CN107714049A - 基于多信息融合的无创血糖检测方法、系统以及装置 - Google Patents

基于多信息融合的无创血糖检测方法、系统以及装置 Download PDF

Info

Publication number
CN107714049A
CN107714049A CN201710807471.7A CN201710807471A CN107714049A CN 107714049 A CN107714049 A CN 107714049A CN 201710807471 A CN201710807471 A CN 201710807471A CN 107714049 A CN107714049 A CN 107714049A
Authority
CN
China
Prior art keywords
data
blood glucose
human body
infrared light
detected part
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
CN201710807471.7A
Other languages
English (en)
Inventor
卿培文
杜东
代永超
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.)
Shanghai Le Sugar Mdt Infotech Ltd
Original Assignee
Shanghai Le Sugar Mdt Infotech Ltd
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 Shanghai Le Sugar Mdt Infotech Ltd filed Critical Shanghai Le Sugar Mdt Infotech Ltd
Priority to CN201710807471.7A priority Critical patent/CN107714049A/zh
Publication of CN107714049A publication Critical patent/CN107714049A/zh
Pending legal-status Critical Current

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
    • A61B5/1455—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
    • 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

Landscapes

  • Health & Medical Sciences (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Physics & Mathematics (AREA)
  • Engineering & Computer Science (AREA)
  • Surgery (AREA)
  • Animal Behavior & Ethology (AREA)
  • Pathology (AREA)
  • Veterinary Medicine (AREA)
  • Biomedical Technology (AREA)
  • Heart & Thoracic Surgery (AREA)
  • Medical Informatics (AREA)
  • Molecular Biology (AREA)
  • Public Health (AREA)
  • Biophysics (AREA)
  • General Health & Medical Sciences (AREA)
  • Optics & Photonics (AREA)
  • Spectroscopy & Molecular Physics (AREA)
  • Artificial Intelligence (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Physiology (AREA)
  • Psychiatry (AREA)
  • Signal Processing (AREA)
  • Emergency Medicine (AREA)
  • Measurement Of The Respiration, Hearing Ability, Form, And Blood Characteristics Of Living Organisms (AREA)

Abstract

本发明涉及一种基于多信息融合的无创血糖检测方法、系统以及装置。所述无创血糖检测方法，应用于无创血糖检测系统及无创血糖检测装置中，并用于检测被检测者的血糖值。所述无创血糖检测方法基于多信息融合算法计算被检测者的血糖值，其包括步骤：根据被检测者的待测部位对可见光以及红外光的透射能量的比率，计算血糖指标数据；其中，所述血糖指标数据为用于表征血液中的葡萄糖分别对可见光及红外光的不同的吸收率与血糖值之间的相关性的数据；获取被检测者的心率；获取被检测者的体温；获取被检测者的体辐射热量；以及根据所述血糖指标数据、心率、体温、人体辐射热量，计算被检测者的血糖值。上述的无创血糖检测方法的检测成本较低、精度较高。

Description

基于多信息融合的无创血糖检测方法、系统以及装置
技术领域
本发明涉及医疗器械领域，尤其涉及一种基于多信息融合的无创血糖检测方法、系统以及装置。
背景技术
从1980年至今，我国糖尿病患者呈现逐年递增趋势，到2010年全国共有糖尿病患者约1.13亿，预计到2020年将超过2亿。目前，我国糖尿病患者诊断率不足40％。由上述数据可知，血糖值的检测对糖尿病患者和处于亚健康的群体有着重要的意义。目前，血糖检测的主要方法还是传统的针扎式取血测量，但传统扎针检测法具有较多缺点：让受测者有疼痛感，体验较差；每次都需要一条试纸，仪器更换电池频繁，测量成本较高；需要有扎针、采血、测量等繁琐步骤，操作不便；试纸保存需要特定条件，要与测试机器匹配。
发明内容
本发明实施例的目的在于提供一种成本较低、精度较高且性能稳定的无创血糖检测方法、系统以及装置，用于解决上述技术问题。
一种无创血糖检测方法，应用于无创血糖检测系统及无创血糖检测装置中，并用于检测被检测者的血糖值。所述无创血糖检测方法基于多信息融合算法计算被检测者的血糖值，其包括步骤：根据所述被检测者的待测部位对可见光以及红外光的透射能量的比率，计算血糖指标数据；其中，所述血糖指标数据为用于表征血液中的葡萄糖分别对可见光及红外光的不同的吸收率与血糖值之间的相关性的数据；获取所述被检测者的心率；获取所述被检测者的体温；获取所述被检测者的人体辐射热量；以及根据所述血糖指标数据、心率、体温、人体辐射热量，计算被检测者的血糖值。
在其中一种实施方式中，所述根据所述被检测者的待测部位对可见光以及红外光的透射能量的比率，计算血糖指标数据，包括：获取所述待测部位对可见光的透射能量；获取所述待测部位对红外光的透射能量：以及计算所述待测部位可见光以及红外光的透射能量的比率。
在其中一种实施方式中，所述待测部位对可见光以及红外光的透射能量的比率包括透射所述待测部位的可见光的能量与透射所述待测部位的可见光的能量之间的比值，所述待测部位对可见光以及红外光的透射能量的比率R由所述无创血糖检测装置中预置的算法F(ACred,DCir,ACir,DCred)算得：
R＝F(ACred,DCir,ACir,DCred)，其中：
ACred为透射所述人体待测部位的可见光(red)的交流成分；
DCred为透射所述人体待测部位的可见光(red)的直流成分；
ACir为透射所述人体待测部位的红外光(ir)的交流成分；
DCir为透射所述人体待测部位的红外光(ir)的直流成分。
在其中一种实施方式中，所述血糖指标数据为Sp，计算时，根据上述获取的所述待测部位对可见光以及红外光的透射能量的比率R，利用所述无创血糖检测装置中预置的算法F(R)计算得出所述血糖指标数据：Sp＝F(R)；计算被检测者的血糖值时，以所述血糖指标数据、心率、体温、人体辐射热量为变量信息，采用多信息融合算法计算所述血糖值。
在其中一种实施方式中，获取所述待测部位对可见光的透射能量数据后，降低所述待测部位对可见光的透射能量数据的误差：删除所述待测部位对可见光的透射能量数据首尾波动异常的数据点，取得第一初步数据；标定所述第一初步数据的所有峰值点，并删除所述所有峰值点数据首尾波动异常的数据点，得到第二初步数据；求所述第二初步数据中每相邻两个峰值点之间的差值，并针对所有差值求平均值得到第一数据；分别计算最大峰值与所有峰值点的差值后，求相邻峰值点与最大峰值之间的差值，对所有差值求平均值得到第二数据；以及计算上述的第一数据及第二数据的平均值，得出可见光透射能量的波动偏差，根据所述可见光透射能量的波动偏差返回计算得出消除误差后的可见光的透射能量。
在其中一种实施方式中，获取所述待测部位对红外光的透射能量数据后，降低所述待测部位对红外光的透射能量数据的误差：删除所述待测部位对红外光的透射能量数据首尾波动异常的数据点，取得第一初步数据；标定所述第一初步数据的所有峰值点，并删除所述所有峰值点数据首尾波动异常的数据点，得到第二初步数据；求所述第二初步数据中每相邻两个峰值点之间的差值，并针对所有差值求平均值得到第一数据；分别计算最大峰值与所有峰值点的差值后，求相邻峰值点与最大峰值之间的差值，对所有差值求平均值得到第二数据；以及计算上述的第一数据及第二数据的平均值，得出红外光透射能量的波动偏差，根据所述红外光透射能量的波动偏差返回计算得出消除误差后的红外光的透射能量。
在其中一种实施方式中，获取被检测者的心率时，通过红外光传感器检测人体血液流速，从而获取被检测者的心率。
在其中一种实施方式中，获取所述被检测者的体温后，获取环境温度，并利用环境温度返回计算所述被检测者的体温，以降低所述被检测者的体温在测量时的误差。
在其中一种实施方式中，获取所述被检测者的人体辐射热量后，获取环境辐射热量，并利用环境辐射热量返回计算所述被检测者的人体辐射热量，以降低所述被检测者的人体辐射热量在测量时的误差。
一种无创血糖检测系统，运行于无创血糖检测装置中，用于执行上述任一项的无创血糖检测方法，所述无创血糖检测系统包括：数据处理模块，用于根据所述被检测者的待测部位对可见光以及红外光的透射能量的比率，计算血糖指标数据；其中，所述血糖指标数据为用于表征血液中的葡萄糖分别对可见光及红外光的不同的吸收率与血糖值之间的相关性的数据；心率检测单元，用于获取所述被检测者的心率；温度检测单元，用于获取所述被检测者的体温；以及热量检测单元，用于获取所述被检测者的人体辐射热量；其中，所述数据处理模块还用于根据所述血糖指标数据、心率、体温、人体辐射热量，计算被检测者的血糖值。
一种无创血糖检测装置，用于运行上述的无创血糖检测系统，以执行上述任一项的无创血糖检测方法，所述无创血糖检测装置包括：第一采集器，用于采集可见光及红外光在被检测者的待测部位的透射能量；第二采集器，用于采集被检测者的心率、体温以及人体辐射热量；以及处理中心，用于根据所述被检测者的待测部位对可见光以及红外光的透射能量的比率，计算血糖指标数据；其中，所述血糖指标数据为用于表征血液中的葡萄糖分别对可见光及红外光的不同的吸收率与血糖值之间的相关性的数据；所述处理中心还用于根据所述血糖指标数据、心率、体温、人体辐射热量，计算被检测者的血糖值。
相对于现有技术，本发明实施例提供的无创血糖检测装置中，利用血糖指标数据、心率、待测部位体表温度、待测部位热辐射温度这些变量的数据进行计算得出被检测者血糖值，无需刺破被检测者皮肤，达到了无创检测便捷操作的目的，且上述的变量检测获取的过程较为简单，使整个检测过程成本相对较低。同时，通过多信息融合的计算方法，使上述的无创血糖检测系统的重复性精度较高、稳定性较好。
附图说明
为了更清楚地说明本发明的技术方案，下面将对实施方式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方式，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1～2是本发明实施例提供的无创血糖检测方法的流程示意图；
图3是本发明实施例提供的无创血糖检测系统的功能模块示意图；
图4是本发明实施例提供的无创血糖检测装置的示意图；
图5～6是被检测者的待测部位对红光的透射能量的波形图；
图7～8是被检测者的待测部位对红外光的透射能量的波形图；
图9是被检测者的体温数据波形图以及环境温度数据波形图；
图10是被检测者的辐射热量波形图以及环境环境辐射热量波形图；
图11是图4所示的无创血糖检测装置的处理中心的硬件结构框图。
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在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
请参阅图1及图2，本发明实施方式提供一种基于多信息融合的无创血糖检测方法，所述无创血糖检测方法应用于图3所示的无创血糖检测系统S1，以及图4所示的无创血糖检测装置200中。所述无创血糖检测方法用于根据血糖指标数据、人体心率、人体体温、以及人体辐射热量，采用最小二乘算法来计算人体血糖值，从而实现对人体血糖的无损检测。所述无创血糖检测方法包括以下步骤：
步骤S101：获取可见光在人体待测部位的透射能量。具体而言，采用可见光光源照射所述人体待测部位，获取穿透所述人体待测部位的透射能量。所述人体待测部位可以为但不限于为手指、耳垂、脚趾等易于检查的部位，也可以为手臂、手掌等部位。
在本实施方式中，该可见光以红光为例。具体地，将所述人体待测部位放置于红光发射器与红光接收器之间，所述红光发射器用于发射红光，所述红光接收器用于接收穿透所述人体待测部位的红光，根据发射的红光的能量以及接收的红光的能量，计算得出穿透所述人体待测部位的红光的透射能量，同时能够获取人体待测部位所吸收的红光能量。例如，在一些具体的实例中，通过驱动红光光源(如LED)照射所述人体待测部位。
在另一些具体的实例中，所述无创血糖检测装置200包括红光二极管以及红光接收管。所述红光二极管设在人体待测部位的一侧，所述红光接收管设置在所述人体待测部位的另一侧。所述无创血糖检测装置200通过控制所述红光二极管发射红光，红光穿透所述人体待测部位后，由所述红光接收管接收穿透后的红光，从而获取红光在所述人体待测部位的透射能量，同时能够获取人体待测部位所吸收的红光能量。
步骤S103：降低可见光在所述人体待测部位的透射能量的误差，将误差控制在预设范围内。具体而言，将上述获取的可见光在所述人体待测部位的透射能量生成波形图，进行波形处理后，降低可见光在所述人体待测部位的透射能量的误差，从而降低由原始数据异常使得结果不精确的影响。
上述的降低可见光在所述人体待测部位的透射能量的误差，包括步骤：
首先，对可见光在所述人体待测部位的透射能量数据进行处理，忽略所述透射能量数据的初始数据以及末尾数据，并截取中段的透射能量数据。这是因为被检测者将所述人体待测部位放入所述无创血糖检测装置200中时，所述人体待测部位还未处于静止状态，所述无创血糖检测装置200有可能已经开始测量，且当被检测者将所述人体待测部位撤出所述无创血糖检测装置200的过程中，所述无创血糖检测装置200有可能仍然处于检测状态，导致所述透射能量数据的初始数据和末尾数据出现了较大的波动，应当忽略并只保留中段数据，从而提高检测精度。
在一些具体的实例中，通过所述无创血糖检测装置200的红光二极管及红光接收管来获取红光在所述人体待测部位的透射能量，并将红光在所述人体待测部位的透射能量数据记录为波形图，如图5所示。在图5示出的29000个数据点中，中段(约5500-24000个数据点)的数据较为平稳，初始约5000个数据点以及末尾约5000个数据点均出现较大范围的波动，由于所述透射能量数据是来自同一个被检测者的数据采集，因此数据点之间的差值不会过大，则将红光在所述人体待测部位的透射能量数据点的首尾5000个数据点进行删除，只截取中段数据，从而获取较为准确的红光在所述人体待测部位的透射能量数据，如图6所示。
然后，标定可见光透射能量的峰值点，忽略所述射能量的峰值点数据的初始数据以及末尾数据，并截取中段的射能量的峰值点数据；利用差分函数求每相邻两个峰值点之间的差值，并针对所有差值求平均值得到第一数据，以及分别计算最大峰值与所有峰值点的差值后，利用差分函数求相邻峰值点与最大峰值之间的差值后，对所有差值求平均值得到第二数据；计算上述的第一数据及第二数据的平均值，得出可见光透射能量的波动偏差，根据所述可见光透射能量的波动偏差返回计算可见光的透射能量数据，从而获得更为准确的可见光在所述人体待测部位的透射能量数据。经过上述误差消除步骤所获得的可见光在所述人体待测部位的透射能量数据的误差控制在4.5％以内。应当理解的是，此处4.5％以内，指的是误差小于或等于4.5％。
可以理解的是，在一些实施方式中，步骤S103可以省略，而直接执行步骤S105。
步骤S105：获取红外光在所述人体待测部位的透射能量。具体而言，采用红外光光源照射所述人体待测部位，获取穿透所述人体待测部位的透射能量。
具体在本实施方式中，将所述人体待测部位放置于红外光发射器与红外光接收器之间，所述红外光发射器用于发射红外光，所述红外光接收器用于接收穿透所述人体待测部位的红外光，根据发射的红外光的能量以及接收的红外光的能量，计算得出穿透所述人体待测部位的红外光的透射能量，同时能够获取人体待测部位所吸收的红外光能量。例如，在一些具体的实例中，通过驱动红外光光源(如LED)照射所述人体待测部位。
在另一些具体的实例中，所述无创血糖检测装置200包括红外二极管及红外接收管。所述红外二极管设在人体待测部位的一侧，所述红外接收管设置在所述人体待测部位的另一侧。所述无创血糖检测装置200通过控制所述红外二极管发射红外光，红外光穿透所述人体待测部位后，由所述红外接收管接收穿透后的红外光，从而获取红外光在所述人体待测部位的透射能量，同时能够获取人体待测部位所吸收的红外光能量。
步骤S107：降低红外光在所述人体待测部位的透射能量的误差，将误差控制在预设范围内。具体而言，将上述获取的红外光在所述人体待测部位的透射能量生成波形图，进行波形处理后，降低红外光在所述人体待测部位的透射能量的误差，从而降低由原始数据异常使得结果不精确的影响。
上述的降低红外光在所述人体待测部位的透射能量的误差，包括步骤：
首先，对红外光在所述人体待测部位的透射能量数据进行处理，忽略所述透射能量数据的初始数据以及末尾数据，并截取中段的透射能量数据。这是因为被检测者将所述人体待测部位放入所述无创血糖检测装置200中时，所述人体待测部位还未处于静止状态，所述无创血糖检测装置200有可能已经开始测量，且当被检测者将所述人体待测部位撤出所述无创血糖检测装置200的过程中，所述无创血糖检测装置200有可能仍然处于检测状态，导致所述透射能量数据的初始数据和末尾数据出现了较大的波动，应当忽略并只保留中段数据，从而提高检测精度。
在一些具体的实例中，通过所述无创血糖检测装置200的红外二极管及红外接收管来获取红外光在所述人体待测部位的透射能量，并将红外光在所述人体待测部位的透射能量数据记录为波形图，如图7所示。在图7示出的29000个数据点中，中段(约5500-24000个数据点)的数据较为平稳，前后5000的数据点均出现较大范围的波动，初始约5000个数据点以及末尾约5000个数据点均出现较大范围的波动，由于所述透射能量数据是来自同一个被检测者的数据采集，因此数据点之间的差值不会过大，则将红外光在所述人体待测部位的透射能量数据点的首尾5000个数据点进行删除，只截取中段数据，从而获取较为准确的红外光在所述人体待测部位的透射能量数据，如图8所示。
然后，标定红外光透射能量的峰值点，忽略所述射能量的峰值点数据的初始数据以及末尾数据，并截取中段的射能量的峰值点数据；利用差分函数求每相邻两个峰值点之间的差值，并针对所有差值求平均值得到第一数据，以及分别计算最大峰值与所有峰值点的差值后，利用差分函数求相邻峰值点与最大峰值之间的差值后，对所有差值求平均值得到第二数据；计算上述的第一数据及第二数据的平均值，得出红外光透射能量的波动偏差，根据所述红外光透射能量的波动偏差返回计算红外光的透射能量数据，从而获得更为准确的红外光在所述人体待测部位的透射能量数据。经过上述误差消除步骤所获得的红外光在所述人体待测部位的透射能量数据的误差控制在4.5％以内。应当理解的是，此处4.5％以内，指的是误差小于或等于4.5％。
可以理解的是，在一些实施方式中，步骤S107可以省略，而直接执行步骤S109。
步骤S109：计算人体待测部位对于可见光及红外光的透射能量比率。具体而言，采用投射式红外光谱法，计算人体待测部位对可见光和红外线的透射比率。
由于血红蛋白对红光的吸收比较强，而对红外光的吸收比较弱；且氧合血红蛋白对红光的吸收比较弱，对红外光的吸收比较强，因而所述待测部位对红光的透射能量以及对红外光的透射能量存在可检测的区别。
例如，在一些实例中，通过依次驱动一个红光光源(如LED)和一个红外光光源(如LED)照射所述人体待测部位，如手指，并通过计算发射的红光及接收的红光能量差别，获得所述人体待测部位对红光的透射能量，以及通过计算发射的红外光以及接收的红外光能量差别，获得所述人体待测部位对红外光的透射能量，从而计算获取所述人体待测部位对可见光及红外光的透射能量比率。
在一些实例中，所述无创血糖检测装置200的红光二极管及红外二极管设在人体待测部位的一侧，所述无创血糖检测装置200的红光接收管以及红外接收管设置在所述人体待测部位的另一侧。控制所述红外二极管发射红外光，红外光穿透所述人体待测部位后，由所述红外接收管接收穿透后的红外光，同时控制所述红光二极管发射红光，红光穿透所述人体待测部位后，由所述红光接收管接收穿透后的红光。
利用氧合血红蛋白(HbO2)和血红蛋白(Hb)对红光(Red，red)和红外光(Infrared，ir)吸收的差异，可以得出红光及红外光的透射能量比率R，具体地，所述待测部位对可见光以及红外光的透射能量的比率包括透射所述待测部位的可见光的能量与透射所述待测部位的可见光的能量之间的比值，所述待测部位对可见光以及红外光的透射能量的比率R由所述无创血糖检测装置中预置的算法F(ACred,DCir,ACir,DCred)算得。该透射能量比率R称为计算血糖指标数据的特征值R：
R＝F(ACred,DCir,ACir,DCred)＝(ACred·DCir)/(ACir·DCred)，其中：
ACred为透射所述人体待测部位的可见光(red，在本实施例中为红光)的交流成分；
DCred为透射所述人体待测部位的可见光(red，在本实施例中为红光)的直流成分；
ACir为透射所述人体待测部位的红外光(ir)的交流成分；
DCir为透射所述人体待测部位的红外光(ir)的直流成分。
应当理解的是，上述的“直流成分”为所采集的数据波形图中较大的数据值曲线，“交流成分”为所采集的数据波形图中波动频率较高的周期性波动曲线，通过傅里叶变换对所采集的数据进行处理后，可提取所述直流成分和所述交流成分。
步骤S111：计算血糖指标数据(Sp)。应当了解的是，所述血糖指标数据指的是根据可见光和近红外光与人体血液相互作用的数据，计算而得到的相关值。具体而言，血糖值的变化直观地体现为人体血液对可见光以及红外光吸收能量(或透射能量)的变化，所述血糖指标数据为用于表征血液中血红蛋白对可见光及红外光的吸收量(或透射量)与血糖值之间的相关性的数据，也即，所述血糖指标数据表征血液中的葡萄糖分别对可见光及红外光的不同的吸收率与血糖值之间的相关性的数据。根据上述计算得出的红外光(ir)和红光(red)透射能量比率R，利用所述无创血糖检测装置中预置的算法F(R)算得血糖指标数据(Sp)为：
Sp＝F(R)＝A·R2+B·R+C，其中：
A、B、C为计算常数，A、B、C具体地为所述无创血糖检测装置200中的预设参数；
R为计算血糖指标数据的特征值。其中，上述的算法F(R)预置在所述无创血糖检测装置200中。
步骤S113：获取人体待测部位温度。具体而言，通过温度传感器获取人体待测部位的温度，作为被检测者的体温数据。
在本实施例中，所述人体待测部位以手指指尖为例。由于指尖为人体中较薄部分，为了获取红外光和红光的透射能量比率，根据控制变量法对指尖进行数据采集，并将指尖测量的温度作为被检测者的体表温度。
在一些实施方式中，获取人体待测部位温度之后，降低体温数据的误差。例如，采集到的体温数据的曲线如图9所示，体表温度应为此时人体指尖温度的一个测量值，通过图像我们可以发现最后10个点时趋向稳定，因此取最后10个点的体温数据的平均值作为人体待测部位温度。
步骤S115：获取环境温度。具体而言，通过温度传感器获取环境温度。
由于人体体表温度，即，人体待测部位的温度会受到环境温度的影响，为了保证人体待测部位温度具有较高的准确性，通过检测环境温度，并根据环境温度来降低人体待测部位温度测量时的误差。在一些实施方式中，采集到的环境温度的曲线如图9所示，由于环境温度的波动较小，则取环境温度的所有数据的平均值作为环境温度数据。
可以理解的是，在一些实施方式中，步骤S115可以省略，而直接执行步骤S117。
步骤S117：获取人体辐射热量。具体而言，通过红外热量传感器获取人体辐射热量。
在一些实施方式中，获取人体辐射热量的同时，降低人体辐射热量数据的误差。例如，采集到的人体辐射热量数据的曲线如图10所示，通过图像我们可以发现最后10个点时趋向稳定，因此取最后10个点的人体辐射热量数据的平均值作为人体辐射热量。
步骤S119：获取环境辐射热量。具体而言，通过红外热量传感器获取环境辐射热量。
由于人体辐射热量会受到环境辐射热量的影响，为了保证人体辐射热量具有较高的准确性，通过检测环境辐射热量，并根据环境辐射热量来降低人体辐射热量测量时的误差。在一些实施方式中，采集到的环境辐射热量的曲线如图10所示，由于环境辐射热量的波动较小，则取环境辐射热量的所有数据的平均值作为环境辐射热量数据。
可以理解的是，在一些实施方式中，步骤S119可以省略，而直接执行步骤S121。
步骤S121：获取被检测者的心率。具体而言，通过红外光传感器检测人体血液流速，从而获取被检测者的心率。由于人体血液中的血红蛋白对红外光有吸收作用，在被检测者心脏跳动瞬间，人体待测部位中流通的血液量增加，则血红蛋白吸收红外光总量相对较多；在检测者心脏跳间隙，人体待测部位中流通的血液量减少，则血红蛋白吸收红外光总量相对较少，因此，通过红外光传感器来检测人体待测部位对红外光的吸收量，能够获得待检测者的心率。
具体在本实施方式中，所述无创血糖检测装置200包括红外光传感器，所述红外光传感器具体包括红外二极管和接收管，通过控制所述红外二极管发射红外光，并通过所述红外接收管接收穿透所述人体待测部位的红外光，再将发射的红外光的能量与接收的红外光的能量相比较，获取所述人体待测部位对红外光的吸收量，从而根据所述人体待测部位对红外光的吸收量计算被检测者的心率值。
步骤S123：根据血糖指标数据、人体温度数据、人体辐射热量数据、人体心率数据，计算被检测者的血糖值。进一步地，在一些实施方式中，根据上述步骤获取的血糖指标数据、心率、人体待测部位温度、人体辐射热量、环境温度以及环境辐射热量，并依此计算被检测者的血糖值。
以下称上述步骤获取的血糖指标数据、心率、人体待测部位温度、人体辐射热量、环境温度以及环境辐射热量为变量，基于所信息融合算法利用上述的变量计算被检测者的血糖值，则m个变量的多信息融合算法表达式为：
yi＝aj1x1+…+ajmxm，(j＝1,2,3,…,m)，其中：
y为被检测者的血糖值；
x为上述的变量，具体地为血糖指标数据、心率、人体待测部位温度、人体辐射热量、环境温度以及环境辐射热量；
a为计算常数，其具体地为所述无创血糖检测装置200中的预设参数；
m为上述的变量的个数，在本实施例中，m的取值为6。
本发明实施例提供的无创血糖检测方法中，利用血糖指标数据、心率、待测部位体表温度、待测部位热辐射温度、环境温度、环境辐射热量这些变量的数据进行计算得出被检测者血糖值，无需刺破被检测者皮肤，达到了无创检测便捷操作的目的，且上述的变量检测获取的过程较为简单，使整个检测过程成本相对较低。同时，通过多信息融合的计算方法，使上述的无创血糖检测方法的重复性精度较高、稳定性较好。
请再次参阅图3，基于上述的无创血糖检测方法，本发明实施例还提供一种无创血糖检测系统S1，所述无创血糖检测系统S1运行于图4所示的无创血糖检测装置中，并用于执行上述的无创血糖检测方法。所述无创血糖检测系统S1包括控制模块10、光源驱动模块30、数据采集模块50以及数据处理模块70。
所述控制模块10用于初始化所述无创血糖检测系统S1，还用于控制其他各模块协同工作。所述光源驱动模块30用于驱动可见光及红外光光源，以获取可见光及红外光在所述人体待测部位的透射能量。所述数据采集模块50用于采集被检测者的心率、待测部位体表温度、待测部位热辐射温度、环境温度、以及环境辐射热量。所述数据处理模块70用于对所述数据采集模块50采集的数据进行计算，从而获取被检测者的血糖值。可以理解的是，上述各模块可以为运行于计算机可读存储介质中的程序模块，上述各个模块的用途及工作具体如下：
所述控制模块10用于初始化所述无创血糖检测系统S1及所述无创血糖检测装置200。
所述光源驱动模块30用于驱动可见光及红外光光源，以允许所述数据采集模块50获取可见光及红外光在所述人体待测部位的透射能量。在一些实施例中，所述无创血糖检测装置200包括可见光光源及接收管，以及红外光光源及接收管。所述光源驱动模块30用于驱动所述可见光光源及所述红外光光源。具体在本实施方式中，所述光源驱动模块30包括可见光光源驱动单元32以及红外光光源驱动单元34。
所述可见光光源驱动单元32用于驱动所述无创血糖检测装置200的可见光光源照射人体待测部位。在本实施例中，该可见光以红光为例，具体地，将所述人体待测部位放置于红光发射器与红光接收器之间，所述可见光驱动单元32用于驱动所述红光发射器发射红光，使所述红光接收器接收穿透所述人体待测部位的红光，以允许所述数据采集模块50根据发射的红光的能量以及接收的红光的能量，能够计算得出穿透所述人体待测部位的红光的透射能量，同时能够获取人体待测部位所吸收的红光能量。例如，在一些具体的实例中，所述可见光光源驱动单元32用于驱动红光光源(如LED)照射所述人体待测部位。
所述红外光光源驱动单元34用于驱动所述无创血糖检测装置200的红外光光源照射人体待测部位。具体地，将所述人体待测部位放置于红外光发射器与红外光接收器之间，所述红外光驱动单元34用于驱动所述红外光发射器用于红外光，使所述红外光接收器接收穿透所述人体待测部位的红外光，以允许所述数据采集模块50根据发射的红外光的能量以及接收的红外光的能量，能够计算得出穿透所述人体待测部位的红外光的透射能量，同时能够获取人体待测部位所吸收的红外光能量。例如，在一些具体的实例中，所述红外光光源驱动单元34用于驱动红外光光源(如LED)照射所述人体待测部位。
所述数据采集模块50用于采集被检测者的心率、待测部位体表温度、待测部位热辐射温度、环境温度、以及环境辐射热量。具体地，所述数据采集模块50包括心率检测单元52、温度检测单元54以及热量检测单元56。
所述心率检测单元52用于检测被检测者的心率。具体而言，所述心率检测单元52用于控制所述无创血糖检测装置200的红外光传感器检测人体血液流速，从而获取被检测者的心率。具体在本实施方式中，所述无创血糖检测装置200包括红外光传感器，所述红外光传感器具体包括红外二极管和接收管，通过控制所述红外二极管发射红外光，并通过红外接收管接收穿透所述人体待测部位的红外光，再将发射的红外光能量与接收的红外光能量相比较，以获取所述人体待测部位对红外光的吸收量，从而允许所述数据处理模块70根据所述人体待测部位对红外光的吸收量计算被检测者的心率值。
所述温度检测单元54包括人体温度检测子单元541以及环境温度检测子单元54。所述人体温度检测子单元541用于检测所述人体待测部位的温度。具体而言，所述人体温度检测子单元541用于控制温度传感器获取所述人体待测部位的温度，作为被检测者的体温数据。所述环境温度检测子单元543用于检测被检测者所在的环境温度。具体而言，所述环境温度检测子单元543用于控制温度传感器获取环境温度。
所述热量检测单元56包括人体热量检测子单元561以及环境热量检测子单元56。所述人体热量检测子单元561用于检测所述人体待测部位的辐射热量。具体而言，所述人体热量检测子单元561用于控制红外热量传感器获取人体待测部位的辐射热量。所述环境热量检测子单元563用于检测被检测者所在的环境辐射热量。具体而言，所述环境热量检测子单元563用于控制红外热量传感器获取环境辐射热量。
所述数据处理模块70用于对上述各模块获取的数据进行处理，以计算出被检测者的血糖值，具体如下：
所述可见光光源驱动单元32驱动可见光光源照射人体待测部位后，所述数据处理模块70用于根据所述数据采集模块50获取的可见光在所述人体待测部位的透射能量，降低可见光在所述人体待测部位的透射能量的误差，将误差控制在预设范围内。具体而言，所述数据处理模块70用于将上述获取的可见光在所述人体待测部位的透射能量生成波形图，进行波形处理后，降低可见光在所述人体待测部位的透射能量的误差，从而降低由原始数据异常使得结果不精确的影响。
所述数据处理模块70在降低可见光在所述人体待测部位的透射能量的误差时，首先，对可见光在所述人体待测部位的透射能量数据进行处理，忽略所述透射能量数据的初始数据以及末尾数据，并截取中段的透射能量数据。这是因为被检测者将所述人体待测部位放入所述无创血糖检测装置200中时，所述人体待测部位还未处于静止状态，所述无创血糖检测装置200有可能已经开始测量，且当被检测者将所述人体待测部位撤出所述无创血糖检测装置200的过程中，所述无创血糖检测装置200有可能仍然处于检测状态，导致所述透射能量数据的初始数据和末尾数据出现了较大的波动，应当忽略并只保留中段数据，从而提高检测精度。
在一些具体的实例中，所述数据采集模块50通过所述无创血糖检测装置200的红光二极管及红光接收管来获取红光在所述人体待测部位的透射能量，然后，所述数据处理模块70将红光在所述人体待测部位的透射能量数据记录为波形图，如图5所示。在图5示出的29000个数据点中，中段(约5500-24000个数据点)的数据较为平稳，初始约5000个数据点以及末尾约5000个数据点均出现较大范围的波动，由于所述透射能量数据是来自同一个被检测者的数据采集，因此数据点之间的差值不会过大，所述数据处理模块70则将红光在所述人体待测部位的透射能量数据点的首尾5000个数据点进行删除，只截取中段数据，从而获取较为准确的红光在所述人体待测部位的透射能量数据，如图6所示。
然后，所述数据处理模块70标定可见光透射能量的峰值点，忽略所述射能量的峰值点数据的初始数据以及末尾数据，并截取中段的射能量的峰值点数据；接着，所述数据处理模块70利用差分函数求每相邻两个峰值点之间的差值，并针对所有差值求平均值得到第一数据，以及分别计算最大峰值与所有峰值点的差值后，利用差分函数求相邻峰值点与最大峰值之间的差值后，对所有差值求平均值得到第二数据；计算上述的第一数据及第二数据的平均值，得出可见光透射能量的波动偏差，根据所述可见光透射能量的波动偏差返回计算可见光的透射能量数据，从而获得更为准确的可见光在所述人体待测部位的透射能量数据。经过所述数据处理模块70进行上述误差消除步骤所获得的可见光在所述人体待测部位的透射能量数据的误差控制在4.5％以内。应当理解的是，此处4.5％以内，指的是误差小于或等于4.5％。
所述红外光光源驱动单元34驱动红外光照射人体待测部位后，所述数据采集模块50获取红外光在所述人体待测部位的透射能量后，所述数据处理模块70还用于降低红外光在所述人体待测部位的透射能量的误差，将误差控制在预设范围内。具体而言，所述数据处理模块70用于将上述获取的红外光在所述人体待测部位的透射能量生成波形图，进行波形处理后，降低红外光在所述人体待测部位的透射能量的误差，从而降低由原始数据异常使得结果不精确的影响。
所述数据处理模块70在降低红外光在所述人体待测部位的透射能量的误差时，首先，所述数据处理模块70对红外光在所述人体待测部位的透射能量数据进行处理，忽略所述透射能量数据的初始数据以及末尾数据，并截取中段的透射能量数据。这是因为被检测者将所述人体待测部位放入所述无创血糖检测装置200中时，所述人体待测部位还未处于静止状态，所述无创血糖检测装置200有可能已经开始测量，且当被检测者将所述人体待测部位撤出所述无创血糖检测装置200的过程中，所述无创血糖检测装置200有可能仍然处于检测状态，导致所述透射能量数据的初始数据和末尾数据出现了较大的波动，所述数据处理模块70应当忽略并只保留中段数据，从而提高检测精度。
在一些具体的实例中，所述无创血糖检测装置200通过红外二极管及红外接收管来获取红外光在所述人体待测部位的透射能量，所述数据处理模块70将红外光在所述人体待测部位的透射能量数据记录为波形图，如图7所示。在图7示出的29000个数据点中，中段(约5500-24000个数据点)的数据较为平稳，前后5000的数据点均出现较大范围的波动，初始约5000个数据点以及末尾约5000个数据点均出现较大范围的波动，由于所述透射能量数据是来自同一个被检测者的数据采集，因此数据点之间的差值不会过大，所述数据处理模块70则将红外光在所述人体待测部位的透射能量数据点的首尾5000个数据点进行删除，只截取中段数据，从而获取较为准确的红外光在所述人体待测部位的透射能量数据，如图8所示。
然后，所述数据处理模块70标定红外光透射能量的峰值点，忽略所述射能量的峰值点数据的初始数据以及末尾数据，并截取中段的射能量的峰值点数据；接着，所述数据处理模块70利用差分函数求每相邻两个峰值点之间的差值，并针对所有差值求平均值得到第一数据，以及分别计算最大峰值与所有峰值点的差值后，所述数据处理模块70利用差分函数求相邻峰值点与最大峰值之间的差值后，对所有差值求平均值得到第二数据；计算上述的第一数据及第二数据的平均值，得出红外光透射能量的波动偏差，根据所述红外光透射能量的波动偏差返回计算红外光的透射能量数据，从而获得更为准确的红外光在所述人体待测部位的透射能量数据。经过所述数据处理模块70上述误差消除步骤所获得的红外光在所述人体待测部位的透射能量数据的误差控制在4.5％以内。应当理解的是，此处4.5％以内，指的是误差小于或等于4.5％。
所述数据处理模块70还用于计算人体待测部位对于可见光及红外光的透射能量比率。具体而言，所述数据处理模块70用于采用投射式红外光谱法，计算人体待测部位对可见光和红外线的透射能量比率。
例如，在一些实例中，所述无创血糖检测装置200通过依次驱动一个红光光源(如LED)和一个红外光光源(如LED)照射所述人体待测部位，如手指，所述数据处理模块70通过计算发射的红光及接收的红光能量差别，获得所述人体待测部位对红光的透射能量，以及通过计算发射的红外光以及接收的红外光能量差别，获得所述人体待测部位对红外光的透射能量，从而计算获取所述人体待测部位对可见光及红外光的透射能量比率。
在一些实例中，所述无创血糖检测装置200的红光二极管及红外二极管设在人体待测部位的一侧，所述无创血糖检测装置200的红光接收管以及红外接收管设置在所述人体待测部位的另一侧。控制所述红外二极管发射红外光，红外光穿透所述人体待测部位后，由所述红外接收管接收穿透后的红外光，同时控制所述红光二极管发射红光，红光穿透所述人体待测部位后，由所述红光接收管接收穿透后的红光。
所述数据处理模块70用于利用氧合血红蛋白(HbO2)和血红蛋白(Hb)对红光(Red，red)和红外光(Infrared，ir)吸收的差异，计算得出红光及红外光的透射能量比率R，该透射能量比率R称为计算血糖指标数据的特征值R：
R＝(ACred·DCir)/(ACir·DCred)，其中：
ACred为透射所述人体待测部位的可见光(red，在本实施例中为红光)的交流成分；
DCred为透射所述人体待测部位的可见光(red，在本实施例中为红光)的直流成分；
ACir为透射所述人体待测部位的红外光(ir)的交流成分；
DCir为透射所述人体待测部位的红外光(ir)的直流成分。
应当理解的是，上述的“直流成分”为所采集的数据波形图中较大的数据值曲线，“交流成分”为所采集的数据波形图中波动频率较高的周期性波动曲线，通过傅里叶变换对所采集的数据进行处理后，可提取所述直流成分和所述交流成分。
所述数据处理模块70还用于根据特征值R计算血糖指标数据(Sp)。具体地，所述数据处理模块70中预置有计算血糖指标数据(Sp)的具体算法，所述数据处理模块70用于根据上述计算的出的红外光(ir)和红光(red)透射能量比率，算得血糖指标数据(Sp)为：
Sp＝A·R2+B·R+C，其中：
A、B、C为计算常数，A、B、C具体地为所述无创血糖检测装置200中的预设参数；
R为计算血糖指标数据的特征值。
所述数据处理模块70还用于在所述人体温度检测子单元541获取人体待测部位温度后，降低体温数据的误差。在一些实施方式中，所述人体温度检测子单元541采集到的体温数据的曲线如图9所示，体表温度应为此时人体指尖温度的一个测量值，所述数据处理模块70用于判断较为稳定的测量值，如最后10个数据点较为稳定，因此所述数据处理模块70取最后10个点的体温数据的平均值作为人体待测部位温度。
所述数据处理模块70还用于在所述环境温度检测子单元543获取环境温度后，降低环境温度数据的误差。在一些实施方式中，所述环境温度检测子单元543采集到的环境温度的曲线如图9所示，所述数据处理模块70用于在判断环境温度的波动较小时，取环境温度的所有数据的平均值作为环境温度数据。
所述数据处理模块70还用于在所述人体热量检测子单元561获取人体待测部位辐射热量后，降低人体热量数据的误差。在一些实施方式中，所述人体辐射热量检测子单元561采集到的人体辐射热量数据的曲线如图10所示，体表辐射热量应为此时人体指尖辐射热量的一个测量值，所述数据处理模块70用于判断较为稳定的测量值，如最后10个数据点较为稳定，因此所述数据处理模块70取最后10个点的人体辐射热量数据的平均值作为人体待测部位辐射热量。
所述数据处理模块70还用于在所述环境辐射热量检测子单元563获取环境辐射热量后，降低环境辐射热量数据的误差。在一些实施方式中，所述环境辐射热量检测子单元563采集到的环境辐射热量的曲线如图10所示，所述数据处理模块70用于在判断环境辐射热量的波动较小时，取环境辐射热量的所有数据的平均值作为环境辐射热量数据。
所述数据处理模块70还用于根据血糖指标数据、人体温度数据、人体辐射热量数据，计算被检测者的血糖值。进一步地，在一些实施方式中，所述数据处理模块70用于根据上述步骤获取的血糖指标数据、心率、人体待测部位温度、人体辐射热量、环境温度以及环境辐射热量，并依此计算被检测者的血糖值。
以下称上述步骤获取的血糖指标数据、心率、人体待测部位温度、人体辐射热量、环境温度以及环境辐射热量为变量，基于所信息融合算法利用上述的变量计算被检测者的血糖值，则m个变量的多信息融合算法表达式为：
yi＝aj1x1+…+ajmxm，(j＝1,2,3,…,m)，其中：
y为被检测者的血糖值；
x为上述的变量，具体地为血糖指标数据、心率、人体待测部位温度、人体辐射热量、环境温度以及环境辐射热量；
a为计算常数，其具体地为所述无创血糖检测装置200中的预设参数；
m为上述的变量的个数，在本实施例中，m的取值为6。
本发明实施例提供的无创血糖检测系统中，利用血糖指标数据、心率、待测部位体表温度、待测部位热辐射温度、环境温度、环境辐射热量这些变量的数据进行计算得出被检测者血糖值，无需刺破被检测者皮肤，达到了无创检测便捷操作的目的，且上述的变量检测获取的过程较为简单，使整个检测过程成本相对较低。同时，通过多信息融合的计算方法，使上述的无创血糖检测系统的重复性精度较高、稳定性较好。
请再次参阅图4及图11，基于上述的无创血糖检测方法以及无创血糖检测系统S1，本发明实施例还提供一种无创血糖检测装置200(图4)，所述无创血糖检测装置200用于运行上述的无创血糖检测系统S1，并能够执行上述的无创血糖检测方法。
具体在图4所示的实施例中，所述无创血糖检测装置20包括控制器210、第一采集器230以及第二采集器250，所述第一采集器230通过信号线240连接至所述控制器210，所述第二采集器250通过信号线260连接至所述控制器210。
所述控制器10用于控制所述无创血糖检测装置200工作，并根据所述第一采集器30及所述第二采集器250采集的数据计算待测部位的血糖值。具体在图示的实施例中，所述控制器210包括控制器本体212、显示屏214、以及操作面板16以及处理中心(图11)。
所述第一采集器30用于采集红外光及可见光在人体待测部位的透射能量。具体地，所述第一采集器30包括红外光二级管、红外光接收管、可见光二级管及可见光接收管。
所述第二采集器50用于采集被检测者的体温、被检测者的人偷辐射热量，还用于采集环境温度计环境辐射热量。具体地，所述第二采集器50包括温度传感器及红外热量传感器。
请同时参阅图11，图11示意性地示出了所述创血糖检测装置200的处理中心的硬件结构框图。
所述无创血糖检测装置200的处理中心包括传感器电路模组270以及数据处理电路模组270。所述传感器电路模组280用于控制所述第一采集器230检测被检测者的心率，并控制所述第二采集器280检测所述人体待测部位体表温度、所述人体待测部位热辐射温度、环境温度、环境辐射热量等数据，所述数据处理电路模组270用于对所述传感器电路模组270检测的数据进行处理，并计算出被检测者的血糖值。
所述传感器电路模组270包括心率检测电路272、热量传感器电路274以及温度传感器电路276。
所述心率检测电路272用于控制所述第一采集器230检测人体心率。具体在本发明实施例中，所述心率检测电路272为红外光传感器电路。由于人体血液中的血红蛋白对红外光有吸收作用，在被检测者心脏跳动瞬间，人体待测部位中流通的血液量增加，则血红蛋白吸收红外光总量相对较多；在检测者心脏跳间隙，人体待测部位中流通的血液量减少，则血红蛋白吸收红外光总量相对较少，因此，通过红外光传感器来检测人体待测部位对红外光的吸收量，能够获得待检测者的心率。具体在本实施方式中，所述心率检测电路272采用医学用红外二极管和红外接收管，通过控制所述红外二极管发射红外光，并通过红外接收管接收穿透所述人体待测部位的红外光，再将发射的红外光能量与接收的红外光能量相比较，以获取所述人体待测部位对红光的吸收量；从而允许所述数据处理模组280根据所述人体待测部位对红光、红外光的吸收量计算被检测者的心率值。
所述热量传感器电路274用于控制所述第二采集器250检测人体境辐射热量和环境辐射热量，具体而言，在本发明实施例中，所述热量传感器电路274具体地为电堆辐射温度传感器电路。所述热量传感器电路274通过红外热量传感器获取人体辐射热量以及环境辐射热量，所述热量传感器电路274通过两个红外热量传感器分别检测所述人体待测部位的辐射热量以及环境辐射热量，两个所述红外热量传感器的型号及性能均相同，以减少在检测时的误差。
所述温度传感器电路276用于控制所述第二采集器250检测人体温度和环境温度。具体在本发明实施例中，所述温度传感器电路276通过两个温度传感器分别检测所述人体待测部位的温度以及环境温度，两个所述温度传感器的型号及性能均相同，以减少在检测时的误差。
在本实施方式中，所述数据处理电路模组280具体地为MCU(MicrocontrollerUnit；MCU，微控制单元)处理中心，其用于对所述传感器电路模组270采集的数据进行计算，从而获取被检测者的血糖值。所述数据处理电路模组280计算血糖值的处理方法与上述的无创血糖检测方法相同，为节省篇幅，本说明书不作一一赘述。
进一步地，所述无创血糖检测装置200的处理中心还包括电源电路291、信号接口电路293、信号处理电路295、显示屏电路297、存储设备电路298以及通讯接口299。
所述电源电路291用于为所述无创血糖检测装置200供电。具体在本实施方式中，所述电源电路291采用3.7V锂电池进行供电，或/及采用5V的USB充电接口进行供电，5V的USB充电接口可以同时满足锂电池充电和系统供电要求。
所述信号接口电路293用于提供所述数据采集模组270采集信号的信号接口。所述信号处理电路295用于接收所述数据采集模组270采集的信号，并对信号进行处理之后将处理后的信号传递至所述数据处理模组280。所述显示屏电路297用于提供所述无创血糖检测装置200的信息输入输出功能，所述存储设备电路298存储所述无创血糖检测装置200的系统数据(包括所述传感器电路模组270采集的数据)，所述通讯接口299用于提供所述无创血糖检测装置200和控制中心(如电脑等)之间的通讯。
本发明实施例提供的无创血糖检测装置中，利用血糖指标数据、心率、待测部位体表温度、待测部位热辐射温度、环境温度、环境辐射热量这些变量的数据进行计算得出被检测者血糖值，无需刺破被检测者皮肤，达到了无创检测便捷操作的目的，且上述的变量检测获取的过程较为简单，使整个检测过程成本相对较低。同时，通过多信息融合的计算方法，使上述的无创血糖检测系统的重复性精度较高、稳定性较好。
在本说明书的描述中，参考术语“一个实施例”、“一些实施例”、“示例”、“具体示例”、或“一些示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本发明的至少一个实施例或示例中。在本说明书中，对上述术语的示意性表述不必须针对的是相同的实施例或示例。而且，描述的具体特征、结构、材料或者特点可以在任一个或多个实施例或示例中以合适的方式结合。此外，在不相互矛盾的情况下，本领域的技术人员可以将本说明书中描述的不同实施例或示例以及不同实施例或示例的特征进行结合和组合。
此外，术语“第一”、“第二”仅用于描述目的，而不能理解为指示或暗示相对重要性或者隐含指明所指示的技术特征的数量。由此，限定有“第一”、“第二”的特征可以明示或者隐含地包括至少一个该特征。在本发明的描述中，“多个”的含义是至少两个，例如两个，三个等，除非另有明确具体的限定。
流程图中或在此以其他方式描述的任何过程或方法描述可以被理解为，表示包括一个或更多个用于实现特定逻辑功能或过程的步骤的可执行指令的代码的模块、片段或部分，并且本发明的优选实施方式的范围包括另外的实现，其中可以不按所示出或讨论的顺序，包括根据所涉及的功能按基本同时的方式或按相反的顺序，来执行功能，这应被本发明的实施例所属技术领域的技术人员所理解。
在流程图中表示或在此以其他方式描述的逻辑和/或步骤，例如，可以被认为是用于实现逻辑功能的可执行指令的定序列表，可以具体实现在任何计算机可读介质中，以供指令执行系统、装置或设备(如基于计算机的系统、包括处理器的系统或其他可以从指令执行系统、装置或设备取指令并执行指令的系统)使用，或结合这些指令执行系统、装置或设备而使用。就本说明书而言，"计算机可读介质"可以是任何可以包含、存储、通信、传播或传输程序以供指令执行系统、装置或设备或结合这些指令执行系统、装置或设备而使用的装置。计算机可读介质的更具体的示例(非穷尽性列表)包括以下：具有一个或多个布线的电连接部(移动终端)，便携式计算机盘盒(磁装置)，随机存取存储器(RAM)，只读存储器(ROM)，可擦除可编辑只读存储器(EPROM或闪速存储器)，光纤装置，以及便携式光盘只读存储器(CDROM)。另外，计算机可读介质甚至可以是可在其上打印所述程序的纸或其他合适的介质，因为可以例如通过对纸或其他介质进行光学扫描，接着进行编辑、解译或必要时以其他合适方式进行处理来以电子方式获得所述程序，然后将其存储在计算机存储器中。
应当理解，本发明的各部分可以用硬件、软件、固件或它们的组合来实现。在上述实施方式中，多个步骤或方法可以用存储在存储器中且由合适的指令执行系统执行的软件或固件来实现。例如，如果用硬件来实现，和在另一实施方式中一样，可用本领域公知的下列技术中的任一项或他们的组合来实现：具有用于对数据信号实现逻辑功能的逻辑门电路的离散逻辑电路，具有合适的组合逻辑门电路的专用集成电路，可编程门阵列(PGA)，现场可编程门阵列(FPGA)等。
本技术领域的普通技术人员可以理解实现上述实施例方法携带的全部或部分步骤是可以通过程序来指令相关的硬件完成，所述的程序可以存储于一种计算机可读存储介质中，该程序在执行时，包括方法实施例的步骤之一或其组合。此外，在本发明各个实施例中的各功能单元可以集成在一个处理模块中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个模块中。上述集成的模块既可以采用硬件的形式实现，也可以采用软件功能模块的形式实现。所述集成的模块如果以软件功能模块的形式实现并作为独立的产品销售或使用时，也可以存储在一个计算机可读取存储介质中。
上述提到的存储介质可以是只读存储器，磁盘或光盘等。尽管上面已经示出和描述了本发明的实施例，可以理解的是，上述实施例是示例性的，不能理解为对本发明的限制，本领域的普通技术人员在本发明的范围内可以对上述实施例进行变化、修改、替换和变型。
最后应说明的是：以上实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述实施例对本发明进行了详细的说明，本领域的普通技术人员当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或者替换，并不驱使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围。

Claims (10)

1.一种无创血糖检测方法，应用于无创血糖检测系统及无创血糖检测装置中，并用于检测被检测者的血糖值，其特征在于，所述无创血糖检测方法基于多信息融合算法计算被检测者的血糖值，其包括步骤：
根据所述被检测者的待测部位对可见光以及红外光的透射能量的比率，计算血糖指标数据；其中，所述血糖指标数据为用于表征血液中的葡萄糖分别对可见光及红外光的不同的吸收率与血糖值之间的相关性的数据；
获取所述被检测者的心率；
获取所述被检测者的体温；
获取所述被检测者的人体辐射热量；以及
根据所述血糖指标数据、心率、体温、人体辐射热量，计算被检测者的血糖值。
2.如权利要求1所述的无创血糖检测方法，其特征在于，所述根据所述被检测者的待测部位对可见光以及红外光的透射能量的比率，计算血糖指标数据，包括：
获取所述待测部位对可见光的透射能量；
获取所述待测部位对红外光的透射能量：以及
计算所述待测部位可见光以及红外光的透射能量的比率。
3.如权利要求2所述的无创血糖检测方法，其特征在于，所述待测部位对可见光以及红外光的透射能量的比率包括透射所述待测部位的可见光的能量与透射所述待测部位的可见光的能量之间的比值，所述待测部位对可见光以及红外光的透射能量的比率R由所述无创血糖检测装置中预置的算法F(ACred,DCir,ACir,DCred)算得：
R＝F(ACred,DCir,ACir,DCred)，其中：
ACred为透射所述人体待测部位的可见光(red)的交流成分；
DCred为透射所述人体待测部位的可见光(red)的直流成分；
ACir为透射所述人体待测部位的红外光(ir)的交流成分；
DCir为透射所述人体待测部位的红外光(ir)的直流成分。
4.如权利要求3所述的无创血糖检测方法，其特征在于，所述血糖指标数据为Sp，计算时，根据上述获取的所述待测部位对可见光以及红外光的透射能量的比率R，利用所述无创血糖检测装置中预置的算法F(R)计算得出所述血糖指标数据：Sp＝F(R)；
计算被检测者的血糖值时，以所述血糖指标数据、心率、体温、人体辐射热量为变量信息，采用多信息融合算法计算所述血糖值。
5.如权利要求2所述的无创血糖检测方法，其特征在于，获取所述待测部位对可见光的透射能量数据后，降低所述待测部位对可见光的透射能量数据的误差：
删除所述待测部位对可见光的透射能量数据首尾波动异常的数据点，取得第一初步数据；
标定所述第一初步数据的所有峰值点，并删除所述所有峰值点数据首尾波动异常的数据点，得到第二初步数据；
求所述第二初步数据中每相邻两个峰值点之间的差值，并针对所有差值求平均值得到第一数据；
分别计算最大峰值与所有峰值点的差值后，求相邻峰值点与最大峰值之间的差值，对所有差值求平均值得到第二数据；以及
计算上述的第一数据及第二数据的平均值，得出可见光透射能量的波动偏差，根据所述可见光透射能量的波动偏差返回计算得出消除误差后的可见光的透射能量。
6.如权利要求2所述的无创血糖检测方法，其特征在于，获取所述待测部位对红外光的透射能量数据后，降低所述待测部位对红外光的透射能量数据的误差：
删除所述待测部位对红外光的透射能量数据首尾波动异常的数据点，取得第一初步数据；
标定所述第一初步数据的所有峰值点，并删除所述所有峰值点数据首尾波动异常的数据点，得到第二初步数据；
求所述第二初步数据中每相邻两个峰值点之间的差值，并针对所有差值求平均值得到第一数据；
分别计算最大峰值与所有峰值点的差值后，求相邻峰值点与最大峰值之间的差值，对所有差值求平均值得到第二数据；以及
计算上述的第一数据及第二数据的平均值，得出红外光透射能量的波动偏差，根据所述红外光透射能量的波动偏差返回计算得出消除误差后的红外光的透射能量。
7.如权利要求1所述的无创血糖检测方法，其特征在于，获取被检测者的心率时，通过红外光传感器检测人体血液流速，从而获取被检测者的心率；
获取所述被检测者的体温后，获取环境温度，并利用环境温度返回计算所述被检测者的体温，以降低所述被检测者的体温在测量时的误差。
8.如权利要求7所述的无创血糖检测方法，其特征在于，获取所述被检测者的人体辐射热量后，获取环境辐射热量，并利用环境辐射热量返回计算所述被检测者的人体辐射热量，以降低所述被检测者的人体辐射热量在测量时的误差。
9.一种无创血糖检测系统，运行于无创血糖检测装置中，其特征在于，所述无创血糖检测系统用于执行权利要求1～8中任一项的无创血糖检测方法，所述无创血糖检测系统包括：
数据处理模块，用于根据所述被检测者的待测部位对可见光以及红外光的透射能量的比率，计算血糖指标数据；其中，所述血糖指标数据为用于表征血液中的葡萄糖分别对可见光及红外光的不同的吸收率与血糖值之间的相关性的数据；
心率检测单元，用于获取所述被检测者的心率；
温度检测单元，用于获取所述被检测者的体温；以及
热量检测单元，用于获取所述被检测者的人体辐射热量；其中，所述数据处理模块还用于根据所述血糖指标数据、心率、体温、人体辐射热量，计算被检测者的血糖值。
10.一种无创血糖检测装置，其特征在于，所述无创血糖检测装置用于运行权利要求9的无创血糖检测系统，以执行权利要求1～8中任一项的无创血糖检测方法，所述无创血糖检测装置包括：
第一采集器，用于采集可见光及红外光在被检测者的待测部位的透射能量；
第二采集器，用于采集被检测者的心率、体温以及人体辐射热量；以及
处理中心，用于根据所述被检测者的待测部位对可见光以及红外光的透射能量的比率，计算血糖指标数据；其中，所述血糖指标数据为用于表征血液中的葡萄糖分别对可见光及红外光的不同的吸收率与血糖值之间的相关性的数据；所述处理中心还用于根据所述血糖指标数据、心率、体温、人体辐射热量，计算被检测者的血糖值。
CN201710807471.7A 2017-09-08 2017-09-08 基于多信息融合的无创血糖检测方法、系统以及装置 Pending CN107714049A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201710807471.7A CN107714049A (zh) 2017-09-08 2017-09-08 基于多信息融合的无创血糖检测方法、系统以及装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201710807471.7A CN107714049A (zh) 2017-09-08 2017-09-08 基于多信息融合的无创血糖检测方法、系统以及装置

Publications (1)

Publication Number Publication Date
CN107714049A true CN107714049A (zh) 2018-02-23

Family

ID=61205838

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201710807471.7A Pending CN107714049A (zh) 2017-09-08 2017-09-08 基于多信息融合的无创血糖检测方法、系统以及装置

Country Status (1)

Country Link
CN (1) CN107714049A (zh)

Cited By (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108852330A (zh) * 2018-05-08 2018-11-23 广东小天才科技有限公司 一种基于tws耳机的生物信号检测方法及装置
CN109758160A (zh) * 2019-01-11 2019-05-17 南京邮电大学 一种基于lstm-rnn模型的无创血糖预测方法
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
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
CN114376518A (zh) * 2021-12-07 2022-04-22 同济大学 一种非接触式的运动人体能量消耗实时评估系统及方法
CN114397334A (zh) * 2021-12-28 2022-04-26 乐普（北京）医疗器械股份有限公司 一种无创血糖分析系统
CN116035571A (zh) * 2022-10-31 2023-05-02 深圳市彩鸿虚拟现实科技有限公司 一种智能化的无创血糖仪

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2003010510A2 (en) * 2001-07-25 2003-02-06 Argose, Inc. Adjunct quantitative system and method for non-invasive measurement of in vivo analytes
CN101088003A (zh) * 2004-12-13 2007-12-12 拜尔保健有限公司 用于确定体液中被分析物的透射光谱学系统
CN101933811A (zh) * 2010-09-03 2011-01-05 深圳市纽泰克电子有限公司 一种血氧饱和度检测方法及系统
CN104586407A (zh) * 2014-01-16 2015-05-06 清华大学 一种多参数生理指征检测装置及其检测方法
CN105193425A (zh) * 2015-11-05 2015-12-30 李萍 一种无创式血糖仪的使用方法
CN105962949A (zh) * 2016-06-14 2016-09-28 上海理工大学 一种基于近红外光能量守恒法的无创血糖计算方法以及信号采集装置

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2003010510A2 (en) * 2001-07-25 2003-02-06 Argose, Inc. Adjunct quantitative system and method for non-invasive measurement of in vivo analytes
CN101088003A (zh) * 2004-12-13 2007-12-12 拜尔保健有限公司 用于确定体液中被分析物的透射光谱学系统
CN101933811A (zh) * 2010-09-03 2011-01-05 深圳市纽泰克电子有限公司 一种血氧饱和度检测方法及系统
CN104586407A (zh) * 2014-01-16 2015-05-06 清华大学 一种多参数生理指征检测装置及其检测方法
CN105193425A (zh) * 2015-11-05 2015-12-30 李萍 一种无创式血糖仪的使用方法
CN105962949A (zh) * 2016-06-14 2016-09-28 上海理工大学 一种基于近红外光能量守恒法的无创血糖计算方法以及信号采集装置

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
单新治等: "基于多信息融合的无创血糖检测系统设计", 《光学仪器》 *
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)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108852330A (zh) * 2018-05-08 2018-11-23 广东小天才科技有限公司 一种基于tws耳机的生物信号检测方法及装置
CN109758160A (zh) * 2019-01-11 2019-05-17 南京邮电大学 一种基于lstm-rnn模型的无创血糖预测方法
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
CN114376518A (zh) * 2021-12-07 2022-04-22 同济大学 一种非接触式的运动人体能量消耗实时评估系统及方法
CN114397334A (zh) * 2021-12-28 2022-04-26 乐普（北京）医疗器械股份有限公司 一种无创血糖分析系统
CN114397334B (zh) * 2021-12-28 2024-05-07 乐普（北京）医疗器械股份有限公司 一种无创血糖分析系统
CN116035571A (zh) * 2022-10-31 2023-05-02 深圳市彩鸿虚拟现实科技有限公司 一种智能化的无创血糖仪

Similar Documents

Publication Publication Date Title
CN107714049A (zh) 基于多信息融合的无创血糖检测方法、系统以及装置
CN104586407B (zh) 一种多参数生理指征检测装置及其检测方法
CA2676271C (en) Method and device for measuring parameters of cardiac function
US20080004513A1 (en) VCSEL Tissue Spectrometer
CN101467884B (zh) 无创血糖快速检测的方法和装置
CN109348727B (zh) 用于感测肌肉组织中糖原的近红外光谱学技术
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
CN103385695B (zh) 多波长肝脏储备功能检测仪及检测icg浓度的方法
CN108471950A (zh) 用于进行经腹胎儿血氧饱和度及/或经腹胎儿脉搏血氧饱和度监测的系统、装置及方法
RU2015138985A (ru) Неинвазивный анализ крови
EP3469983A1 (en) Portable smart health monitoring device
US10687739B2 (en) Method and apparatus for non-invasive glucose measurement
CN102579053A (zh) 一种基于扩散理论的反射式脉搏血氧检测方法
CN111466921A (zh) 基于多源信息感知及融合的无创血糖检测仪与检测方法
CN107228904A (zh) 一种光致超声的血糖无创检测装置及方法
CN206007239U (zh) 基于单片机的脉搏测量仪
TW202128078A (zh) 用於動物醫學檢查之方法及檢查裝置
CN114403904A (zh) 基于肌电信号与肌肉血氧饱和度确定肌肉状态的装置
CN212521771U (zh) 一种基于多源信息感知及融合的无创血糖检测仪
CN110575182A (zh) 用于检测血糖的方法及装置
US20140275870A1 (en) Continuous noninvasive measurement of analyte concentration using an optical bridge
CN106037760A (zh) 一种无创血糖仪的连续血糖监测系统
CN205913354U (zh) 一种无创血糖检测装置
KR101961147B1 (ko) 무채혈 혈당 측정 장치, 이를 이용한 무채혈 혈당 측정 방법
CN205286366U (zh) 体征监测装置

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