CN109520989A - 估计葡萄糖暴露以及产生葡萄糖暴露估计模型的装置和方法 - Google Patents

估计葡萄糖暴露以及产生葡萄糖暴露估计模型的装置和方法 Download PDF

Info

Publication number
CN109520989A
CN109520989A CN201811084445.7A CN201811084445A CN109520989A CN 109520989 A CN109520989 A CN 109520989A CN 201811084445 A CN201811084445 A CN 201811084445A CN 109520989 A CN109520989 A CN 109520989A
Authority
CN
China
Prior art keywords
glucose
raman
spectrum
exposure
raman spectrum
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
CN201811084445.7A
Other languages
English (en)
Inventor
朴珍映
金彦庭
朴润相
安城模
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.)
Samsung Electronics Co Ltd
Original Assignee
Samsung Electronics Co 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 Samsung Electronics Co Ltd filed Critical Samsung Electronics Co Ltd
Publication of CN109520989A publication Critical patent/CN109520989A/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
    • A61B5/14532—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
    • A61B5/0059—Measuring for diagnostic purposes; Identification of persons using light, e.g. diagnosis by transillumination, diascopy, fluorescence
    • A61B5/0075—Measuring for diagnostic purposes; Identification of persons using light, e.g. diagnosis by transillumination, diascopy, fluorescence by spectroscopy, i.e. measuring spectra, e.g. Raman spectroscopy, infrared absorption spectroscopy
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/15—Devices for taking samples of blood
    • A61B5/157—Devices characterised by integrated means for measuring characteristics of blood
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
    • G01N21/17—Systems in which incident light is modified in accordance with the properties of the material investigated
    • G01N21/25—Colour; Spectral properties, i.e. comparison of effect of material on the light at two or more different wavelengths or wavelength bands
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
    • G01N21/62—Systems in which the material investigated is excited whereby it emits light or causes a change in wavelength of the incident light
    • G01N21/63—Systems in which the material investigated is excited whereby it emits light or causes a change in wavelength of the incident light optically excited
    • G01N21/65—Raman scattering
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/0059—Measuring for diagnostic purposes; Identification of persons using light, e.g. diagnosis by transillumination, diascopy, fluorescence
    • A61B5/0062—Arrangements for scanning
    • A61B5/0064—Body surface scanning
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/0059—Measuring for diagnostic purposes; Identification of persons using light, e.g. diagnosis by transillumination, diascopy, fluorescence
    • A61B5/0077—Devices for viewing the surface of the body, e.g. camera, magnifying lens
    • 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
    • A61B5/68—Arrangements of detecting, measuring or recording means, e.g. sensors, in relation to patient
    • A61B5/6801—Arrangements of detecting, measuring or recording means, e.g. sensors, in relation to patient specially adapted to be attached to or worn on the body surface
    • A61B5/6802—Sensor mounted on worn items
    • A61B5/681—Wristwatch-type devices
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/68—Arrangements of detecting, measuring or recording means, e.g. sensors, in relation to patient
    • A61B5/6887—Arrangements of detecting, measuring or recording means, e.g. sensors, in relation to patient mounted on external non-worn devices, e.g. non-medical devices
    • A61B5/6898—Portable consumer electronic devices, e.g. music players, telephones, tablet computers

Landscapes

  • Health & Medical Sciences (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Physics & Mathematics (AREA)
  • Pathology (AREA)
  • General Health & Medical Sciences (AREA)
  • Animal Behavior & Ethology (AREA)
  • Engineering & Computer Science (AREA)
  • Biomedical Technology (AREA)
  • Heart & Thoracic Surgery (AREA)
  • Medical Informatics (AREA)
  • Molecular Biology (AREA)
  • Surgery (AREA)
  • Biophysics (AREA)
  • Public Health (AREA)
  • Veterinary Medicine (AREA)
  • Spectroscopy & Molecular Physics (AREA)
  • Emergency Medicine (AREA)
  • Optics & Photonics (AREA)
  • Chemical & Material Sciences (AREA)
  • Analytical Chemistry (AREA)
  • Biochemistry (AREA)
  • General Physics & Mathematics (AREA)
  • Immunology (AREA)
  • Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
  • Hematology (AREA)
  • Investigating, Analyzing Materials By Fluorescence Or Luminescence (AREA)
  • Measurement Of The Respiration, Hearing Ability, Form, And Blood Characteristics Of Living Organisms (AREA)

Abstract

用于估计葡萄糖暴露的装置可以包括：分光计，被配置为测量来自对象的多个拉曼光谱；以及处理器，被配置为从多个拉曼光谱中提取深度特定蛋白质信息，并且基于深度特定蛋白质信息来估计对象的葡萄糖暴露。还公开了用于产生葡萄糖暴露估计模型的装置、估计葡萄糖暴露的方法以及用于测量血糖指数的装置。

Description

估计葡萄糖暴露以及产生葡萄糖暴露估计模型的装置和方法
相关申请的交叉引用
本申请要求于2017年9月18日向韩国知识产权局递交的韩国专利申请No.10-2017-0119277的优先权，其公开内容整体通过引用并入本文中。
技术领域
根据示例性实施例的装置和方法涉及一种非侵入式估计葡萄糖暴露(exposure)的技术，并且更具体地，涉及基于拉曼光谱使用深度特定蛋白质信息来估计葡萄糖暴露，并且产生用于估计葡萄糖暴露的葡萄糖暴露估计模型。
背景技术
人体内的蛋白质反应根据食物来源而变化。此外，不同类型的食物即使摄入相同的量也会以不同的速度消化。已经引入血糖指数(GI)作为表达各种碳水化合物来源被吸收的快速性的方式。血糖指数是通过考虑进食后食物中碳水化合物被吸收的快速性来指示碳水化合物的质量的值。食物的血糖指数可以通过给一群健康人喂食包含50克碳水化合物的一部分食物、然后在接下来2小时内测量这群人的血糖水平的改变来确定。参考值100可以用于表示等量的纯葡萄糖。
然而，在考虑每个个体的特性(例如，对胰岛素的反应程度和压力程度)或反映个体的实际饮食生活方式时，血糖指数具有局限性，这是因为血糖指数基于单独的食物，但大多数人用餐时组合进食。
发明内容
示例性实施例至少解决了上述问题和/或缺点以及上面未描述的其它缺点。此外，示例性实施例不是必定要克服上述缺点，可以不克服上述任何问题。
根据实施例的一个方面，提供了一种用于估计葡萄糖暴露的装置，包括：分光计，被配置为测量来自对象的多个拉曼光谱；以及处理器，被配置为从多个拉曼光谱中提取深度特定蛋白质信息，并且基于深度特定蛋白质信息来估计对象的葡萄糖暴露。
分光计可以包括：光源，被配置为向对象发射光；以及光电检测器，被配置为通过接收从对象反射或散射的光来获取多个拉曼光谱。
分光计可以被配置为在预定时间段上以预定时间间隔测量多个拉曼光谱。
处理器还可以被配置为从多个拉曼光谱中提取代表性拉曼光谱，并且从代表性拉曼光谱中提取深度特定蛋白质信息。
处理器还可以被配置为提取多个拉曼光谱中的中间光谱作为代表性拉曼光谱。
处理器还可以被配置为从多个拉曼光谱中提取预定样品编号的拉曼光谱作为代表性拉曼光谱。
处理器还可以被配置为从提取的代表性拉曼光谱中去除背景噪声。
深度特定蛋白质信息可以包括皮内胶原蛋白信息和表皮内角蛋白信息。
处理器还可以被配置为从多个拉曼光谱中提取与皮内胶原蛋白信息相对应的第一拉曼峰值和与表皮内角蛋白信息相对应的第二拉曼峰值，并且基于第一拉曼峰值、第二拉曼峰值和葡萄糖暴露估计模型来估计对象的葡萄糖暴露。
葡萄糖暴露估计模型可以定义葡萄糖暴露和第一拉曼峰值与第二拉曼峰值之比之间的关系。
处理器还可以被配置为基于对象的葡萄糖暴露来产生碳水化合物摄入指导信息。
碳水化合物摄入指导信息可以包括指示对象的每日碳水化合物摄入量是否适当的信息。
处理器还可以被配置为通过监测对象的葡萄糖暴露来计算每日葡萄糖暴露量，确定所计算的每日葡萄糖暴露量是否在预定阈值范围内，并且基于所计算的每日葡萄糖暴露量是否处于预定阈值范围内的确定结果来产生碳水化合物指导信息。
根据另一示例性实施例的一个方面，提供了一种用于产生葡萄糖暴露估计模型的装置，所述装置包括：数据收集器，被配置为收集拉曼光谱和与拉曼光谱相对应的葡萄糖暴露信息；以及处理器，被配置为从拉曼光谱中提取深度特定蛋白质信息，并且基于深度特定蛋白质信息和葡萄糖暴露信息来产生葡萄糖暴露估计模型。
深度特定蛋白质信息可以包括皮内胶原蛋白信息和表皮内角蛋白信息。
处理器还可以被配置为从拉曼光谱中提取与皮内胶原蛋白信息相对应的第一拉曼峰值和与表皮内角蛋白信息相对应的第二拉曼峰值，并且基于第一拉曼峰值与第二拉曼峰值之比和葡萄糖暴露数据、通过回归分析或机器学习来产生所述葡萄糖暴露估计模型。
根据另一示例性实施例的一个方面，提供了一种估计葡萄糖暴露的方法，所述方法包括：测量来自对象的多个拉曼光谱；从多个拉曼光谱中提取深度特定蛋白质信息；以及基于深度特定蛋白质信息来估计对象的葡萄糖暴露。
测量多个拉曼光谱可以包括：在预定时间段上以预定时间间隔来测量多个拉曼光谱。
提取深度特定蛋白质信息可以包括：从多个拉曼光谱中提取代表性拉曼光谱，并且从代表性拉曼光谱中提取深度特定蛋白质信息。
提取代表性拉曼光谱可以包括：提取多个拉曼光谱中的中间光谱作为代表性拉曼光谱。
提取代表性拉曼光谱可以包括：从多个拉曼光谱中提取预定样品编号的拉曼光谱作为代表性拉曼光谱。
提取深度特定蛋白质信息还可以包括：从所提取的代表性拉曼光谱中去除背景噪声。
深度特定蛋白质信息可以包括皮内胶原蛋白信息和表皮内角蛋白信息。
提取深度特定蛋白质信息可以包括：从多个拉曼光谱中提取与皮内胶原蛋白信息相对应的第一拉曼峰值和与表皮内角蛋白信息相对应的第二拉曼峰值，并且其中估计对象的葡萄糖暴露可以包括：使用第一拉曼峰值、第二拉曼峰值和葡萄糖暴露估计模型来估计对象的葡萄糖暴露。
葡萄糖暴露估计模型可以定义葡萄糖暴露和第一拉曼峰值与第二拉曼峰值之比之间的关系。
所述方法还可以包括：基于对象的葡萄糖暴露来产生碳水化合物摄入指导信息。
碳水化合物摄入指导信息可以包括指示对象的每日碳水化合物摄入量是否适当的信息。
产生碳水化合物摄入指导信息可以包括：通过监测对象的葡萄糖暴露来计算每日葡萄糖暴露量，确定所计算的每日葡萄糖暴露量是否在预定阈值范围内，以及基于所计算的每日的葡萄糖暴露量是否处于预定阈值范围内的确定结果来产生所述碳水化合物摄入指导信息。
根据另一示例性实施例的一方面，提供了一种用于测量血糖指数的装置，所述装置包括：分光计，被配置为检测来自对象的光谱；储存设备，被配置为存储血糖曲线下面积(AUC)和拉曼光谱的第一波数处的第一参考峰值与拉曼光谱的第二波数处的第二参考峰值之比之间的关系；处理器，被配置为提取光谱的第一波数处的第一测量峰值和光谱的第二波数处的第二测量峰值，并且通过将第一测量峰值和第二测量峰值应用于血糖AUC和第一参考峰值与第二参考峰值之比之间的关系，来确定对象的血糖指数。
光谱的第一波数处的第一测量峰值和光谱的第二波数处的第二测量峰值可以指示处于与对象的皮肤表面相距不同深度处的蛋白质的信息。
附图说明
通过参考附图描述某些示例性实施例，上述和/或其它方面将更加清楚，在附图中：
图1是示出了根据一个示例性实施例的用于估计葡萄糖暴露的装置的框图。
图2是示出了根据一个示例性实施例的处理器的框图；
图3是用于描述与皮内胶原蛋白相对应的拉曼峰值位移与葡萄糖暴露之间的关系的图；
图4是示出了根据另一示例性实施例的处理器的框图；
图5示出了说明碳水化合物摄入指导信息的示例的图；
图6是示出了根据另一示例性实施例的用于估计葡萄糖暴露的装置的框图；
图7是示出了根据一个示例性实施例的用于产生葡萄糖暴露估计模型的装置的框图；
图8示出了用于描述葡萄糖暴露估计模型产生过程的图；
图9是示出了根据一个示例性实施例的估计葡萄糖暴露的方法的流程图；
图10是示出了根据一个示例性实施例的提取深度特定蛋白质信息的方法的流程图；
图11是示出了根据另一示例性实施例的估计葡萄糖暴露的方法的流程图；
图12是示出了根据一个示例性实施例的产生葡萄糖暴露估计模型的方法的流程图；
图13是手腕可穿戴设备的透视图。
具体实施方式
以下参考附图更详细地描述示例性实施例。
在以下描述中，即使在不同的附图中，相同的附图标号也用于相同的元件。提供了描述中定义的事项(例如，详细的结构和元件)以帮助全面理解示例性实施例。然而，显而易见的是，可以在没有那些具体定义的事项的情况下实践示例性实施例。此外，没有详细描述众所周知的功能或结构，因为它们会以不必要的细节模糊描述。
还应当注意，在一些备选实现中，在块中标记的功能/动作可以不以流程图中标记的顺序发生。例如，连续示出的两个块实际上可以是实质上同时执行的，或者所述块在某些时候可以以相反的顺序执行，这取决于所涉及到的功能/动作。
以下所述的术语是通过考虑实施例中的功能来选择的，并且含义可以根据例如用户或操作者的意图或习惯而变化。因此，在以下实施例中，当术语被具体定义时，术语的含义应该基于定义来解释，否则应该基于本领域技术人员所认识的一般含义来解释。
除非上下文另外清楚指示，否则本文中使用的单数形式也意在包括复数形式。还将理解，本描述中所使用的术语“包括”、“具有”和/或“包含”表示存在所陈述的特征、数字、步骤、操作、元件、组件或其组合，但并不排除存在或添加一个或多个其它特征、数字、步骤、操作、元件、组件或其组合。
当诸如“至少一个”之类的表达在元素列表之前时，其修饰整个元素列表而不修饰列表的各个元素。
还将理解的是，以下描述中的元件或组件是根据它们各自的主要功能来区分的。换句话说，可以根据细分的功能将两个或更多元件制成一个元件，或者将一个元件划分成两个或更多个元件。此外，以下描述中的每个元件可以执行另一元件的部分或全部功能以及其主要功能，并且每个元件的一些主要功能可以仅由其它元件执行。每个元件可以以硬件部件、软件部件和/或其组合的形式来实现。
图1是示出了根据一个示例性实施例的用于估计葡萄糖暴露的装置100的框图。装置100可以基于拉曼光谱使用深度特定蛋白质信息来估计葡萄糖暴露，并且可以安装在电子设备中。具体地，电子设备可以包括移动电话、智能电话、平板计算机、笔记本计算机、个人数字助手(PDA)、便携式多媒体播放器(PMP)、导航系统、MP3播放器、数码相机和可穿戴设备等。可穿戴设备可以包括腕表型、腕带型、环型、带型、项链型、脚踝带型、大腿带型、前臂带型等。然而，电子设备和可穿戴设备不限于以上示例。
参考图1，装置100包括分光计110和处理器120。
分光计110可以测量来自对象的多个拉曼光谱。根据一个示例性实施例，分光计110可以包括光源111和光电检测器112，并且可以通过操作光源111和光电检测器112在预定时间段上以预定时间间隔测量多个拉曼光谱。例如，分光计110可以从对象开始进食时起在2小时上以5分钟的间隔来测量对象的拉曼光谱。
光源111可以向对象发射光。具体地，光源111可以向对象发射特定波长(例如，在近红外线(NIR)范围或中红外线(MIR)范围内)的光。然而，从光源111发射的光的波长可以根据测量的目的或要被测量的构成部件的类型而变化。此外，光源111可以配置有单个发光器或多个发光器。多个发光器可以发射不同波长的光或相同波长的光。根据一个示例性实施例，光源111可以包括但不限于发光二极管(LED)、激光二极管等，这些仅仅是说明性示例。
光源111还可以包括被配置为将所发射的光引导到对象的期望位置的至少一个光学元件。
光电检测器112可以通过接收从对象反射或散射的光来获取对象的拉曼光谱。根据一个示例性实施例，光电检测器112可以包括光电二极管、光电晶体管(PTr)、电荷耦合器件(CCD)等。光电检测器112可以不一定配置有单个元件，并且可以以多个元件的阵列的形式配置。
处理器120可以从多个测量的拉曼光谱中提取深度特定蛋白质信息，并且基于提取的深度特定蛋白质信息来估计对象的葡萄糖暴露。在这种情况下，深度特定信息可以包括皮内胶原蛋白信息和表皮内角蛋白信息，并且葡萄糖暴露可以表示为身体葡萄糖浓度图的曲线下面积(AUC)。
下文中，将参考图2更详细地描述处理器120。
图2是示出了根据一个示例性实施例的处理器的框图。图2的处理器200可以是图1的处理器120的一个示例性实施例。
参考图2，处理器200包括代表性拉曼光谱提取器210、噪声去除器220、深度特定蛋白质信息提取器230和葡萄糖暴露估计器240。处理器200还可以存储葡萄糖暴露估计模型250(如图2所示)，但是根据另一示例性实施例，葡萄糖暴露估计模型250可以存储在位于处理器200外部的存储器中，并且可以从该存储器中取得葡萄糖暴露估计模型250并将其加载到处理器200以基于葡萄糖暴露估计模型250执行估计。
代表性拉曼光谱提取器210可以从多个拉曼光谱中提取代表性拉曼光谱。根据一个示例性实施例，代表性拉曼光谱提取器210可以提取多个拉曼光谱之中的中间光谱或具有预定样品编号的特定拉曼光谱来作为代表性拉曼光谱。然而，这些仅仅是说明性实施例，本发明的方面不限于此。
噪声去除器220可以从提取的代表性拉曼光谱中去除噪声。
从组织或细胞测量的拉曼光谱可以包括简单加性噪声和背景噪声。
根据一个示例性实施例，噪声去除器220可以使用低带通滤波器(例如，移动平均滤波器)从代表性拉曼光谱中去除简单加性噪声。此外，噪声去除器220可以估计代表性拉曼光谱的基线，并且通过从代表性拉曼光谱中减去基线来去除背景噪声。在这种情况下，可以使用一阶微分方法、滚球法等来估计基线。这里，一阶微分方法使用在整个范围内呈现逐渐改变的背景噪声的特性。一阶微分方法是一种通过对光谱进行微分、找到显著峰值、切出对应峰面积并且执行插值来估计基线的方法。此外，滚球法是一种将在光谱下方滚动的假想球的最高点的轨迹视为基线的方法。
深度特定蛋白质信息提取器230可以从代表性拉曼光谱中提取深度特定蛋白质信息。在这种情况下，深度特定蛋白质信息可以包括皮内胶原蛋白信息和表皮内角蛋白信息。
从对象反射的光可以携带与对象的真皮层中的胶原蛋白有关的信息(下文中，称为“皮内胶原蛋白信息”)和对象的表皮层中的角蛋白的信息(以下，称为“表皮内角蛋白信息”)。根据一个示例性实施例，深度特定蛋白质信息提取器230可以提取代表性拉曼光谱中的第一波数的拉曼峰值(例如，1246cm-1)(在下文中被称为“第一拉曼峰值”)作为皮内胶原蛋白信息，并且提取第二波数的拉曼峰值(例如，1650cm-1)(在下文中被称为“第二拉曼峰值”)作为表皮内角蛋白信息。在这种情况下，第一波数与皮内胶原蛋白信息相关，第二波数与表皮内角蛋白信息相关，并且与第一波数和第二波数有关的信息是实验性地预先导出的，并存储在内部或外部数据库中。
葡萄糖暴露估计器240可以使用深度特定蛋白质信息来估计对象的葡萄糖暴露。
例如，葡萄糖暴露估计器240可以确定第一拉曼峰值与第二拉曼峰值之比，并且使用第一拉曼峰值与第二拉曼峰值之比和葡萄糖暴露估计模型250来估计对象的葡萄糖暴露。具体地，葡萄糖暴露估计模型250定义第一拉曼峰值和第二拉曼峰值之比与葡萄糖暴露之间的关系，并且可以存储在处理器200内部或外部的数据库中。
图3是用于描述与皮内胶原蛋白相对应的拉曼峰值位移与葡萄糖暴露之间的关系的图。更具体地，图3示出了当连续给非人动物喂食预定量的葡萄糖时与皮内胶原蛋白相对应的拉曼峰值位移。拉曼峰值位移可以通过向非人动物发射光、然后在光从非人动物反射时收集该反射光来获得。
参考图3，当连续给非人动物喂食预定量的葡萄糖时，特定波数处的拉曼峰值(例如，图3中由最左边的方框指示的区域)随时间改变。
因此，根据一个示例性实施例的用于估计葡萄糖暴露的装置100可以使用这样的特性从拉曼光谱中提取深度特定蛋白质信息，并且使用所提取的深度特定蛋白质信息来估计葡萄糖暴露。
图4是示出了根据本公开另一示例性实施例的处理器的框图。图4的处理器400可以是图1的处理器120的另一示例性实施例。
参考图4，处理器400包括代表性拉曼光谱提取器210、噪声去除器220、深度特定蛋白质信息提取器230、葡萄糖暴露估计器240和指导信息产生器410。处理器400还可以存储葡萄糖暴露估计模型250(如图4所示)，但是根据另一示例性实施例，葡萄糖暴露估计模型250可以存储在位于处理器400外部的存储器中，并且可以从该存储器中取得葡萄糖暴露估计模型250并将其加载到处理器400以基于葡萄糖暴露估计模型250执行估计。
在这种情况下，代表性拉曼光谱提取器210、噪声去除器220、深度特定蛋白质信息提取器230和葡萄糖暴露估计器240可以实质上与参考图2描述的那些设备相同，因此不再重复其详细描述。
指导信息产生器410可以使用对象的葡萄糖暴露来产生碳水化合物摄取指导信息，碳水化合物摄取指导信息指示对象的每日碳水化合物摄入量是否适当。
例如，指导信息产生器410可以监测对象的葡萄糖暴露以计算每日葡萄糖暴露，并且确定计算的每日葡萄糖暴露是否落入预定阈值范围内。此外，当每日葡萄糖暴露在预定阈值范围内时，指导信息产生器410可以确定碳水化合物摄入量是适当的。当每日葡萄糖暴露小于预定阈值范围时，指导信息产生器410可以确定每日碳水化合物摄入量不足，并且当每日葡萄糖暴露大于预定阈值范围时，指导信息产生器410可以确定每日碳水化合物摄入量过多。指导信息产生器410可以基于该确定来产生指示对象的每日碳水化合物摄入量是否适当的碳水化合物摄入指导信息。
在这种情况下，预定阈值范围可以预先通过以下过程导出，并且存储在处理器400内部或外部的数据库中。
步骤1：对象摄入参考食物，并且测量第一葡萄糖暴露。例如，在对象摄入量为K(单位：克(g))的参考食物时测量第一葡萄糖暴露X(单位：mg·min/dL)。具体地，处理器200、400可以通过在自对象消耗量为K的参考食物起始的两小时内监测对象的血糖水平来产生两小时的血糖响应曲线。处理器200、400可以将曲线下面积(AUC)计算为第一葡萄糖暴露X。
步骤2：计算与推荐的每日碳水化合物摄入量相对应的第二葡萄糖暴露。例如，当推荐的每日碳水化合物摄入量是A(单位：g)时，基于以下等式来计算与推荐的每日碳水化合物摄入量A相对应的第二葡萄糖暴露R。
(A*X)/K＝R(单位：mg·min/dL)。
步骤3：计算在仅从碳水化合物获得所有推荐的每日卡路里时引起的第三葡萄糖暴露。例如，当推荐的每日卡路里是B(单位：kcal)时，基于以下等式计算在仅从碳水化合物获得所有推荐的每日卡路里B时引起的第三葡萄糖暴露T。
(B*X)/(K*4)＝T(单位：mg·min/dL)
步骤4：第三葡萄糖暴露被假设为最大碳水化合物摄入量，并且从与推荐的每日碳水化合物摄入量相对应的葡萄糖暴露起始的预定范围被设置为在预定阈值范围内。例如，预定阈值范围可以是R-α至R+β。在这种情况下，α可以被不同地设置为少于R的正数，并且β可以被不同地设置为少于T-R的正数。
图5示出了说明碳水化合物摄入指导信息的示例的图。
参考图4和图5，指导信息产生器410可以基于在早餐时间、午餐时间和晚餐时间估计的葡萄糖暴露来计算每日葡萄糖暴露，确定计算的每日葡萄糖暴露是否在推荐的葡萄糖摄入量的预定阈值范围520内，并且基于所计算的每日葡萄糖暴露是否在预定阈值范围520内的确定来产生碳水化合物摄入指导信息510。
在图5所示的示例中，其中第一天和第七天的每日葡萄糖暴露在预定阈值范围520之外，指导信息产生器410可以确定第一天和第七天的碳水化合物摄入量过多，因此可以产生各种警告消息。
图6是示出了根据另一示例性实施例的用于估计葡萄糖暴露的装置600的框图。装置600可以基于拉曼光谱使用深度特定蛋白质信息来估计葡萄糖暴露量。装置600可以安装在电子设备中，电子设备例如是移动电话、智能电话、平板计算机、笔记本计算机、PDA、PMP、导航系统、MP3播放器、数码相机和可穿戴设备等。可穿戴设备可以包括腕表型、腕带型、环型、带型、项链型、脚踝带型、大腿带型、前臂带型等。然而，电子设备和可穿戴设备不限于以上示例。
参考图6，装置600包括分光计110、处理器120、输入接口610、储存设备620、通信接口630和输出接口640。在这种情况下，分光计110和处理器120可以实质上执行与参考图1至图4所描述的那些操作相同的操作，因此将不再重复其详细描述。
输入接口610可以从用户接收各种操作信号。根据一个示例性实施例，输入接口610可以包括键区、圆顶开关、电阻式或电容式触摸板、转轮、摇动开关、硬件按钮等。具体地，当触摸板具有带显示器的分层结构时，该结构可以被称为触摸屏。
用于装置600的操作的程序或指令可以存储在储存设备620中，并且从装置600输出或向装置600输入的数据也可以存储在储存设备620中。此外，由分光计110测量的多条拉曼光谱数据、由处理器120提取的代表性拉曼光谱数据、由处理器120提取的深度特定蛋白质信息、由处理器120获得的葡萄糖暴露估计数据、由处理器120产生的碳水化合物摄入指导信息、以及葡萄糖暴露估计模型等可以存储在储存设备620中。
储存设备可以包括至少一种类型的存储介质，比如闪速存储器、硬盘类型存储器、多媒体卡微型存储器、卡类型存储器(例如，SD或XD存储器)、随机存取存储器(RAM)、静态随机存取存储器(SRAM)、只读存储器(ROM)、电可擦除可编程只读存储器(EEPROM)、可编程只读存储器(PROM)、磁存储器和光盘等。此外，装置600可以操作外部存储介质，比如提供储存设备620的存储功能的web储存设备。
通信接口630可以与外部设备通信。例如，通信接口630可以向外部设备发送用户通过输入接口610输入的数据、由分光计110测量的多条拉曼光谱数据、由处理器120提取的代表性拉曼光谱数据、由处理器120提取的深度特定蛋白质信息、由处理器120获得的葡萄糖暴露估计数据、由处理器120产生的碳水化合物摄入指导信息、以及葡萄糖暴露估计模型，或者可以从外部设备接收用于估计葡萄糖暴露或产生碳水化合物指导信息的各种数据。
在这种情况下，外部设备可以是医疗设备、或者用于输出结果的打印机或显示设备，医疗设备使用由分光计110测量的多条拉曼光谱数据、由处理器120提取的代表性拉曼光谱数据、由处理器120提取的深度特定蛋白质信息、由处理器120获得的葡萄糖暴露估计数据、由处理器120产生的碳水化合物摄入指导信息、或者葡萄糖暴露估计模型。此外，外部设备可以是数字TV、台式计算机、移动电话、智能电话、平板计算机、笔记本计算机、PDA、PMP、导航系统、MP3播放器、数码相机、可穿戴设备等，但不限于此。
通信接口630可以通过各种通信方案(比如，蓝牙通信、蓝牙低功耗通信、近场通信(NFC)、无线局域网(WLAN)通信、ZigBee通信、红外数据关联(IrDA)通信、射频识别通信、第三代(3G)通信、4G通信、5G通信等)与外部设备通信。然而，这些仅仅是示例，通信方案不限于此。
输出接口640可以输出由分光计110测量的多条拉曼光谱数据、由处理器120提取的代表性拉曼光谱数据、由处理器120提取的深度特定蛋白质信息、由处理器120获得的葡萄糖暴露估计数据、由处理器120产生的碳水化合物摄入指导信息、或者葡萄糖暴露估计模型。根据一个示例性实施例，输出接口640可以以视觉、听觉和触觉方式中的至少一种方式来输出由分光计110测量的多条拉曼光谱数据、由处理器120提取的代表性拉曼光谱数据、由处理器120提取的深度特定蛋白质信息、由处理器120获得的葡萄糖暴露估计数据、由处理器120产生的碳水化合物摄入指导信息、或者葡萄糖暴露估计模型。为此，输出接口640可以包括显示器、扬声器、振动器等。
图7是示出了根据一个示例性实施例的用于产生葡萄糖暴露估计模型的装置700的框图。装置700可以估计要在用于估计葡萄糖暴露估计模型的、并且可以安装在电子设备中的图1的装置100和/或图6的装置600中使用的葡萄糖暴露估计模型。在这种情况下，电子设备可以包括移动电话、智能电话、平板计算机、笔记本计算机、PDA、PMP、导航系统、MP3播放器、数码相机和可穿戴设备等。可穿戴设备可以包括腕表型、腕带型、环型、带型、项链型、脚踝带型、大腿带型、前臂带型等。然而，电子设备和可穿戴设备不限于以上示例。
如图7所示，装置700可以包括训练数据收集器710和处理器720。
训练数据收集器710可以收集拉曼光谱和与拉曼光谱相对应的葡萄糖暴露信息来作为训练数据。具体地，被收集作为训练数据的拉曼光谱可以是在预定时间段上以预定时间间隔测量的多个拉曼光谱、或者从多个拉曼光谱中提取的代表性拉曼光谱。此外，被收集作为训练数据的拉曼光谱可以是其中还未去除噪声的原始数据或其中已经去除了噪声的数据。
处理器720可以从收集的拉曼光谱中获得深度特定蛋白质信息，并且可以基于提取的深度特定蛋白质信息和与拉曼光谱相对应的葡萄糖暴露数据来产生葡萄糖暴露估计模型。处理器720可以通过计算在自食物消耗起始的两小时内测量的血糖响应曲线下面积来获得葡萄糖暴露数据。深度特定蛋白质信息可以包括皮内胶原蛋白信息和表皮内角蛋白信息。
例如，处理器720可以从拉曼光谱中提取第一拉曼峰值来作为皮内胶原蛋白信息，并且提取第二拉曼峰值来作为表皮内角蛋白信息。此外，处理器720可以计算第一拉曼峰值与第二拉曼峰值之比，并且使用第一拉曼峰值与第二拉曼峰值之比和对应的葡萄糖暴露信息、通过回归分析或机器学习来产生葡萄糖暴露估计模型。在这种情况下，回归分析算法可以包括简单线性回归算法、多线性回归算法、逻辑回归算法、比例Cox回归算法等，机器学习算法可以包括人工神经网络算法、决策树算法、遗传算法、遗传编程算法、K近邻算法、径向基函数网络算法、随机森林算法、支持向量机算法和深度学习算法。
同时，处理器720可以根据由训练数据收集器710收集的拉曼光谱来执行各种预处理操作。例如，当收集的拉曼光谱是原始数据时，处理器可以从收集的拉曼光谱中去除简单加性噪声和/或背景噪声。此外，当收集的拉曼光谱数据是在预定时间段上以预定时间间隔测量的多个拉曼光谱时，处理器720可以从多个拉曼光谱中提取代表性拉曼光谱。
在这种情况下，去除噪声的方法和提取光谱的方法实质上与参考图2所述的那些方法相同，因此将不再重复其详细描述。
图8示出了用于描述葡萄糖暴露估计模型产生过程的图。在图8中，假设被收集作为训练数据的拉曼光谱是从在预定时间段上以预定时间间隔测量的多个拉曼光谱中提取的代表性拉曼光谱，并且从该代表性拉曼光谱中去除了全部噪声。
参考图8，拉曼光谱810可以示出根据葡萄糖暴露量的胶原蛋白峰值的改变。在拉曼光谱810中，可以在大约1,650cm-1和1,246cm-1处观察到酰胺I和酰胺III带。测量的酰胺I带可以反映在表皮角蛋白中发现的α-螺旋结构，并且测量的酰胺III可以反映真皮层中的组分。
参考图7和图8，处理器720从拉曼光谱810中提取第一拉曼峰值(例如，1246cm-1处的拉曼峰值)来作为皮内胶原蛋白信息，并且提取第二拉曼峰值(例如，1650cm-1处的拉曼峰值)来作为表皮内角蛋白信息。处理器720计算第一拉曼峰值与第二拉曼峰值之比，并且计算两小时血糖响应曲线下面积来作为对应的葡萄糖暴露。相应地，处理器720通过对第一拉曼峰值与第二拉曼峰值之比和对应的葡萄糖暴露820执行回归分析来产生葡萄糖暴露估计模型830。
参考图6和图8，储存设备620可以存储葡萄糖暴露估计模型，其指示血糖图的曲线下面积(AUC)(例如，葡萄糖暴露820)和拉曼光谱810的波数1246cm-1处的第一拉曼峰值与拉曼光谱810的波数1650cm-1处的第二拉曼峰值之比之间的关系。当分光计110检测到光谱时，处理器120可以分别检测在所检测到的光谱的波数1246cm-1处的第一测量峰值和在波数1650cm-1处的第二测量峰值，并且将第一测量峰值和第二测量峰值应用于葡萄糖暴露估计模型以确定血糖指数。
图9是示出了根据本公开一个示例性实施例的估计葡萄糖暴露的方法的流程图。图9的方法可以由图1的用于估计葡萄糖暴露的装置100执行。
参考图1和图9，在操作910中，用于估计葡萄糖暴露的装置100测量来自对象的多个拉曼光谱。例如，装置100可以通过在预定时间段上以预定时间间隔向对象发射光并且接收从对象反射或散射的光来测量多个拉曼光谱。在这种情况下，装置100可以向目标发射特定波长(例如，在NIR范围或MIR范围内)的光，但是本公开的方面不限于此。
在操作920中，装置100从多个测量的拉曼光谱中提取深度特定蛋白质信息。在这种情况下，深度特定蛋白质信息可以包括皮内胶原蛋白信息和表皮内角蛋白信息。例如，装置100可以从多个拉曼光谱中提取与皮内胶原蛋白信息相关的第一拉曼峰值和与表皮内角蛋白信息相关的第二拉曼峰值。
在操作930中，装置100使用所提取的深度特定蛋白质信息来估计对象的葡萄糖暴露。例如，装置100可以使用第一拉曼峰值、第二拉曼峰值和葡萄糖暴露估计模型来估计对象的葡萄糖暴露。在这种情况下，葡萄糖暴露估计模型可以定义第一拉曼峰值和第二拉曼峰值之比与葡萄糖暴露之间的关系。
图10是示出了根据一个示例性实施例的提取深度特定蛋白质信息的方法的流程图。图10的方法可以是图9中所示的用于提取深度特定蛋白质信息的操作920的一个示例性实施例。
参考图1和图10，在操作1010中，用于估计葡萄糖暴露的装置100从多个拉曼光谱中提取代表性拉曼光谱。例如，装置100可以提取多个拉曼光谱中的中间光谱来作为代表性拉曼光谱，或者提取预定样品编号的拉曼光谱来作为代表性拉曼光谱。
在操作1020中，装置100从提取的代表性拉曼光谱中去除噪声。例如，装置100可以使用低带通滤波器从代表性拉曼光谱中去除简单加性噪声，或者可以通过估计代表性拉曼光谱的基线并且从代表性拉曼光谱中减去估计的基线来去除噪声。
在操作1030中，装置100从代表性拉曼光谱中提取深度特定蛋白质信息。例如，装置100可以从代表性拉曼光谱中提取与皮内胶原蛋白信息相关的第一拉曼峰值和与表皮内角蛋白信息相关的第二拉曼峰值。
图11是示出了根据另一示例性实施例的估计葡萄糖暴露的方法的流程图。图11的方法可以由图1的用于估计葡萄糖暴露的装置100执行。这里，操作1110、1120和1130实质上与操作910、920和930相同，因此将不再重复其详细描述。
在操作1140中，用于估计葡萄糖暴露的装置100基于在操作1130中估计的葡萄糖暴露，来产生指示对象的每日碳水化合物摄入量是否适当的碳水化合物摄入指导信息。例如，装置100可以通过监测对象的葡萄糖暴露来计算每日葡萄糖暴露，并且确定计算的每日葡萄糖暴露是否在预定阈值范围内。此外，当计算的每日葡萄糖暴露在预定阈值范围内时，装置100可以确定对象的碳水化合物摄入适当，并且当计算的每日葡萄糖暴露少于预定阈值范围时，确定碳水化合物摄入不足。此外，当计算的每日葡萄糖暴露大于预定阈值范围时，装置100可以确定碳水化合物摄入过量。装置100可以基于该确定来产生指示对象的每日碳水化合物摄入量是否适当的碳水化合物摄入指导信息。
图12是示出了根据一个示例性实施例的产生葡萄糖暴露估计模型的方法的流程图。图12的方法可以由图7的用于产生葡萄糖暴露估计模型的装置700执行。
参考图7和图12，用于产生葡萄糖暴露估计模型的装置700收集拉曼光谱和与拉曼光谱相对应的葡萄糖暴露信息来作为训练数据。在这种情况下，被收集作为训练数据的拉曼光谱可以是在预定时间段上以预定时间间隔测量的多个拉曼光谱，或者可以是从多个拉曼光谱中提取的代表性拉曼光谱。此外，被收集作为训练数据的拉曼光谱可以是其中还未去除噪声的原始数据或其中已经去除了噪声的数据。
装置700可以从收集的拉曼光谱中提取深度特定蛋白质信息，并且基于提取的深度特定蛋白质信息和与拉曼光谱数据相对应的葡萄糖暴露信息来产生葡萄糖暴露估计模型。处理器720可以通过计算在食物消耗后的两小时内测量的血糖响应曲线下面积来获得葡萄糖暴露信息。在这种情况下，深度特定蛋白质信息可以包括皮内胶原蛋白信息和表皮内角蛋白信息。例如，装置700可以从拉曼光谱中提取第一拉曼峰值来作为皮内胶原蛋白信息，并且提取第二拉曼峰值来作为表皮内角蛋白信息。此外，装置700可以使用第一拉曼峰值和第二拉曼峰值之比和对应的葡萄糖暴露数据、通过回归分析或机器学习来产生葡萄糖暴露估计模型。
同时，装置700可以根据收集的拉曼光谱来执行各种预处理操作。例如，当收集的拉曼光谱是原始数据时，装置700可以从拉曼光谱数据中去除简单加性噪声和/或背景噪声。此外，当收集的数据是在预定时间段上以预定时间间隔测量的多个拉曼光谱时，装置700可以从多个拉曼光谱中提取代表性拉曼光谱。
图13是手腕可穿戴设备的透视图。
参考图13，手腕可穿戴设备1300包括带子1310和主体1320。
带子1310可以以柔性带的形式配置，但这仅仅是示例，并且本公开的各方面不限于此。也就是说，带子1310可以配置有多个带子构件，所述带子构件被形成为弯曲的以包围用户的手腕。
上述用于估计葡萄糖暴露的装置100或600和/或用于产生葡萄糖暴露估计模型的装置700可以安装在主体1320中。此外，电池可以嵌入主体1320中以向手腕可穿戴设备1300、用于估计葡萄糖暴露的装置100或600、以及用于产生葡萄糖暴露估计模型的装置700供电。
手腕可穿戴设备1300还可以包括安装在主体1320中的输入接口1321和显示器1322。输入接口1321可以从用户接收各种操作信号。显示器1322可以显示由手腕可穿戴设备1300、用于估计葡萄糖暴露的装置100或600、以及用于产生葡萄糖暴露估计模型和处理结果数据的装置700处理的数据。
尽管不限于此，但是示例性实施例可以体现为计算机可读记录介质上的计算机可读代码。计算机可读记录介质是可以存储其后可以由计算机系统读取的数据的任何数据存储设备。计算机可读记录介质的示例包括只读存储器(ROM)、随机存取存储器(RAM)、CD-ROM、磁带、软盘和光学数据存储设备。计算机可读记录介质还可以分布在网络耦接的计算机系统上，使得计算机可读代码以分布式方式存储和执行。此外，示例性实施例可以被编写为通过计算机可读传输介质(例如，载波)传输的计算机程序，并且在执行程序的通用或专用数字计算机中接收和实现。此外，应当理解，在示例性实施例中，上述装置和设备的一个或多个单元可以包括电路、处理器、微处理器等，并且可以执行存储在计算机可读介质中的计算机程序。
前述示例性实施例仅是示例性的，不应被解释为限制性的。本教导可以容易地应用于其它类型的装置。此外，示例性实施例的描述旨在是说明性的，而不是限制权利要求的范围，并且许多备选、修改和变化对于本领域技术人员而言将是显而易见的。

Claims (30)

1.一种估计葡萄糖暴露的装置，所述装置包括：
分光计，被配置为测量来自对象的多个拉曼光谱；以及
处理器，被配置为从所述多个拉曼光谱中提取深度特定蛋白质信息，并且基于所述深度特定蛋白质信息来估计所述对象的葡萄糖暴露。
2.根据权利要求1所述的装置，其中，所述分光计包括：光源，被配置为向所述对象发射光；以及光电检测器，被配置为通过接收从所述对象反射或散射的光来获取所述多个拉曼光谱。
3.根据权利要求1所述的装置，其中，所述分光计还被配置为在预定时间段上以预定时间间隔测量所述多个拉曼光谱。
4.根据权利要求1所述的装置，其中，所述处理器还被配置为从所述多个拉曼光谱中提取代表性拉曼光谱，并且从所述代表性拉曼光谱中提取所述深度特定蛋白质信息。
5.根据权利要求4所述的装置，其中，所述处理器还被配置为提取所述多个拉曼光谱中的中间光谱作为所述代表性拉曼光谱。
6.根据权利要求4所述的装置，其中，所述处理器还被配置为从所述多个拉曼光谱中提取预定样品编号的拉曼光谱作为所述代表性拉曼光谱。
7.根据权利要求4所述的装置，其中，所述处理器还被配置为从提取的所述代表性拉曼光谱中去除背景噪声。
8.根据权利要求1所述的装置，其中，所述深度特定蛋白质信息包括皮内胶原蛋白信息和表皮内角蛋白信息。
9.根据权利要求1所述的装置，其中，所述处理器还被配置为从所述多个拉曼光谱中提取与皮内胶原蛋白信息相对应的第一拉曼峰值和与表皮内角蛋白信息相对应的第二拉曼峰值，并且基于所述第一拉曼峰值、所述第二拉曼峰值和葡萄糖暴露估计模型来估计所述对象的葡萄糖暴露。
10.根据权利要求9所述的装置，其中，所述葡萄糖暴露估计模型定义所述葡萄糖暴露和所述第一拉曼峰值与所述第二拉曼峰值之比之间的关系。
11.根据权利要求1所述的装置，其中，所述处理器还被配置为基于所述对象的葡萄糖暴露来产生碳水化合物摄入指导信息。
12.根据权利要求11所述的装置，其中，所述碳水化合物摄入指导信息包括指示所述对象的每日碳水化合物摄入量是否适当的信息。
13.根据权利要求11所述的装置，其中，所述处理器还被配置为通过监测所述对象的葡萄糖暴露来计算每日葡萄糖暴露量，确定所计算的每日葡萄糖暴露量是否在预定阈值范围内，并且基于所计算的每日葡萄糖暴露量是否处于预定阈值范围内的确定结果来产生所述碳水化合物指导信息。
14.一种用于产生葡萄糖暴露估计模型的装置，所述装置包括：
数据收集器，被配置为收集拉曼光谱和与所述拉曼光谱相对应的葡萄糖暴露信息；以及
处理器，被配置为从所述拉曼光谱中提取深度特定蛋白质信息，并且基于所述深度特定蛋白质信息和所述葡萄糖暴露信息来产生所述葡萄糖暴露估计模型。
15.根据权利要求14所述的装置，其中，所述深度特定蛋白质信息包括皮内胶原蛋白信息和表皮内角蛋白信息。
16.根据权利要求14所述的装置，其中，所述处理器还被配置为从所述拉曼光谱中提取与皮内胶原蛋白信息相对应的第一拉曼峰值和与表皮内角蛋白信息相对应的第二拉曼峰值，并且基于所述第一拉曼峰值与所述第二拉曼峰值之比和所述葡萄糖暴露数据、通过回归分析或机器学习来产生所述葡萄糖暴露估计模型。
17.一种估计葡萄糖暴露的方法，所述方法包括：
测量来自对象的多个拉曼光谱；
从所述多个拉曼光谱中提取深度特定蛋白质信息；以及
基于所述深度特定蛋白质信息来估计所述对象的葡萄糖暴露。
18.根据权利要求17所述的方法，其中，测量多个拉曼光谱包括：在预定时间段上以预定时间间隔来测量所述多个拉曼光谱。
19.根据权利要求17所述的方法，其中，提取深度特定蛋白质信息包括：从所述多个拉曼光谱中提取代表性拉曼光谱，并且从所述代表性拉曼光谱中提取所述深度特定蛋白质信息。
20.根据权利要求19所述的方法，其中，提取代表性拉曼光谱包括：提取所述多个拉曼光谱中的中间光谱作为所述代表性拉曼光谱。
21.根据权利要求19所述的方法，其中，提取代表性拉曼光谱包括：从所述多个拉曼光谱中提取预定样品编号的拉曼光谱作为所述代表性拉曼光谱。
22.根据权利要求19所述的方法，其中，提取深度特定蛋白质信息还包括：从所提取的所述代表性拉曼光谱中去除背景噪声。
23.根据权利要求17所述的方法，其中，所述深度特定蛋白质信息包括皮内胶原蛋白信息和表皮内角蛋白信息。
24.根据权利要求17所述的方法，其中，提取深度特定蛋白质信息包括：从所述多个拉曼光谱中提取与所述皮内胶原蛋白信息相对应的第一拉曼峰值和与所述表皮内角蛋白信息相对应的第二拉曼峰值，以及
其中，估计对象的葡萄糖暴露包括：使用所述第一拉曼峰值、所述第二拉曼峰值和葡萄糖暴露估计模型来估计所述对象的葡萄糖暴露。
25.根据权利要求24所述的方法，其中，所述葡萄糖暴露估计模型定义所述葡萄糖暴露和所述第一拉曼峰值与所述第二拉曼峰值之比之间的关系。
26.根据权利要求17所述的方法，还包括：基于所述对象的葡萄糖暴露来产生碳水化合物摄入指导信息。
27.根据权利要求26所述的方法，其中，所述碳水化合物摄入指导信息包括指示所述对象的每日碳水化合物摄入量是否适当的信息。
28.根据权利要求26所述的方法，其中，产生碳水化合物摄入指导信息包括：
通过监测所述对象的葡萄糖暴露来确定每日葡萄糖暴露量；
确定所计算的每日葡萄糖暴露量是否在预定阈值范围内，以及基于所计算的每日葡萄糖暴露量是否处于预定阈值范围内的确定结果来产生所述碳水化合物摄入指导信息。
29.一种用于测量血糖指数的装置，所述装置包括：
分光计，被配置为检测来自对象的光谱；
储存设备，被配置为存储血糖曲线下面积AUC和拉曼光谱的第一波数处的第一参考峰值与所述拉曼光谱的第二波数处的第二参考峰值之比之间的关系；以及
处理器，被配置为提取所述光谱的所述第一波数处的第一测量峰值和所述光谱的所述第二波数处的第二测量峰值，并且通过将所述第一测量峰值和所述第二测量峰值应用于所述血糖AUC和所述第一参考峰值与所述第二参考峰值之比之间的关系，来确定所述对象的血糖指数。
30.根据权利要求29所述的装置，其中，所述光谱的所述第一波数处的第一测量峰值和所述光谱的所述第二波数处的第二测量峰值指示处于与对象的皮肤表面相距不同深度处的蛋白质的信息。
CN201811084445.7A 2017-09-18 2018-09-17 估计葡萄糖暴露以及产生葡萄糖暴露估计模型的装置和方法 Pending CN109520989A (zh)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
KR10-2017-0119277 2017-09-18
KR1020170119277A KR102408951B1 (ko) 2017-09-18 2017-09-18 글루코스 노출량 추정 장치 및 방법과, 글루코스 노출량 추정 모델 생성 장치 및 방법

Publications (1)

Publication Number Publication Date
CN109520989A true CN109520989A (zh) 2019-03-26

Family

ID=63762196

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201811084445.7A Pending CN109520989A (zh) 2017-09-18 2018-09-17 估计葡萄糖暴露以及产生葡萄糖暴露估计模型的装置和方法

Country Status (5)

Country Link
US (2) US11020027B2 (zh)
EP (1) EP3456247B1 (zh)
JP (1) JP7165542B2 (zh)
KR (1) KR102408951B1 (zh)
CN (1) CN109520989A (zh)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112754479A (zh) * 2020-12-21 2021-05-07 四川大学华西医院 一种血糖浓度的检测方法及设备
WO2022222197A1 (zh) * 2021-04-20 2022-10-27 港湾之星健康生物(深圳)有限公司 多模个性化监测的方法

Families Citing this family (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
SG11202009818PA (en) * 2018-04-06 2020-11-27 Braskem America Inc Raman spectroscopy and machine learning for quality control
WO2021042079A1 (en) 2019-08-30 2021-03-04 TT1 Products, Inc. Biomarker monitoring fitness system
KR20210057506A (ko) * 2019-11-12 2021-05-21 삼성전자주식회사 피부 장벽 기능 추정 장치 및 방법
US11284818B2 (en) 2020-08-31 2022-03-29 TT1 Products, Inc. Glucose exposure diagnostics and therapeutics related thereto
KR102532757B1 (ko) * 2020-09-24 2023-05-12 서강대학교산학협력단 라만 분광 신호를 기초로 수용액의 용존 가스 농도를 예측하기 위한 장치 및 이를 위한 방법
USD1004777S1 (en) 2021-09-01 2023-11-14 TT1 Products, Inc. Wrist reader
KR102590718B1 (ko) 2023-05-30 2023-10-19 주식회사 아폴론 라만 신호 기반 연속 혈당 측정 장치

Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20070049809A1 (en) * 2005-07-22 2007-03-01 Kate Bechtel Intrinsic Raman spectroscopy
WO2007088705A1 (ja) * 2006-01-31 2007-08-09 Kowa Co., Ltd. 糖尿病治療剤
US20080316466A1 (en) * 2007-06-19 2008-12-25 Diramed, Llc Spectroscopic Optical System
US20140206970A1 (en) * 2013-01-22 2014-07-24 Park Nicollet Institute Evaluation and display of glucose data
CN104958075A (zh) * 2015-06-03 2015-10-07 香港应用科技研究院有限公司 使用拉曼光谱非侵入性测量皮肤厚度和血糖浓度及其校准方法
WO2016034448A1 (en) * 2014-09-04 2016-03-10 Rsp Systems A/S Method and apparatus for transdermal in vivo measurement by raman spectroscopy
US20160213290A1 (en) * 2015-01-22 2016-07-28 Samsung Electronics Co., Ltd. Health care apparatus and operating method thereof

Family Cites Families (35)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US7066884B2 (en) 1998-01-08 2006-06-27 Sontra Medical, Inc. System, method, and device for non-invasive body fluid sampling and analysis
US6064897A (en) 1998-06-01 2000-05-16 Abbott Laboratories Sensor utilizing Raman spectroscopy for non-invasive monitoring of analytes in biological fluid and method of use
EP1094746B1 (en) 1998-07-07 2002-10-02 Lightouch Medical, Inc. Tissue modulation process for quantitative noninvasive in vivo spectroscopic analysis of tissues
US20020132279A1 (en) 2000-05-30 2002-09-19 Linda Hockersmith Formula to manipulate blood glucose via the calculated ingestion of carbohydrate
US7395158B2 (en) 2000-05-30 2008-07-01 Sensys Medical, Inc. Method of screening for disorders of glucose metabolism
US6487429B2 (en) 2000-05-30 2002-11-26 Sensys Medical, Inc. Use of targeted glycemic profiles in the calibration of a noninvasive blood glucose monitor
AU2001273412A1 (en) 2000-07-11 2002-01-21 Lightouch Medical, Inc. Method of tissue modulation for noninvasive measurement of an analyte
US20040197846A1 (en) 2001-01-18 2004-10-07 Linda Hockersmith Determination of glucose sensitivity and a method to manipulate blood glucose concentration
US20040162678A1 (en) 2001-08-13 2004-08-19 Donald Hetzel Method of screening for disorders of glucose metabolism
AU2002332915A1 (en) 2001-09-07 2003-03-24 Argose, Inc. Portable non-invasive glucose monitor
US6998247B2 (en) 2002-03-08 2006-02-14 Sensys Medical, Inc. Method and apparatus using alternative site glucose determinations to calibrate and maintain noninvasive and implantable analyzers
US7725144B2 (en) 2002-04-04 2010-05-25 Veralight, Inc. Determination of disease state using raman spectroscopy of tissue
JP2004321325A (ja) 2003-04-22 2004-11-18 Matsushita Electric Works Ltd 血糖値の定量方法
AU2004233870B2 (en) 2003-04-24 2009-11-05 The Board Of Regents Of The University Of Texas System Noninvasive blood analysis by optical probing of the veins under the tongue
CA2542322A1 (en) 2003-11-12 2005-05-26 Lightouch Medical, Inc. Absolute calibration process and device for a tissue modulated raman spectrometer
EP1666772A1 (en) 2004-08-23 2006-06-07 Calsonic Kansei Corporation Vehicular automatic transmission and selector lever thereof
WO2006116637A2 (en) 2005-04-27 2006-11-02 Massachusetts Institute Of Technology Raman spectroscopy for non-invasive glucose measurements
JP2007175242A (ja) 2005-12-27 2007-07-12 Sharp Corp 測定装置、測定プログラム及びコンピュータ読み取り可能な記録媒体
US8685952B2 (en) 2006-01-31 2014-04-01 Kowa Co., Ltd. Method for the treatment of diabetes
US7672702B2 (en) 2007-03-13 2010-03-02 Samsung Electronics Co., Ltd. Noninvasive in vivo measuring system and noninvasive in vivo measuring method by correcting influence of Hemoglobin
US7961312B2 (en) 2007-08-13 2011-06-14 C8 Medisensors Inc. Calibrated analyte concentration measurements in mixtures
JP2010005047A (ja) 2008-06-25 2010-01-14 Panasonic Electric Works Co Ltd 光学式生体成分測定用の検量モデルの作成方法及び非侵襲血糖値測定装置
RU2537083C2 (ru) 2009-06-09 2014-12-27 Байосенсорс, Инк. Неинвазивный контроль уровня содержания метаболитов в крови
GB201000179D0 (en) 2010-01-07 2010-02-24 Rsp Systems As Apparatus for non-invasive in vivo measurement by raman spectroscopy
US9538943B1 (en) 2010-10-29 2017-01-10 William Howard Cross Blood glucose monitor and method of use thereof
JP5815362B2 (ja) 2011-10-17 2015-11-17 シスメックス株式会社 耐糖能分析装置、耐糖能分析システム及びコンピュータプログラム
EP2816953A2 (en) 2012-02-21 2014-12-31 Mc Professional Oü A formula and method for monitoring individual metabolic response and for generating predictive medical metrics
US10188325B2 (en) 2012-03-09 2019-01-29 Rinat O. Esenaliev Wearable, noninvasive glucose sensing methods and systems
US9766126B2 (en) 2013-07-12 2017-09-19 Zyomed Corp. Dynamic radially controlled light input to a noninvasive analyzer apparatus and method of use thereof
KR102261856B1 (ko) 2014-08-12 2021-06-07 삼성전자주식회사 비침습 생체 측정 장치 및 비침습 생체 측정 방법
KR102303829B1 (ko) 2014-09-03 2021-09-17 삼성전자주식회사 비침습 당화 혈색소 검사 장치 및 비침습 당화혈색소 검사 방법
US10548520B2 (en) 2015-04-01 2020-02-04 Santec Corporation Non-invasive optical measurement of blood analyte
KR20160126502A (ko) 2015-04-23 2016-11-02 홍충식 근적외선을 이용한 비채혈식 혈당측정기
KR20170038351A (ko) 2015-09-30 2017-04-07 최규동 유연 탐침 센서를 구비하는 연속혈당감시시스템
RU2626672C2 (ru) 2015-11-11 2017-07-31 Самсунг Электроникс Ко., Лтд. Устройство (варианты) и способ автоматического мониторинга привычек питания

Patent Citations (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20070049809A1 (en) * 2005-07-22 2007-03-01 Kate Bechtel Intrinsic Raman spectroscopy
WO2007088705A1 (ja) * 2006-01-31 2007-08-09 Kowa Co., Ltd. 糖尿病治療剤
US20080316466A1 (en) * 2007-06-19 2008-12-25 Diramed, Llc Spectroscopic Optical System
US20140206970A1 (en) * 2013-01-22 2014-07-24 Park Nicollet Institute Evaluation and display of glucose data
WO2016034448A1 (en) * 2014-09-04 2016-03-10 Rsp Systems A/S Method and apparatus for transdermal in vivo measurement by raman spectroscopy
CN106604677A (zh) * 2014-09-04 2017-04-26 Rsp系统公司 用于通过拉曼光谱进行透皮体内测量的方法和装置
US20160213290A1 (en) * 2015-01-22 2016-07-28 Samsung Electronics Co., Ltd. Health care apparatus and operating method thereof
KR20160090579A (ko) * 2015-01-22 2016-08-01 삼성전자주식회사 헬스 케어 장치 및 그 동작 방법
CN104958075A (zh) * 2015-06-03 2015-10-07 香港应用科技研究院有限公司 使用拉曼光谱非侵入性测量皮肤厚度和血糖浓度及其校准方法
US20160354015A1 (en) * 2015-06-03 2016-12-08 Hong Kong Applied Science And Technology Research Institute Co. Ltd. Non-invasive Measurement of Skin Thickness and Glucose Concentration with Raman Spectroscopy and Method of Calibration thereof

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
谢良民 等: "《糖尿病饮食营养管理手册》", 31 January 2017, 上海科学技术文献出版社 *

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112754479A (zh) * 2020-12-21 2021-05-07 四川大学华西医院 一种血糖浓度的检测方法及设备
WO2022222197A1 (zh) * 2021-04-20 2022-10-27 港湾之星健康生物(深圳)有限公司 多模个性化监测的方法

Also Published As

Publication number Publication date
US11020027B2 (en) 2021-06-01
US11642050B2 (en) 2023-05-09
EP3456247A1 (en) 2019-03-20
KR102408951B1 (ko) 2022-06-13
EP3456247B1 (en) 2021-12-22
JP2019053061A (ja) 2019-04-04
US20190083013A1 (en) 2019-03-21
JP7165542B2 (ja) 2022-11-04
KR20190031621A (ko) 2019-03-27
US20210244321A1 (en) 2021-08-12

Similar Documents

Publication Publication Date Title
CN109520989A (zh) 估计葡萄糖暴露以及产生葡萄糖暴露估计模型的装置和方法
WO2022076395A1 (en) Personal healthcare device
CN108113683A (zh) 用于估计生物成分的装置和方法
KR20200119501A (ko) 생체정보 추정 장치 및 방법
KR102655676B1 (ko) 혈압 추정 장치 및 방법과, 혈압 추정 지원 장치
CN109805941A (zh) 生物信息估计装置和生物信息估计方法
CN108024741A (zh) 用于获得血压测量值的系统和方法
CN108024742A (zh) 用于获得血压测量值的系统和方法
CN107664622A (zh) 用于估计血液中物质的装置和方法
EP3782538A1 (en) Apparatus and method for estimating bio-information
US20230033353A1 (en) Portable monitor for heart rate detection
EP4184147B1 (en) Apparatus and method for estimating bio-information
EP4179963A1 (en) Electronic device and method of estimating bio-information using the same
KR20210004376A (ko) 생체정보 추정 모델의 캘리브레이션 장치 및 방법과, 생체정보 추정 장치
US11419527B2 (en) Apparatus and method for estimating blood concentration of analyte, and apparatus and method for generating model
CN116413222A (zh) 用于估计目标成分的设备和方法
US20210137445A1 (en) Apparatus and method for estimating skin barrier function
US20240138722A1 (en) Apparatus and method for measuring triglyceride level
US20240225542A1 (en) Personal Healthcare Device
US20230000446A1 (en) Apparatus and method for estimating lipid concentration
US20230055165A1 (en) Dynamic Wearable Tightness Suggestions
US20230324293A1 (en) Apparatus and method for estimating body water status
US11971348B2 (en) Electronic device and method of estimating bio-information using the same
EP3792675B1 (en) Lens, light source device with lens, and apparatus for estimating concentration of analyte
WO2024050063A1 (en) Personal healthcare device

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