CN109788924A - 血糖值测定装置、血糖值计算方法和血糖值计算程序 - Google Patents

血糖值测定装置、血糖值计算方法和血糖值计算程序 Download PDF

Info

Publication number
CN109788924A
CN109788924A CN201780058909.4A CN201780058909A CN109788924A CN 109788924 A CN109788924 A CN 109788924A CN 201780058909 A CN201780058909 A CN 201780058909A CN 109788924 A CN109788924 A CN 109788924A
Authority
CN
China
Prior art keywords
blood glucose
blood
time
glucose value
parameter
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
CN201780058909.4A
Other languages
English (en)
Other versions
CN109788924B (zh
Inventor
中泽知哉
关根垒
北林真人
家中杏奈
桥本优
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.)
Hamamatsu Photonics KK
Original Assignee
Hamamatsu Photonics KK
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 Hamamatsu Photonics KK filed Critical Hamamatsu Photonics KK
Publication of CN109788924A publication Critical patent/CN109788924A/zh
Application granted granted Critical
Publication of CN109788924B publication Critical patent/CN109788924B/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
    • 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
    • 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
    • A61B5/7235—Details of waveform analysis
    • A61B5/7239—Details of waveform analysis using differentiation including higher order derivatives
    • 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
    • A61B5/7271—Specific aspects of physiological measurement analysis
    • A61B5/7278—Artificial waveform generation or derivation, e.g. synthesising signals from measured signals

Landscapes

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

Abstract

本发明提供能够使用光高精度地测定血糖值的血糖值测定装置、血糖值计算方法和血糖值计算程序，血糖值测定装置包括：光源(11)，其输出向生物体(50)输入的测定光(L1)；光检测器(12)，其检测在生物体(50)的内部传播的测定光(L1)，生成与测定光(L1)的强度相对应的检测信号；和运算部，其基于检测信号，求取关于氧合血红蛋白浓度的第1参数的时间变化与关于脱氧血红蛋白浓度的第2参数的时间变化的时滞，基于时滞求取与血糖值相关的数据。

Description

血糖值测定装置、血糖值计算方法和血糖值计算程序
技术领域
本发明涉及血糖值测定装置、血糖值计算方法和血糖值计算程序。
背景技术
作为非侵入地测定生物体内的血糖值的装置，例如，具有专利文献1和专利文献2中记载的技术。专利文献1中记载的装置向生物体内照射1480nm～1880nm的近红外光，检测在生物体内传播的近红外光而求取葡萄糖浓度。该装置为了降低葡萄糖以外的成分对光的吸收的影响，使用用于测定来自葡萄糖分子的OH基的吸收的1550nm～1650nm的波长范围的吸收信号、用于测定来自生物体成分的NH基的吸收的1480nm～1550nm的波长范围的吸收信号和用于测定来自生物体成分的CH基的吸收的1650nm～1880nm的波长范围的吸收信号，通过对这3个吸收信号进行多变量分析，定量地求取葡萄糖浓度。
专利文献2中记载的装置利用糖类代谢产生的热量释放。即，专利文献2中记载的装置基于由温度传感器测量到的来自体表面的多个温度和与由NIRS(Near-InfraredSpectroscopy：近红外光谱)传感器测量到的血中氧量对应的参数求取血糖值。
现有技术文献
专利文献
专利文献1：日本特开平10-325794号公报
专利文献2：日本特开2004-329542号公报
发明内容
发明所要解决的问题
糖尿病是一般不易自我察觉到的疾病，因此为了能够早期发现需要定期进行血液检查等诊断。糖尿病是指由于胰岛素作用的下降而血糖值极端上升的疾病。作为测定生物体内的血糖值的方法，例如基于通过将穿刺针刺穿受检者的皮肤来采集血液的方法，不过这样的方法给受检者带来痛苦。因此，本发明人考虑确立不采集血液地测定血糖值的、非侵入性的测定手法。作为测定血糖值的非侵入性的测定手法，考虑使用光测定血糖值的方法。例如，专利文献1中记载的装置利用葡萄糖对近红外光的吸收。但是，葡萄糖的吸收波长范围的一部分与水、油脂和蛋白质等成分的吸收波长范围重叠。而且，这些成分的浓度例如常因饮食等而发生变化。因此，在利用葡萄糖进行的光吸收的方法中，这些成分作为噪声对测定精度产生不良影响，因此存在血糖值的测定精度下降的担忧。另外，在专利文献2中记载的装置中，在糖类代谢的热量小的情况下误差变大，难以获得正确的血糖值。
实施方式的目的在于提供能够使用光高精度地测定血糖值的血糖值测定装置、血糖值计算方法和血糖值计算程序。
用于解决技术问题的方法
本发明的实施方式为血糖值测定装置。血糖值测定装置包括：光输出部，其输出向生物体输入的测定光；光检测部，其检测在生物体的内部传播的测定光，生成与测定光的强度相对应的检测信号；和运算部，其基于检测信号，求取关于氧合血红蛋白浓度的第1参数的时间变化与关于脱氧血红蛋白浓度的第2参数的时间变化的时滞，基于时滞求取与血糖值相关的数据。
此外，本发明的实施方式为血糖值计算方法。血糖值计算方法包括：求取生物体的、关于氧合血红蛋白浓度的第1参数的时间变化与关于脱氧血红蛋白浓度的第2参数的时间变化的时滞的第1运算步骤；和基于时滞求取与血糖值相关的数据的第2运算步骤。
此外，本发明的实施方式为血糖值计算程序。血糖值计算程序使计算机执行：求取生物体的、关于氧合血红蛋白浓度的第1参数的时间变化与关于脱氧血红蛋白浓度的第2参数的时间变化的时滞的第1运算步骤；和基于时滞求取血糖值的第2运算步骤。
发明的效果
根据实施方式的血糖值测定装置、血糖值计算方法和血糖值计算程序，能够使用光高精度地测定血糖值。
附图说明
图1是一实施方式的血糖值测定装置的概念图。
图2是一实施方式的光测量器的概念图。
图3(a)部是表示光测量器的结构的俯视图，(b)部是沿(a)部的III―III线的侧视截面图。
图4是表示血糖值测定装置的结构例的框图。
图5是表示一实施方式的血糖值计算方法的流程图。
图6(a)部是表示各波长的激光的输入定时的图，(b)部是表示来自A/D转换电路(模数转换电路)的数字信号的输出定时的图。
图7(a)部是表示ΔO2Hb和ΔHHb的各实测值的时间序列数据的曲线图，(b)部是表示将ΔO2Hb和ΔHHb的各实测值的时间序列数据进行一次微分后的数据的曲线图，(c)部是表示将ΔO2Hb和ΔHHb的各实测值的时间序列数据进行二次微分后的值的曲线图。
图8(a)部是用于说明通过将ΔO2Hb和ΔHHb的实测值的时间序列数据进行一次微分后的数据的特征点提取来计算时滞的方法的曲线图，(b)部是用于说明通过将ΔO2Hb和ΔHHb的实测值的时间序列数据进行一次微分后的数据的各函数的内积来计算时滞的方法的曲线图，(c)部是用于说明通过将ΔO2Hb和ΔHHb的实测值的时间序列数据进行一次微分后的数据的重心位置的提取来计算时滞的方法的曲线图。
图9(a)部是表示受检者为高血糖状态时的ΔO2Hb和ΔHHb的实测值的时间序列数据的曲线图，(b)部是表示受检者为低血糖状态时的ΔO2Hb和ΔHHb的实测值的时间序列数据的曲线图。
图10是表示使用侵入式血糖计获得的受检者的血糖值与ΔO2Hb和ΔHHb的时滞的相关关系的散点图。
图11是表示使用侵入式血糖计获得的受检者的血糖值与ΔO2Hb和ΔHHb的时滞的相关关系的散点图。
图12(a)部是表示使用侵入式血糖计获得的受检者的血糖值与ΔO2Hb和ΔHHb的时滞的相关关系的散点图，(b)部是将图11的(a)部、图11的(b)部和图12的(a)部的各散点图集中为1个的图。
图13(a)部是令图11的(a)部的横轴为时滞的倒数的情况下的散点图，(b)部是令图11的(b)部的横轴为时滞的倒数的情况下的散点图。
图14(a)部是令图12的(a)部的横轴为时滞的倒数的情况下的散点图，(b)部是令图12的(b)部的横轴为时滞的倒数的情况下的散点图。
图15是将使用侵入式血糖计获得的受检者的血糖值的时间变化和ΔO2Hb与ΔHHb的时滞的倒数的时间变化一并表示的曲线图。
图16是将使用侵入式血糖计获得的受检者的血糖值的时间变化和ΔO2Hb与ΔHHb的时滞的倒数的时间变化一并表示的曲线图。
符号说明
1 血糖值测定装置
10 光测量器
11 光源(光输出部)
12 光检测器(光检测部)
13 保持部件
16 光检测元件
17 前置放大器
18 电缆
21 光源控制部
22 取样保持电路
23 A/D转换电路
24 CPU
25 显示器(显示部)
26 ROM
27 RAM
28 数据总线
29 控制器
30 主体部
50 生物体。
具体实施方式
以下，参照附图详细说明血糖值测定装置(血糖值计算装置)、血糖值计算方法(血糖值测定方法)和血糖值计算程序(血糖值测定程序)的实施方式。另外，在附图的说明中，对相同的要素标注相同的附图标记，省略重复的说明。图1是本实施方式的血糖值测定装置1的概念图。血糖值测定装置1包括光测量器(探测器)10和主体部30。主体部30基于由光测量器10从生物体50检测到的光的强度，求取与氧合血红蛋白(O2Hb)浓度相关的参数(第1参数)的时间变化和与脱氧血红蛋白(HHb)浓度相关的参数(第2参数)的时间变化。作为与O2Hb浓度相关的参数例如是从初始量开始的O2Hb浓度的时间上的变动(时间的相对变化量(ΔO2Hb))、或者某个时刻的O2Hb浓度的绝对值(O2Hb)、将这些O2Hb浓度进行时间微分后的值等。此外，与HHb浓度相关的参数是从初始量开始的时间上的HHb浓度的变动(时间的相对变化量(ΔHHb))、或者某个时刻的HHb浓度的绝对值(HHb)、对这些HHb浓度进行时间微分后的值等。此外，与O2Hb浓度相关的参数的时间变化和与HHb浓度相关的参数的时间变化例如是这些参数的时间序列数据。主体部30基于这些时滞计算血糖值，将血糖值通知给受检者。主体部30例如由个人计算机、微计算机、云服务器或智能设备(智能手机或者平板终端等)等计算机构成。
图2是本实施方式的光测量器10的概念图。光测量器10具有光源(光输出部)11和光检测器(光检测部)12。光源11输入生物体50的皮肤51的表面的规定的光输入位置，输出含有规定的波长成分(λ1、λ2、λ3)的测定光L1。该测定光L1在生物体50的内部传播，从生物体50的皮肤51的表面输出。光检测器12检测从生物体50的皮肤51的表面的规定的光检测位置输出的测定光L1，生成与检测到的测定光L1的强度相对应的检测信号。血糖值测定装置1基于从光检测器12输出的检测信号，考虑O2Hb和HHb对测定光L1的吸收或散射等的影响来计算O2Hb浓度和HHb浓度。另外，规定的波长成分例如包含于可见光的红色波长范围至近红外区域(670nm～2500nm)。在一个例子中，λ1、λ2、λ3分别为735nm、810nm和850nm。不过，测定光L1包含这些波长成分即可，测定光L1自身也可以为白色光。
图3的(a)部是表示光测量器10的结构的俯视图。此外，图3的(b)部是图3的(a)部的沿III―III线的侧视截面图。光源11与光检测器12彼此例如隔着5cm的间隔配置，利用柔软的黑色的硅橡胶制的保持部件13形成为一体。另外，该间隔也可以为3cm～4cm。
光源11例如为发光二极管(LED)或者激光二极管(LD)、超级发光二极管(SLD)等光源。从光源11输出的测定光L1相对于生物体50的皮肤51的表面大致垂直地输入。光检测器12具有N个(N为1以上的整数)光检测元件16和前置放大器17。光检测器12检测在生物体50的内部传播的测定光，生成与测定光的强度相对应的检测信号。各光检测元件16例如是在包含从光源输出的测定光的中心波长的波长范围内具有受光灵敏度的光电二极管或者雪崩光电二极管等点传感器、或者CCD(电荷耦合器件)图像传感器或CMOS(互补金属氧化物半导体)图像传感器等图像传感器。光检测器12例如具有在自光源11起的距离方向上呈矩阵状排列的N个光检测元件16。前置放大器17对从光检测元件16输出的光电流进行积分、放大。光检测器12通过前置放大器17高灵敏度地检测微弱的信号而生成检测信号，并通过电缆18将该信号传送至主体部30。另外，光测量器10例如既可以夹着手指或耳朵等生物体50，也可以利用具有伸缩性的带子固定于头部等生物体50。
图4是表示血糖值测定装置1的结构例的框图。主体部30是具有CPU24、显示器(显示部)25、ROM26、RAM27、数据总线28、控制器29和输入装置(输入部)31的计算机。控制器29包括光源控制部21、取样保持电路22和A/D转换电路23。控制器29控制光测量器10的光输出。控制器29例如控制测定光的输出间隔及测定光的强度。
光源控制部21与光测量器10的光源11电连接。光源控制部21与数据总线28电连接，从同样与数据总线28电连接的CPU24接收用于指示光源11的驱动的指示信号。在指示信号中含有从光源11输出的测定光的光强度及波长(例如波长λ1、λ2、λ3中任一波长)等信息。光源控制部21基于从CPU24接收的指示信号驱动光源11。光源控制部21经电缆18向光测量器10输出驱动信号。
取样保持电路22和A/D转换电路23输入从光测量器10经电缆18传送的检测信号并保持该检测信号，进行数字信号化后向CPU24输出。取样保持电路22与数据总线28电连接，从CPU24经数据总线28接收表示保持检测信号的定时的取样信号。取样保持电路22在接收取样信号时保持从光测量器10输入的N个检测信号。取样保持电路22与A/D转换电路23电连接，将所保持的N个检测信号分别输出至A/D转换电路23。
CPU24是本实施方式中的运算部。CPU24基于从A/D转换电路23接收的检测信号，运算生物体50的内部含有的O2Hb浓度和HHb浓度。CPU24运算所计算出的O2Hb浓度的时间变化与HHb浓度的时间变化的时滞，基于该时滞运算血糖值，经数据总线28将血糖值发送至显示器25。另外，基于检测信号的O2Hb浓度和HHb浓度的运算方法、时滞的运算方法和血糖值的运算方法后述。显示器25与数据总线28电连接，显示经数据总线28从CPU24送来的结果。另外，显示器25和输入装置31例如也可以由触摸面板显示器构成。
接着，说明血糖值测定装置1的动作。同时对本实施方式的血糖值计算方法进行说明。该血糖值计算方法例如通过CPU24将存储在ROM26等非临时存储介质的程序读出执行而适当地实施。图5是表示本实施方式的血糖值计算方法的流程图。首先，光源控制部21基于来自CPU24的指示信号，依次输出波长λ1～λ3的测定光。测定光从光输入位置向生物体50的内部输入(光输入步骤，S11)。输入至内部的测定光在生物体50的内部散射并且在被被测定成分吸收的同时进行传播，一部分光到达生物体50的光检测位置。到达光检测位置的测定光被N个光检测元件16检测(光检测步骤，S12)。各光检测元件16生成与所检测到的测定光的强度相对应的光电流。光电流由前置放大器17转换为检测信号。检测信号被发送到主体部30的取样保持电路22并被保持，之后由A/D转换电路23转换为数字信号。
此处，图6的(a)部是表示波长λ1～λ3的测定光的输入定时的图，图6的(b)部是表示A/D转换电路23的数字信号的输出定时的图。如图6的(a)部和图6的(b)部所示，当波长λ1的激光输入时，依次获得与N个光检测元件16对应的N个数字信号D1(1)～D1(N)。接着，当波长λ2的测定光输入时，依次获得与N个光检测元件16对应的N个数字信号D2(1)～D2(N)。这样，从A/D转换电路23输出(3×N)个数字信号D1(1)～D3(N)。
接着，CPU24从数字信号D1(1)～D3(N)之中使用至少1个数字信号，运算O2Hb浓度和HHb浓度(第1运算步骤，S13)。
此处，关于步骤S13的、CPU24的运算，以O2Hb浓度的时间的相对变化量(ΔO2Hb)和HHb浓度的时间的相对变化量(ΔHHb)为例，详细地进行说明。当在某个光检测位置，令与时刻T0的测定光波长λ1～λ3分别对应的检测信号的值为Dλ1(T0)～Dλ3(T0)、令同为时刻T1的值为Dλ1(T1)～Dλ3(T1)时，时刻T0～T1的检测光强度的变化量如以下的(1)～(3)式那样表示。
其中，在(1)～(3)式中，ΔOD1(T1)为波长λ1的检测光强度的时间变化量，ΔOD2(T1)为波长λ2的检测光强度的变化量，ΔOD3(T1)为波长λ3的检测光强度的时间变化量。此外，当令时刻T0至时刻T1之间的O2Hb和HHb的浓度的时间的相对变化量分别为ΔO2Hb(T1)和ΔHHb(T1)时，它们能够通过以下的(4)式求取。
其中，在(4)式中，系数a11～a23是从相对于波长λ1、λ2和λ3的光的O2Hb和HHb的吸光系数求取的常数。CPU24对N个光检测位置中的1个检测信号进行上述的运算，计算出ΔO2Hb和ΔHHb。它们的计算周期例如为16毫秒。
接着，CPU24通过对ΔO2Hb和ΔHHb的各时间序列数据进行一次以上的时间微分，求取ΔO2Hb的微分值(第1微分值)和ΔHHb的微分值(第2微分值)(第1运算步骤，S14)。ΔO2Hb和ΔHHb包含呼吸和体内的生理的作用引起的波动成分。波动成分是小于起因于自发性心律的频率的频率成分，存在产生运算精度的下降的问题。因此，在本实施方式中，对ΔO2Hb和ΔHHb进行降低(或除去)小于起因于自发性心律的频率的频率成分的修正。即，通过对ΔO2Hb和ΔHHb进行一次微分或二次微分来求取降低小的频率成分后的第1微分值和第2微分值。另外，也可以代替这样的方法而通过滤波处理除去小于自发性心律的频率的频率成分(例如0.5Hz以下的成分)。
图7的(a)部是表示ΔO2Hb和ΔHHb的实测值的时间序列数据的曲线图。曲线G10表示ΔO2Hb的时间序列数据(O2Hb浓度的时间变化)。曲线G11表示ΔHHb的时间序列数据(HHb浓度的时间变化)。图7的(b)部是表示将ΔO2Hb的实测值的时间序列数据进行一次微分而得到的数据和将ΔHHb的实测值的时间序列数据进行一次微分而得到的数据的曲线图。曲线G12表示将ΔO2Hb进行一次微分后的值的时间序列数据(O2Hb浓度的一次微分值的时间变化)。曲线G13表示将ΔHHb进行一次微分后的值的时间序列数据(HHb浓度的一次微分值的时间变化)。图7的(c)部是表示将ΔO2Hb的实测值的时间序列数据进行二次微分而得到的数据和将ΔHHb的实测值的时间序列数据进行二次微分而得到的数据的曲线图。曲线G14表示将ΔO2Hb进行二次微分后的值的时间序列数据(O2Hb浓度的二次微分值的时间变化)。曲线G15表示将ΔHHb进行二次微分后的值的时间序列数据(HHb浓度的二次微分值的时间变化)。
参照图7的(a)部，在曲线G10和G11，周期性重复出现的峰值和谷值按各周期大幅变动。峰值表示心律周期的最大值，谷值表示心律周期的心律开始的点。这表示在ΔO2Hb和ΔHHb中含有呼吸或体内的生理的作用引起的波动成分。与此相对，参照图7的(b)部和图7的(c)部，在曲线G12～G15，周期性重复出现的峰值和谷值的按各周期的变动小。即，ΔO2Hb和ΔHHb的波动成分(低频成分)相对受到抑制。另外，对ΔO2Hb和ΔHHb进行的修正(波动成分的抑制)的方法并不限定于这样的方法，例如也可以进行从ΔO2Hb和ΔHHb除去小于规定频率的频率成分的处理。
再次参照图5，本实施方式的血糖值测定装置1进行以下的动作。即，由CPU24从根据上述的方法计算出的O2Hb浓度和HHb浓度计算出O2Hb浓度与HHb浓度的时滞(第1运算步骤，S15)。接着，基于该时滞，由CPU24计算出血糖值(第2运算步骤，S16)。本实施方式的血糖值计算方法和血糖值计算程序中，重复进行上述的步骤S11～S16。以下，关于时滞的计算方法和血糖值的计算方法，以O2Hb浓度的时间的相对变化量(ΔO2Hb)和HHb浓度的时间的相对变化量(ΔHHb)为例进行详细说明。
ΔO2Hb与ΔHHb的时滞例如优选根据以下的第一、第二或第三方法计算。首先，第一方法是基于特征点提取的计算方法。在第一方法中，CPU24求取在ΔO2Hb周期性重复出现的第1特征点和在ΔHHb周期性重复出现的、与第1特征点对应的第2特征点，基于第1特征点与第2特征点的时间差求取时滞。或者，CPU24求取在ΔO2Hb的M次微分值(M为1以上的整数)周期性重复出现的第1特征点和在ΔHHb的M次微分值周期性重复出现的、与第1特征点对应的第2特征点，基于第1特征点与第2特征点的时间差求取时滞。
作为一个例子，图8的(a)部是用于说明通过ΔO2Hb和ΔHHb的一次微分值的特征点提取来计算时滞的方法的曲线图。曲线G20表示ΔO2Hb的一次微分值。曲线G21表示ΔHHb的一次微分值。这些曲线图例如包含峰点、谷点或凹槽(notch)点等若干特征性的点。凹槽点是表示该时间序列数据中局部的下降的点。CPU24在多处提取该特征性的点。例如参照图8的(a)部，提取在ΔO2Hb周期性重复出现的峰点P1～P3和谷点B1～B3、在ΔHHb周期性重复出现的峰点P4～P6和谷点B4～B6。CPU24分别求取对应的峰点彼此的时滞Δt1～Δt3和谷点彼此的时滞Δt4～Δt6。例如也可以将这些时滞Δt1～Δt6的平均值作为ΔO2Hb与ΔHHb的时滞。
第二方法是基于内积的值的计算方法。在第二方法中，CPU24基于规定的期间内的ΔO2Hb的函数与ΔHHb的函数的内积的值求取时滞。或者，CPU24也可以基于规定的期间内的ΔO2Hb的M次微分值的函数与ΔHHb的M次微分值的函数的内积的值求取时滞。作为一个例子，图8的(b)部是用于说明利用ΔO2Hb的一次微分值与ΔHHb的一次微分值的函数的内积计算时滞的方法的曲线图。与矢量一样，在函数彼此间也能够使用内积。而且，当将ΔO2Hb的函数和ΔHHb的函数标准化而运算内积时，其内积的值与cos(Δθ)的值变相等。Δθ是ΔO2Hb与ΔHHb的相移。能够根据该关系求取相移(Δθ)，通过以下的式(5)计算时滞。其中，T为心律周期。
第三方法是基于重心位置的比较的计算方法。在第三方法中，CPU24在规定的期间内求取ΔO2Hb的重心位置(第1重心位置)、求取ΔHHb的重心位置(第2重心位置)，基于这些重心位置的时间差求取时滞。或者，CPU24也可以在规定的期间内求取ΔO2Hb的M次微分值的重心位置(第1重心位置)、求取ΔHHb的M次微分值的重心位置(第2重心位置)，基于这些重心位置的时间差求取时滞。在基于重心位置的比较的计算方法中，因为重心位置不易受到噪声的影响而变动，所以能够高精度地求取时滞。
图8的(c)部是用于说明基于ΔO2Hb和ΔHHb的一次微分值的时间序列数据、通过重心位置提取来计算时滞的方法的曲线图。如图8的(c)部所示，CPU24在ΔO2Hb和ΔHHb的规定的期间内求取第1重心位置G1和第2重心位置G2，基于这些重心位置G1、G2计算时滞Δt。时滞Δt例如作为重心位置G1、G2的时间差求取。规定的期间例如也可以基于根据上述的第一和第二方法中的任一方法计算出的ΔO2Hb与ΔHHb的时滞以及它们的周期确定。
接着，CPU24基于根据上述的第一、第二或第三方法计算出的时滞计算血糖值。图9的(a)部是表示受检者为高血糖状态时的、ΔO2Hb和ΔHHb的一次微分值的时间序列数据的一个例子的曲线图。图9的(b)部是表示受检者为低血糖状态时的、ΔO2Hb和ΔHHb的一次微分值的时间序列数据的一个例子的曲线图。在图9的(a)部和图9的(b)部，曲线G30和G32表示ΔO2Hb的一次微分值的时间序列数据。曲线G31和G33表示ΔHHb的一次微分值的时间序列数据。
参照图9的(a)部和图9的(b)部，ΔHHb相对于ΔO2Hb的时滞在受检者为高血糖状态时小，在受检者为低血糖状态时大。即，可以理解为在血糖值与时滞之间存在有意义的相关关系。进一步，本发明人通过后述的实施例发现血糖值与时滞的关系能够以以下的数式那样表达。G为血糖值，Δt为时滞。第1系数α和第2系数β是根据糖代谢能力的高低和测定部位确定的系数。
第1系数α和第2系数β是依赖于耳垂、手指或额头等测定部位的系数。此外，第1系数α和第2系数β还依赖于糖代谢能力。因此，通过在考虑受检者的糖代谢能力的高低的基础上，按每个测定部位确定第1系数α和第2系数β，能够使用(6)式正确地求取血糖值。
本实施方式的血糖值测定装置、血糖值计算方法和血糖值计算程序还可以进一步具备受理来自外部的第1系数α和第2系数β的输入的输入装置31(参照图4)。例如，在通过在定期检查中利用现有的方法取得的血糖值与根据(6)式计算出的血糖值的比较来确定第1系数α和第2系数β的值的情况下，也可以利用输入装置31输入第1系数α和第2系数β的值，保存在作为储存部的ROM26(参照图4)。此外，例如，在受检者的年龄或性别、定期检查时的血糖值的参数被统计地保存至ROM26、受检者的个人信息被输入至输入装置31的情况下，也可以选择恰当的第1系数α和第2系数β。
以下对具备以上的结构的本实施方式的血糖值测定装置1、血糖值计算方法和血糖值计算程序的效果进行说明。在本实施方式中，基于关于O2Hb浓度的参数(例如，O2Hb浓度或者O2Hb浓度的M次微分值)与关于HHb浓度的参数(例如，HHb浓度或者HHb浓度的M次微分值)的时滞，计算血糖值。历来认为基于自发性心律的O2Hb浓度的时间变化与HHb浓度的时间变化相互同步。但是本发明人发现存在在O2Hb浓度的时间变化与HHb浓度的时间变化中发生时滞的情况，该时滞的大小依赖于血中的葡萄糖浓度(血糖值)。时滞的大小在健康人的情况下例如为0.1秒～0.2秒。
血红蛋白的吸收波长范围与水、油脂和蛋白质等成分的吸收波长范围基本不重叠。不仅如此，血液中的血红蛋白的重量比率与葡萄糖的重量比率相比非常大。因此，通过基于O2Hb浓度的时间变化与HHb浓度的时间变化的时滞测定血糖值，能够高精度地测定血糖值。此外，O2Hb浓度的时间变化与HHb浓度的时间变化的时滞量与它们的M次微分值的时间变化的时滞量等价。因此，基于O2Hb浓度的M次微分值的时间变化与HHb浓度的M次微分值的时间变化的时滞测定血糖值也同样能够高精度地测定血糖值。
此外，也可以如本实施方式那样，时滞的计算中使用的O2Hb浓度、HHb浓度的各微分值是通过分别对O2Hb浓度、HHb浓度的时间序列数据进行至少1次以上的时间微分而除去小于起因于自发性心律的频率的频率成分后的值。由此，能够抑制小于起因于自发性心律的频率的频率成分对运算结果的影响，能够更正确地求取时滞。
此外，也可以如本实施方式那样，CPU24在基于关于O2Hb浓度的参数的时间变化中周期性重复出现的特征点与关于HHb浓度的参数的时间变化中周期性重复出现的特征点的时间差求取时滞。由此，能够容易地求取这些参数的时滞。
此外，也可以如本实施方式那样，CPU24基于在规定的期间内求得的、关于O2Hb浓度的参数的函数与关于HHb浓度的参数的函数的内积的值，求取这些参数的时间变化的时滞。由此，能够容易地求取这些参数的时滞。
此外，也可以如本实施方式那样，CPU24基于在规定的期间内求得的、关于O2Hb浓度的参数的时间变化的重心位置与关于HHb浓度的参数的时间变化的重心位置的时间差，求取这些参数的时间变化的时滞。由此，能够容易地求取这些参数的时滞。
此外，也可以如本实施方式那样，CPU24基于血糖值和O2Hb浓度的时间变化与O2Hb浓度的时间变化的时滞成反比例这一点，求取血糖值。由此，能够高精度地求取血糖值。特别是CPU24能够通过使用上述的式(6)求取血糖值而进一步高精度地求取血糖值。
(实施例)
图10是表示坐姿状态的受检者A摄取碳酸饮料(可口可乐(注册商标))后，使用侵入式血糖计取得的受检者A的血糖值与使用上述实施方式提供的血糖值测定装置1由受检者A的耳垂测定的ΔO2Hb、ΔHHb的时滞Δt的相关关系的散点图。图10中，纵轴表示时滞Δt(单位：秒)，横轴表示血糖值(单位：mg/dl)。这些血糖值和时滞Δt在受检者A摄取碳酸饮料后在11天里按规定的时间间隔测定。因为该碳酸饮料含糖多，所以如果摄取该碳酸饮料则受检者A的血糖值会变高。由此，能够发现血糖值与时滞Δt的相关关系。
参照图10能够确认：血糖值越低则时滞Δt越大，血糖值越高则时滞Δt越小，并且这些相关为大致线形。换言之，能够确认在利用上述实施方式的血糖值测定装置1测定的时滞Δt与使用侵入式血糖计取得的血糖值之间存在大致成反比例的相关关系。在图10所示的全部测定点，受检者A在相同条件下(摄取物、测定装置、测定部位和姿势)进行了测定。因此可知在使用上述实施方式提供的血糖值测定装置1的测定中存在再现性。
图11的(a)部是表示仰卧姿状态的受检者A摄取上述碳酸饮料后，使用侵入式血糖计取得的受检者A的血糖值与使用上述实施方式提供的血糖值测定装置1由受检者A的耳垂测定的时滞Δt的相关关系的散点图。图11的(b)部是表示仰卧姿状态的受检者B摄取甜面包后，使用侵入式血糖计取得的受检者B的血糖值与使用上述实施方式的血糖值测定装置1由受检者B的耳垂测定的时滞Δt的相关关系的散点图。图12的(a)部是表示仰卧姿状态的受检者C摄取甜面包后，使用侵入式血糖计取得的受检者C的血糖值与使用上述实施方式的血糖值测定装置1由受检者C的耳垂测定的时滞Δt的相关关系的散点图。
图12的(b)部是将图11的(a)部、图11的(b)部和图12的(a)部的各散点图合一表示的图。在这些图中，横轴表示时滞Δt(单位：秒)，纵轴表示血糖值(单位：mg/dl)。曲线G40～G43是这些散点图的乘方近似曲线。因为碳酸饮料和甜面包是含糖多的食品，所以受检者A～C的血糖值在摄取它们之后大幅上升。
参照图11的(a)部、图11的(b)部、图12的(a)部和图12的(b)部，在受检者A～C能够确认在使用血糖值测定装置1测定的时滞Δt与使用侵入式血糖计取得的血糖值之间存在大致成反比例的相关关系。因此，使用血糖值测定装置1测定的时滞Δt在与使用侵入式血糖计取得的血糖值之间具有反比例的相关关系，在该相关关系中，显示出受检者的差异(个体差异)的影响小。
图13的(a)部、图13的(b)部、图14的(a)部和图14的(b)部分别是令图11的(a)部、图11的(b)部、图12的(a)部和图12的(b)部的横轴为时滞的倒数(1/Δt，单位：Hz)时的散点图。曲线G44～G47是这些散点图的乘方近似曲线。另外，在这些图中纵轴表示血糖值(单位：mg/dl)。参照图13的(a)部、图13的(b)部、图14的(a)部和图14的(b)部能够确认：使用侵入式血糖计测定的血糖值与使用血糖值测定装置1测定的时滞的倒数(1/Δt)大致成比例。
根据以上说明的本实施例的测定结果，血糖值(G)与时滞的倒数(1/Δt)的关系如以下的数式那样表达。
在本实施例中，以上的(7)式作为对多个受检者A～C共同的关系式导出。认为这是因为受检者A～C比较健康，在相同的测定部位(耳垂)进行的测定。在糖代谢能力和测定部位不同的情况下，优选对(7)式的各系数、即(6)式的系数α、β进行调整。由此，能够更正确地求取血糖值。另外，根据本发明人的实验，在同一人物的同一部位的测定中，系数α、β长期(半年)不变。
图15的(a)部～(c)部是将利用侵入式血糖计测定的受检者A～C的血糖值的时间变化(曲线G53～55)与使用血糖值测定装置1由受检者A的耳垂测定的时滞的倒数(1/Δt)的时间变化(曲线G50～52)重叠地表示的曲线图，分别对应于图11的(a)部、图11的(b)部和图12的(a)部。另外，在这些图中横轴表示时间(单位：分)，左纵轴表示侵入式血糖计的血糖值(单位：mg/dl)，右纵轴表示使用血糖值测定装置1测定的时滞的倒数(1/Δt，单位：Hz)。参照图15的(a)部～(c)部能够确认：使用血糖值测定装置1测定的时滞的倒数(1/Δt)并不太依赖于个体差异，而是跟随使用侵入式血糖计取得的血糖值。
另外，在图15的(a)部～(c)部，使用血糖值测定装置1测定的时滞的倒数(1/Δt)与使用侵入式血糖计取得的血糖值的相关系数R2在图15的(a)部为-0.74，在图15的(b)部为-0.93，在图15的(c)部为-0.83，均高度相关。因此能够确认：在使用上述实施方式提供的血糖值测定装置1测定的时滞的倒数(1/Δt)与使用侵入式血糖计取得的血糖值之间存在深的相关关系。关于相关系数R2的计算方法，在之后说明。
图16的(a)部是表示将坐姿状态的受检者A摄取果冻状营养辅助食品(Weider inJelly(注册商标))后的、利用侵入式血糖计取得的受检者A的血糖值的时间变化(曲线G60)与使用血糖值测定装置1由受检者A的前额测定的时滞的倒数(1/Δt)的时间变化(曲线G63)重叠地表示的曲线图。图16的(b)部是将坐姿状态的受检者A摄取鸡肉(鸡胸肉)后的、利用侵入式血糖计取得的受检者A的血糖值的时间变化(曲线G61)与使用血糖值测定装置1由受检者A的前额测定的时滞的倒数(1/Δt)的时间变化(曲线G64)重叠表示的曲线图。另外，在这些图中，横轴表示经过时间(单位：分)，左纵轴表示利用侵入式血糖计取得的血糖值(单位：mg/dl)，右纵轴表示使用血糖值测定装置1测定的时滞的倒数(1/Δt，单位：Hz)。因为果冻状营养辅助食品含糖多，所以如图16的(a)部的曲线G60所示那样，受检者A的血糖值在摄取该食品后上升，之后下降。与此相对，因为鸡胸肉主成分为蛋白质，几乎不含糖，所以如图16的(b)部的曲线G61所示那样，受检者A的血糖值在摄取鸡胸肉后几乎没有变化。
参照图16的(a)部能够确认：在受检者A摄取果冻状营养辅助食品之后，使用血糖值测定装置1测定的时滞的倒数(1/Δt)随着时间经过而上升，之后下降，良好地跟随利用侵入式血糖计取得的血糖值的时间变化。此外，参照图16的(b)部能够确认：在受检者A摄取鸡胸肉之后，使用血糖值测定装置1测定的时滞的倒数(1/Δt)不依赖于时间经过，几乎不发生变化。根据这些结果可知，使用上述实施方式提供的血糖值测定装置1测定的时滞的倒数(1/Δt)能够恰当地跟随血糖值的时间变化。
另外，在图16的(a)部和图16的(b)部，使用血糖值测定装置1测定的时滞的倒数(1/Δt)与利用侵入式血糖计取得的血糖值的相关系数R2在图16的(a)部为0.82，在图16的(b)部为0.96。一般在生物体测量的领域如果相关系数R2为0.8以上则被认为表示高度的相关，因此，这些结果可以说表示高度的相关。因此能够确认：在使用上述实施方式提供的血糖值测定装置1测定的时滞的倒数(1/Δt)与利用侵入式血糖计取得的血糖值之间存在深的相关关系。
此处，在以x、y为变数的散点图中，相关系数R2能够通过以下的式(8)求取。
其中，Sx是x的分散，Sy是y的分散，Sxy是x与y的共分散。另外，分散Sx和Sy、以及共分散Sxy分别通过以下的数式(9)～(11)求取。不过，x0和y0分别是x和y的平均值。此外，n是取样数。
另外，为了实现运算处理的高速化，也可以利用以下所示的方法求取分散Sx和Sy以及共分散Sxy。即，分散Sx和Sy、以及共分散Sxy分别还优选通过以下的数式(12)～(14)求取。
因此，例如令在一定时间(例如5秒钟)内得到的ΔO2Hb的时间序列数据为x1～xn、令ΔHHb的时间序列数据为y1～yn，求取分散Sx和Sy以及共分散Sxy与平均值x0和y0即可。而且，能够通过将它们代入上述的数式(8)来求取相关系数R2。
血糖值测定装置、血糖值计算方法和血糖值计算程序并不限定于上述的实施方式和实施例，而能够为其它各种变形。例如，上述的实施方式的血糖值测定装置1、血糖值计算方法和血糖值计算程序将基于ΔO2Hb和ΔHHb的时滞计算出的血糖值提示给受检者，不过血糖值测定装置、血糖值计算方法和血糖值计算程序也可以作为以计算出的血糖值为判断材料、向受检者提示是否为糖尿病的糖尿病诊断装置、糖尿病诊断方法和糖尿病诊断程序来应用。
另外，本发明人对上述的时滞Δt与血糖值之间的反比例的相关关系进行了以下那样的推测。在生物体的代谢中存在氧代谢和糖酵解系统，在将该糖酵解系统中的葡萄糖转换为能量的过程中，生成称为2,3-BPG的物质。2,3-BPG具有使血红蛋白的氧背离的特性。因此，氧合血红蛋白被2,3-BPG转换为脱氧血红蛋白。因为血糖值越高2,3-BPG就越多，因此利用2,3-BPG促进血红蛋白的脱氧化。因此，血糖值越高，脱氧血红蛋白浓度的时间变化相对于氧合血红蛋白浓度的时间变化延迟越小。即，在时滞Δt与血糖值之间，反比例的相关关系成立。
此外，在上述实施方式中运算部(CPU24)例示了内置于智能设备等主体部30的例子，不过运算部例如也可以设置在云服务器或者个人计算机等主体部以外之处。在这种情况下，运算部也可以通过无线或国际互联网等网络与主体部连接。此外，在上述实施方式中一个运算部进行ΔO2Hb和ΔHHb的计算以及它们的时滞的计算，也可以将运算部中计算ΔO2Hb和ΔHHb的部分和计算它们的时滞的部分分别设置。
此外，在上述实施方式中作为计算ΔO2Hb和ΔHHb的方法例示了MBL法(ModifiedBeer-Lambert法)，不过也可以使用SRS法(空间分解光谱法)等其它近红外光谱法。此外，O2Hb浓度的绝对值和HHb浓度的绝对值能够使用TRS法(时间分解光谱法)或者PMS法(相位调制光谱法)等近红外光谱法求取。
历来认为与自发性心律相对应的氧合血红蛋白浓度的时间变化与脱氧血红蛋白浓度的时间变化彼此同步。但是本发明人发现存在着在时间变化中产生时滞的情况。进一步，本发明人发现该时滞的大小依赖于血中的葡萄糖浓度(血糖值)。血红蛋白的吸收波长范围与水、油脂和蛋白质等成分的吸收波长范围几乎不重叠。不仅如此，血液中的血红蛋白的重量比率与葡萄糖的重量比率相比还非常大。因此，能够如上述的血糖值测定装置、血糖值计算方法和血糖值计算程序那样，通过基于关于氧合血红蛋白浓度的第1参数的时间变化与关于脱氧血红蛋白浓度的第2参数的时间变化的时滞测定血糖值，来高精度地测定(或计算)血糖值。
在实施方式中，也可以第1参数是氧合血红蛋白浓度的时间的相对变化量或者绝对值，第2参数是脱氧血红蛋白浓度的时间的相对变化量或者绝对值。通过使用相对血红蛋白浓度或者绝对血红蛋白浓度作为求取时滞的参数，能够高精度地测定(计算)血糖值。
此外，也可以第1参数是将氧合血红蛋白浓度进行至少1次时间微分而得到的第1微分值，第2参数是将脱氧血红蛋白浓度进行至少1次时间微分而得到的第2微分值。氧合血红蛋白浓度和脱氧血红蛋白浓度的各时间变化之间的时滞量与这些时间变化的微分值之间的时滞量等价。因此，通过使用第1微分值的时间变化和第2微分值的时间变化求取时滞，能够抑制小于起因于自发性心律的频率的频率成分对于运算结果的影响，能够更正确地求取时滞。
此外，运算部或第1运算步骤也可以求取第1参数的时间变化中周期性重复出现的第1特征点和第2参数的时间变化中周期性重复出现的、与第1特征点对应的第2特征点，基于第1特征点与第2特征点的时间差求取时滞。由此，能够容易地求取时滞。
此外，运算部或第1运算步骤也可以在规定的期间内求取第1参数的函数与第2参数的函数的内积的值，基于内积的值求取时滞。例如，当将第1参数的函数和第2参数的函数标准化而求取内积时，其值与cos(Δθ)的值变相等。基于根据该关系计算出的相移(Δθ)，能够容易地求取时滞。
此外，运算部或第1运算步骤也可以在规定的期间内求取第1参数的时间变化的第1重心位置、求取第2参数的时间变化的第2重心位置，基于第1重心位置与第2重心位置的时间差求取时滞。由此，能够容易地求取时滞。
此外，运算部或第2运算步骤也可以基于血糖值与时滞成反比例这一点求取与血糖值相关的数据。本发明人发现在血糖值与时滞之间存在反比例的相关关系。基于该关系，能够高精度求取血糖值。
此外，上述的血糖值测定装置也可以具有如下特征：运算部或第2运算步骤也可以使用下述式求取与血糖值相关的数据。
其中，G为血糖值，Δt为时滞，α是根据糖代谢能力的高低和测定部位确定的第1系数，β是根据糖代谢能力的高低和测定部位确定的第2系数。本发明人发现在血糖值与时滞之间存在以上式表示的相关关系。因为第1系数α和第2系数β与受检者的糖代谢能力的高低相对应地确定，所以在考虑受检者的糖代谢能力的高低的基础上求取血糖值。此外，因为第1系数α和第2系数β依赖于测定部位，所以在考虑受检者的测定部位的差异的基础上求取血糖值。由此，能够进一步高精度地求取血糖值。
此外，在运算部或第2运算步骤中，也可以外部输入第1系数和第2系数，运算部使用外部输入的第1系数和第2系数求取与血糖值相关的数据。例如，对在定期查中利用现有方法取得的血糖值与利用上述的装置计算出的血糖值进行比较，与糖代谢能力的高低相对应地、恰当地确定第1系数和第2系数。因此，能够基于由外部输入的这些第1系数和第2系数，适当地求取与受检者的糖代谢能力相对应地、更正确的血糖值。
此外，实施方式的血糖值计算方法还可以包括将测定光输入生物体的光输入步骤和对在生物体的内部传播的测定光进行检测、生成与测定光的强度相对应的检测信号的光检测步骤。
产业上的可利用性
实施方式能够作为血糖值测定装置、血糖值计算方法和血糖值计算程序加以利用。

Claims (16)

1.一种血糖值测定装置，其中，
所述血糖值测定装置求取与生物体的血糖值相关的数据，包括：
光输出部，其输出向所述生物体输入的测定光；
光检测部，其检测在所述生物体的内部传播的所述测定光，生成与所述测定光的强度相对应的检测信号；和
运算部，其基于所述检测信号，求取关于氧合血红蛋白浓度的第1参数的时间变化与关于脱氧血红蛋白浓度的第2参数的时间变化的时滞，基于所述时滞求取与血糖值相关的数据。
2.如权利要求1所述的血糖值测定装置，其中，
所述第1参数是所述氧合血红蛋白浓度的时间的相对变化量或者绝对值，所述第2参数是所述脱氧血红蛋白浓度的时间的相对变化量或者绝对值。
3.如权利要求1所述的血糖值测定装置，其中，
所述第1参数是将所述氧合血红蛋白浓度进行至少1次时间微分而得到的第1微分值，所述第2参数是将所述脱氧血红蛋白浓度进行至少1次时间微分而得到的第2微分值。
4.如权利要求1～3中任一项所述的血糖值测定装置，其中，
所述运算部求取所述第1参数的时间变化中周期性重复出现的第1特征点和所述第2参数的时间变化中周期性重复出现的、与所述第1特征点对应的第2特征点，基于所述第1特征点与所述第2特征点的时间差求取所述时滞。
5.如权利要求1～3中任一项所述的血糖值测定装置，其中，
所述运算部在规定的期间内求取所述第1参数的函数与所述第2参数的函数的内积的值，基于所述内积的值求取所述时滞。
6.如权利要求1～3中任一项所述的血糖值测定装置，其中，
所述运算部在规定的期间内求取所述第1参数的时间变化的第1重心位置、求取所述第2参数的时间变化的第2重心位置，基于所述第1重心位置与所述第2重心位置的时间差求取所述时滞。
7.如权利要求1～6中任一项所述的血糖值测定装置，其中，
所述运算部基于所述血糖值与所述时滞成反比例这一点求取与所述血糖值相关的数据。
8.如权利要求7所述的血糖值测定装置，其中，
所述运算部使用下述式求取所述血糖值，
其中，G为所述血糖值，Δt为所述时滞，α是根据糖代谢能力的高低和测定部位确定的第1系数，β是根据糖代谢能力的高低和测定部位确定的第2系数。
9.如权利要求8所述的血糖值测定装置，其中，
所述第1系数和所述第2系数经外部输入，
所述运算部使用所述外部输入的所述第1系数和所述第2系数求取与所述血糖值相关的数据。
10.一种血糖值计算方法，其中，
所述血糖值计算方法计算与生物体的血糖值相关的数据，包括：
求取所述生物体的、关于氧合血红蛋白浓度的第1参数的时间变化与关于脱氧血红蛋白浓度的第2参数的时间变化的时滞的第1运算步骤；和
基于所述时滞求取与血糖值相关的数据的第2运算步骤。
11.如权利要求10所述的血糖值计算方法，其中，
所述第1参数是所述氧合血红蛋白浓度的时间的相对变化量或者绝对值，所述第2参数是所述脱氧血红蛋白浓度的时间的相对变化量或者绝对值。
12.如权利要求10所述的血糖值计算方法，其中，
所述第1参数是将所述氧合血红蛋白浓度进行至少1次时间微分而得到的第1微分值，所述第2参数是将所述脱氧血红蛋白浓度进行至少1次时间微分而得到的第2微分值。
13.如权利要求10～12中任一项所述的血糖值计算方法，其中，
还包括：
将测定光输入所述生物体的光输入步骤；和
检测在所述生物体的内部传播的所述测定光，生成与所述测定光的强度相对应的检测信号的光检测步骤。
14.一种血糖值计算程序，其中，
所述血糖值计算程序计算与生物体的血糖值相关的数据，并且使计算机执行：
求取所述生物体的、关于氧合血红蛋白浓度的第1参数的时间变化与关于脱氧血红蛋白浓度的第2参数的时间变化的时滞的第1运算步骤；和
基于所述时滞求取血糖值的第2运算步骤。
15.如权利要求14所述的血糖值计算程序，其中，
所述第1参数是所述氧合血红蛋白浓度的时间的相对变化量或者绝对值，所述第2参数是所述脱氧血红蛋白浓度的时间的相对变化量或者绝对值。
16.如权利要求14所述的血糖值计算程序，其中，
所述第1参数是将所述氧合血红蛋白浓度进行至少1次时间微分而得到的第1微分值，所述第2参数是将所述脱氧血红蛋白浓度进行至少1次时间微分而得到的第2微分值。
CN201780058909.4A 2016-10-03 2017-09-19 血糖值测定装置、血糖值计算方法和血糖值计算程序 Active CN109788924B (zh)

Applications Claiming Priority (3)

Application Number Priority Date Filing Date Title
JP2016-195948 2016-10-03
JP2016195948A JP6846152B2 (ja) 2016-10-03 2016-10-03 血糖値測定装置、血糖値算出方法及び血糖値算出プログラム
PCT/JP2017/033685 WO2018066350A1 (ja) 2016-10-03 2017-09-19 血糖値測定装置、血糖値算出方法及び血糖値算出プログラム

Publications (2)

Publication Number Publication Date
CN109788924A true CN109788924A (zh) 2019-05-21
CN109788924B CN109788924B (zh) 2022-02-08

Family

ID=61830931

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201780058909.4A Active CN109788924B (zh) 2016-10-03 2017-09-19 血糖值测定装置、血糖值计算方法和血糖值计算程序

Country Status (5)

Country Link
US (1) US11122996B2 (zh)
EP (1) EP3520696A4 (zh)
JP (1) JP6846152B2 (zh)
CN (1) CN109788924B (zh)
WO (1) WO2018066350A1 (zh)

Families Citing this family (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115211849A (zh) * 2021-04-16 2022-10-21 天津大学 一种用于腕部的微波s21解包裹相位无损检测血糖浓度的方法
US11857799B2 (en) 2022-01-07 2024-01-02 Soletluna Holdings, Inc. Wearable selective biophoton reflector

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US6615064B1 (en) * 1998-09-21 2003-09-02 Essential Medical Devices, Inc. Non-invasive blood component analyzer
CN104146714A (zh) * 2014-08-21 2014-11-19 天津大学 一种组织体局部血氧饱和度变化量拓扑成像装置及方法
KR101512076B1 (ko) * 2014-04-29 2015-04-14 길영준 다중 생체신호를 이용한 혈당 측정 방법 및 혈당 측정 장치
WO2015130333A1 (en) * 2014-02-28 2015-09-03 Tech4Life Enterprises Canada, Inc. Device and mechanism for facilitating non-invasive, non-piercing monitoring of blood hemoglobin
CN105748059A (zh) * 2011-04-21 2016-07-13 学校法人圣玛丽安娜医科大学 浓度测量装置和浓度测量方法

Family Cites Families (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP4472794B2 (ja) 1997-03-25 2010-06-02 パナソニック電工株式会社 グルコース濃度の定量装置
JP2005253478A (ja) * 2002-03-18 2005-09-22 Citizen Watch Co Ltd ヘモグロビン分析装置
JP3566276B1 (ja) 2003-05-07 2004-09-15 株式会社日立製作所 血糖値測定装置
JP4880985B2 (ja) 2005-11-30 2012-02-22 東芝メディカルシステムズ株式会社 グルコースの非侵襲性測定法及びグルコースの非侵襲性測定装置
JP2009520548A (ja) 2005-12-22 2009-05-28 コーニンクレッカ フィリップス エレクトロニクス エヌ ヴィ 血糖濃度の非侵襲測定システム
JP2009535072A (ja) 2006-04-21 2009-10-01 コーニンクレッカ フィリップス エレクトロニクス エヌ ヴィ 非侵襲性のグルコースセンサ
DE202006016176U1 (de) 2006-10-19 2007-01-04 Oertel, Hans Nicht invasives Blutzuckermessgerät
ES2338624B1 (es) * 2008-11-07 2011-09-13 Sabirmedical,S.L. Sistema y aparato para la medicion no invasiva de los niveles de glucosa en sangre.
JP5216709B2 (ja) * 2009-07-23 2013-06-19 株式会社日立メディアエレクトロニクス 血糖値測定装置
JP6006668B2 (ja) 2013-03-29 2016-10-12 浜松ホトニクス株式会社 濃度測定装置および濃度測定方法

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US6615064B1 (en) * 1998-09-21 2003-09-02 Essential Medical Devices, Inc. Non-invasive blood component analyzer
CN105748059A (zh) * 2011-04-21 2016-07-13 学校法人圣玛丽安娜医科大学 浓度测量装置和浓度测量方法
WO2015130333A1 (en) * 2014-02-28 2015-09-03 Tech4Life Enterprises Canada, Inc. Device and mechanism for facilitating non-invasive, non-piercing monitoring of blood hemoglobin
KR101512076B1 (ko) * 2014-04-29 2015-04-14 길영준 다중 생체신호를 이용한 혈당 측정 방법 및 혈당 측정 장치
CN104146714A (zh) * 2014-08-21 2014-11-19 天津大学 一种组织体局部血氧饱和度变化量拓扑成像装置及方法

Also Published As

Publication number Publication date
EP3520696A1 (en) 2019-08-07
US11122996B2 (en) 2021-09-21
CN109788924B (zh) 2022-02-08
EP3520696A4 (en) 2020-03-18
JP6846152B2 (ja) 2021-03-24
JP2018057511A (ja) 2018-04-12
WO2018066350A1 (ja) 2018-04-12
US20200178858A1 (en) 2020-06-11

Similar Documents

Publication Publication Date Title
US20210137464A1 (en) System and method for obtaining health data using photoplethysmography
Joshi et al. iGLU 2.0: A new wearable for accurate non-invasive continuous serum glucose measurement in IoMT framework
Gabriely et al. Transcutaneous glucose measurement using near-infrared spectroscopy during hypoglycemia.
CN104224196B (zh) 无创测量血液成分浓度的方法
US20100004517A1 (en) Non-invasive method and apparatus for determining a physiological parameter
CN104968259A (zh) 用于确定对象的生命体征信息的系统和方法
EP3752060A1 (en) System and method for obtaining health data using a neural network
US10980423B2 (en) Devices and methods for predicting hemoglobin levels using electronic devices such as mobile phones
US20070299323A1 (en) Apparatus for measuring one or more physiological functions of a body and a method using the same
CN111683597A (zh) 用于非侵入式地监测血红蛋白的系统和方法
Pinto et al. Non-invasive hemoglobin measurement using embedded platform
JP2018519889A (ja) 光電式容積脈波記録法装置
US20200060585A1 (en) Non-invasive blood glucose sensor
Al-Dhaheri et al. Noninvasive blood glucose monitoring system based on near-infrared method.
Nirupa et al. Non-invasive measurement of hemoglobin content in blood
CN109788924A (zh) 血糖值测定装置、血糖值计算方法和血糖值计算程序
Gohlke et al. An IoT based low-cost heart rate measurement system employing PPG sensors
Harini et al. Design and implementation of a calibration-free pulse oximeter
JP2019505275A (ja) 血液中に存在する化合物の濃度を測定するための装置及び方法
Pavithra et al. Low cost non-invasive medical device for measuring hemoglobin
Yang et al. Motion-compensated non-contact detection of heart rate
Pinto et al. Improving hemoglobin estimation accuracy through standardizing of light-emitting diode power
US10653343B2 (en) System and method for non-invasive glucose monitoring using near infrared spectroscopy
CN109596552B (zh) 利用单距离光源-探测器对测量组织血氧饱和度的方法
US20230104416A1 (en) Biomarker value calculation method

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