CN109124648A - 基于能量代谢守恒法无创血糖检测模型的胰岛素作用因子计算方法 - Google Patents
基于能量代谢守恒法无创血糖检测模型的胰岛素作用因子计算方法 Download PDFInfo
- Publication number
- CN109124648A CN109124648A CN201810781295.9A CN201810781295A CN109124648A CN 109124648 A CN109124648 A CN 109124648A CN 201810781295 A CN201810781295 A CN 201810781295A CN 109124648 A CN109124648 A CN 109124648A
- Authority
- CN
- China
- Prior art keywords
- insulin
- index
- blood glucose
- formula
- action factor
- 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
- 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 title claims abstract description 190
- 102000004877 Insulin Human genes 0.000 title claims abstract description 95
- 108090001061 Insulin Proteins 0.000 title claims abstract description 95
- 229940125396 insulin Drugs 0.000 title claims abstract description 95
- 238000000034 method Methods 0.000 title claims abstract description 34
- 230000009471 action Effects 0.000 title claims abstract description 30
- 238000004364 calculation method Methods 0.000 title claims abstract description 10
- 238000012544 monitoring process Methods 0.000 title abstract description 4
- 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 62
- 239000008103 glucose Substances 0.000 claims abstract description 62
- 230000003914 insulin secretion Effects 0.000 claims abstract description 19
- 238000012549 training Methods 0.000 claims abstract description 16
- 238000012360 testing method Methods 0.000 claims abstract description 13
- 238000013528 artificial neural network Methods 0.000 claims abstract description 12
- 238000012546 transfer Methods 0.000 claims abstract description 10
- 238000011156 evaluation Methods 0.000 claims abstract description 7
- 239000008280 blood Substances 0.000 claims description 76
- 210000004369 blood Anatomy 0.000 claims description 76
- 238000001514 detection method Methods 0.000 claims description 30
- 230000037149 energy metabolism Effects 0.000 claims description 18
- 230000006870 function Effects 0.000 claims description 17
- 210000000227 basophil cell of anterior lobe of hypophysis Anatomy 0.000 claims description 16
- 238000007410 oral glucose tolerance test Methods 0.000 claims description 13
- 210000004153 islets of langerhan Anatomy 0.000 claims description 10
- 230000003915 cell function Effects 0.000 claims description 8
- 230000008859 change Effects 0.000 claims description 6
- 238000013178 mathematical model Methods 0.000 claims description 6
- 238000010606 normalization Methods 0.000 claims description 6
- 238000011160 research Methods 0.000 claims description 6
- 238000012795 verification Methods 0.000 claims description 6
- 206010012601 diabetes mellitus Diseases 0.000 claims description 4
- 230000002596 correlated effect Effects 0.000 claims description 3
- 230000028327 secretion Effects 0.000 claims description 3
- 230000000875 corresponding effect Effects 0.000 description 4
- QVGXLLKOCUKJST-UHFFFAOYSA-N atomic oxygen Chemical compound [O] QVGXLLKOCUKJST-UHFFFAOYSA-N 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 3
- 229910052760 oxygen Inorganic materials 0.000 description 3
- 239000001301 oxygen Substances 0.000 description 3
- 102000017011 Glycated Hemoglobin A Human genes 0.000 description 2
- 108010014663 Glycated Hemoglobin A Proteins 0.000 description 2
- 230000037396 body weight Effects 0.000 description 2
- 230000035487 diastolic blood pressure Effects 0.000 description 2
- 229940088597 hormone Drugs 0.000 description 2
- 239000005556 hormone Substances 0.000 description 2
- 230000004060 metabolic process Effects 0.000 description 2
- 230000001105 regulatory effect Effects 0.000 description 2
- 230000035488 systolic blood pressure Effects 0.000 description 2
- 210000001519 tissue Anatomy 0.000 description 2
- 208000001072 type 2 diabetes mellitus Diseases 0.000 description 2
- 206010022489 Insulin Resistance Diseases 0.000 description 1
- 230000002159 abnormal effect Effects 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 230000015572 biosynthetic process Effects 0.000 description 1
- 230000017531 blood circulation Effects 0.000 description 1
- 230000001419 dependent effect Effects 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 238000004134 energy conservation Methods 0.000 description 1
- 238000002474 experimental method Methods 0.000 description 1
- 210000003722 extracellular fluid Anatomy 0.000 description 1
- 230000004110 gluconeogenesis Effects 0.000 description 1
- 230000014101 glucose homeostasis Effects 0.000 description 1
- 125000002791 glucosyl group Chemical group C1([C@H](O)[C@@H](O)[C@H](O)[C@H](O1)CO)* 0.000 description 1
- 208000007345 glycogen storage disease Diseases 0.000 description 1
- 230000002401 inhibitory effect Effects 0.000 description 1
- 239000007788 liquid Substances 0.000 description 1
- 210000000056 organ Anatomy 0.000 description 1
- 238000007254 oxidation reaction Methods 0.000 description 1
- 238000006864 oxidative decomposition reaction Methods 0.000 description 1
- 230000004783 oxidative metabolism Effects 0.000 description 1
- 230000035790 physiological processes and functions Effects 0.000 description 1
- 230000001737 promoting effect Effects 0.000 description 1
- 238000004445 quantitative analysis Methods 0.000 description 1
- 230000008844 regulatory mechanism Effects 0.000 description 1
- 210000003296 saliva Anatomy 0.000 description 1
- 238000010183 spectrum analysis Methods 0.000 description 1
- 238000010561 standard procedure Methods 0.000 description 1
- 238000003786 synthesis reaction Methods 0.000 description 1
- 210000001138 tear Anatomy 0.000 description 1
- 230000003820 β-cell dysfunction Effects 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
- A61B5/14532—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)
- Medical Informatics (AREA)
- Animal Behavior & Ethology (AREA)
- Pathology (AREA)
- Veterinary Medicine (AREA)
- Biomedical Technology (AREA)
- Heart & Thoracic Surgery (AREA)
- Public Health (AREA)
- Molecular Biology (AREA)
- Surgery (AREA)
- Biophysics (AREA)
- General Health & Medical Sciences (AREA)
- Emergency Medicine (AREA)
- Optics & Photonics (AREA)
- Artificial Intelligence (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Physiology (AREA)
- Psychiatry (AREA)
- Signal Processing (AREA)
- Investigating Or Analysing Biological Materials (AREA)
Abstract
本发明一种基于能量代谢守恒法无创血糖检测模型的胰岛素作用因子计算方法,是通过口服葡萄糖试验联合胰岛素释放试验,利用试验所得数据集,基于MATLAB平台建立BP神经网络结构对4项胰岛素评价指标进行预测训练,通过调整不同隐含层节点数,与选择隐含层、输出层不同的转移函数,使训练结果泛化能力最强,预测结果最可靠。
Description
技术领域
本发明属于生物医学工程领域,具体一种基于能量代谢守恒法无创血糖检测模型的胰岛素作用因子计算方法。
背景技术
人体中的糖是机体的重要组成部分和主要能量来源,血液中的葡萄糖是全身的组织器官的主要能量来源。血糖异常严重影响机体生理功能,损伤机体组织,维持血糖相动态平稳具有重要的临床意义。胰岛素是机体内唯一的降糖激素,其主要作用是调节葡萄糖的合成与代谢,使糖代谢处于平衡状态。
2型糖尿病的主要特征是胰岛素抵抗伴胰岛素相对不足,或者是胰岛素分泌不足伴胰岛素抵抗。2型糖尿病患者初发病时一般血浆胰岛素绝对水平并不抵,但口服葡萄糖试验中同时测定胰岛素发现糖尿病患者胰岛素释放后的峰值减小,峰值时间后移,这表明患者身上存在胰岛素抵抗和胰岛β细胞功能障碍胰岛素。研究血糖-胰岛素作用机制可以帮助人们更加理性地认识糖尿病。
目前,对胰岛素作用的评价有胰岛素分泌和胰岛素抵抗两个方面。胰岛素分泌情况一般通过对胰岛β细胞功能来评价,主要方法有正葡萄糖钳夹技术和胰岛素释放实验。正葡萄糖钳夹技术对实验对象静脉输注葡萄糖,定时采血测量血糖、胰岛素浓度反馈调节输液葡萄糖的速率,该方法是获得人们认可的标准方法,但是实验步骤繁琐、复杂。现在常用的是口服葡萄糖试验联合胰岛素释放试验的方法,在进行口服葡萄糖试验的同时测定血糖、胰岛素或C肽水平用以计算胰岛β细胞功能评价指标。
血糖检测的方式主要有有创、微创和无创三种。无创血糖检测技术已经有了广泛的研究,现在常用的方法主要有以下几类:
(1)利用光谱分析的无创血糖检测方法,该方法主要通过检测光源发射光信号,由于机体对光的反射和吸收,光信号发生改变,收集光源通过体机的透过光或反射光并进行检测,对比检测到的光与原来的信号光,对血糖进行定量和计算。
(2)能量代谢守恒法无创血糖检测方法,该方法认为血液中葡萄糖氧化反应产生的能量以热量的形式散失,从能量守恒的角度,通过传感器检测手指局部散失的能量和血氧水平可以推导计算出血糖的值。
(3)检测样本替换的无创血糖检测方法。该方法以含有葡萄糖的其它液体样本代替血样,如组织液、唾液和泪液等,检测其中的葡萄糖含量,并根据其与血糖含量之间的关联计算血糖值。
基于能量代谢守恒法血糖检测技术的主要内容是,通过测量手指指端参数计算能量散失的量,同时检测手指指端血液中的含氧量等生理参数,建立无创血糖检测数学模型:
其中,为血糖值,为指端传热率,为指端血流速度,为血氧饱和度,为脉率,是关系函数。
胰岛素是机体内调节机体葡萄糖稳态的重要激素,它主要通过促进葡萄糖氧化代谢和糖原生成,抑制糖异生来维持血糖浓度稳定。胰岛素的作用影响了葡萄糖的氧化分解水平,所以会影响能量代谢守恒法无创血糖检测结果的准确性。国内外的研究中却鲜有将胰岛素对血糖的调节作用机制引入无创血糖检测技术中的报道。综上,一种基于能量代谢守恒法无创血糖检测模型的胰岛素作用因子计算方法可以为无创检测中胰岛素作用的反映提供解决方案。
发明内容
为了解决现有无创血糖仪在糖尿病患者血糖检测中准确度不足的问题,本发明提供了一种基于能量代谢守恒法无创血糖检测模型的胰岛素作用因子计算方法,该方法可以定量分析胰岛素对血糖调节的作用,改进基于能量代谢守恒法无创血糖检测算法,提高血糖检测的准确性。
实现本发明目的的技术方案是:
一种基于能量代谢守恒法无创血糖检测模型的胰岛素作用因子计算方法,是:
(1)根据胰岛β细胞功能指数、早期胰岛素分泌指数、胰岛素曲线下面积、胰岛素峰值基础值比4个胰岛素作用指标,利用最小二乘法求其系数,使胰岛素作用因子成为4个胰岛素作用指标的线性组合;
(2)根据基于神经网络的胰岛素评价指标预测模型的研究结果,在能量代谢守恒法无创血糖检测数学模型加入胰岛素作用因子,得到:
。
所述胰岛β细胞功能指数是:
利用OGTT得到胰岛β细胞功能的细胞功能指数(modified β-cell function index,MBCI)与正葡萄糖钳夹试验取得较好的关联性,为临床工作提供了更可靠的信息,公式如下:
(1)
式中,为空腹时的血糖浓度,为服糖后1小时的血糖浓度,为服糖后2小时的血糖浓度。
所述早期胰岛素分泌指数是:
早期胰岛素分泌指数(insulinogenic index)反映的是糖负荷后第一时间相胰岛素的分泌情况,是糖尿病实验研究的重要指标之一,公式如下:
(2)
式中,是0分钟到30分钟血液中胰岛素浓度的变化量,是0分钟到30分钟血糖浓度的变化量。
所述胰岛素曲线下面积是:
OGTT胰岛素曲线下面积是评价第二时间相胰岛素分泌情况指标,公式如下:
(3)
式中,为OGTT胰岛素曲线下面积,为空腹时的胰岛素浓度,分别为服糖后30分钟、60分钟、120分钟、180分钟的胰岛素浓度。
所述胰岛素峰值与基础值的比值是:
临床上普遍利用胰岛素峰值与基础值的比值测定胰岛β细胞功能,公式如下:
(4)
式中,为OGTT中胰岛素峰值浓度,为空腹时胰岛素浓度。
所述能量代谢守恒法无创血糖检测数学模型的建立方法是:
(1)各项生化指标和生理参数之间量级差异较大,需要对各特征参数进行归范化处理,让每个特征具有相同的量纲,以便后续学习算法的开展,确定输入和输出参数,选用最小-最大值规范化对所有参数进行数据规范,如表1所示:
表1所有输入和输出参数
变量名 | 说明 | |
输入参数 | gender | 性别 |
BW | 体重 | |
GHb_base | 糖化血红蛋白基线 | |
Ps | 收缩压 | |
Pd | 舒张压 | |
HR | 心率 | |
FPG | 空腹血糖 | |
m15PG | 糖负荷后15min血糖值 | |
m30PG | 糖负荷后30min血糖值 | |
h1PG | 糖负荷后1h血糖值 | |
m90PG | 糖负荷后90min血糖值 | |
h2PG | 糖负荷后2h血糖值 | |
h3PG | 糖负荷后3h血糖值 | |
输出参数 | MBCI | 胰岛β细胞功能指数 |
DI | 早期胰岛素分泌指数 | |
AUC<sub>INS</sub> | 胰岛素曲线下面积 | |
r<sub>IpIo</sub> | 胰岛素峰值基础值比 |
(2)利用预处理过后的数据集,基于Matlab平台,采用单隐含层的BP神经网络结构对4项胰岛素指标进行预测训练,通过调整不同隐含层节点数,与选择隐含层、输出层不同的转移函数,使训练结果泛化能力最强,预测结果最可靠。模型的验证方式采用10折交叉验证的方式,性能指标选择均方根误差RMSE与相关性P,如表2所示:
表2 BP神经网络预测MBCI、DI、AUCINS、rIpIo的参数选择
隐含层转移函数 | 输出层转移函数 | 隐含层节点数s | |
MBCI | logsig | tansig | 11 |
DI | logsig | purelin | 10 |
AUC<sub>INS</sub> | logsig | purelin | 11 |
r<sub>IpIo</sub> | tansig | purelin | 7 |
将预测数据随机挑选出75%作为训练集,另25%作为测试集,根据上述参数设置进行训练得到4项胰岛素指标各自的神经网络预测模型。
本发明的有益效果是:将对胰岛素作用的定量分析引入血糖检测模型中,提高血糖检测算法准确性,使检测结果与实际值更接近,可以在对患者的无创血糖连续监测中,获悉受试者的基本生理信息和1次OGTT实验的血糖值,即可得到胰岛β细胞功能评价指标,计算胰岛素作用因子,提高无创血糖检测的准确性,实现对患者血糖水平的个性化监测。利用胰岛素作用对能量代谢守恒法无创血糖检测结果进行修正,提高了检测准确性,为能量代谢守恒法无创血糖检测算法优化提供了一种新的方法。
附图说明
图1为本发明实施例的原理图。
具体实施方式
下面结合实施例对本发明作进一步阐述,但不是对本发明的限定。
实施例:
本发明一种基于能量代谢守恒法无创血糖检测模型的胰岛素作用因子计算方法,是通过口服葡萄糖试验联合胰岛素释放试验,利用试验所得数据集,基于MATLAB平台建立BP神经网络结构对4项胰岛素评价指标进行预测训练,通过调整不同隐含层节点数,与选择隐含层、输出层不同的转移函数,使训练结果泛化能力最强,预测结果最可靠。模型的验证方式采用10折交叉验证的方式,性能指标选择均方根误差与相关性。根据输入和输出参数设置进行训练得到的各自的神经网络预测模型,结果与真实值相关性分别可以达到81%左右(胰岛β功能指数)、63%~75%(早期胰岛素分泌指数)、58%~60%(胰岛素曲线下面积)、76%~77%(胰岛素峰值与基础值比)。说明4项胰岛素评价指标的BP神经网络预测模型可以在一定程度上进行预测。
一种基于能量代谢守恒法无创血糖检测模型的胰岛素作用因子计算方法,是首先计算标定的无创血糖样本的预测误差,将该误差作为因变量,样本对应的4项胰岛素评价指标作为自变量,进行最小二乘分析,得到自变量对应的线性系数。利用系数与新样本的对应4项胰岛素评价指标,即可得到该样本对应的胰岛素作用因子:
式中的为胰岛素作用因子。
所述胰岛β细胞功能指数是:
利用OGTT得到胰岛β细胞功能的细胞功能指数(modified β-cell function index,MBCI)与正葡萄糖钳夹试验取得较好的关联性,为临床工作提供了更可靠的信息,公式如下:
(1)
式中,为空腹时的血糖浓度,为服糖后1小时的血糖浓度,为服糖后2小时的血糖浓度。
所述早期胰岛素分泌指数是:
早期胰岛素分泌指数(insulinogenic index)反映的是糖负荷后第一时间相胰岛素的分泌情况,是糖尿病实验研究的重要指标之一,公式如下:
(2)
式中,是0分钟到30分钟血液中胰岛素浓度的变化量,是0分钟到30分钟血糖浓度的变化量。
所述胰岛素曲线下面积是:
OGTT胰岛素曲线下面积是评价第二时间相胰岛素分泌情况指标,公式如下:
(3)
式中,为OGTT胰岛素曲线下面积,为空腹时的胰岛素浓度,分别为服糖后30分钟、60分钟、120分钟、180分钟的胰岛素浓度。
所述胰岛素峰值与基础值的比值是:
临床上普遍利用胰岛素峰值与基础值的比值测定胰岛β细胞功能,公式如下:
(4)
式中,为OGTT中胰岛素峰值浓度,为空腹时胰岛素浓度。
所述能量代谢守恒法无创血糖检测数学模型的建立方法是:
(1)各项生化指标和生理参数之间量级差异较大,需要对各特征参数进行归范化处理,让每个特征具有相同的量纲,以便后续学习算法的开展,确定输入和输出参数,选用最小-最大值规范化对所有参数进行数据规范,如表1所示:
表1 所有输入和输出参数
变量名 | 说明 | |
输入参数 | gender | 性别 |
BW | 体重 | |
GHb_base | 糖化血红蛋白基线 | |
Ps | 收缩压 | |
Pd | 舒张压 | |
HR | 心率 | |
FPG | 空腹血糖 | |
m15PG | 糖负荷后15min血糖值 | |
m30PG | 糖负荷后30min血糖值 | |
h1PG | 糖负荷后1h血糖值 | |
m90PG | 糖负荷后90min血糖值 | |
h2PG | 糖负荷后2h血糖值 | |
h3PG | 糖负荷后3h血糖值 | |
输出参数 | MBCI | 胰岛β细胞功能指数 |
DI | 早期胰岛素分泌指数 | |
AUC<sub>INS</sub> | 胰岛素曲线下面积 | |
r<sub>IpIo</sub> | 胰岛素峰值基础值比 |
(2)利用预处理过后的数据集,基于Matlab平台,采用单隐含层的BP神经网络结构对4项胰岛素指标进行预测训练,通过调整不同隐含层节点数,与选择隐含层、输出层不同的转移函数,使训练结果泛化能力最强,预测结果最可靠。模型的验证方式采用10折交叉验证的方式,性能指标选择均方根误差RMSE与相关性P,如表2所示:
表2 BP神经网络预测MBCI、DI、AUCINS、rIpIo的参数选择
隐含层转移函数 | 输出层转移函数 | 隐含层节点数s | |
MBCI | logsig | tansig | 11 |
DI | logsig | purelin | 10 |
AUC<sub>INS</sub> | logsig | purelin | 11 |
r<sub>IpIo</sub> | tansig | purelin | 7 |
将预测数据随机挑选出75%作为训练集,另25%作为测试集,根据上述参数设置进行训练得到4项胰岛素指标各自的神经网络预测模型。
Claims (6)
1.一种基于能量代谢守恒法无创血糖检测模型的胰岛素作用因子计算方法,其特征是:
(1)根据胰岛β细胞功能指数、早期胰岛素分泌指数、胰岛素曲线下面积、胰岛素峰值基础值比4个胰岛素作用指标,利用最小二乘法求其系数,使胰岛素作用因子成为4个胰岛素作用指标的线性组合;
(2)根据基于神经网络的胰岛素评价指标预测模型的研究结果,在能量代谢守恒法无创血糖检测数学模型加入胰岛素作用因子,得到:
。
2.根据权利要求1所述的胰岛素作用因子计算方法,其特征是:所述胰岛β细胞功能指数是:
利用OGTT得到胰岛β细胞功能的细胞功能指数(modified β-cell function index,MBCI)与正葡萄糖钳夹试验取得较好的关联性,为临床工作提供了更可靠的信息,公式如下:
(1)
式中,为空腹时的血糖浓度,为服糖后1小时的血糖浓度,为服糖后2小时的血糖浓度。
3.根据权利要求1所述的胰岛素作用因子计算方法,其特征是:所述早期胰岛素分泌指数是:
早期胰岛素分泌指数(insulinogenic index)反映的是糖负荷后第一时间相胰岛素的分泌情况,是糖尿病实验研究的重要指标之一,公式如下:
(2)
式中,是0分钟到30分钟血液中胰岛素浓度的变化量,是0分钟到30分钟血糖浓度的变化量。
4.根据权利要求1所述的胰岛素作用因子计算方法,其特征是:所述胰岛素曲线下面积是:
OGTT胰岛素曲线下面积是评价第二时间相胰岛素分泌情况指标,公式如下:
(3)
式中,为OGTT胰岛素曲线下面积,为空腹时的胰岛素浓度,分别为服糖后30分钟、60分钟、120分钟、180分钟的胰岛素浓度。
5.根据权利要求1所述的胰岛素作用因子计算方法,其特征是:所述胰岛素峰值与基础值的比值是:
利用胰岛素峰值与基础值的比值测定胰岛β细胞功能,公式如下:
(4)
式中,为OGTT中胰岛素峰值浓度,为空腹时胰岛素浓度。
6.根据权利要求1所述的胰岛素作用因子计算方法,其特征是:所述能量代谢守恒法无创血糖检测数学模型的建立方法是:
(1)各项生化指标和生理参数之间量级差异较大,需要对各特征参数进行归范化处理,让每个特征具有相同的量纲,以便后续学习算法的开展,确定输入和输出参数,选用最小-最大值规范化对所有参数进行数据规范;
(2)利用预处理过后的数据集,基于Matlab平台,采用单隐含层的BP神经网络结构对4项胰岛素指标进行预测训练,通过调整不同隐含层节点数,与选择隐含层、输出层不同的转移函数,使训练结果泛化能力最强,预测结果最可靠;模型的验证方式采用10折交叉验证的方式,性能指标选择均方根误差RMSE与相关性P,将预测数据随机挑选出75%作为训练集,另25%作为测试集,根据参数设置进行训练得到4项胰岛素指标各自的神经网络预测模型。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810781295.9A CN109124648A (zh) | 2018-07-17 | 2018-07-17 | 基于能量代谢守恒法无创血糖检测模型的胰岛素作用因子计算方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810781295.9A CN109124648A (zh) | 2018-07-17 | 2018-07-17 | 基于能量代谢守恒法无创血糖检测模型的胰岛素作用因子计算方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN109124648A true CN109124648A (zh) | 2019-01-04 |
Family
ID=64800710
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810781295.9A Pending CN109124648A (zh) | 2018-07-17 | 2018-07-17 | 基于能量代谢守恒法无创血糖检测模型的胰岛素作用因子计算方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109124648A (zh) |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111048178A (zh) * | 2019-12-30 | 2020-04-21 | 杭州知盛数据科技有限公司 | 胰岛素控制方法、装置和设备 |
CN111166289A (zh) * | 2020-01-04 | 2020-05-19 | 山东大学齐鲁医院(青岛) | 一种远程内分泌紊乱检测设备 |
CN111855771A (zh) * | 2020-07-20 | 2020-10-30 | 燕山大学 | 一种用于葡萄糖与胰岛素同时检测的电化学分析方法 |
CN113936803A (zh) * | 2021-12-17 | 2022-01-14 | 北京因数健康科技有限公司 | 胰岛素抵抗指数的确定方法、装置、存储介质及电子设备 |
-
2018
- 2018-07-17 CN CN201810781295.9A patent/CN109124648A/zh active Pending
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111048178A (zh) * | 2019-12-30 | 2020-04-21 | 杭州知盛数据科技有限公司 | 胰岛素控制方法、装置和设备 |
CN111166289A (zh) * | 2020-01-04 | 2020-05-19 | 山东大学齐鲁医院(青岛) | 一种远程内分泌紊乱检测设备 |
CN111855771A (zh) * | 2020-07-20 | 2020-10-30 | 燕山大学 | 一种用于葡萄糖与胰岛素同时检测的电化学分析方法 |
CN113936803A (zh) * | 2021-12-17 | 2022-01-14 | 北京因数健康科技有限公司 | 胰岛素抵抗指数的确定方法、装置、存储介质及电子设备 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109124648A (zh) | 基于能量代谢守恒法无创血糖检测模型的胰岛素作用因子计算方法 | |
Kamolz et al. | Lactate: early predictor of morbidity and mortality in patients with severe burns | |
Avari et al. | Is it possible to constantly and accurately monitor blood sugar levels, in people with Type 1 diabetes, with a discrete device (non‐invasive or invasive)? | |
US20090240440A1 (en) | Non-Invasive Glucose Monitoring | |
WO2003010510A2 (en) | Adjunct quantitative system and method for non-invasive measurement of in vivo analytes | |
WO2007027691A1 (en) | Improving the accuracy of continuous glucose sensors | |
CN101194838B (zh) | 无创血糖检测仪 | |
CN112133442A (zh) | 一种连续无创血糖检测装置及方法 | |
Kalra et al. | Racial and ethnical discrepancy in hypoxemia detection in patients on extracorporeal membrane oxygenation | |
KR102392948B1 (ko) | 무채혈 방식 혈당수치 산출방법 및 무채혈 혈당측정 시스템 | |
CN113063753B (zh) | 一种基于近红外光的血糖预测模型自校正方法 | |
Albalat et al. | Non-invasive blood glucose sensor: A feasibility study | |
Breuer et al. | Transcutaneous oxygen pressure measurements in type I diabetic patients for early detection of functional diabetic microangiopathy | |
EP2124749A1 (en) | Noninvasive method to estimate variation of blood glucose levels using metabolic measurements | |
Pickering | Self-monitoring of blood pressure | |
RU2230485C2 (ru) | Способ определения концентрации глюкозы в крови человека (варианты) | |
CN101703395B (zh) | 血压血糖测量仪 | |
CN105476603B (zh) | 一种辅助判断全人群系统血管阻力的试剂盒 | |
EP3906848A1 (en) | System and method of screening for infection | |
Qu et al. | Current situation and research prospect of home monitoring technology for cardiovascular system | |
US20230255521A1 (en) | Device for obtaining an indicator of a microcirculatory condition | |
Wu et al. | Rapid Non-invasive Blood Glucose Monitoring Based on Multi-Source Information Fusion | |
Vischer et al. | INCREMENTAL VALUE OF A CUFF-LESS BLOOD MEASUREMENT DEVICE COMPARED TO CLINIC BLOOD PRESSURE MEASUREMENT | |
Lin et al. | Estimation of Blood Glucose Level of Human by Measuring Key Parameters in Electrocardiogram | |
Rihacek et al. | 24 hour ambulatory blood pressure values corresponding to office blood pressure value of 130/80 mm Hg |
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: 20190104 |