么具体到步骤S103中所接收的对应不同频率的多路微波探测信号的不同频率范围的多路微波反射信号和/或微波吸收信号来说,由于其是微波信号,因此,虽然传感器阵列间隔几次均可采集人体组织的不同频率的血糖吸收信息(即微波吸收信号)到各自的通道中,但是还需要对接收的信号进行一定的处理后才可进行后续的计算,那么具体的处理过程则是:
传感器阵列中各个传感器可将接收的微波反射信号和微波吸收信号进行光电转换,生成分别对应微波反射信号、微波吸收信号的电信号,从而完成传感器阵列的信号采样;
然后各通道的传感器(光电传感器)将各自生成的电信号发送至多通道前置放大器,对电信号形式的微波反射信号和微波吸收信号进行放大、滤波和积分处理,从而使得处理后的微波反射信号和微波吸收信号能够达到预定的信号检测要求(这里为信号的振幅和信噪比满足信号的血糖检测要求),这样就利于后续的血糖浓度计算,提高血糖浓度计算的精准度;
然后再将经过放大、滤波和积分处理的微波反射信号和微波吸收信号(即满足预定的信号检测要求的不同频率范围的多路微波反射信号和/或微波吸收信号)发送至A/D转换器进行模-数转换,最后将转换为数字信号形式的微波反射信号和微波吸收信号发送至微处理器进行阵列信号的处理,最后输出血糖值。
此外,在一个实施例中,根据本发明实施例的血糖检测方法还可包括:
传感器阵列中每个传感器通道对接收的不同频率范围的多路微波反射信号(即葡萄糖微波反射信号)进行相应振幅和相位变换值的提取,从而得到根据提取的振幅和相位变换信息,得到每个传感器(每路微波反射信号)所对应的介电特性值Wi。
其中,每个传感器的介电特性值Wi可用于后续步骤S105中的血糖浓度计算。
那么具体到微处理器对阵列信号的处理,从而输出血糖值的过程,在本实 施例中采用了MOE算法和Madaline算法来进行血糖浓度的计算,其中,MOE算法可以准确的提取比较全面的血糖波普信息,而Madaline算法则可以处理搞定度血糖浓度至的标定和显示,在本例中所采用的预定的算法为MOE算法和Madaline算法的结合,而随着血糖浓度检测的要求不同,预定的算法也可以是MOE算法,或者是Madaline算法,当然也可以是其他的可以实现提取血糖波普信息的算法,本发明对此并不作限定。
其中,图2示出了MOE和Madaline算法的数据处理过程,从图2可以看出,在MOE算法中需要设定输入参数Sij,这里的输入参数可以是人体的生理参数,例如年龄、性别、身高、体重等信息,这样在进行血糖计算时,就可消除各传感器通道波长内血糖的波普重叠以及除血糖以外的其他因素对血糖浓度检测的干扰,例如根据人体的生理参数(年龄、性别、身高、体重等信息)可以修正个体之间的差异,从而能够提高血糖信息检测的准确性;
那么微处理器在接收到输入的被测人体的生理参数信息后,微处理器内置的四个元素aij,zi,αij,ξ可根据检测模型中的各种影响因子(即前文所述的年龄、性别、身高、体重等因素)进行初始化,从而使每个传感器的Sij=(aij,zi,αij,ξ)得到初始化,这样就可以消除各通道波长内血糖的波谱的重叠以及除血糖以外的其他因素的干扰,从而修正个体的差异,能够尽可能使血糖信息准确。
然后,系统就可基于生理参数信息,通过预定的算法对不同频率范围的多路微波反射信号和/或微波吸收信号进行计算,从而得到人体的血糖浓度信息:
根据MOE算法,在初始化了每个传感器的Sij后,可计算每个传感器的专家变量GGi(第i个传感器的专家变量),这里的GGi是m次测试输入参数Sij的线性求和再加上常数项zi即:
这样就得到了每个传感器的专家变量;
而准确的血糖波吸收参数GG的输出是由传感器阵列中n个传感器测得的专家变量GGi的求和,同时每个变量有一个对应的介电特性值Wi(即前文中所得到的每个传感器所对应的介电特性值Wi)。
传感器阵列的GG为:
介电特性值Wi还与参数Sij有关,其表达式为:
其中
那么,在通过MOE算法得到了传感器阵列的GG后,就可由Madaline线性网络来接收MOE传递的人体正常范围之间的数据信息和GG,并根据血糖检测模型、检测精度,按介电特性值W进行线性逼近,从而计算出相应精度的血糖浓度值A,即A=pureline(GGW+b)
其中,权重W以及参数b是以网络最小误差平方和为基准进行收敛运算得到,具体是将取得的若干不同血糖浓度的GG作为网络的输入,将同一时间相应的用血样浓度的精确血糖值作为输出进行逐次迭代优化权重W、b直到收敛可得。
通过上述处理就可得到被检测人体的血糖浓度检测结果,而在上述实施例中,考虑到传感器阵列中各个传感器在工作期间的响应和温度变化的漂移等因素对血糖检测的精度的影响,在一个实施例中,在对各个传感器采用恒流电路稳波波源的基础上,还传感器阵列上还设有工作状态检测传感器,从而实现对传感器阵列的温度、样本变异等原因所造成的工作状态漂移的控制,实现对传感器阵列的工作状态的校准和监控补偿,使发送微波探测信号的传感器能够更加稳定的工作,具体的,在本实施例中,传感器阵列所发送的多路微波探测信号为预定时间长度的微波,这里为:传感器阵列每次测量时间为5S(即发送一次微波探测信号的时间长度为5S),而传感器间隔发送的多次微波探测信号之间的间隔时间则可以依照实际的检测情况而灵活调整。这样就在保证了发送微波探测信号的各个传感器的工作稳定性,从而为血糖检测的准确度提供了前提保证。
通过上述描述可以看出,本发明通过设计多频率微波血糖检测传感器阵列,并使得测量的频率区间定为1GHz-100GHz,测量部位在手指,并给传感器阵列中的每个传感器细分特定的频率,再经过检测模型算法融合各传感器的信息,采用MOE和Madaline整合神经网络方法建立了传感器阵列信号处理模型,MOE和Madaline分布训练,整合使用,从而实现了人体血糖浓度的准确测量。
而对于MOE和Madaline的分布训练来说,本发明在收集波谱信息的同时, 系统还可接收输入的生理修正参数,从而根据波谱数据、血样数据、检测和显示精度对Madaline进行训练,得到相应的血糖值;另外,本发明根据相关参数值,按显示精度等间隔抽取数据对Madaline进行训练、标定,从而最大限度地检测出与血糖相关的信息。由此可见,本发明的上述血糖检测方法可提高微波血糖检测的精度和稳定性。
值得注意的是,在本实施例中虽然是以人体为血糖检测对象的,但是本发明的上述技术方案并没有直接获取人体的血液或血糖数据,相反,本发明的上述技术方案是借助于发送多路微波探测信号,其中由于血糖浓度的不同会对微波探测信号的返回信号(即微波反射信号和/或微波吸收信号)造成影响,因此,本发明是通过接收微波探测信号的微波反射信号和/或微波吸收信号来确定血糖浓度信息。
根据本发明的实施例,还提供了一种血糖检测装置。
如图3所示,根据本发明实施例的血糖检测装置包括:
发送模块31,用于发送不同频率的多路微波探测信号;
第一接收模块32,用于接收对应不同频率的多路微波探测信号的不同频率范围的多路微波反射信号和/或微波吸收信号;
计算模块33,用于通过预定的算法对不同频率范围的多路微波反射信号和/或微波吸收信号进行计算,得到血糖浓度信息。
其中,在一个实施例中,该预定的算法可以是MOE,也可以是Madaline算法,还可以是MOE和Madaline的组合。
此外,在一个实施例中,根据本发明实施例的血糖检测装置进一步包括:
第二接收模块(未示出),用于接收生理参数信息;
计算模块33,进一步用于基于生理参数信息,通过预定的算法对不同频率范围的多路微波反射信号和/或微波吸收信号进行计算,得到血糖浓度信息。
可选的,在另一个实施例中,根据本发明实施例的血糖检测装置进一步包括:
预处理模块(未示出),用于在通过预定的算法对不同频率范围的多路微波反射信号和/或微波吸收信号进行计算之前,对不同频率范围的多路微波反射信号和/或微波吸收信号进行放大、滤波、积分处理,使不同频率范围的多 路微波反射信号和/或微波吸收信号的振幅和信噪比满足预定的信号检测要求。
相应的,根据本发明实施例的血糖检测装置还可进一步包括:
模数转换模块(未示出),用于在通过预定的算法对不同频率范围的多路微波反射信号和/或微波吸收信号进行计算之前,对满足预定的信号检测要求的不同频率范围的多路微波反射信号和/或微波吸收信号进行模-数转换。
另外,在一个实施例中,根据本发明实施例的血糖检测装置进一步包括:
提取模块(未示出),用于对接收的不同频率范围的多路微波反射信号进行振幅和相位变换信息的提取;
确定模块(未示出),用于根据提取的振幅和相位变换信息,确定每路微波反射信号所对应的介电特性值。
综上所述,借助于本发明的上述技术方案,本发明基于各种物质有各自特殊的波谱吸收/反射特性,利用血糖的波谱吸收/反射特性,将血糖的波谱信息与血液中其他物质信息区分开来;同时,本发明基于血糖溶液在微波的特定频段内具有一定的吸收窗口和反射窗口(这样就可表明在这些波段范围内,其吸收系数/反射系数对介电特性比较敏感),通过对微波经过血糖后的反射波谱/吸收波谱的测量,可得到其对应的介电特性值,最终可经过算法执行得出其对应的血糖浓度值,从而达到降低微波血糖检测的误差,提高微波血糖检测的准确度和稳定性的效果。
以上所述仅为本发明的较佳实施例而已,并不用以限制本发明,凡在本发明的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。
Claims (14)
1.一种血糖检测方法,其特征在于,包括:
发送不同频率的多路微波探测信号;
接收对应所述不同频率的多路微波探测信号的不同频率范围的多路微波反射信号和/或微波吸收信号;
通过预定的算法对所述不同频率范围的多路微波反射信号和/或微波吸收信号进行计算,得到血糖浓度信息。
2.根据权利要求1所述的血糖检测方法,其特征在于,所述预定的算法包括混合专家算法MOE和/或线性神经网络算法Madaline。
3.根据权利要求1所述的血糖检测方法,其特征在于,进一步包括:
接收生理参数信息;
基于所述生理参数信息,通过预定的算法对所述不同频率范围的多路微波反射信号和/或微波吸收信号进行计算,得到所述血糖浓度信息。
4.根据权利要求1所述的血糖检测方法,其特征在于,进一步包括:
在通过预定的算法对所述不同频率范围的多路微波反射信号和/或微波吸收信号进行计算之前,对所述不同频率范围的多路微波反射信号和/或微波吸收信号进行放大、滤波、积分处理,使所述不同频率范围的多路微波反射信号和/或微波吸收信号的振幅和信噪比满足预定的信号检测要求。
5.根据权利要求4所述的血糖检测方法,其特征在于,进一步包括:
在通过预定的算法对所述不同频率范围的多路微波反射信号和/或微波吸收信号进行计算之前,对满足所述预定的信号检测要求的所述不同频率范围的多路微波反射信号和/或微波吸收信号进行模-数转换。
6.根据权利要求1所述的血糖检测方法,其特征在于,进一步包括:
对接收的所述不同频率范围的多路微波反射信号进行振幅和相位变换信息的提取;
根据提取的所述振幅和所述相位变换信息,确定每路微波反射信号所对应的介电特性值。
7.根据权利要求1所述的血糖检测方法,其特征在于,所述多路微波探测信号为预定时间长度的微波。
8.根据权利要求1所述的血糖检测方法,其特征在于,所述不同频率选自1GHz-100GHz的频率范围。
9.一种血糖检测装置,其特征在于,包括:
发送模块,用于发送不同频率的多路微波探测信号;
第一接收模块,用于接收对应所述不同频率的多路微波探测信号的不同频率范围的多路微波反射信号和/或微波吸收信号;
计算模块,用于通过预定的算法对所述不同频率范围的多路微波反射信号和/或微波吸收信号进行计算,得到所述血糖浓度信息。
10.根据权利要求9所述的血糖检测装置,其特征在于,所述预定的算法包括混合专家算法MOE和/或线性神经网络算法Madaline。
11.根据权利要求9所述的血糖检测装置,其特征在于,进一步包括:
第二接收模块,用于接收生理参数信息;
所述计算模块,进一步用于基于所述生理参数信息,通过预定的算法对所述不同频率范围的多路微波反射信号和/或微波吸收信号进行计算,得到所述血糖浓度信息。
12.根据权利要求9所述的血糖检测装置,其特征在于,进一步包括:
预处理模块,用于在通过预定的算法对所述不同频率范围的多路微波反射信号和/或微波吸收信号进行计算之前,对所述不同频率范围的多路微波反射信号和/或微波吸收信号进行放大、滤波、积分处理,使所述不同频率范围的多路微波反射信号和/或微波吸收信号的振幅和信噪比满足预定的信号检测要求。
13.根据权利要求12所述的血糖检测装置,其特征在于,进一步包括:
模数转换模块,用于在通过预定的算法对所述不同频率范围的多路微波反射信号和/或微波吸收信号进行计算之前,对满足所述预定的信号检测要求的所述不同频率范围的多路微波反射信号和/或微波吸收信号进行模-数转换。
14.根据权利要求9所述的血糖检测装置,其特征在于,进一步包括:
提取模块,用于对接收的所述不同频率范围的多路微波反射信号进行振幅和相位变换信息的提取;
确定模块,用于根据提取的所述振幅和所述相位变换信息,确定每路微波反射信号所对应的介电特性值。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510166214.0A CN104739421A (zh) | 2015-04-09 | 2015-04-09 | 血糖检测方法和装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510166214.0A CN104739421A (zh) | 2015-04-09 | 2015-04-09 | 血糖检测方法和装置 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN104739421A true CN104739421A (zh) | 2015-07-01 |
Family
ID=53580085
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201510166214.0A Pending CN104739421A (zh) | 2015-04-09 | 2015-04-09 | 血糖检测方法和装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN104739421A (zh) |
Cited By (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106175790A (zh) * | 2016-07-01 | 2016-12-07 | 舒糖讯息科技(深圳)有限公司 | 基于Volterra级数的血糖数据处理方法及装置 |
CN106264555A (zh) * | 2016-10-17 | 2017-01-04 | 南方科技大学 | 血糖检测仪 |
CN106446777A (zh) * | 2016-08-29 | 2017-02-22 | 广东工业大学 | 基于卷积神经网络的无创血糖数据处理方法及系统 |
CN107198528A (zh) * | 2017-06-30 | 2017-09-26 | 舒糖讯息科技(深圳)有限公司 | 一种血糖浓度检测装置及其检测方法 |
CN108882849A (zh) * | 2016-02-17 | 2018-11-23 | 欧洛萨斯医疗有限公司 | 一种测量血液中目标物质浓度的装置 |
CN109009107A (zh) * | 2018-08-28 | 2018-12-18 | 深圳市体医疗科技有限公司 | 一种乳腺成像方法及其系统、计算机可读存储介质 |
CN112014461A (zh) * | 2019-05-28 | 2020-12-01 | 滁州市康普检测设备有限公司 | 一种用于牛奶多指标分析的检测系统和方法 |
CN113811243A (zh) * | 2019-03-21 | 2021-12-17 | 苏州优化医疗科技有限公司 | 一种无创伤智能血糖测量仪 |
CN114173677A (zh) * | 2019-03-14 | 2022-03-11 | 美视医疗器械有限公司 | 混合医学成像探针、设备及过程 |
Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103339490A (zh) * | 2010-11-24 | 2013-10-02 | 艾赛-Id股份有限公司 | 用于检测血像参数的检测装置 |
-
2015
- 2015-04-09 CN CN201510166214.0A patent/CN104739421A/zh active Pending
Patent Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103339490A (zh) * | 2010-11-24 | 2013-10-02 | 艾赛-Id股份有限公司 | 用于检测血像参数的检测装置 |
Non-Patent Citations (1)
Title |
---|
王炜等: "红外无创血糖检测与阵列信号处理", 《红外技术》 * |
Cited By (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108882849A (zh) * | 2016-02-17 | 2018-11-23 | 欧洛萨斯医疗有限公司 | 一种测量血液中目标物质浓度的装置 |
CN106175790A (zh) * | 2016-07-01 | 2016-12-07 | 舒糖讯息科技(深圳)有限公司 | 基于Volterra级数的血糖数据处理方法及装置 |
CN106446777A (zh) * | 2016-08-29 | 2017-02-22 | 广东工业大学 | 基于卷积神经网络的无创血糖数据处理方法及系统 |
CN106264555A (zh) * | 2016-10-17 | 2017-01-04 | 南方科技大学 | 血糖检测仪 |
CN107198528A (zh) * | 2017-06-30 | 2017-09-26 | 舒糖讯息科技(深圳)有限公司 | 一种血糖浓度检测装置及其检测方法 |
CN107198528B (zh) * | 2017-06-30 | 2018-09-04 | 舒糖讯息科技(深圳)有限公司 | 一种血糖浓度检测装置及其检测方法 |
CN109009107A (zh) * | 2018-08-28 | 2018-12-18 | 深圳市体医疗科技有限公司 | 一种乳腺成像方法及其系统、计算机可读存储介质 |
CN114173677A (zh) * | 2019-03-14 | 2022-03-11 | 美视医疗器械有限公司 | 混合医学成像探针、设备及过程 |
CN113811243A (zh) * | 2019-03-21 | 2021-12-17 | 苏州优化医疗科技有限公司 | 一种无创伤智能血糖测量仪 |
CN112014461A (zh) * | 2019-05-28 | 2020-12-01 | 滁州市康普检测设备有限公司 | 一种用于牛奶多指标分析的检测系统和方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN104739421A (zh) | 血糖检测方法和装置 | |
CN100450437C (zh) | 低灌注下测量血氧的方法 | |
CN102920464B (zh) | 血红蛋白浓度和血氧饱和度测定仪及测定方法 | |
CN102198004A (zh) | 无创式近红外电子血糖仪 | |
CN103948393B (zh) | 一种血液成分含量的近红外无创检测方法及装置 | |
Menon et al. | A survey on non-invasive blood glucose monitoring using NIR | |
CN104000599A (zh) | 一种测量血糖浓度的方法及便携式设备 | |
CN102961147A (zh) | 用光谱数据分析进行无创的光学血糖检测的方法和系统 | |
US11744490B2 (en) | Non-invasive blood glucose detection device and measurement method based on multi-technology integration | |
CN204666826U (zh) | 一种太赫兹连续安检成像装置 | |
CN104873207A (zh) | 一种太赫兹连续血糖测量系统 | |
CN204654946U (zh) | 一种基于耳垂检测的无创血糖仪 | |
CN105342627A (zh) | 一种基于微波的血糖测量系统 | |
CN205126251U (zh) | 一种微波无创血糖测量装置 | |
CN205251548U (zh) | 一种太赫兹血糖测量装置 | |
CN204654954U (zh) | 一种太赫兹连续血糖测量装置 | |
US20240065584A1 (en) | Dual-Mode Biosensor | |
CN205126252U (zh) | 一种无创血糖测定指环 | |
CN204666538U (zh) | 一种基于毫米波的血糖测量装置 | |
Priyoti et al. | Non-invasive blood glucose measurement using near infra-red spectroscopy | |
CN106805943B (zh) | 基于分数阶微分方程的血糖数据处理方法及装置 | |
CN205031268U (zh) | 一种基于微波的血糖测量装置 | |
CN104921735A (zh) | 一种微波无创血糖测量系统 | |
CN204654951U (zh) | 一种基于额间检测的太赫兹无创血糖检测装置 | |
CN105030252A (zh) | 一种太赫兹血糖测量系统 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
RJ01 | Rejection of invention patent application after publication | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20150701 |