CN108324286A - 一种基于pca-narx校正算法的红外光无创血糖检测装置 - Google Patents

一种基于pca-narx校正算法的红外光无创血糖检测装置 Download PDF

Info

Publication number
CN108324286A
CN108324286A CN201810077543.1A CN201810077543A CN108324286A CN 108324286 A CN108324286 A CN 108324286A CN 201810077543 A CN201810077543 A CN 201810077543A CN 108324286 A CN108324286 A CN 108324286A
Authority
CN
China
Prior art keywords
infrared light
narx
pca
signal
tested person
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.)
Granted
Application number
CN201810077543.1A
Other languages
English (en)
Other versions
CN108324286B (zh
Inventor
季忠
杜玉宝
代娟
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.)
Beijing Lize Health Technology Co.,Ltd.
Original Assignee
Chongqing University
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 Chongqing University filed Critical Chongqing University
Priority to CN201810077543.1A priority Critical patent/CN108324286B/zh
Publication of CN108324286A publication Critical patent/CN108324286A/zh
Application granted granted Critical
Publication of CN108324286B publication Critical patent/CN108324286B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

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

Landscapes

  • Health & Medical Sciences (AREA)
  • Physics & Mathematics (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Biomedical Technology (AREA)
  • Medical Informatics (AREA)
  • Biophysics (AREA)
  • Pathology (AREA)
  • Engineering & Computer Science (AREA)
  • Spectroscopy & Molecular Physics (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

本发明公开了基于PCA‑NARX校正算法的红外光无创血糖检测装置，外部参数采集装置采集外部参数；指夹装置能够固定在被检测手指上对本检测人进行无创血糖检测；激光源在不同时间向被检测手指发送第一近红外光及第二近红外光；第一光电探测器及第二光电探测器安装在指夹装置上；存储器存储有生成被测人血糖浓度信息的应用程序。本发明综合考虑血糖浓度和血糖近红外吸光度之间应包含非线性关系、人体血糖浓度自身随着时间的变化存在一定的波动规律及外界因素会对近红外无创血糖的检测产生影响等问题，提高了血糖测量的精准度。

Description

一种基于PCA-NARX校正算法的红外光无创血糖检测装置
技术领域
本发明涉及医疗设备技术领域，尤其涉及基于PCA-NARX校正算法的红外光无创血糖检测装置。
背景技术
糖尿病是全球较为普遍的一种内分泌疾病。根据全球糖尿病现状研究报告(2016版)，全球糖尿病患者人数超过4亿，糖尿病已经成为全球最严重的公共卫生问题之一。而我国糖尿病患者人数高达1.5亿左右，是糖尿病第一大国，并呈现递增趋势和年轻化趋势，因此预防和治疗糖尿病具有十分积极的意义。目前常用的血糖检测方法是在患者指尖取血样检测，这种方法虽然极大提高了对糖尿病人的护理水平，但也存在一些缺点，比如其操作给患者造成疼痛，指尖取血有感染其它疾病的危险，给患者造成心理压力；如果长期频繁使用，检测成本会增加，不利于血糖的频繁检测。为克服这些缺点，世界许多组织和机构逐渐展开了无创血糖检测技术的研究。
目前，无创血糖检测方法主要有电化学法和光学法两大类。其中，电化学法也被划为微创范围，因其对皮肤会产生比较强烈的刺激作用。在光学方法中，近红外无创血糖检测技术由于其精度高、污染小、成本低等优点，被认为是一种最有应用前途的无创血糖检测技术。现有的无创血糖检测技术中并未考虑到血糖浓度和血糖近红外吸光度之间应包含非线性关系、人体血糖浓度自身随着时间的变化存在一定的波动规律及外界因素会对近红外无创血糖的检测产生影响等问题，测量的结果准确度较低。
因此，如何综合考虑血糖浓度和血糖近红外吸光度之间应包含非线性关系、人体血糖浓度自身随着时间的变化存在一定的波动规律及外界因素会对近红外无创血糖的检测产生影响等问题，精确的测量血糖的浓度，已经成为了本领域技术人员急需解决的问题。
发明内容
针对现有技术存在的上述不足，本发明要解决的技术问题是：如何综合考虑血糖浓度和血糖近红外吸光度之间应包含非线性关系、人体血糖浓度自身随着时间的变化存在一定的波动规律及外界因素会对近红外无创血糖的检测产生影响等问题，精确地测量血糖的浓度。
为解决上述技术问题，本发明采用了如下的技术方案：
基于PCA-NARX校正算法的红外光无创血糖检测装置，包括指夹装置、激光源、处理器、第一光电探测器及第二光电探测器，还包括存储器及外部参数采集装置，其中：
所述外部参数采集装置用于采集外部参数，所述外部参数包括被测人生理参数和/或环境参数；
所述指夹装置能够固定在被检测手指上对本检测人进行无创血糖检测；
所述激光源与所述指夹装置连接，所述激光源包括第一激光发射装置及第二激光发射装置，所述第一激光发射装置用于在第一时间向所述被检测手指发射第一近红外光，所述第二激光发射装置用于在第二时间向所述被检测手指发射第二近红外光，所述第一近红外光与所述第二近红外光的波长不同；
所述第一光电探测器及所述第二光电探测器安装在所述指夹装置上，所述第一光电探测器用于采集第一漫反射光信号，所述第一漫反射光信号包括第一近红外光及第二近红外光的漫反射参考光信号，所述第二光电探测器用于采集第二漫反射光信号，所述第二漫反射光信号包括第一近红外光及第二近红外光的漫反射检测光信号；
所述存储器存储有处理所述外部参数、所述第一漫反射光信号及第二漫反射光信号，生成被测人血糖浓度信息的应用程序；
所述处理器用于运行所述应用程序。
优选地，所述环境参数包括入环境温度和/或环境湿度，所述被测人生理参数包括被测人收缩压、被测人舒张压、被测人脉率及被测人体温中的任意一项或多项。
优选地，包括存储器，所述存储器存储有利用PCA-NARX模型处理所述外部参数、所述第一漫反射光信号及第二漫反射光信号，生成被测人血糖浓度信息的应用程序，所述应用程序的工作步骤包括：
获取第一漫反射光信号，获取第二漫反射光信号；
获取外部参数，所述外部参数包括被测人生理参数和/或环境参数；
采用主成分分析算法从所述外部参数中提取若干种主成分参数；
采用NARX处理所述外部参数、所述第一漫反射光信号及第二漫反射光信号，生成被测人血糖浓度信息。
优选地，所述环境参数包括环境温度和/或环境湿度，所述被测人生理参数包括被测人收缩压、被测人舒张压、被测人脉率及被测人体温中的任意一项或多项。
优选地，采用主成分分析算法将累积贡献率超过0.85的外部参数作为主成分参数。
优选地，根据公式Nhid＝2Nin+1确定隐含层神经元个数Nhid，其中Nin表示输入层神经元个数。
优选地，使用Levenberg-Marquardt算法对NARX模型进行训练。
优选地，NARX模型的定义如下：
y(t)＝f[y(t-1),y(t-2),…，y(t-ny),x(t-1),x(t-2),…,x(t-nd)]
其中，y(t-1),y(t-2),…，y(t-ny)是过去的输出时间序列，x(t-1),x(t-2),…,x(t-nd) 表示多维输入时间序列，映射f表示非线性过程。
综上所述，本发明公开了基于PCA-NARX校正算法的红外光无创血糖检测装置，包括指夹装置、激光源、处理器、第一光电探测器及第二光电探测器，还包括存储器及外部参数采集装置，其中：外部参数采集装置用于采集外部参数，外部参数包括被测人生理参数和/或环境参数；指夹装置能够固定在被检测手指上对本检测人进行无创血糖检测；所述激光源与所述指夹装置连接，所述激光源包括第一激光发射装置及第二激光发射装置，所述第一激光发射装置用于在第一时间向所述被检测手指发射第一近红外光，所述第二激光发射装置用于在第二时间向所述被检测手指发射第二近红外光，所述第一近红外光与所述第二近红外光的波长不同；第一光电探测器及第二光电探测器安装在指夹装置上，第一光电探测器用于采集第一漫反射光信号，第一漫反射光信号包括第一近红外光及第二近红外光的漫反射参考光信号，第二光电探测器用于采集第二漫反射光信号，第二漫反射光信号包括第一近红外光及第二近红外光的漫反射检测光信号；存储器存储有处理外部参数、第一漫反射光信号及第二漫反射光信号，生成被测人血糖浓度信息的应用程序；处理器用于运行应用程序。本发明综合考虑血糖浓度和血糖近红外吸光度之间应包含非线性关系、人体血糖浓度自身随着时间的变化存在一定的波动规律及外界因素会对近红外无创血糖的检测产生影响等问题，提高了血糖测量的精准度。
附图说明
为了使发明的目的、技术方案和优点更加清楚，下面将结合附图对本发明作进一步的详细描述，其中：
图1为本发明公开的基于PCA-NARX校正算法的红外光无创血糖检测装置的结构示意图；
图2为本发明中存储器中的应用程序的流程图；
图3为本发明中PCA-NARX模型的拓扑结构示意图；
图4为本发明中基于PCA-NARX校正算法的红外光无创血糖检测装置得到的预测值和实测值之间的拟合程度。
图5为本发明中基于PCA-NARX校正算法的红外光无创血糖检测装置的克拉克误差网格分析结果。
附图中标号的对应关系为：1为第一光电探测器、18为第二光电探测器，2为指夹装置，19为结构固件，17和16为数据传输到导线，15为信号调理装置，14为电源，13为存储器，12为数据传输装置，11为显示装置，9为处理器，8为激光源，7、6及4为多模光纤，5为法兰盘，3为激光光源入射端，10为外部参数采集装置。
附图4中纵坐标为血糖浓度，带三角的线为实测值，带方块的线为采用本装置测量出的预测值。
具体实施方式
下面结合附图对本发明作进一步的详细说明。
如图1所示，本发明公开了基于PCA-NARX校正算法的红外光无创血糖检测装置，包括指夹装置2、激光源8、处理器9、第一光电探测器1及第二光电探测器18，还包括存储器13及外部参数采集装置10，其中：
外部参数采集装置10用于采集外部参数，外部参数包括被测人生理参数和/或环境参数；
指夹装置2能够固定在被检测手指上对本检测人进行无创血糖检测；
激光源8与指夹装置2连接，激光源8包括第一激光发射装置及第二激光发射装置，第一激光发射装置用于在第一时间向被检测手指发射第一近红外光，第二激光发射装置用于在第二时间向被检测手指发射第二近红外光，第一近红外光与第二近红外光的波长不同；
第一光电探测器1及第二光电探测器18安装在指夹装置2上，第一光电探测器1用于采集第一漫反射光信号，第一漫反射光信号包括第一近红外光及第二近红外光的漫反射参考光信号，第二光电探测器18用于采集第二漫反射光信号，第二漫反射光信号包括第一近红外光及第二近红外光的漫反射检测光信号；
存储器13存储有处理外部参数、第一漫反射光信号及第二漫反射光信号，生成被测人血糖浓度信息的应用程序；
处理器9用于运行应用程序。
本发明综合考虑血糖浓度和血糖近红外吸光度之间应包含非线性关系、人体血糖浓度自身随着时间的变化存在一定的波动规律及外界因素会对近红外无创血糖的检测产生影响等问题，提高了血糖测量的精准度。
具体实施时，环境参数包括环境温度和/或环境湿度，被测人生理参数包括被测人收缩压、被测人舒张压、被测人脉率及被测人体温中的任意一项或多项。
本发明中，通过处理器9对激光源8恒流驱动电路进行分时控制，控制激光源8内的第一激光发射装置及第二激光发射装置，分时输出功率稳定的1550nm和1310nm的近红外光，即第一近红外光和第二近红外光；近红外光经多模光纤传输到指夹装置2中固定的发射端光纤头照射手指指尖，产生经过皮肤组织和动脉吸收衰减的漫反射光，通过固定于特殊位置的两个光电探测器分别采集经手指的1310nm和1550nm漫反射光并将其转换为电信号，即第一漫反射光信号和第二漫反射光信号。其中1310nm近红外光漫反射信号用于检测血液中的其他成分，以滤除血糖无创检测过程中的背景噪声；1550nm近红外光漫反射信号用于检测血糖浓度。将分时获得的1550nm和1310nm入射激光光源入射端3下的两路漫反射信号经过前置放大和调理处理之后，使用处理器9对其进行AD采样，采样频率为200Hz，采样时间为15s，将1550nm和1310nm入射激光光源入射端3下的漫反射光信号的比值作为人体血糖近红外光漫反射吸光度。同时输入环境温度、环境湿度、被测人收缩压、被测人舒张压、被测人脉率及被测人体温，利用PCA方法(主成分分析算法)从以上6个参数中提取4个主成分作为后续PCA-NARX模型的输入变量。考虑到人体血糖浓度和血糖近红外漫反射吸光度之间的非线性关系及其自身的波动规律，使用NARX模型建立了近红外无创血糖测量模型，即PCA-NARX模型。使用预测均方根误差和克拉克网格表征模型的精度和可靠性，实验结果表明：PCA-NARX 模型由于综合考虑血糖浓度和人体血糖近红外漫反射吸光度之间的非线性关系以及其自身的波动时序规律，因此具有较高的预测精度，且对于不同个体能够获取稳定的预测结果。
本发明中，需要采集的信号有环境温度、环境湿度、被测人收缩压、被测人舒张压、被测人脉率、被测人体温及血糖近红外漫反射吸光度。环境温湿度的采集仪器可以是雨花泽(型号为YHZ-90191)，血压和脉率的测量装置可以是欧姆龙(型号为Type HEM-8612)，体温的测量仪器可以是华盛昌(型号为dt-8806S)。
本发明还公开了一种基于PCA-NARX校正算法的红外光无创血糖检测装置，包括存储器，存储器存储有利用PCA-NARX模型处理外部参数、第一漫反射光信号及第二漫反射光信号，生成被测人血糖浓度信息的应用程序，如图2所示，应用程序的工作步骤包括：
S201、获取第一漫反射光信号，获取第二漫反射光信号；
S202、获取外部参数，外部参数包括被测人生理参数和/或环境参数；
S203、采用主成分分析算法从外部参数中提取若干种主成分参数；
S204、采用PCA-NARX模型处理外部参数、第一漫反射光信号及及第二漫反射光信号，生成被测人血糖浓度信息。
本检测装置的具体操作方式如下：
(1)打开检测装置，将手指放置在指夹装置中，两路光电探测器采集到的1550nm和1310nm漫反射光经过前置放大、调理之后，由处理器对其进行模数转换和滤波处理后得到两路光强信号,将这两路光强信号的比值作为人体血糖近红外漫反射吸光度；
(2)依次输入环境温度、环境湿度、被测人收缩压、被测人舒张压、被测人脉率、被测人体温，将这6个参数将作为后续模型的输入变量；
(3)利用PCA方法从这6个参数中提取主成分，将提取的主成分输入到具体实施方式中得到的结构和参数均确定的NARX网络中，得到相应的血糖浓度预测值。图4为本发明基于 PCA-NARX校正算法的红外光无创血糖检测装置中，基于PCA-NARX校正算法得到的预测值和实测值之间的拟合程度，可以看出主成分分析(PCA)和NARX网络的近红外光血糖无创校正算法得到的大多数血糖预测值和血糖实测值之间具有较高的拟合程度。图5为本发明基于 PCA-NARX校正算法的红外光无创血糖检测装置中，A、B、C、D、E表示不同的区域，基于PCA-NARX 校正算法克拉克误差网格分析结果，统计的到位于A区域的点比重为84.95％，位于B区域的点比重为15.05％，位于其余区域的点比重为0％。表明本发明基于PCA-NARX校正算法的近红外光漫反射便携式无创血糖检测仪具有较高的检测精度。
PCA方法的主要思想是将具有一定相关性的指标进行组合，形成一组互不相关的新指标，以新指标进行后续数据分析。主成分的确定遵循最大方差准则，具体而言，所选取的第一个线性组合(F1)的方差越大，即Var(F1)越大表示F1包含的信息越多，因此选取的F1应具有最大方差，将其称为第一主成分；按照该原则再进行F2的选择，同时应去除F2中F1已包含的信息，即Cov(F1，F2)＝0，将其称为第二主成分；根据该流程继续构造第三，第四，……，第 P个主成分。
综上所述，由于人体血液中其他成分对血糖浓度检测的影响，本发明基于PCA-NARX校正算法的红外光无创血糖检测装置使用1310nm和1550nm两路近红外激光光源作为检测信号的入射光源，其中1550nm近红外光用来检测血液中葡萄糖成分浓度，1310nm近红外光用来检测血液中其他成分，便于后续血糖浓度检测过程中背景噪声的去除，将两路信号的比值作为人体血糖近红外漫反射吸光度。另外，考虑到人体血糖浓度受环境因素(如温度、湿度)和人体生理状态(如体温、收缩压、舒张压、脉率)等影响，故本发明共采集环境温度、环境湿度、收缩压、舒张压、脉率、体温共6个输入参数，利用PCA方法从中提取4个主成分作为后续模型的输入变量。考虑到人体血糖浓度和人体血糖近红外漫反射吸光度之间的非线性关系及其自身的波动规律，使用NARX模型建立了近红外无创血糖测量模型，即PCA-NARX模型。使用均方根误差和克拉克网格对模型的精度和可靠性进行测试，实验结果表明：PCA-NARX 模型由于综合考虑血糖浓度和人体血糖近红外漫反射吸光度之间的非线性关系以及其自身的波动时序规律，因此具有较高的预测精度，且对于不同个体能够获取稳定的预测结果。
具体实施时，环境参数包括环境温度和/或环境湿度，被测人生理参数包括被测人收缩压、被测人舒张压、被测人脉率及被测人体温中的任意一项或多项。
具体实施时，采用主成分分析算法将累积贡献率超过0.85的外部参数作为主成分参数。
具体实施时，根据公式Nhid＝2Nin+1确定隐含层神经元个数Nhid，其中Nin表示输入层神经元个数。
具体实施时，使用Levenberg-Marquardt算法对NARX模型进行训练。
具体实施时，NARX模型的定义如下：
y(t)＝f[y(t-1),y(t-2),…，y(t-ny),x(t-1),x(t-2),…,x(t-nd)]
其中，y(t-1),y(t-2),…，y(t-ny)是过去的输出时间序列，x(t-1),x(t-2),…,x(t-nd) 表示多维输入时间序列，映射f表示非线性过程。
最后说明的是，以上实施例仅用以说明本发明的技术方案而非限制，尽管通过参照本发明的优选实施例已经对本发明进行了描述，但本领域的普通技术人员应当理解，可以在形式上和细节上对其作出各种各样的改变，而不偏离所附权利要求书所限定的本发明的精神和范围。

Claims (8)

1.基于PCA-NARX校正算法的红外光无创血糖检测装置，包括指夹装置、激光源、处理器、第一光电探测器及第二光电探测器，其特征在于，还包括存储器及外部参数采集装置，其中：
所述外部参数采集装置用于采集外部参数，所述外部参数包括被测人生理参数和/或环境参数；
所述指夹装置能够固定在被检测手指上对本检测人进行无创血糖检测；
所述激光源与所述指夹装置连接，所述激光源包括第一激光发射装置及第二激光发射装置，所述第一激光发射装置用于在第一时间向所述被检测手指发射第一近红外光，所述第二激光发射装置用于在第二时间向所述被检测手指发射第二近红外光，所述第一近红外光与所述第二近红外光的波长不同；
所述第一光电探测器及所述第二光电探测器安装在所述指夹装置上，所述第一光电探测器用于采集第一漫反射光信号，所述第一漫反射光信号包括第一近红外光及第二近红外光的漫反射参考光信号，所述第二光电探测器用于采集第二漫反射光信号，所述第二漫反射光信号包括第一近红外光及第二近红外光的漫反射检测光信号；
所述存储器存储有处理所述外部参数、所述第一漫反射光信号及第二漫反射光信号，生成被测人血糖浓度信息的应用程序；
所述处理器用于运行所述应用程序。
2.如权利要求1所述的基于PCA-NARX校正算法的红外光无创血糖检测装置，其特征在于，所述环境参数包括入环境温度和/或环境湿度，所述被测人生理参数包括被测人收缩压、被测人舒张压、被测人脉率及被测人体温中的任意一项或多项。
3.基于PCA-NARX校正算法的红外光无创血糖检测装置，其特征在于，包括存储器，所述存储器存储有利用PCA-NARX模型处理所述外部参数、所述第一漫反射光信号及第二漫反射光信号，生成被测人血糖浓度信息的应用程序，所述应用程序的工作步骤包括：
获取第一漫反射光信号，获取第二漫反射光信号；
获取外部参数，所述外部参数包括被测人生理参数和/或环境参数；
采用主成分分析算法从所述外部参数中提取若干种主成分参数；
采用NARX处理所述外部参数、所述第一漫反射光信号及第二漫反射光信号，生成被测人血糖浓度信息。
4.如权利要求3所述的基于PCA-NARX校正算法的红外光无创血糖检测装置，其特征在于，所述环境参数包括环境温度和/或环境湿度，所述被测人生理参数包括被测人收缩压、被测人舒张压、被测人脉率及被测人体温中的任意一项或多项。
5.如权利要求4所述的基于PCA-NARX校正算法的红外光无创血糖检测装置，其特征在于，采用主成分分析算法将累积贡献率超过0.85的外部参数作为主成分参数。
6.如权利要求3所述的基于PCA-NARX校正算法的红外光无创血糖检测装置，其特征在于，根据公式Nhid＝2Nin+1确定隐含层神经元个数Nhid，其中Nin表示输入层神经元个数。
7.如权利要求3所述的基于PCA-NARX校正算法的红外光无创血糖检测装置，其特征在于，使用Levenberg-Marquardt算法对NARX模型进行训练。
8.如权利要求3所述的基于PCA-NARX校正算法的红外光无创血糖检测装置，其特征在于，NARX模型的定义如下：
y(t)＝f[y(t-1),y(t-2),…，y(t-ny),x(t-1),x(t-2),…,x(t-nd)]
其中，y(t-1),y(t-2),…，y(t-ny)是过去的输出时间序列，x(t-1),x(t-2),…,x(t-nd)表示多维输入时间序列，映射f表示非线性过程。
CN201810077543.1A 2018-01-26 2018-01-26 一种基于pca-narx校正算法的红外光无创血糖检测装置 Active CN108324286B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201810077543.1A CN108324286B (zh) 2018-01-26 2018-01-26 一种基于pca-narx校正算法的红外光无创血糖检测装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201810077543.1A CN108324286B (zh) 2018-01-26 2018-01-26 一种基于pca-narx校正算法的红外光无创血糖检测装置

Publications (2)

Publication Number Publication Date
CN108324286A true CN108324286A (zh) 2018-07-27
CN108324286B CN108324286B (zh) 2020-11-10

Family

ID=62925850

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201810077543.1A Active CN108324286B (zh) 2018-01-26 2018-01-26 一种基于pca-narx校正算法的红外光无创血糖检测装置

Country Status (1)

Country Link
CN (1) CN108324286B (zh)

Cited By (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110575181A (zh) * 2019-09-10 2019-12-17 重庆大学 近红外光谱无创血糖检测网络模型训练方法
CN113063753A (zh) * 2021-03-16 2021-07-02 重庆大学 一种基于近红外光的血糖预测模型自校正方法
CN113598763A (zh) * 2021-08-05 2021-11-05 重庆大学 一种基于mic-pca-narx校正算法的无创血糖检测装置及方法
CN116138771A (zh) * 2023-04-18 2023-05-23 江西科技师范大学 用于多光谱血糖光声检测的能量修正方法
CN117872496A (zh) * 2023-12-13 2024-04-12 深圳市志奋领科技有限公司 一种双路接收传感器检测电路及检测方法

Citations (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101799412A (zh) * 2010-04-07 2010-08-11 中国科学院自动化研究所 无创测量人体血糖的近红外光谱透射方法及装置
CN101933809A (zh) * 2010-08-31 2011-01-05 天津大学 多波段反射光谱无创血液成分测量装置及方法
CN103776797A (zh) * 2014-02-25 2014-05-07 河北大学 一种近红外光谱鉴别平利绞股蓝的方法
CN203861234U (zh) * 2014-04-12 2014-10-08 吉林大学 近红外双波长无创血糖测量仪
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
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
CN106308814A (zh) * 2016-08-09 2017-01-11 上海润寿智能科技有限公司 基于近红外光谱分析的血糖无创检测仪及其实现方法
CN107157492A (zh) * 2017-05-19 2017-09-15 国家电网公司 一种嵌入式人体生理信息无创检测系统及数据处理方法
CN107174259A (zh) * 2017-06-26 2017-09-19 上海理工大学 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
CN107192690A (zh) * 2017-05-19 2017-09-22 重庆大学 近红外光谱无创血糖检测方法及其检测网络模型训练方法

Patent Citations (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101799412A (zh) * 2010-04-07 2010-08-11 中国科学院自动化研究所 无创测量人体血糖的近红外光谱透射方法及装置
CN101933809A (zh) * 2010-08-31 2011-01-05 天津大学 多波段反射光谱无创血液成分测量装置及方法
CN103776797A (zh) * 2014-02-25 2014-05-07 河北大学 一种近红外光谱鉴别平利绞股蓝的方法
CN203861234U (zh) * 2014-04-12 2014-10-08 吉林大学 近红外双波长无创血糖测量仪
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
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
CN106308814A (zh) * 2016-08-09 2017-01-11 上海润寿智能科技有限公司 基于近红外光谱分析的血糖无创检测仪及其实现方法
CN107157492A (zh) * 2017-05-19 2017-09-15 国家电网公司 一种嵌入式人体生理信息无创检测系统及数据处理方法
CN107192690A (zh) * 2017-05-19 2017-09-22 重庆大学 近红外光谱无创血糖检测方法及其检测网络模型训练方法
CN107174259A (zh) * 2017-06-26 2017-09-19 上海理工大学 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

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
吴云江: "近红外无创血糖检测关键技术的研究", 《中国优秀硕士学位论文全文数据库(电子期刊)医药卫生科技辑》 *
崔厚欣等: "人体血糖浓度近红外光谱无创检测过程中温度对结果的影响", 《光谱学与光谱分析》 *

Cited By (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110575181A (zh) * 2019-09-10 2019-12-17 重庆大学 近红外光谱无创血糖检测网络模型训练方法
CN113063753A (zh) * 2021-03-16 2021-07-02 重庆大学 一种基于近红外光的血糖预测模型自校正方法
CN113063753B (zh) * 2021-03-16 2022-11-08 重庆大学 一种基于近红外光的血糖预测模型自校正方法
CN113598763A (zh) * 2021-08-05 2021-11-05 重庆大学 一种基于mic-pca-narx校正算法的无创血糖检测装置及方法
CN113598763B (zh) * 2021-08-05 2024-10-18 重庆大学 一种基于mic-pca-narx校正算法的无创血糖检测装置及方法
CN116138771A (zh) * 2023-04-18 2023-05-23 江西科技师范大学 用于多光谱血糖光声检测的能量修正方法
CN116138771B (zh) * 2023-04-18 2023-06-30 江西科技师范大学 用于多光谱血糖光声检测的能量修正方法
CN117872496A (zh) * 2023-12-13 2024-04-12 深圳市志奋领科技有限公司 一种双路接收传感器检测电路及检测方法

Also Published As

Publication number Publication date
CN108324286B (zh) 2020-11-10

Similar Documents

Publication Publication Date Title
CN108324286A (zh) 一种基于pca-narx校正算法的红外光无创血糖检测装置
CN110123339B (zh) 一种无创血糖测量装置与方法
US6968221B2 (en) Low-cost method and apparatus for non-invasively measuring blood glucose levels
Lacerenza et al. Wearable and wireless time-domain near-infrared spectroscopy system for brain and muscle hemodynamic monitoring
US20200155042A1 (en) Method and system for non-invasive blood glucose measurement using signal change of the non-glucose components induced by the presence of glucose
CN110575181A (zh) 近红外光谱无创血糖检测网络模型训练方法
JP5676432B2 (ja) スペクトルデータ分析を利用して血糖を非侵襲で光学的に検出するための方法およびシステム
CN105193423A (zh) 无创血糖检测方法、装置及系统
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
WO2018214297A1 (zh) 便携式无创血糖检测设备及方法
Lawand et al. Design and development of infrared LED based non invasive blood glucometer
EA034599B1 (ru) Устройство для неинвазивного измерения уровня сахара в крови и способ измерения уровня сахара в крови с использованием этого устройства
WO2018214298A1 (zh) 无创血糖检测系统及方法
Li et al. Research on non-invasive glucose concentration measurement by NIR transmission
Son et al. Design an IoT wrist-device for SpO2 measurement
CN114403904B (zh) 基于肌电信号与肌肉血氧饱和度确定肌肉状态的装置
CN110192866A (zh) 无创毛细动脉血液组分浓度的监测方法及设备
US20200093409A1 (en) Method and device for detecting concentration of total hemoglobin in blood
KR101661287B1 (ko) 무채혈 혈당측정방법 및 상기 무채혈 혈당측정방법을 이용한 무채혈 혈당측정장치
Ogunsanya et al. Design and Development of a Non-invasive Glucometer System.
CN116965810A (zh) 一种血糖检测系统
Selsiya et al. Non-Invasive Blood Glucose Measurement Using Ire Sensor
CN110575182A (zh) 用于检测血糖的方法及装置
CN113598763B (zh) 一种基于mic-pca-narx校正算法的无创血糖检测装置及方法
Udara et al. DiabiTech-non-invasive blood glucose monitoring system

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
GR01 Patent grant
GR01 Patent grant
TR01 Transfer of patent right
TR01 Transfer of patent right

Effective date of registration: 20230925

Address after: No. A7 Tongji Middle Road, Beijing Economic and Technological Development Zone, Daxing District, Beijing, 100176

Patentee after: Beijing Lize Health Technology Co.,Ltd.

Address before: 400044 No. 174 Sha Jie street, Shapingba District, Chongqing

Patentee before: Chongqing University