CN106338597A - 呼吸气体测量的方法及系统 - Google Patents

呼吸气体测量的方法及系统 Download PDF

Info

Publication number
CN106338597A
CN106338597A CN201610906923.2A CN201610906923A CN106338597A CN 106338597 A CN106338597 A CN 106338597A CN 201610906923 A CN201610906923 A CN 201610906923A CN 106338597 A CN106338597 A CN 106338597A
Authority
CN
China
Prior art keywords
sensor
signal
gas
feature
response
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
Application number
CN201610906923.2A
Other languages
English (en)
Inventor
卢光明
刘东旭
张大鹏
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Shenzhen Graduate School Harbin Institute of Technology
Original Assignee
Shenzhen Graduate School Harbin Institute of Technology
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Shenzhen Graduate School Harbin Institute of Technology filed Critical Shenzhen Graduate School Harbin Institute of Technology
Priority to CN201610906923.2A priority Critical patent/CN106338597A/zh
Publication of CN106338597A publication Critical patent/CN106338597A/zh
Pending legal-status Critical Current

Links

Classifications

    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N33/00—Investigating or analysing materials by specific methods not covered by groups G01N1/00 - G01N31/00
    • G01N33/48—Biological material, e.g. blood, urine; Haemocytometers
    • G01N33/483—Physical analysis of biological material
    • G01N33/497—Physical analysis of biological material of gaseous biological material, e.g. breath
    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
    • G16H50/00—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics
    • G16H50/30—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for calculating health indices; for individual health risk assessment
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N33/00—Investigating or analysing materials by specific methods not covered by groups G01N1/00 - G01N31/00
    • G01N33/48—Biological material, e.g. blood, urine; Haemocytometers
    • G01N33/483—Physical analysis of biological material
    • G01N33/497—Physical analysis of biological material of gaseous biological material, e.g. breath
    • G01N2033/4975—Physical analysis of biological material of gaseous biological material, e.g. breath other than oxygen, carbon dioxide or alcohol, e.g. organic vapours

Abstract

本发明提供了一种呼吸气体测量的方法及系统，该方法包括信号预处理步骤，利用环境监测传感器检测呼吸气体的环境参数，从而对气体传感器的响应信号进行补偿完成预处理；呼吸气体信号特征提取步骤，将预处理后的信号数据，运用多种时频域特征提取算法提取特征，并在此基础上进行特征选择；在所述呼吸气体信号特征提取步骤中，利用特征提取算法在预处理后的气体传感器响应信号中提取几何特征。本发明的有益效果是：在本发明呼吸气体测量的方法及系统中，将被试者呼出的气体中的丙酮等成分转化为传感器响应信号，并对响应信号进行补偿、信号特征提取等操作，从而能够更快的提取信号数据，并使提取的信号精度更高，便于后续的分析及处理。

Description

呼吸气体测量的方法及系统
技术领域
本发明涉及数据处理技术领域，尤其涉及呼吸气体测量的方法及系统。
背景技术
糖尿病是一种以血糖升高、多种代谢紊乱为特征，累及多种器官、组织和功能的疾病，对人类健康危害极大。近年来，随着人们生活水平的提高，该病的发病率也在不断攀升，据世界糖尿病联盟的数据显示，全球目前有近2.9亿糖尿病患者。其中，新增加的糖尿病病人主要集中在印度和中国等发展中国家。另根据2011年的数据显示，我国已经成为世界第一糖尿病大国，患病率在近10年翻了近两倍，达9.7％，高过世界平均水平的6.4％。同时，中国糖尿病高危人群也在扩大，约有1.5亿人。可见糖尿病的及早诊断对社会有重要意义。糖尿病的诊断一般是以血糖为依据的。由于抽血是一种有创检测，并且需要专业人员完成，因此不少患者忽视血糖检查，错过了最佳的治疗时间。
对于确诊的糖尿病患者来说，也需要经常性地进行血糖监测，才有可能避免或减缓高血糖带来的各种并发症，从而改善患者的生活质量。对于接受胰岛素治疗的患者，为了确定胰岛素用量，必须每日规律性地检测血糖。最常见的血糖监测手段，是利用便携式血糖仪通过“扎手指”的方式来测试。糖尿病患者由于需要持续的监测血糖，往往手指上遍布针眼，其痛苦自不待言。
因此，社会迫切需要一种无创的糖尿病诊断和血糖监测设备。目前已经有一些无创血糖监测技术问世，如反向离子渗透、生物阻抗光谱、近红外光谱等，但它们都存在通用性不强、精度不高等一些不足之处。
大量研究表明，糖尿病患者呼出气体中的丙酮浓度明显高于健康人，并且糖尿病人的血糖指标和呼出气体中丙酮的浓度成正相关。这是因为糖尿病患者体内缺乏或无法有效利用胰岛素，导致脂肪代替葡萄糖供能，而丙酮为脂肪代谢中的一种副产物，并且一部分会随着呼出排出。因此，呼出气体中丙酮的变化可以作为诊断糖尿病、估测血糖高低的一个指标。对一个人的呼出气体进行分析可以成为及早检测糖尿病以及监控血糖指标的一个行之有效的方法。此外，一些文献指出，呼出中一些其他成分，例如硝酸甲酯、一氧化碳和异戊二烯等，其浓度也与血糖存在联系。还有一些文献指出，呼气丙酮与血糖的联系与病人的个体情况有关，分析时需要区别对待。
但是目前的技术中，对呼出气体的信号数据处理速度慢、精度不够高，影响了数据的后期使用。
发明内容
本发明提供了一种呼吸气体测量的方法，包括如下步骤：
记录步骤，用呼气分析仪分析采集到的呼出气体，记录呼气分析仪中气体传感器和环境监测传感器的响应信号；
信号预处理步骤，利用环境监测传感器检测呼吸气体的环境参数，从而对气体传感器的响应信号进行补偿完成预处理；
呼吸气体信号特征提取步骤，将预处理后的信号数据，运用多种时频域特征提取算法提取特征，并在此基础上进行特征选择；
在所述呼吸气体信号特征提取步骤中，利用特征提取算法在预处理后的气体传感器响应信号中提取几何特征。
作为本发明的进一步改进，在所述信号预处理步骤中，对气体传感器响应信号滤波、去除基线，然后利用环境监测传感器测得的环境参数对气体传感器的响应信号进行补偿。
作为本发明的进一步改进，所述特征提取算法中包括在预处理后的气体传感器响应信号中提取频域Haar小波特征和主成分分析特征。
作为本发明的进一步改进，所述环境监测传感器包括温度传感器、湿度传感器、二氧化碳传感器和质量流量传感器。
作为本发明的进一步改进，所述几何特征包括波形曲线的峰值、均值、峰值比率、多点响应值、曲线积分、分段积分、斜率特征的提取和选择。
本发明还提供了一种呼吸气体测量的系统，包括：
记录模块，用呼气分析仪分析采集到的呼出气体，记录呼气分析仪中气体传感器和环境监测传感器的响应信号；
信号预处理模块，利用环境监测传感器检测呼吸气体的环境参数，从而对气体传感器的响应信号进行补偿完成预处理；
呼吸气体信号特征提取模块，将预处理后的信号数据，运用多种时频域特征提取算法提取特征，并在此基础上进行特征选择；
在所述呼吸气体信号特征提取模块中，利用特征提取算法在预处理后的气体传感器响应信号中提取几何特征。
作为本发明的进一步改进，在所述信号预处理模块中，对气体传感器响应信号滤波、去除基线，然后利用环境监测传感器测得的环境参数对气体传感器的响应信号进行补偿。
作为本发明的进一步改进，所述特征提取算法中包括在预处理后的气体传感器响应信号中提取频域Haar小波特征和主成分分析特征。
作为本发明的进一步改进，所述环境监测传感器包括温度传感器、湿度传感器、二氧化碳传感器和质量流量传感器。
作为本发明的进一步改进，所述几何特征包括波形曲线的峰值、均值、峰值比率、多点响应值、曲线积分、分段积分、斜率特征的提取和选择。
本发明的有益效果是：在本发明呼吸气体测量的方法及系统中，将被试者呼出的气体中的丙酮等成分转化为传感器响应信号，并对响应信号进行补偿、信号特征提取等操作，从而能够更快的提取信号数据，并使提取的信号精度更高，便于后续的分析及处理。
附图说明
图1是本发明的呼气分析仪的原理框图；
图2是本发明的信号预处理和评价算法的步骤图；
图3是本发明的信号特征空间结构图；
图4显示了传统加热方法的典型传感器响应、温度调制方法的加热电压和典型传感器响应，点划线标出了呼气分析仪对一个呼气样本的分析过程所包含的4个阶段；
图5显示了典型的健康人和糖尿病人呼气样本在温度调制的传感器上响应的形状区别；
图6是血糖正常的被测者呼吸样本响应曲线图；
图7是血糖偏高的被测者呼吸样本响应曲线图；
图8是单路呼吸气体响应信号的几何特征结构示意图；
图9是SVM应用于血糖分级的分类树设计方案示意图。
具体实施方式
本发明公开了一种呼吸气体测量的方法，包括如下步骤：
记录步骤，用呼气分析仪分析采集到的呼出气体，记录呼气分析仪中气体传感器和环境监测传感器的响应信号；
信号预处理步骤，利用环境监测传感器检测呼吸气体的环境参数，从而对气体传感器的响应信号进行补偿完成预处理；
呼吸气体信号特征提取步骤，将预处理后的信号数据，运用多种时频域特征提取算法提取特征，并在此基础上进行特征选择；
在所述呼吸气体信号特征提取步骤中，利用特征提取算法在预处理后的气体传感器响应信号中提取几何特征。
在所述信号预处理步骤中，对气体传感器响应信号滤波、去除基线，然后利用环境监测传感器测得的环境参数对气体传感器的响应信号进行补偿。
所述特征提取算法中包括在预处理后的气体传感器响应信号中提取频域Haar小波特征和主成分分析(PCA)特征。
所述环境监测传感器包括温度传感器、湿度传感器、二氧化碳传感器和质量流量传感器。
所述几何特征包括波形曲线的峰值、均值、峰值比率、多点响应值、曲线积分、分段积分、斜率等多种特征的提取和选择。
在本发明呼吸气体测量的方法基础上，本发明还提供了一种基于呼吸气体检测的血糖预测模型，以达到无损血糖监测的目的。为此，在已有的基于呼吸气体检测的糖尿病分析和诊断系统的基础上，运用多种计算机算法进行处理和建模，在信号预处理步骤中对呼吸气体的响应信号针对环境参数进行补偿，在信号特征提取与选择算法中对呼吸气体响应信号进行时频域多方法特征提取、选择及融合，在信号评价算法中，采用多种模式识别算法进行分类模型和回归预测模型构建。本发明以上述方法弥补现有解决方案中的不足，同时保持成本低、速度快、操作简单、便携性好等优势。
本发明提出的基于呼吸气体检测的血糖预测模型，其方案主要包括：
(1)用本发明中的呼气分析仪分析采集到的呼出气体，记录分析仪中气体传感器和环境监测传感器的响应信号；
(2)利用温度、湿度、二氧化碳、质量流量等环境监测传感器测得的环境参数，对气体传感器的响应信号进行预处理；
(3)将预处理后的信号数据，运用多种时频域特征提取算法提取特征，并在此基础上进行特征选择和融合；
(4)血糖分类与回归算法，结合被试者的一些个体情况信息，给出信号评价算法，即运用模式识别算法进行血糖区间的分级和血糖值的预测。
本发明中提到的呼气分析仪的结构如图1所示，其中虚线框中的部分为呼气分析仪101的主要部件。
呼气分析仪101主要由微型真空泵102、气室103、传感器阵列104、信号处理电路105和数据采集卡106构成。计算机107上安装的交互软件用于控制分析仪、实时显示曲线和将数据保存成文件。在实际使用中，先请被试者吹满一个约600mL的气袋，将其插在分析仪的进气口上，交互软件即可控制分析仪自动完成标准化的测量、记录步骤。微型真空泵102将气袋中的呼出气体抽到气室103中与传感器阵列104接触。气体传感器与呼气中的丙酮等成分接触后产生响应，环境监测传感器也同时记录下气体的温度、湿度、流量和二氧化碳浓度等。这些传感器的响应被数据处理电路105接收、处理后，发送到数据采集卡106，再传送到计算机107中保存成文件。最后，真空泵102抽取外界洁净空气清洗气室，将之前抽进气室的呼出气体排出。
具体为，微型真空泵102用来将呼出气体或洁净空气抽入到气室103中，与传感器阵列104(包括气体传感器和环境监测传感器)接触；信号处理电路105将这些传感器的响应进行滤波、放大后发送到数据采集卡106；数据采集卡106再将处理后的响应数字化后发送到计算机107，由计算机存储成文件，等待接下来的信号预处理与评价步骤。而另一方面，计算机107还发出控制信号，通过数据采集卡106来控制真空泵102的开闭，从而自动完成进气、洗气等分析流程；计算机107还输出温度调制电压波形，通过带有数字-模拟转换功能的数据采集卡106将其转换为模拟信号，再用高输出电流的运算放大器对信号进行放大，加载在部分气体传感器的加热引脚上，使这些传感器工作在温度调制模式。
本发明中提到的信号预处理算法的框架如图2所示，其中预处理算法包括对传感器响应信号滤波、去除基线，然后利用温度传感器、湿度传感器、二氧化碳传感器和质量流量传感器测得的环境参数对气体传感器响应信号进行补偿。这些补偿有利于提高系统的精确性。在前期实验中，获得每个传感器的响应与温度、湿度、二氧化碳浓度和质量流量之间的关系，作为信号补偿算法的参数。
本发明中提到的信号特征提取步骤，其特征空间结构如图3所示，将预处理后的气体传感器响应信号用特征提取算法提取时频域特征，具体特征包括信号最大值特征、均值特征、最大值比率、多点响应值、曲线积分、分段积分、斜率、PCA特征、Haar小波特征等。本发明运用相应特征提取方法，提取信号特征，并在实验的基础上进行特征选择和组合，以提升模型整体的泛化能力。
在信号特征提取步骤中，针对呼吸气体数据的特点，对数据样本进行几何特征的提取，并利用主成分分析、小波分析等方法进行特征提取。针对血检数据，以血糖值作为主要特征，辅以采样时段、年龄、体重、性别、病症等特征。
在本发明呼吸气体测量的方法中，将被试者呼出的气体中的丙酮等成分转化为传感器响应信号，并对响应信号进行补偿、信号特征提取等操作，从而使提取的信号精度更高，便于后续的分析及处理。
本发明中提到的信号评价算法，是根据上述特征，结合被试者的一些个体情况信息，利用模式识别算法对被测者进行血糖的预测。个体情况信息例如被测者的ID、糖尿病类型、饮食情况等。一些研究表明，呼出气体中的丙酮浓度虽然和血糖正相关，但每个人呼出的丙酮的本底浓度都不尽相同，因此有必要在评价算法中加入被试者的ID信息。另一些研究表明，呼气丙酮浓度和糖尿病类型、饮食状况等也有关。利用呼气特征结合这些信息训练分类器，可以进一步提高系统的准确性。另外，基于这些数据，还可以构建覆盖不同地域、年龄、性别、病情等的数字化糖尿病呼出气体样本数据库，以便于开展进一步的科学研究，提高预测准确性。
血糖区间分级算法：关于在多个血糖区间上进行分类的研究，有两个主要关键问题：分类方法的选择和优化，血糖区间的划分方法。
血糖区间的划分方法：本发明旨在提供实际应用中有效的模型与方法，故在进行血糖区间划分时，严格遵循临床医学的相关标准，其所划分的四个血糖区间的医学意义为：低血糖，正常血糖，糖耐量受损和糖尿病。
血糖分级：本发明将分类树思想与SVM分类算法相结合，使其达到多分类效果。分类树的基本思想是从根节点开始，采用某种方法将该节点所包含的类别划分为两个子类，然后再对两个子类进一步划分，如此循环，直到子类中只包含一个类别为止，这样，就得到了一个倒立的二叉树。最后，在二叉树各分类节点训练支持向量机分类器，实现对识别样本的分类。SVM分类树模型的结构示意图，如图8所示。
血糖回归预测模型的构建：根据血糖数据的分布特点以及血糖分级的医学标准，本发明先行划分血糖区间更有利于降低预测误差，提高预测结果的准确率和可信度。因此，本发明对预测方法做出了分类和回归相结合优化设计。该方法处理过程如下：先依据所提取特征进行分类，在保证一定分类准确率的前提下，将样本分类至若干区间之内；将已分类的样本，在其对应区间内做回归预测。
本发明的基于呼吸气体检测的血糖预测模型及系统可以在家庭中用于血糖的监测。更广泛地来说，此系统还可以用于与呼气相关的其他身体状况的辅助分析，如酮症酸中毒的预防，健身或减肥过程中脂肪消耗情况的监测等。所分析的气体的来源也不一定限于呼出气体，还可以是人体其他部位所发出的气味，如汗液、尿液等。
本发明还公开了一种呼吸气体测量的系统，包括：
记录模块，用呼气分析仪分析采集到的呼出气体，记录呼气分析仪中气体传感器和环境监测传感器的响应信号；
信号预处理模块，利用环境监测传感器检测呼吸气体的环境参数，从而对气体传感器的响应信号进行补偿完成预处理；
呼吸气体信号特征提取模块，将预处理后的信号数据，运用多种时频域特征提取算法提取特征，并在此基础上进行特征选择；
在所述呼吸气体信号特征提取模块中，利用特征提取算法在预处理后的气体传感器响应信号中提取几何特征。
在所述信号预处理模块中，对气体传感器响应信号滤波、去除基线，然后利用环境监测传感器测得的环境参数对气体传感器的响应信号进行补偿。
所述特征提取算法中包括在预处理后的气体传感器响应信号中提取频域Haar小波特征和主成分分析(PCA)特征。
所述环境监测传感器包括温度传感器、湿度传感器、二氧化碳传感器和质量流量传感器。
所述几何特征包括波形曲线的峰值、均值、峰值比率、多点响应值、曲线积分、分段积分、斜率等多种特征的提取和选择。
在本发明呼吸气体测量的方法及系统中，呼气分析仪采用专门优化设计的传感器阵列及温度调制技术，并且加入多种环境监测传感器，用于分析被试者呼出的气体中的丙酮等成分，将其转化为传感器响应信号；所述信号预处理算法利用温度、湿度、二氧化碳、质量流量等环境监测传感器测得的环境参数，对气体传感器的响应信号进行补偿；所述信号特征提取与选择算法将预处理后的信号数据，运用多种时频域特征提取算法提取特征，并在此基础上进行特征选择和融合；所述血糖区间分级算法结合上述特征及被测者的一些个体情况信息，利用模式识别算法进行血糖区间分级和血糖值的回归预测。本系统成本低、操作简单、便携性好、精度较高，可以用于辅助医生进行糖尿病的筛查，也可以在家庭中用于血糖的监测。
以上内容是结合具体的优选实施方式对本发明所作的进一步详细说明，不能认定本发明的具体实施只局限于这些说明。对于本发明所属技术领域的普通技术人员来说，在不脱离本发明构思的前提下，还可以做出若干简单推演或替换，都应当视为属于本发明的保护范围。

Claims (10)

1.一种呼吸气体测量的方法，其特征在于，包括如下步骤：
记录步骤，用呼气分析仪分析采集到的呼出气体，记录呼气分析仪中气体传感器和环境监测传感器的响应信号；
信号预处理步骤，利用环境监测传感器检测呼吸气体的环境参数，从而对气体传感器的响应信号进行补偿完成预处理；
呼吸气体信号特征提取步骤，将预处理后的信号数据，运用多种时频域特征提取算法提取特征，并在此基础上进行特征选择；
在所述呼吸气体信号特征提取步骤中，利用特征提取算法在预处理后的气体传感器响应信号中提取几何特征。
2.根据权利要求1所述的方法，其特征在于，在所述信号预处理步骤中，对气体传感器响应信号滤波、去除基线，然后利用环境监测传感器测得的环境参数对气体传感器的响应信号进行补偿。
3.根据权利要求1所述的方法，其特征在于，所述特征提取算法中包括在预处理后的气体传感器响应信号中提取频域Haar小波特征和主成分分析特征。
4.根据权利要求1所述的方法，其特征在于，所述环境监测传感器包括温度传感器、湿度传感器、二氧化碳传感器和质量流量传感器。
5.根据权利要求1所述的方法，其特征在于，所述几何特征包括波形曲线的峰值、均值、峰值比率、多点响应值、曲线积分、分段积分、斜率特征的提取和选择。
6.一种呼吸气体测量的系统，其特征在于，包括：
记录模块，用呼气分析仪分析采集到的呼出气体，记录呼气分析仪中气体传感器和环境监测传感器的响应信号；
信号预处理模块，利用环境监测传感器检测呼吸气体的环境参数，从而对气体传感器的响应信号进行补偿完成预处理；
呼吸气体信号特征提取模块，将预处理后的信号数据，运用多种时频域特征提取算法提取特征，并在此基础上进行特征选择；
在所述呼吸气体信号特征提取模块中，利用特征提取算法在预处理后的气体传感器响应信号中提取几何特征。
7.根据权利要求6所述的系统，其特征在于，在所述信号预处理模块中，对气体传感器响应信号滤波、去除基线，然后利用环境监测传感器测得的环境参数对气体传感器的响应信号进行补偿。
8.根据权利要求6所述的系统，其特征在于，所述特征提取算法中包括在预处理后的气体传感器响应信号中提取频域Haar小波特征和主成分分析特征。
9.根据权利要求6所述的系统，其特征在于，所述环境监测传感器包括温度传感器、湿度传感器、二氧化碳传感器和质量流量传感器。
10.根据权利要求6所述的系统，其特征在于，所述几何特征包括波形曲线的峰值、均值、峰值比率、多点响应值、曲线积分、分段积分、斜率特征的提取和选择。
CN201610906923.2A 2016-10-18 2016-10-18 呼吸气体测量的方法及系统 Pending CN106338597A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201610906923.2A CN106338597A (zh) 2016-10-18 2016-10-18 呼吸气体测量的方法及系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201610906923.2A CN106338597A (zh) 2016-10-18 2016-10-18 呼吸气体测量的方法及系统

Publications (1)

Publication Number Publication Date
CN106338597A true CN106338597A (zh) 2017-01-18

Family

ID=57839953

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201610906923.2A Pending CN106338597A (zh) 2016-10-18 2016-10-18 呼吸气体测量的方法及系统

Country Status (1)

Country Link
CN (1) CN106338597A (zh)

Cited By (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN107096104A (zh) * 2017-06-08 2017-08-29 湖南明康中锦医疗科技发展有限公司 一种氧疗仪及其鼻管道
CN107463766A (zh) * 2017-06-23 2017-12-12 深圳市中识创新科技有限公司 血糖预测模型的生成方法、装置及计算机可读存储介质
CN107802255A (zh) * 2017-11-30 2018-03-16 杭州电子科技大学 一种基于代谢法的血糖数据处理方法及装置
JP2018155509A (ja) * 2017-03-15 2018-10-04 株式会社タニタ 生体ガス検知装置、方法、及びプログラム
JP2018155510A (ja) * 2017-03-15 2018-10-04 株式会社タニタ ケトン体濃度推定装置、方法、及びプログラム
CN114894980A (zh) * 2022-05-25 2022-08-12 中国农业大学 一种基于气敏传感器阵列的未知气体响应信号特征提取及数据挖掘方法
CN116026787A (zh) * 2023-03-29 2023-04-28 湖南汇湘轩生物科技股份有限公司 一种香精品级检测方法及系统
TWI816666B (zh) * 2017-04-06 2023-10-01 日商明治股份有限公司 生酮飲食之有效狀態之監測裝置及生酮飲食攝取量之管理方法

Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102890718A (zh) * 2012-10-10 2013-01-23 重庆大学 基于有监督显式流形学习算法的电子鼻数据挖掘方法
CN103245705A (zh) * 2013-05-03 2013-08-14 哈尔滨工业大学深圳研究生院 一种呼出气体的检测系统
CN103412003A (zh) * 2013-08-21 2013-11-27 电子科技大学 基于半监督领域自适应的气体检测方法
CN103868955A (zh) * 2014-04-09 2014-06-18 西南大学 一种便携式车内气体检测系统及方法
CN104268575A (zh) * 2014-09-29 2015-01-07 西南大学 基于混合特征矩阵的电子鼻信号处理方法
CN105181890A (zh) * 2015-02-10 2015-12-23 中国农业大学 一种嵌入式电子鼻检测系统及方法
CN105738434A (zh) * 2016-02-01 2016-07-06 清华大学深圳研究生院 一种基于电子鼻检测呼吸气体的糖尿病诊断系统

Patent Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102890718A (zh) * 2012-10-10 2013-01-23 重庆大学 基于有监督显式流形学习算法的电子鼻数据挖掘方法
CN103245705A (zh) * 2013-05-03 2013-08-14 哈尔滨工业大学深圳研究生院 一种呼出气体的检测系统
CN103412003A (zh) * 2013-08-21 2013-11-27 电子科技大学 基于半监督领域自适应的气体检测方法
CN103868955A (zh) * 2014-04-09 2014-06-18 西南大学 一种便携式车内气体检测系统及方法
CN104268575A (zh) * 2014-09-29 2015-01-07 西南大学 基于混合特征矩阵的电子鼻信号处理方法
CN105181890A (zh) * 2015-02-10 2015-12-23 中国农业大学 一种嵌入式电子鼻检测系统及方法
CN105738434A (zh) * 2016-02-01 2016-07-06 清华大学深圳研究生院 一种基于电子鼻检测呼吸气体的糖尿病诊断系统

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
HAIFEN CHEN ET AL: "An Effective Feature Extraction Method Used in Breath Analysis", <INTERNATIONAL CONFERENCE ON MEDICAL BIOMETRICS> *

Cited By (11)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2018155509A (ja) * 2017-03-15 2018-10-04 株式会社タニタ 生体ガス検知装置、方法、及びプログラム
JP2018155510A (ja) * 2017-03-15 2018-10-04 株式会社タニタ ケトン体濃度推定装置、方法、及びプログラム
JP7112134B2 (ja) 2017-03-15 2022-08-03 株式会社タニタ 生体ガス検知装置、方法、及びプログラム
TWI816666B (zh) * 2017-04-06 2023-10-01 日商明治股份有限公司 生酮飲食之有效狀態之監測裝置及生酮飲食攝取量之管理方法
CN107096104A (zh) * 2017-06-08 2017-08-29 湖南明康中锦医疗科技发展有限公司 一种氧疗仪及其鼻管道
CN107463766A (zh) * 2017-06-23 2017-12-12 深圳市中识创新科技有限公司 血糖预测模型的生成方法、装置及计算机可读存储介质
CN107802255A (zh) * 2017-11-30 2018-03-16 杭州电子科技大学 一种基于代谢法的血糖数据处理方法及装置
CN114894980A (zh) * 2022-05-25 2022-08-12 中国农业大学 一种基于气敏传感器阵列的未知气体响应信号特征提取及数据挖掘方法
CN114894980B (zh) * 2022-05-25 2023-06-20 中国农业大学 一种基于气敏传感器阵列的未知气体响应信号特征提取及数据挖掘方法
CN116026787A (zh) * 2023-03-29 2023-04-28 湖南汇湘轩生物科技股份有限公司 一种香精品级检测方法及系统
CN116026787B (zh) * 2023-03-29 2023-07-21 湖南汇湘轩生物科技股份有限公司 一种香精品级检测方法及系统

Similar Documents

Publication Publication Date Title
CN106338597A (zh) 呼吸气体测量的方法及系统
Yan et al. Design of a breath analysis system for diabetes screening and blood glucose level prediction
Murthy et al. Noncontact measurement of breathing function
CN108778097A (zh) 用于评估心力衰竭的装置和方法
CN103245705A (zh) 一种呼出气体的检测系统
CN106419864A (zh) 中医诊断云端专家系统
CN108095708A (zh) 一种基于混合传感的生理监测及分析方法、系统
Bhaskar et al. Time series classification-based correlational neural network with bidirectional LSTM for automated detection of kidney disease
CN110575181A (zh) 近红外光谱无创血糖检测网络模型训练方法
CN206044608U (zh) 中医诊断云端专家系统
CN104382570A (zh) 数字化全自动健康状况检测装置
WO2023036015A1 (zh) 一种基于多维身体状态感知的疲劳检测方法及系统
Nath et al. Validating physiological stress detection model using cortisol as stress bio marker
CN109124655A (zh) 精神状态分析方法、装置、设备、计算机介质及多功能椅
Chen et al. A new deep learning framework based on blood pressure range constraint for continuous cuffless BP estimation
CN109346164A (zh) 一种中医临床案例的自动采集设备及方法
Tiwari et al. Stress and anxiety measurement" in-the-wild" using quality-aware multi-scale hrv features
Li et al. Hybrid D1DCnet using forehead iPPG for continuous and noncontact blood pressure measurement
CN116369853A (zh) 一种基于脑机交互技术的嗅觉功能标准化评估装置及方法
CN215349053U (zh) 一种先天性心脏病智能筛查机器人
Salih et al. Smartphone-based identification of critical levels of glycated hemoglobin A1c using transdermal optical imaging
CN114068020A (zh) 一种智能康养监控与优化系统
Zhang et al. Computerized radial artery pulse signal classification for lung cancer detection
CN111951964A (zh) 一种快速检测新型冠状病毒肺炎的方法及系统
Zhu et al. Design of Health Detection System for Elderly Smart Watch Based on Biosignal Acquisition

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: 20170118