CN109394234A - 一种基于光学检测的血糖浓度多元逐步回归算法 - Google Patents
一种基于光学检测的血糖浓度多元逐步回归算法 Download PDFInfo
- Publication number
- CN109394234A CN109394234A CN201810871349.0A CN201810871349A CN109394234A CN 109394234 A CN109394234 A CN 109394234A CN 201810871349 A CN201810871349 A CN 201810871349A CN 109394234 A CN109394234 A CN 109394234A
- Authority
- CN
- China
- Prior art keywords
- blood sugar
- sugar concentration
- blood
- regression
- optical detection
- 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
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
- A61B5/145—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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
- G06F17/10—Complex mathematical operations
- G06F17/18—Complex mathematical operations for evaluating statistical data, e.g. average values, frequency distributions, probability functions, regression analysis
Landscapes
- Physics & Mathematics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Engineering & Computer Science (AREA)
- Health & Medical Sciences (AREA)
- Data Mining & Analysis (AREA)
- General Physics & Mathematics (AREA)
- Medical Informatics (AREA)
- Molecular Biology (AREA)
- Computational Mathematics (AREA)
- Mathematical Analysis (AREA)
- Mathematical Optimization (AREA)
- Veterinary Medicine (AREA)
- Public Health (AREA)
- Pure & Applied Mathematics (AREA)
- General Health & Medical Sciences (AREA)
- Mathematical Physics (AREA)
- Animal Behavior & Ethology (AREA)
- Surgery (AREA)
- Heart & Thoracic Surgery (AREA)
- Theoretical Computer Science (AREA)
- Biomedical Technology (AREA)
- Optics & Photonics (AREA)
- Pathology (AREA)
- Biophysics (AREA)
- Bioinformatics & Computational Biology (AREA)
- Spectroscopy & Molecular Physics (AREA)
- General Engineering & Computer Science (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Evolutionary Biology (AREA)
- Software Systems (AREA)
- Databases & Information Systems (AREA)
- Algebra (AREA)
- Probability & Statistics with Applications (AREA)
- Operations Research (AREA)
- Emergency Medicine (AREA)
- Measurement Of The Respiration, Hearing Ability, Form, And Blood Characteristics Of Living Organisms (AREA)
Abstract
本发明公开了一种基于光学检测的血糖浓度算法,本发明涉及人体血糖浓度的检测领域,目的是基于实际医学实验的大量血糖浓度光学检测数据,建立光学检测数据与血糖浓度的关系,从而为光学检测的血糖浓度仪提供算法和数据支持,在算法层面提高血糖检测的精度。本算法包含的测试数据包含脉搏、CNOGA心率、血流速度,血压、特征光的峰值,在基于大量的临床实验数据基础上,我们通过多元线性回归给出这些参数之间的关联,降低标准误差。
Description
技术领域
本发明设计一种新兴的血糖浓度光学检测数据回归算法,特别是采用逐步回归分析,在有限数据中得到了最优回归。
背景技术
糖尿病是一组以高血糖为特征的代谢性疾病,高血糖则是由于胰岛素分泌缺陷或其他生物作用损伤引起的。糖尿病时长期存在的高血糖,导致各种组织,特别是眼、肾、心脏、血管、神经的慢性损害、功能障碍。目前,随着我国生活质量的提高,这一疾病在大城市中越来越常见,因此这一疾病也得到了人们的极大关注。目前,越来越多的血糖仪出现在市场,为病人提供实时、便利的血糖浓度监测,为医护人员的治疗方案提供思路。通过新型的传感器、光谱分析、电渗透技术、光电检测技术以及信号处理等手段,血糖监测可以以无创的方式进行。
无创光电检测利用的是测量信号与人体组织之间的相互作用,通过反馈回啊立的幅度信息,我们可以分析患者体内的血糖含量。这一方法对内部结构非常敏感,因此我们需要通过复杂的算法对大量的数据进行分析,建立最有模型。
在实际光学检测数据与血糖浓度分析的过程中,传统的多元线性回归建立的线性关系可能存在相关性低、置信区间太大、包含了无统计意义的变量,最后导致建立的关系很难被应用在无创检测的设备中,降低了血糖浓度的检测结果。
发明内容
为了克服以上不足,本发明利用了多元逐步回归算法,以在有限的数据量中建立最优的回归分析。
具体实施方式
以下通过具体的实例分析本算法的实施方式,本领域技术人员可以根据本说明书所揭示的内容轻易的了解到这一算法的优势。本算法亦可通过其他不同的计算机语言实现,本说明书中的各项细节亦可基于不同观点与应用,在不背离基本统计原理的情况下可以进行各种修饰与变更。
本实施中所淑的Y变量包括血糖估计值,优化血糖数量,用来作为自变量的为无创光学测量的数据,包括特征光峰值,并配合心率,血流速度等参数,建立回归方程。
首先利用检测到的数据,将两个峰值设为X1和X2,心率设为X3,血流速度设为X4……而优活血糖数量设为Y1,血糖浓度为Y2,通过临床实验我们得到n组数据,接下来以Y1(优活血糖数量)为例,进行回归分析我们将回归方程写为:
首先建立系数矩阵
Y=[y1 y2 y3 ... yn]T
b=[bl b2 b3 ... bn]T
首先通过最小二乘法得出系数矩阵
b=(XTX)-1XTY
接着利用计算好的系数矩阵参数估计残差平方和,再多个变量的情况下,应变量的总离均差平方和SS总可分解为回归平方和SS回归和残差平方和SS残差两个部分
上式中Yi是观察值而是观测到的平均值回归平方和
其中bj为回归系数,ljY为第j个自变量与应变量Y的离均差积和。残差平方和为 SS残差=∑(Y-Yj)2=SS总-SS回归
根据残差的公式我们要对引入的自变量进行判断,看其与应变量的关系如何
比如以引入的血流速X4为例,我们去掉X4回到第一步重新用最小二乘法进行判断,得到新的SS回归-4
Uj=SS回归-SS回归-4
接着利用F统计进行判断
我们做出假设认为X4与Y有线性关系,利用F统计的书指标,我们设定α=0.05,对比我们所计算的F与F0.05(1,n-m-1)值,如果大于则认为该变量对Y有线性关系,否则认为没有,接下来去掉该变量重新回到第一步进行回归分析。
本算法具有如下有点:
(1)适合于自变量有很多时的血糖浓度回归分析,可以得到“最优”回归方程;
(2)本算法可以简单的通过各种计算机语言实现,适合于大数据分析;
(3)本算法可以与专用集成电路结合,便于硬件实现。
附图说明
图1为多元逐步回归算法流程图。
Claims (3)
1.一种基于光学检测的血糖浓度多元逐步回归算法,包括
基于血糖浓度光学检测的多元线性逐步回归,用于对于给定多元变量进行逐步回归分析;4基于回顾分析的误差评估,剔除偏差较大的误差变量,提高回归分析精度;
基于回归数据的FPGA电路,为相关的学堂分析仪器提供模块单元。
2.如权利要求1所述的血糖浓度算法,其特征在于:结合了无创光学测量的数据,并配合心率,血流速度的辅助,用于计算检测单元的血糖估计值,优化血糖数量。
3.基于血糖浓度光学参数的算法分析,包括如下步骤:
步骤一:利用采集到的脉搏、CNOGA心率、血流速度,血压、特征光的峰值作为X变量,以及血红蛋白浓度、优活血糖浓度、血红蛋白质量浓度作为Y变量,进行相关变量的回归分析;
步骤二:对所得到的变量进行逐步线性回归,对每一次回归后建立的模型对前面的变量进行检查,评价前面的数据有无继续保持在变量中的价值,进行保留或者提出,直到无统计学意义的变量引入或剔除为止;
步骤三:对剔除后的所有变量进行多元线性回归,得到局部最优解,为日后在血糖仪检测电路中提供计算依据。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810871349.0A CN109394234A (zh) | 2018-08-02 | 2018-08-02 | 一种基于光学检测的血糖浓度多元逐步回归算法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810871349.0A CN109394234A (zh) | 2018-08-02 | 2018-08-02 | 一种基于光学检测的血糖浓度多元逐步回归算法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN109394234A true CN109394234A (zh) | 2019-03-01 |
Family
ID=65463492
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810871349.0A Pending CN109394234A (zh) | 2018-08-02 | 2018-08-02 | 一种基于光学检测的血糖浓度多元逐步回归算法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109394234A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111150395A (zh) * | 2020-01-15 | 2020-05-15 | 桂林电子科技大学 | 一种基于生物电阻抗的自适应血糖测量方法 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103632013A (zh) * | 2013-12-18 | 2014-03-12 | 北京科技大学 | 基于主成分回归分析的晶粒尺寸影响无取向硅钢磁性能的分析方法 |
CN103823975A (zh) * | 2014-02-25 | 2014-05-28 | 北京科技大学 | 织构组分对无取向硅钢磁感影响的主成分回归分析法 |
CN106845051A (zh) * | 2015-12-04 | 2017-06-13 | 北京光巨力信息技术有限公司 | 一种基于组合优化的近红外无创血糖检测波长变量筛选方法 |
-
2018
- 2018-08-02 CN CN201810871349.0A patent/CN109394234A/zh active Pending
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103632013A (zh) * | 2013-12-18 | 2014-03-12 | 北京科技大学 | 基于主成分回归分析的晶粒尺寸影响无取向硅钢磁性能的分析方法 |
CN103823975A (zh) * | 2014-02-25 | 2014-05-28 | 北京科技大学 | 织构组分对无取向硅钢磁感影响的主成分回归分析法 |
CN106845051A (zh) * | 2015-12-04 | 2017-06-13 | 北京光巨力信息技术有限公司 | 一种基于组合优化的近红外无创血糖检测波长变量筛选方法 |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111150395A (zh) * | 2020-01-15 | 2020-05-15 | 桂林电子科技大学 | 一种基于生物电阻抗的自适应血糖测量方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN101357062B (zh) | 基于容积脉搏波检测的生命体征参数测评装置 | |
Zhang et al. | A noninvasive blood glucose monitoring system based on smartphone PPG signal processing and machine learning | |
Tan et al. | Non-invasive continuous blood pressure measurement based on mean impact value method, BP neural network, and genetic algorithm | |
WO2018107915A1 (zh) | 一种基于时序分析的通用无创血糖预测方法 | |
CN111084618A (zh) | 一种可穿戴式多功能呼吸循环检测系统及方法 | |
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 | |
US20070299323A1 (en) | Apparatus for measuring one or more physiological functions of a body and a method using the same | |
CN108186000A (zh) | 基于心冲击信号与光电信号的实时血压监测系统及方法 | |
CN110033858A (zh) | 一种舌象分析方法及其存储介质 | |
CN101138500A (zh) | 基于能量守恒法的无创血糖检测仪 | |
CN110141249A (zh) | 基于ppg信号的无创血糖监测方法、系统、设备及介质 | |
CN110037710A (zh) | 非侵入式估测hba1c与血糖值的系统与方法 | |
CN1275179C (zh) | 人体亚健康状态的计算机评测方法 | |
CN102657525A (zh) | 一种心功能无创检测系统及方法 | |
CN107516019A (zh) | 无创健康预测系统及方法 | |
CN109394234A (zh) | 一种基于光学检测的血糖浓度多元逐步回归算法 | |
CN106983504B (zh) | 一种基于卷积神经网络算法监测颅内压的方法 | |
CN110680341B (zh) | 一种基于可见光图像的非侵入式血糖检测装置 | |
KR102035731B1 (ko) | 광용적맥파를 이용한 통증심도 측정 방법 및 장치 | |
CN115770028A (zh) | 血压检测方法、系统、装置及存储介质 | |
CN113576475B (zh) | 一种基于深度学习的无接触血糖测量方法 | |
CN206193790U (zh) | 基于互联网的慢病信息化系统 | |
CN109480812A (zh) | 一种基于物联网通讯的脉搏健康数据管理系统 | |
CN110415778B (zh) | 一种基于云数据的个人健康数据管理方法及系统 | |
CN113413143A (zh) | 一种胰岛素输注自适应控制系统 |
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: 20190301 |