CN106963392A

CN106963392A - 光学无创血糖检测二维相关性标定方法及系统

Info

Publication number: CN106963392A
Application number: CN201710157557.XA
Authority: CN
Inventors: 苏亚; 姚晓天; 刘会清
Original assignee: SUZHOU OPTORING TECHNOLOGY Co Ltd; Hebei University
Current assignee: SUZHOU OPTORING TECHNOLOGY Co Ltd; Hebei University
Priority date: 2017-03-16
Filing date: 2017-03-16
Publication date: 2017-07-21
Anticipated expiration: 2037-03-16
Also published as: CN106963392B

Abstract

本发明提供了一种光学无创血糖检测二维相关性标定方法及系统，该标定方法和系统可分析计算得到皮肤不同二维区域组织的光学参数与血糖值的相关系数，通过分析相关系数得到二维分布的标定区域，根据标定区域，计算出光学参数与对应血糖值的函数关系，用于后续血糖的检测。本发明所提供的标定方法比现有的一维标定方法在测量血糖时更准确。

Description

光学无创血糖检测二维相关性标定方法及系统

技术领域

本发明涉及血糖检测领域，具体涉及一种光学无创血糖检测二维相关性标定方法。

背景技术

糖尿病是一种发病率高且并发症多的慢性终身性疾病，血糖检测是糖尿病的重要检测指标之一，为了避免并发症的发生，病人需要实时自我监测血糖。因此，血糖浓度水平的监控和检测对糖尿病的预防和治疗具有重要意义。

基于光学相干层析(Optical Coherence Tomography,OCT)的无创血糖监测技术主要是利用近红外光对人体皮肤作断层扫描成像，根据组织内部葡萄糖值不同所造成的皮肤光学参数变化来计算出人体葡萄糖浓度。无创技术的优点是使用方便，不用刺伤肌体比如采集体液等，而且可以进行长期的连续监测。因此,无创血糖监测技术具有很大的研究和实用价值。

在组织光学中，一般将皮肤组织看成是一个层状的模型，可以简单的将皮肤组织分成三层：皮肤表层、棘细胞层和真皮层。同时认为皮肤在层内的组成结构是相同的，因此可以通过光在深度方向上的传播来描述皮肤组织中的传播，即可以通过计算皮肤组织在深度上的光学参数，例如散射系数。已经有研究证明，当人体中的血糖浓度值发生变化时，皮肤组织的光学参数会发生变化。因此可以通过使用OCT检测皮肤组织内部光学参数的微小变化，建立皮肤内部光学参数与血糖浓度值之间的函数关系，并利用该函数关系实现血糖浓度值的检测。但是由于皮肤内部结构是非常复杂的，在其内部不同位置组织对血糖浓度值变化的敏感程度不同。因此考虑到这个因素，建立皮肤内部光学参数与血糖浓度值之间的函数关系需要寻找与血糖浓度值最相关的皮肤组织区域的光学参数，而寻找与血糖浓度值最相关的皮肤组织区域位置的光学参数过程，一般被称为血糖检测标定。

针对皮肤组织内部结构随机分布的问题，现阶段普遍采用的方式是使用OCT三维数据在水平方向上平均得到皮肤组织在深度方向上的一维信号，再通过一维信号获得皮肤组织内部的光学参数。然后通过一定的算法得到不同深度区域的皮肤组织光学参数与血糖相关性分布图。通过对相关性分布图的分析，可以找到光学参数与血糖最相关的皮肤深度区域来进行无创血糖检测。但是，在此深度区域内仍可能会存在与血糖相关性较差的组织，如相关性不高的毛囊、汗腺、淋巴等。因此，虽然一维相关性分析算法从统计平均的层面可以找到光学参数与血糖最相关的皮肤深度区域，但仍不是一种最优的无创血糖相关性分析模型及标定方法，会造成无创血糖测量的不准确。

发明内容

本发明的目的就是提供一种光学无创血糖检测二维相关性标定方法及系统，以解决现有标定方法及系统测量血糖不准确的问题。

本发明的目的是通过以下技术方案实现的：一种光学无创血糖检测二维相关性标定方法，包括以下步骤：

(a)确定检测区域；

(b)调控被测对象的血糖浓度变化；

(c)在被测对象的血糖浓度变化过程中，采集不同时刻的血糖值及其对应时刻的OCT皮肤图像；

(d)将OCT皮肤图像沿水平方向进行二维平均，得到对应的二维图像和光学参数；

(e)分析计算所测血糖值与光学参数的相关系数，得到二维分布的标定区域；

(f)根据标定区域，计算出光学参数与对应血糖值的函数关系。

本发明中，所述光学参数为散射系数或折射率。

本发明步骤(b)中，通过口服葡萄糖耐量测试或血糖钳夹实验，使被测试者血糖达到预设的变动幅度。

本发明步骤(d)中，获得光学参数的具体步骤为：将每一幅二维图像都分成若干连续的二维区域A_i11，A_i12，…，A_ipq，计算每个区域的对应光学参数为μ_i11，μ_i12，…，μ_ipq。

本发明步骤(e)中，采用皮尔森积差相关法计算出血糖值与不同区域光学参数的相关系数R，

其中，变量μ为光学参数，G为血糖值。

本发明步骤(e)中，所述相关系数的绝对值越接近1，光学参数与血糖值的线性关系越强，光学参数所对应的二维区域即为标定区域。

本发明步骤(f)中，通过线性拟合方法，算出所述标定区域上对应光学参数与血糖值的函数关系，所述线性拟合方法为最小二乘法或偏最小二乘法。

一种光学无创血糖检测二维相关性标定系统，包括：

检测区域确定模块，用于确定检测区域；

血糖采集模块，用于采集不同时刻的血糖值；

OCT图像采集模块，用于在血糖采集模块采集血糖的同时采集检测区域的OCT皮肤图像；

相关性分析模块，用于将OCT皮肤图像沿水平方向进行二维平均，并分析计算不同二维区域的光学参数与血糖值的相关系数，得到二维分布的标定区域；

函数关系计算模块，用于根据标定区域，计算出光学参数与对应血糖值的函数关系。

本发明系统中，所述相关性分析模块包括：

图像处理单元，用于将OCT皮肤图像沿水平方向进行二维平均，并将每一幅二维图像都分成若干连续的二维区域A_i11，A_i12，…，A_ipq；

计算单元，用于计算每个所述二维区域的对应光学参数为μ_i11，μ_i12，…，μ_ipq，并采用皮尔森积差相关法计算出血糖值与不同区域光学参数的相关系数R，

其中，变量μ为光学参数，G为血糖值。

本发明系统中，所述相关性分析模块中，相关系数的绝对值越接近1，光学参数与血糖值的线性关系越强，光学参数所对应的二维区域即为标定区域。

本发明所提供的标定方法和系统能更为精确地区分光学参数与血糖浓度相关性组织区域，且能进行快速计算得出二维标定区域，在后续测量血糖时所得结果更加准确。

附图说明

图1为皮肤光学参数与血糖值二维相关性标定方法流程图；

图2为对OCT皮肤图像沿水平方向进行二维平均示意图，其中，左图为OCT三维图像，右图为平均后的二维图像。

图3为OCT二维平均图像内部区域划分方法示意图。

图4为皮肤光学参数与血糖值的二维相关性标定分析图。

图5为本发明标定系统的构架图。

具体实施方式

下面结合具体实施例对本发明的技术方案进行详细说明。在下面的描述中阐述了很多具体细节以便于充分理解本发明，但是本发明能够以很多不同于在此描述的其它方式来实施，本领域技术人员可以在不违背本发明内涵的情况下做类似改进，因此本发明不受下面公开的具体实施例的限制。本发明实施例以散射系数与血糖浓度二维相关性的计算方法进行具体的描述，也可以选用折射率等其他光学参数进行说明。

在进行光学无创血糖检测前，均需要进行单独标定，且标定数据仅适用于个人而不能通用，这是由于人的个体差异性及皮肤内部组织物质分布的随机性所决定的。

如图1所示，本发明所提供的光学无创血糖检测二维相关性标定方法，包括以下步骤：

(a)确定检测区域；

本步骤是在待检测人身上确定检测区域，一般会在手前臂的内侧面上选择一块区域固定为检测区域。

(b)调控被测对象的血糖浓度变化；

在本步骤中，可以通过口服葡萄糖耐量测试(OGTT)或血糖钳夹实验，使被测试者血糖在短时间内产生较大幅度的变动，血糖浓度变动幅度一般至少在2～3mmol/L。

在血糖浓度值变化过程中的t₁，t₂，…，t_n时刻(以5分钟为间隔)分别依次采集OCT皮肤图像IMG₁，IMG₂，…，IMG_n和血糖值G₁，G₂，…，G_n。

(d)将OCT皮肤图像沿水平方向进行二维平均，得到对应的二维图像和散射系数；

将OCT皮肤图像IMG₁，IMG₂，…，IMG_n沿水平方向(X方向或Y方向)进行二维平均，得到对应的二维图像S₁，S₂，…，S_n，如图2所示。

分别对每一幅二维图像(S₁，S₂，…，S_n)，取边长为L×M的方形区域，如图3所示，得到若干连续的二维区域{A₁₁₁，A₁₁₂，…，A_1pq}，{A₂₁₁，A₂₁₂，…，A_2pq}，…，{A_n11，A_n12，…，A_npq}，计算每个区域的对应散射系数为{μ₁₁₁，μ₁₁₂，…，μ_1pq}，{μ₂₁₁，μ₂₁₂，…，μ_2pq}，…，{μ_n11，μ_n12，…，μ_npq}。其中L为125微米，M为50微米。

(e)分析计算所测血糖值与散射系数的相关系数，得到二维分布的标定区域；

已知测得的血糖值为G₁，G₂，…，G_n，且由OCT测量得到的对应采血时刻二维图像内不同区域散射系数为{μ₁₁₁，μ₁₁₂，…，μ_1pq}，{μ₂₁₁，μ₂₁₂，…，μ_2pq}，…，{μ_n11，μ_n12，…，μ_npq}。则根据皮尔森积差相关法(Person product-moment correlation)可以计算得到不同区域的散射系数与血糖的相关系数R₁₁，R₁₂，…，R_pq。

其中，变量μ为散射系数，G为血糖值。相关系数的变化范围为-1到1，相关系数的绝对值越大，越接近于1，则说明散射系数与血糖值的线性关系越强。在确定标定区域时，可选择相关系数的绝对值最大(即为散射系数与血糖的线性关系最强)的对应的皮肤深度区域为标定区域。还可以预先设定某一对比值(例如设定对比值为0.8)，选取所有相关系数的绝对值大于该对比值的对应的皮肤区域作为标定区域。

(f)根据标定区域，计算出散射系数与对应血糖值的函数关系。

上述步骤已经确定标定区域，即对血糖的变化具有高度敏感的二维面积区域。通过线性拟合方法，算出标定区域上对应散射系数与测得的血糖值的函数关系，该得到的函数关系可用于后续的无创血糖检测。具体的，线性拟合方法可为最小二乘法或偏最小二乘法方法。

如图4所示，本实施例标定计算范围为水平X方向25-1275微米和皮下深度205-955微米。纵坐标表示所计算相关区域的水平方向范围，横坐标表示为所计算相关区域的深度范围，计算的单位为方形二维区域125×50微米。

如图5所示，本发明还提供了一种光学无创血糖检测二维相关性标定系统，该系统包括检测区域确定模块100、血糖采集模块120、OCT图像采集模块130、相关性分析模块140以及函数关系计算模块150。检测区域确定模块100用于确定检测区域；血糖采集模块120用于采集不同时刻的血糖值；OCT图像采集模块130用于在血糖采集模块120采集血糖的同时采集检测区域的OCT皮肤图像；相关性分析模块140用于将OCT皮肤图像沿水平方向进行二维平均，并分析计算不同二维区域的光学参数与血糖值的相关系数，得到二维分布的标定区域；函数关系计算模块150用于根据标定区域，计算出光学参数与对应血糖值的函数关系。

血糖采集模块120用于采集不同时刻的血糖值，为使标定更加快速准确，通常通过口服葡萄糖耐量测试(OGTT)或血糖钳夹实验，使被测试者血糖在短时间内产生较大幅度的变动，血糖浓度变动幅度一般至少在2～3mmol/L。在血糖浓度值变化过程中，血糖采集模块120采集t₁，t₂，…，t_n时刻(以5分钟为间隔)的血糖值G₁，G₂，…，G_n，同时，OCT图像采集模块130采集OCT皮肤图像IMG₁，IMG₂，…，IMG_n。血糖采集模块可采用常规的方法或得血糖值，如指血和静脉血检测等。

所述相关性分析模块140包括图像处理单元和计算单元，其中，图像处理单元用于将OCT皮肤图像沿水平方向(X方向或Y方向)进行二维平均，并将每一幅二维图像都分成若干连续的二维区域A_i11，A_i12，…，A_ipq。计算单元计算每个所述二维区域的对应光学参数为μ_i11，μ_i12，…，μ_ipq，并采用皮尔森积差相关法计算出血糖值与不同区域光学参数的相关系数R，

其中，变量μ为光学参数，G为血糖值。相关系数的绝对值越接近1，光学参数与血糖值的线性关系越强，光学参数所对应的二维区域即为标定区域。

函数关系计算模块150根据标定区域，通过线性拟合方法，计算出光学参数与对应血糖值的函数关系，该函数关系可用于后续的无创血糖检测。具体的，线性拟合方法可为最小二乘法或偏最小二乘法方法。

用上述标定方法和系统对两名测试者进行标定，同时与一维相关性标定方法进行对比，结果如表1所示。

表1：

通过整体相关性来比较二者的准确度。整体相关性为实验过程中，通过相关区域计算得到的皮肤组织散射系数与人体血糖值的相关系数大小。对于测试者1，其通过一维相关性算法计算得到的最优整体相关性为0.6(对应的相关区域为所有相关系数大于0.8的区域)；而通过二维相关性算法计算得到的最优整体相关性为0.72(对应的相关区域为所有相关系数大于0.6的区域)。由表1可以看出，二维相关性算法准确度要优于一维算法。

Claims

1.一种光学无创血糖检测二维相关性标定方法，其特征在于，包括以下步骤：

(a)确定检测区域；

(b)调控被测对象的血糖浓度变化；

2.根据权利要求1所述的光学无创血糖检测二维相关性标定方法，其特征在于，所述光学参数为散射系数或折射率。

3.根据权利要求1所述的光学无创血糖检测二维相关性标定方法，其特征在于，步骤(b)中，通过口服葡萄糖耐量测试或血糖钳夹实验，使被测试者血糖达到预设的变动幅度。

4.根据权利要求1所述的光学无创血糖检测二维相关性标定方法，其特征在于，步骤(d)中，获得光学参数的具体步骤为：将每一幅二维图像都分成若干连续的二维区域A_i11，A_i12，…，A_ipq，计算每个区域的对应光学参数为μ_i11，μ_i12，…，μ_ipq。

5.根据权利要求4所述的光学无创血糖检测二维相关性标定方法，其特征在于，步骤(e)中，采用皮尔森积差相关法计算出血糖值与不同区域光学参数的相关系数R，

R = \frac{Σ_{i = 1}^{n} μ_{i} G_{i} - n \overset{&OverBar;}{μ} \overset{&OverBar;}{G}}{(n - 1) s_{μ} s_{G}} = \frac{n Σ_{i = 1}^{n} μ_{i} G_{i} - Σ_{i = 1}^{n} μ_{i} Σ_{i = 1}^{n} G_{i}}{\sqrt{n Σ_{i = 1}^{n} μ_{i}^{2} {(Σ_{i = 1}^{n} μ_{i})}^{2}} \sqrt{n Σ_{i = 1}^{n} G_{i}^{2} - {(Σ_{i = 1}^{n} G_{i})}^{2}}}

其中，变量μ为光学参数，G为血糖值。

6.根据权利要求1所述的光学无创血糖检测二维相关性标定方法，其特征在于，步骤(e)中，所述相关系数的绝对值越接近1，光学参数与血糖值的线性关系越强，光学参数所对应的二维区域即为标定区域。

7.根据权利要求1所述的光学无创血糖检测二维相关性标定方法，其特征在于，步骤(f)中，通过线性拟合方法，算出所述标定区域上对应光学参数与血糖值的函数关系，所述线性拟合方法为最小二乘法或偏最小二乘法。

8.一种光学无创血糖检测二维相关性标定系统，其特征在于，包括：

检测区域确定模块，用于确定检测区域；

血糖采集模块，用于采集不同时刻的血糖值；

9.根据权利要求8所述的光学无创血糖检测二维相关性标定系统，其特征在于，所述相关性分析模块包括：

R = \frac{Σ_{i = 1}^{n} μ_{i} G_{i} - n \overset{&OverBar;}{μ} \overset{&OverBar;}{G}}{(n - 1) s_{μ} s_{G}} = \frac{n Σ_{i = 1}^{n} μ_{i} G_{i} - Σ_{i = 1}^{n} μ_{i} Σ_{i = 1}^{n} G_{i}}{\sqrt{n Σ_{i = 1}^{n} μ_{i}^{2} {(Σ_{i = 1}^{n} μ_{i})}^{2}} \sqrt{n Σ_{i = 1}^{n} G_{i}^{2} - {(Σ_{i = 1}^{n} G_{i})}^{2}}}

其中，变量μ为光学参数，G为血糖值。

10.根据权利要求8所述的光学无创血糖检测二维相关性标定系统，其特征在于，所述相关性分析模块中，相关系数的绝对值越接近1，光学参数与血糖值的线性关系越强，光学参数所对应的二维区域即为标定区域。