CN107174259A - 基于多波长能量守恒法的无创血糖值采集装置及计算方法 - Google Patents
基于多波长能量守恒法的无创血糖值采集装置及计算方法 Download PDFInfo
- Publication number
- CN107174259A CN107174259A CN201710494530.XA CN201710494530A CN107174259A CN 107174259 A CN107174259 A CN 107174259A CN 201710494530 A CN201710494530 A CN 201710494530A CN 107174259 A CN107174259 A CN 107174259A
- Authority
- CN
- China
- Prior art keywords
- mtd
- mtr
- value
- msub
- module
- 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
- 239000008280 blood Substances 0.000 title claims abstract description 88
- 210000004369 blood Anatomy 0.000 title claims abstract description 88
- 238000000205 computational method Methods 0.000 title description 4
- 238000001514 detection method Methods 0.000 claims abstract description 39
- 230000005855 radiation Effects 0.000 claims abstract description 38
- 238000000034 method Methods 0.000 claims abstract description 30
- WQZGKKKJIJFFOK-GASJEMHNSA-N Glucose Natural products OC[C@H]1OC(O)[C@H](O)[C@@H](O)[C@@H]1O WQZGKKKJIJFFOK-GASJEMHNSA-N 0.000 claims abstract description 25
- 239000008103 glucose Substances 0.000 claims abstract description 25
- QVGXLLKOCUKJST-UHFFFAOYSA-N atomic oxygen Chemical compound [O] QVGXLLKOCUKJST-UHFFFAOYSA-N 0.000 claims abstract description 24
- 229910052760 oxygen Inorganic materials 0.000 claims abstract description 24
- 239000001301 oxygen Substances 0.000 claims abstract description 24
- 230000002093 peripheral effect Effects 0.000 claims abstract description 12
- 230000003750 conditioning effect Effects 0.000 claims abstract description 9
- 239000000203 mixture Substances 0.000 claims description 29
- 239000000463 material Substances 0.000 claims description 11
- 238000012360 testing method Methods 0.000 claims description 11
- 239000011159 matrix material Substances 0.000 claims description 9
- 238000012545 processing Methods 0.000 claims description 8
- 230000000694 effects Effects 0.000 claims description 7
- 238000012935 Averaging Methods 0.000 claims description 6
- 230000005540 biological transmission Effects 0.000 claims description 6
- 238000002790 cross-validation Methods 0.000 claims description 6
- 229920003023 plastic Polymers 0.000 claims description 6
- 239000004033 plastic Substances 0.000 claims description 6
- 210000000624 ear auricle Anatomy 0.000 claims description 4
- VYPSYNLAJGMNEJ-UHFFFAOYSA-N Silicium dioxide Chemical compound O=[Si]=O VYPSYNLAJGMNEJ-UHFFFAOYSA-N 0.000 claims description 3
- 238000004458 analytical method Methods 0.000 claims description 3
- 238000013178 mathematical model Methods 0.000 claims description 3
- 238000000513 principal component analysis Methods 0.000 claims description 3
- 230000001373 regressive effect Effects 0.000 claims description 3
- 238000007789 sealing Methods 0.000 claims description 3
- 239000000741 silica gel Substances 0.000 claims description 3
- 229910002027 silica gel Inorganic materials 0.000 claims description 3
- 238000007689 inspection Methods 0.000 claims description 2
- 239000002184 metal Substances 0.000 claims description 2
- 230000001419 dependent effect Effects 0.000 claims 1
- 230000004060 metabolic process Effects 0.000 description 6
- 238000005259 measurement Methods 0.000 description 5
- 230000036760 body temperature Effects 0.000 description 3
- 206010012601 diabetes mellitus Diseases 0.000 description 3
- 238000012544 monitoring process Methods 0.000 description 3
- 230000017531 blood circulation Effects 0.000 description 2
- 238000013461 design Methods 0.000 description 2
- 230000007613 environmental effect Effects 0.000 description 2
- 238000001914 filtration Methods 0.000 description 2
- NOESYZHRGYRDHS-UHFFFAOYSA-N insulin Chemical compound N1C(=O)C(NC(=O)C(CCC(N)=O)NC(=O)C(CCC(O)=O)NC(=O)C(C(C)C)NC(=O)C(NC(=O)CN)C(C)CC)CSSCC(C(NC(CO)C(=O)NC(CC(C)C)C(=O)NC(CC=2C=CC(O)=CC=2)C(=O)NC(CCC(N)=O)C(=O)NC(CC(C)C)C(=O)NC(CCC(O)=O)C(=O)NC(CC(N)=O)C(=O)NC(CC=2C=CC(O)=CC=2)C(=O)NC(CSSCC(NC(=O)C(C(C)C)NC(=O)C(CC(C)C)NC(=O)C(CC=2C=CC(O)=CC=2)NC(=O)C(CC(C)C)NC(=O)C(C)NC(=O)C(CCC(O)=O)NC(=O)C(C(C)C)NC(=O)C(CC(C)C)NC(=O)C(CC=2NC=NC=2)NC(=O)C(CO)NC(=O)CNC2=O)C(=O)NCC(=O)NC(CCC(O)=O)C(=O)NC(CCCNC(N)=N)C(=O)NCC(=O)NC(CC=3C=CC=CC=3)C(=O)NC(CC=3C=CC=CC=3)C(=O)NC(CC=3C=CC(O)=CC=3)C(=O)NC(C(C)O)C(=O)N3C(CCC3)C(=O)NC(CCCCN)C(=O)NC(C)C(O)=O)C(=O)NC(CC(N)=O)C(O)=O)=O)NC(=O)C(C(C)CC)NC(=O)C(CO)NC(=O)C(C(C)O)NC(=O)C1CSSCC2NC(=O)C(CC(C)C)NC(=O)C(NC(=O)C(CCC(N)=O)NC(=O)C(CC(N)=O)NC(=O)C(NC(=O)C(N)CC=1C=CC=CC=1)C(C)C)CC1=CN=CN1 NOESYZHRGYRDHS-UHFFFAOYSA-N 0.000 description 2
- 230000036284 oxygen consumption Effects 0.000 description 2
- 206010061818 Disease progression Diseases 0.000 description 1
- 102000004877 Insulin Human genes 0.000 description 1
- 108090001061 Insulin Proteins 0.000 description 1
- 238000001069 Raman spectroscopy Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 238000013500 data storage Methods 0.000 description 1
- 230000007812 deficiency Effects 0.000 description 1
- 230000006735 deficit Effects 0.000 description 1
- 238000003745 diagnosis Methods 0.000 description 1
- 235000005911 diet Nutrition 0.000 description 1
- 230000000378 dietary effect Effects 0.000 description 1
- 230000005750 disease progression Effects 0.000 description 1
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 description 1
- 230000005611 electricity Effects 0.000 description 1
- 208000030172 endocrine system disease Diseases 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 239000012530 fluid Substances 0.000 description 1
- 208000015181 infectious disease Diseases 0.000 description 1
- 229940125396 insulin Drugs 0.000 description 1
- 238000000691 measurement method Methods 0.000 description 1
- 208000030159 metabolic disease Diseases 0.000 description 1
- 238000004867 photoacoustic spectroscopy Methods 0.000 description 1
- 238000000711 polarimetry Methods 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 210000003296 saliva Anatomy 0.000 description 1
- 230000008054 signal transmission Effects 0.000 description 1
- 238000007920 subcutaneous administration Methods 0.000 description 1
- 238000003325 tomography Methods 0.000 description 1
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
- A61B5/1455—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 using optical sensors, e.g. spectral photometrical oximeters
- A61B5/14551—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 using optical sensors, e.g. spectral photometrical oximeters for measuring blood gases
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/01—Measuring temperature of body parts ; Diagnostic temperature sensing, e.g. for malignant or inflamed tissue
-
- 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
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/72—Signal processing specially adapted for physiological signals or for diagnostic purposes
- A61B5/7235—Details of waveform analysis
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01J—MEASUREMENT OF INTENSITY, VELOCITY, SPECTRAL CONTENT, POLARISATION, PHASE OR PULSE CHARACTERISTICS OF INFRARED, VISIBLE OR ULTRAVIOLET LIGHT; COLORIMETRY; RADIATION PYROMETRY
- G01J5/00—Radiation pyrometry, e.g. infrared or optical thermometry
Landscapes
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Medical Informatics (AREA)
- Animal Behavior & Ethology (AREA)
- Veterinary Medicine (AREA)
- Biophysics (AREA)
- Pathology (AREA)
- Public Health (AREA)
- Biomedical Technology (AREA)
- Heart & Thoracic Surgery (AREA)
- General Health & Medical Sciences (AREA)
- Molecular Biology (AREA)
- Surgery (AREA)
- Optics & Photonics (AREA)
- Spectroscopy & Molecular Physics (AREA)
- General Physics & Mathematics (AREA)
- Emergency Medicine (AREA)
- Artificial Intelligence (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Physiology (AREA)
- Psychiatry (AREA)
- Signal Processing (AREA)
- Measurement Of The Respiration, Hearing Ability, Form, And Blood Characteristics Of Living Organisms (AREA)
Abstract
基于多波长光能量守恒法的无创血糖值采集装置包括,采集夹:下侧夹,一端与弹簧旋钮连接,其上设置有红光接收模块、血氧浓度值检测模块、人体热红外辐射检测模块、环境温度检测模块以及红光接收模块,上侧夹,与下侧夹相匹配的一端与弹簧旋钮的另一端连接,其上设置有红光外发射模块、红光发射模块、人体体表温度检测模块、以及心率检测模块;外围信号调理模块,输入端用于接收来自血氧浓度值检测模块、人体热红外辐射检测模块、环境温度检测模块、人体体表温度检测模块以及心率检测模块的信号;模数转换器,输入口与外围信号调理模块的输出端连接。使用采集装置收集信息后使用血糖值计算方法计算出血糖值,输出。
Description
技术领域
本发明涉及一种基于多波长能量守恒法的无创血糖值采集装置及测量方法,本发明属于医疗电子技术领域。
背景技术
糖尿病是由于体内胰岛素缺乏引起的代谢紊乱性疾病或内分泌疾病,随着人口老龄化的趋势及人们饮食结构的变化,全世界糖尿病患者的数量正逐年增加。血糖水平是一个在糖尿病诊断、病情控制和治疗中起着重要作用的医学指标。医疗界普遍认为通过控制病人的血糖值,将其维持在一个安全的水平,可以防止疾病恶化,减少并发症。
目前自我血糖浓度监测一般是采用快速血糖仪进行测量,由于该方法需要采集血样,容易引起患者的生理疼痛并伴有感染的危险,因此有创的测量方法在很大程度上限制了血糖测定的频率。
国内外无创血糖检测方法主要有以下几类:测量皮下渗出组织液中的血糖浓度、微波无创血糖检测、皮下植入传感器、人体的射频阻抗无创检测血糖值、利用唾液进行无创血糖检测、超声波血糖检测仪、聚光断层摄影、旋光法、光声光谱大与激光拉曼光谱法、红外光谱法。其中光学和辐射方法中的红外光谱法是目前研究比较多的一种方法,但现有技术单纯使用红外技术来检测血糖值,由于数据单一,同时测量环境对红外线的干扰较大,导致单纯的红外光无法准确稳定的检测血糖值。
发明内容
本发明是为了解决上述单纯使用红外技术进行无创血糖检测导致数据单一,检测结果不稳定的不足,目的在于提供一种基于多波长能量守恒法的无创血糖值采集装置及计算方法。
本发明提供的基于多波长光能量守恒法的无创血糖值采集装置,其特征在于,包括用于收集信息的采集夹、用于信号传输的外围信号调理模块以及用于计算血糖值并输出的模数转换器;
其中,采集夹包括相互配合的上侧夹、下侧夹以及弹簧旋钮,
上侧夹,一端与弹簧旋钮连接,其上设置有红光接收模块、血氧浓度值检测模块、人体热红外辐射检测模块、环境温度检测模块以及红光接收模块;
下侧夹,与上侧夹相匹配的一端与弹簧旋钮的另一端连接,其上设置有红光外发射模块、红光发射模块、人体体表温度检测模块、以及心率检测模块;
外围信号调理模块,具有输入端和输出端,输入端用于接收来自血氧浓度值检测模块、人体热红外辐射检测模块、环境温度检测模块、人体体表温度检测模块以及心率检测模块的信号;
模数转换器,具有输入口和输出口,输入口与外围信号调理模块的输出端连接,输出口与外部的显示器连接。
本发明提供的基于多波长光能量守恒法的无创血糖值采集装置,还可以具有这样的特征,其特征在于:
其中,上侧夹和下侧夹具有由塑料或金属制成的外壳和柔性材料层,
柔性材料层覆盖在外壳上,用于密封外壳上的接缝。
本发明提供的基于多波长光能量守恒法的无创血糖值采集装置,还可以具有这样的特征,其特征在于:
其中,柔性材料层由硅胶、海绵、软性塑料中的任意一种材料制成。
本发明提供的基于多波长光能量守恒法的无创血糖值测量方法,其特征在于,包括以下步骤:
步骤一,将测试者的手指或耳垂放入基于多波长光能量守恒法的无创血糖值采集装置中,采集测试者的血氧浓度值、人体热红外辐射值、环境热红外辐射值、环境温度值、人体体表温度值以及心率值;
步骤二,将步骤一采集到的血氧浓度值、人体热红外辐射值、环境热红外辐射值、环境温度值、人体体表温度值、心率值对应分别标记为x1、x2、x3、x4、x5、x6,进行中值滤波处理,处理后标记为
步骤三,将步骤二得到的中值滤波处理后的各个输出数列与标准血糖值y以偏最小二乘回归分析建立数学模型;
其中,数学模型为:
首先将血氧浓度值、人体热红外辐射值、环境热红外辐射值、环境温度值、人体体表温度值、心率值和传统有创血糖仪检测数据进行标准化:
m个自变量,n组数据点
(1)计算E0第一成分的得分向量,记为
t1和F0的协方差Cov(t1,F0)可用和F0的内积计算,故而求解可化为利用Lagrange乘数法求条件极值问题:
设M正定矩阵,α为n维向量,取f(α)=αTMα,λ为M的最大特征值,α0为相应的长为1的特征向量,f(α)在α0时取最大值,即
则
则
即w1=α0时,取得最大值;
(2)假定回归模型为
其中为残差阵,模型效应负荷量α1的估计值为
(3)交叉有效性检验
多信息融合算法可像主成分分析一样,仅通过前r个成分(r≤m),即可得到较好预测能力的回归模型,可通过交叉有效性检验来确定提取的主成分个数r,
抽取h个成分时yi的预测误差平方和为
有
记第i个样本点的预测值为定义yi的误差平方和为
有
定义为交叉有效性,在每提出一个成分后,均进行检验,若在提出的第h个成分有则本模型的精度已达到要求,可停止提取;
(4)求矩阵最大特征值所对应的特征向量w2,求得成分计算成分得分向量和残差矩阵其中
…
(r+2)至第r步,求矩阵最大特征值所对应的特征向量wr,求得成分计算成分得分向量
如果根据交叉有效性,确定共抽取r个成分t1,t2,…,tr,可以得到一个满意的预测模型,则求F0在t1,t2,…,tr上的普通最小二乘回归方程为
把代入Y=t1β1+…+trβr,即得因变量血糖值的偏最小二乘回归方程式
y=a1x1+…+amxm,
这里的满足
本发明提供的基于多波长光能量守恒法的无创血糖值计算方法,还可以具有这样的特征,其特征在于:
其中,中值滤波处理的过程为:
(1)将输入红光和红外光透射的前后五千个数据点进行删除,只截取中段19000个数据,标定红外光与红光透射能量的峰值点,剔除前后两个峰值点,接着用差分函数求相邻两个峰值点能量差求平均,以及计算最大峰值与所有数据点的偏差后也用差分函数求相邻能量差求平均,最终的波动偏差由上述两种方法得出的结果取平均;
(2)人体体表温度值用最后10个点的均值表示,环境温度值波动情况较小,对其整段取均值;
(3)人体热红外辐射值用最后10个点的均值表示,环境热红外辐射值对其整段取均值。
发明的作用与效果
根据本发明所提供的基于多波长能量守恒法的无创血糖值采集装置及计算方法,由于能量守恒,目前选取的指标为:血氧浓度值,心率值,被测部位体表温度,被测部位热辐射温度,环境温度。其中血糖代谢过程中需要耗氧因此选取为血氧指标;血液流速会影响血糖和血氧含量因此选取为心率;血糖代谢会释放能量因此选取为体表温度指标;体温会受到环境的影响,测量环境温度可降低干扰因此选取为环境温度指标;血糖代谢会释放热量因此选取为环境辐射温度,被测部位辐射温度。通过这些指标的相互结合来进行无创血糖检测,测量指标涉及面广,所获得的血糖测量结果准确性高,受外界干扰性小。
附图说明
图1是本发明的无创血糖值采集装置结构示意图。
具体实施方式
为了使本发明实现的技术手段、创作特征、达成目的与功效易于明白了解,以下实施例结合附图对本发明提供的基于多波长光能量守恒法的无创血糖值采集装置及计算方法的组成、工作原理以及有益效果作具体阐述。
图1是本发明的无创血糖值采集装置结构示意图。
如图1所示,本实施例中的用基于多波长光能量守恒法的无创血糖值采集装置100包括:采集夹10、外围信号调理电路30以及模数转换器40。
采集夹10,包括下侧夹12、上侧夹14以及弹簧旋钮13。
下侧夹12,一端与弹簧旋钮13连接,其上设置有红光接收模块21、血氧浓度值检测模块22、人体热红外辐射检测模块23、环境温度检测模块24以及红光接收模块25。
上侧夹14,与下侧夹12相匹配的一端与弹簧旋钮13的另一端连接,其上设置有红光外发射模块26、红光发射模块27、人体体表温度检测模块28、以及心率检测模块29;
上侧夹14和下侧夹12具有由塑料制成的外壳和柔性材料层;
柔性材料层覆盖在外壳上,用于密封外壳上的接缝,由硅胶、海绵、软性塑料中的任意一种材料制成。
外围信号调理电路30,具有输入端和输出端,输入端用于接收来自血氧浓度值检测模块22、人体热红外辐射检测模块23、环境温度检测模块24、人体体表温度检测模块28以及心率检测模块29的信号。
模数转换器40,具有输入口和输出口,输入口与外围信号调理模块30的输出端连接,输出口与外部的显示器连接,用于将上述检测得到的模拟值转化为数字量后输出。
使用上述基于多波长光能量守恒法的无创血糖值采集装置收集的信息进行血糖值的计算,步骤如下:
步骤一,将测试者的手指或耳垂放入基于多波长光能量守恒法的无创血糖值采集装置中,采集测试者的血氧浓度值、人体热红外辐射值、环境热红外辐射值、环境温度值、人体体表温度值以及心率值;
步骤二,将步骤一采集到的血氧浓度值、人体热红外辐射值、环境热红外辐射值、环境温度值、人体体表温度值、心率值对应分别标记为x1、x2、x3、x4、x5、x6,进行中值滤波处理,处理后标记为
步骤三,将步骤二得到的中值滤波处理后的各个输出数列与标准血糖值y以偏最小二乘回归分析建立数学模型。
其中,数学模型为:
首先将血氧浓度值、人体热红外辐射值、环境热红外辐射值、环境温度值、人体体表温度值、心率值和传统有创血糖仪检测数据进行标准化:
m个自变量,n组数据点
(1)计算E0第一成分的得分向量,记为
t1和F0的协方差Cov(t1,F0)可用和F0的内积计算,故而求解可化为利用Lagrange乘数法求条件极值问题:
设M正定矩阵,α为n维向量,取f(α)=αTMα,λ为M的最大特征值,α0为相应的长为1的特征向量,f(α)在α0时取最大值。即
则
则
即w1=α0时,取得最大值;
(2)假定回归模型为
其中为残差阵,模型效应负荷量α1的估计值为
(3)交叉有效性检验
多信息融合算法可像主成分分析一样,仅通过前r个成分(r≤m),即可得到较好预测能力的回归模型,可通过交叉有效性检验来确定提取的主成分个数r,
抽取h个成分时yi的预测误差平方和为
有
记第i个样本点的预测值为定义yi的误差平方和为
有
定义为交叉有效性,在每提出一个成分后,均进行检验,若在提出的第h个成分有则本模型的精度已达到要求,可停止提取;
(4)求矩阵最大特征值所对应的特征向量w2,求得成分计算成分得分向量和残差矩阵其中
…
(r+2)至第r步,求矩阵最大特征值所对应的特征向量wr,求得成分计算成分得分向量
如果根据交叉有效性,确定共抽取r个成分t1,t2,…,tr,可以得到一个满意的预测模型,则求F0在t1,t2,…,tr上的普通最小二乘回归方程为
把代入Y=t1β1+…+trβr,即得因变量血糖值的偏最小二乘回归方程式
y=a1x1+…+amxm,
这里的满足
其中,中值滤波处理的过程为:
(1)将输入红光和红外光透射的前后五千个数据点进行删除,只截取中段19000个数据,标定红外光与红光透射能量的峰值点,剔除前后两个峰值点,接着用差分函数求相邻两个峰值点能量差求平均,以及计算最大峰值与所有数据点的偏差后也用差分函数求相邻能量差求平均,最终的波动偏差由上述两种方法得出的结果取平均;
(2)人体体表温度值用最后10个点的均值表示。环境温度值波动情况较小,对其整段取均值;
(3)人体热红外辐射值用最后10个点的均值表示,环境热红外辐射值对其整段取均值。
以下对本实施例提供的基于多波长能量守恒法的无创血糖值采集装置及计算方法的运行过程和原理做详细说明。
采集夹采集人体手指或耳垂处的生理参数和环境参数,主要包括:血氧、心率、体温、辐射温度和环境温度、辐射温度。采集夹中设置的模块通过总线的方式传输将数据传给单片机。
另设置了数据处理装置,该部分主要包括硬件和软件设计。硬件设计包括复位电路、电源电路、显示电路、通讯接口、数据存储电路,硬件的主控芯片选用STM32。软件部分包括了外围信号调理电路和模数转换器,用于将采集来的数据进行传输、计算、存储,最后可以将处理后的数据按照要求输出。
实施例的作用与效果
根据本发明所提供的基于多波长能量守恒法的无创血糖值采集装置及计算方法,由于能量守恒,目前选取的指标为:血氧浓度值,心率值,被测部位体表温度,被测部位热辐射温度,环境温度。其中血糖代谢过程中需要耗氧因此选取为血氧指标;血液流速会影响血糖和血氧含量因此选取为心率;血糖代谢会释放能量因此选取为体表温度指标;体温会受到环境的影响,测量环境温度可降低干扰因此选取为环境温度指标;血糖代谢会释放热量因此选取为环境辐射温度,被测部位辐射温度。通过这些指标的相互结合来进行无创血糖检测,测量指标涉及面广,所获得的血糖测量结果准确性高,受外界干扰性小。
Claims (5)
1.基于多波长光能量守恒法的无创血糖值采集装置,其特征在于,包括:
用于收集信息的采集夹、用于信号传输的外围信号调理模块以及用于计算血糖值并输出的模数转换器,
其中,所述采集夹包括相互配合的上侧夹、下侧夹以及弹簧旋钮,
所述下侧夹,一端与所述弹簧旋钮连接,其上设置有红光接收模块、血氧浓度值检测模块、人体热红外辐射检测模块、环境温度检测模块以及红光接收模块;
所述上侧夹,与所述下侧夹相匹配的一端与所述弹簧旋钮的另一端连接,其上设置有红光外发射模块、红光发射模块、人体体表温度检测模块、以及心率检测模块;
所述外围信号调理模块,具有输入端和输出端,所述输入端用于接收来自所述血氧浓度值检测模块、所述人体热红外辐射检测模块、所述环境温度检测模块、所述人体体表温度检测模块以及所述心率检测模块的信号;
所述模数转换器,具有输入口和输出口,所述输入口与所述外围信号调理模块的所述输出端连接,所述输出口与外部的显示器连接。
2.根据权利要求1所述的基于多波长光能量守恒法的无创血糖值采集装置,其特征在于:
其中,所述上侧夹和所述下侧夹具有由塑料或金属制成的外壳和柔性材料层,
所述柔性材料层覆盖在所述外壳上,用于密封所述外壳上的接缝。
3.根据权利要求2所述的基于多波长光能量守恒法的无创血糖值采集装置,其特征在于:
其中,所述柔性材料层由硅胶、海绵、软性塑料中的任意一种材料制成。
4.基于多波长光能量守恒法的无创血糖值计算方法,其特征在于,包括以下步骤:
步骤一,将测试者的手指或耳垂放入所述基于多波长光能量守恒法的无创血糖值采集装置中,采集测试者的血氧浓度值、人体热红外辐射值、环境热红外辐射值、环境温度值、人体体表温度值以及心率值;
步骤二,将所述步骤一采集到的所述血氧浓度值、所述人体热红外辐射值、所述环境热红外辐射值、所述环境温度值、所述人体体表温度值、所述心率值对应分别标记为x1、x2、x3、x4、x5、x6,进行中值滤波处理,处理后标记为
步骤三,将所述步骤二得到的所述中值滤波处理后的各个输出数列与标准血糖值y以偏最小二乘回归分析建立数学模型,
其中,所述数学模型为:
首先将所述血氧浓度值、所述人体热红外辐射值、所述环境热红外辐射值、所述环境温度值、所述人体体表温度值、所述心率值和传统有创血糖仪检测数据进行标准化:
<mrow>
<msub>
<mi>E</mi>
<mn>0</mn>
</msub>
<mo>=</mo>
<mfenced open = "[" close = "]">
<mtable>
<mtr>
<mtd>
<msub>
<mi>x</mi>
<mn>11</mn>
</msub>
</mtd>
<mtd>
<mo>...</mo>
</mtd>
<mtd>
<msub>
<mi>x</mi>
<mrow>
<mn>1</mn>
<mi>m</mi>
</mrow>
</msub>
</mtd>
</mtr>
<mtr>
<mtd>
<mtable>
<mtr>
<mtd>
<mo>.</mo>
</mtd>
</mtr>
<mtr>
<mtd>
<mo>.</mo>
</mtd>
</mtr>
<mtr>
<mtd>
<mo>.</mo>
</mtd>
</mtr>
</mtable>
</mtd>
<mtd>
<mtable>
<mtr>
<mtd>
<mrow></mrow>
</mtd>
</mtr>
<mtr>
<mtd>
<mrow></mrow>
</mtd>
</mtr>
<mtr>
<mtd>
<mrow></mrow>
</mtd>
</mtr>
</mtable>
</mtd>
<mtd>
<mtable>
<mtr>
<mtd>
<mo>.</mo>
</mtd>
</mtr>
<mtr>
<mtd>
<mo>.</mo>
</mtd>
</mtr>
<mtr>
<mtd>
<mo>.</mo>
</mtd>
</mtr>
</mtable>
</mtd>
</mtr>
<mtr>
<mtd>
<msub>
<mi>x</mi>
<mrow>
<mi>n</mi>
<mn>1</mn>
</mrow>
</msub>
</mtd>
<mtd>
<mo>...</mo>
</mtd>
<mtd>
<msub>
<mi>x</mi>
<mrow>
<mi>n</mi>
<mi>m</mi>
</mrow>
</msub>
</mtd>
</mtr>
</mtable>
</mfenced>
<mo>,</mo>
<msub>
<mi>F</mi>
<mn>0</mn>
</msub>
<mo>=</mo>
<mfenced open = "[" close = "]">
<mtable>
<mtr>
<mtd>
<msub>
<mi>y</mi>
<mn>1</mn>
</msub>
</mtd>
</mtr>
<mtr>
<mtd>
<mtable>
<mtr>
<mtd>
<mo>.</mo>
</mtd>
</mtr>
<mtr>
<mtd>
<mo>.</mo>
</mtd>
</mtr>
<mtr>
<mtd>
<mo>.</mo>
</mtd>
</mtr>
</mtable>
</mtd>
</mtr>
<mtr>
<mtd>
<msub>
<mi>y</mi>
<mi>n</mi>
</msub>
</mtd>
</mtr>
</mtable>
</mfenced>
</mrow>
m个自变量,n组数据点,
(1)计算E0第一成分的得分向量,记为
t1和F0的协方差Cov(t1,F0)可用和F0的内积计算,故而求解可化为利用Lagrange乘数法求条件极值问题:
设M正定矩阵,α为n维向量,取f(α)=αTMα,λ为M的最大特征值,α0为相应的长为1的特征向量,f(α)在α0时取最大值,即
则
则
即w1=α0时,取得最大值;
(2)假定回归模型为
其中为残差阵,模型效应负荷量α1的估计值为
<mrow>
<msub>
<mi>&alpha;</mi>
<mn>1</mn>
</msub>
<mo>=</mo>
<msubsup>
<mi>E</mi>
<mn>0</mn>
<mi>T</mi>
</msubsup>
<msub>
<mover>
<mi>t</mi>
<mo>^</mo>
</mover>
<mn>1</mn>
</msub>
<mo>/</mo>
<mo>|</mo>
<mo>|</mo>
<msub>
<mover>
<mi>t</mi>
<mo>^</mo>
</mover>
<mn>1</mn>
</msub>
<mo>|</mo>
<msup>
<mo>|</mo>
<mn>2</mn>
</msup>
<mo>;</mo>
</mrow>
(3)交叉有效性检验
多信息融合算法可像主成分分析一样,仅通过前r个成分(r≤m),即可得到较好预测能力的回归模型,
可通过交叉有效性检验来确定提取的主成分个数r,
抽取h个成分时yi的预测误差平方和为
有
记第i个样本点的预测值为定义yi的误差平方和为
有
定义为交叉有效性,在每提出一个成分后,均进行检验,若在提出的第h个成分有则本模型的精度已达到要求,可停止提取;
(4)求矩阵最大特征值所对应的特征向量w2,求得成分计算成分得分向量和残差矩阵其中
…
(r+2)至第r步,求矩阵最大特征值所对应的特征向量wr,求得成分计算成分得分向量
如果根据交叉有效性,确定共抽取r个成分t1,t2,…,tr,可以得到一个满意的预测模型,则求F0在t1,t2,…,tr上的普通最小二乘回归方程为
把代入Y=t1β1+…+trβr,即得因变量血糖值的偏最小二乘回归方程式
y=a1x1+…+amxm,
这里的满足
5.根据权利要求4所述的基于多波长光能量守恒法的无创血糖值计算方法,其特征在于:
其中,所述中值滤波处理的过程为:
(1)将输入红光和红外光透射的前后五千个数据点进行删除,只截取中段19000个数据,标定红外光与红光透射能量的峰值点,剔除前后两个峰值点,接着用差分函数求相邻两个峰值点能量差求平均,以及计算最大峰值与所有数据点的偏差后也用差分函数求相邻能量差求平均,最终的波动偏差由上述两种方法得出的结果取平均;
(2)所述人体体表温度值用最后10个点的均值表示,所述环境温度值波动情况较小,对其整段取均值;
(3)所述人体热红外辐射值用最后10个点的均值表示,所述环境热红外辐射值对其整段取均值。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710494530.XA CN107174259A (zh) | 2017-06-26 | 2017-06-26 | 基于多波长能量守恒法的无创血糖值采集装置及计算方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710494530.XA CN107174259A (zh) | 2017-06-26 | 2017-06-26 | 基于多波长能量守恒法的无创血糖值采集装置及计算方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN107174259A true CN107174259A (zh) | 2017-09-19 |
Family
ID=59845267
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201710494530.XA Pending CN107174259A (zh) | 2017-06-26 | 2017-06-26 | 基于多波长能量守恒法的无创血糖值采集装置及计算方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN107174259A (zh) |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108152214A (zh) * | 2018-03-20 | 2018-06-12 | 江西科技师范大学 | 一种多参量的血糖光声检测装置及方法 |
CN108175416A (zh) * | 2018-01-09 | 2018-06-19 | 电子科技大学 | 一种多传感器血糖检测数据融合装置及方法 |
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 |
CN110123339A (zh) * | 2019-05-10 | 2019-08-16 | 湖南龙罡智能科技有限公司 | 一种无创血糖测量装置与方法 |
CN113349770A (zh) * | 2021-07-20 | 2021-09-07 | 深圳市微克科技有限公司 | 一种可穿戴光学检测血糖变化趋势 |
CN114098724A (zh) * | 2021-11-22 | 2022-03-01 | 乐普(北京)医疗器械股份有限公司 | 基于光学信号特征及代谢热特征的血糖预测方法和装置 |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104266996A (zh) * | 2014-10-07 | 2015-01-07 | 复旦大学 | 基于近红外光谱分析的多功能无创便携医疗检测装置及检测方法 |
CN104771181A (zh) * | 2015-04-16 | 2015-07-15 | 桂林电子科技大学 | 一种反射式无创血糖检测仪 |
-
2017
- 2017-06-26 CN CN201710494530.XA patent/CN107174259A/zh active Pending
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104266996A (zh) * | 2014-10-07 | 2015-01-07 | 复旦大学 | 基于近红外光谱分析的多功能无创便携医疗检测装置及检测方法 |
CN104771181A (zh) * | 2015-04-16 | 2015-07-15 | 桂林电子科技大学 | 一种反射式无创血糖检测仪 |
Non-Patent Citations (3)
Title |
---|
司守奎,孙兆亮: "《数学建模算法与应用》", 31 May 2015 * |
张燕红: "《计算机控制技术 第2版》", 28 February 2014 * |
马进姿等: "基于能量代谢守恒法的无创血糖检测仪", 《桂林电子科技大学学报》 * |
Cited By (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108175416A (zh) * | 2018-01-09 | 2018-06-19 | 电子科技大学 | 一种多传感器血糖检测数据融合装置及方法 |
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 |
CN108152214A (zh) * | 2018-03-20 | 2018-06-12 | 江西科技师范大学 | 一种多参量的血糖光声检测装置及方法 |
CN108152214B (zh) * | 2018-03-20 | 2023-08-22 | 江西科技师范大学 | 一种多参量的血糖光声检测装置及方法 |
CN110123339A (zh) * | 2019-05-10 | 2019-08-16 | 湖南龙罡智能科技有限公司 | 一种无创血糖测量装置与方法 |
CN110123339B (zh) * | 2019-05-10 | 2023-10-31 | 湖南龙罡智能科技有限公司 | 一种无创血糖测量装置与方法 |
CN113349770A (zh) * | 2021-07-20 | 2021-09-07 | 深圳市微克科技有限公司 | 一种可穿戴光学检测血糖变化趋势 |
CN114098724A (zh) * | 2021-11-22 | 2022-03-01 | 乐普(北京)医疗器械股份有限公司 | 基于光学信号特征及代谢热特征的血糖预测方法和装置 |
CN114098724B (zh) * | 2021-11-22 | 2024-03-26 | 乐普(北京)医疗器械股份有限公司 | 基于光学信号特征及代谢热特征的血糖预测方法和装置 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107174259A (zh) | 基于多波长能量守恒法的无创血糖值采集装置及计算方法 | |
CN100353911C (zh) | 测量生物信号的耳式装置及其测量方法 | |
CN104224196B (zh) | 无创测量血液成分浓度的方法 | |
WO2018107915A1 (zh) | 一种基于时序分析的通用无创血糖预测方法 | |
CN110575181A (zh) | 近红外光谱无创血糖检测网络模型训练方法 | |
CN106901705A (zh) | 一种无感知人体多生理参数采集装置及采集方法和应用 | |
CN105943005A (zh) | 基于光电绿光脉搏与心电图混合的无创血压检测方法 | |
CN102973278B (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 | |
US10687739B2 (en) | Method and apparatus for non-invasive glucose measurement | |
CN101194838B (zh) | 无创血糖检测仪 | |
CN109330607A (zh) | 基于微创血糖值校准的无创血糖检测方法及其检测装置 | |
CN101138500A (zh) | 基于能量守恒法的无创血糖检测仪 | |
CN105212915A (zh) | 个性化在体血压实时无创检测方法 | |
US20230172565A1 (en) | Systems, devices, and methods for developing a model for use when performing oximetry and/or pulse oximetry and systems, devices, and methods for using a fetal oximetry model to determine a fetal oximetry value | |
Hossain et al. | Estimation of blood glucose from PPG signal using convolutional neural network | |
Shulei et al. | Non-invasive blood glucose measurement scheme based on near-infrared spectroscopy | |
CN106725394A (zh) | 一种血压数据采集装置及方法 | |
Shinde et al. | Non invasive blood glucose measurement using NIR technique based on occlusion spectroscopy | |
CN110384507A (zh) | 一种基于嘴唇光学无创测量血糖浓度的检测方法 | |
AU2021350834A9 (en) | Systems, devices, and methods for developing a fetal oximetry model for use to determine a fetal oximetry value | |
Gupta et al. | In-vivo estimation of glucose level using PPG signal | |
Abdalsalam et al. | Design of simple noninvasive glucose measuring device | |
CN103690176A (zh) | 一种无创血糖检测方法 | |
CN111671436A (zh) | 一种温度补偿的光声无创血红蛋白检测装置及检测方法 | |
CN114403866B (zh) | 一种基于近红外光波长变换的无创血糖预测装置 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
WD01 | Invention patent application deemed withdrawn after publication | ||
WD01 | Invention patent application deemed withdrawn after publication |
Application publication date: 20170919 |