CN111317473A - 基于混合测量技术的血糖检测方法 - Google Patents
基于混合测量技术的血糖检测方法 Download PDFInfo
- Publication number
- CN111317473A CN111317473A CN202010171152.3A CN202010171152A CN111317473A CN 111317473 A CN111317473 A CN 111317473A CN 202010171152 A CN202010171152 A CN 202010171152A CN 111317473 A CN111317473 A CN 111317473A
- Authority
- CN
- China
- Prior art keywords
- value
- human body
- blood sugar
- body component
- bioelectrical impedance
- 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
- 239000008280 blood Substances 0.000 title claims abstract description 60
- 210000004369 blood Anatomy 0.000 title claims abstract description 60
- 238000005259 measurement Methods 0.000 title claims abstract description 33
- 238000001514 detection method Methods 0.000 title claims abstract description 16
- 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 title claims description 24
- 239000008103 glucose Substances 0.000 title claims description 24
- 238000001453 impedance spectrum Methods 0.000 claims abstract description 30
- 238000012216 screening Methods 0.000 claims abstract description 17
- 238000013473 artificial intelligence Methods 0.000 claims abstract description 10
- 238000004140 cleaning Methods 0.000 claims abstract description 8
- 238000000034 method Methods 0.000 claims description 19
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 claims description 8
- 238000010606 normalization Methods 0.000 claims description 6
- 239000000203 mixture Substances 0.000 claims description 4
- 210000000577 adipose tissue Anatomy 0.000 claims description 3
- 230000037396 body weight Effects 0.000 claims description 3
- 235000013861 fat-free Nutrition 0.000 claims description 3
- 229910017053 inorganic salt Inorganic materials 0.000 claims description 3
- 230000003834 intracellular effect Effects 0.000 claims description 3
- 102000004169 proteins and genes Human genes 0.000 claims description 3
- 108090000623 proteins and genes Proteins 0.000 claims description 3
- 210000002027 skeletal muscle Anatomy 0.000 claims description 3
- 230000002159 abnormal effect Effects 0.000 claims description 2
- 210000003491 skin Anatomy 0.000 description 17
- 206010033675 panniculitis Diseases 0.000 description 8
- 210000004304 subcutaneous tissue Anatomy 0.000 description 8
- 210000002615 epidermis Anatomy 0.000 description 5
- 238000012360 testing method Methods 0.000 description 4
- 238000013528 artificial neural network Methods 0.000 description 3
- 210000004027 cell Anatomy 0.000 description 3
- 210000004207 dermis Anatomy 0.000 description 3
- 238000000691 measurement method Methods 0.000 description 3
- 210000001519 tissue Anatomy 0.000 description 3
- 230000008859 change Effects 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 239000003792 electrolyte Substances 0.000 description 2
- 238000011160 research Methods 0.000 description 2
- 102000008186 Collagen Human genes 0.000 description 1
- 108010035532 Collagen Proteins 0.000 description 1
- 210000004204 blood vessel Anatomy 0.000 description 1
- 229920001436 collagen Polymers 0.000 description 1
- 210000002808 connective tissue Anatomy 0.000 description 1
- 238000012937 correction Methods 0.000 description 1
- 238000013135 deep learning Methods 0.000 description 1
- 206010012601 diabetes mellitus Diseases 0.000 description 1
- 230000004069 differentiation Effects 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 210000004177 elastic tissue Anatomy 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 201000001421 hyperglycemia Diseases 0.000 description 1
- 238000001566 impedance spectroscopy Methods 0.000 description 1
- 208000015181 infectious disease Diseases 0.000 description 1
- 230000010354 integration Effects 0.000 description 1
- 210000002510 keratinocyte Anatomy 0.000 description 1
- 210000001821 langerhans cell Anatomy 0.000 description 1
- 210000002752 melanocyte Anatomy 0.000 description 1
- 230000002503 metabolic effect Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000035790 physiological processes and functions Effects 0.000 description 1
- 238000007637 random forest analysis Methods 0.000 description 1
- 210000000434 stratum corneum Anatomy 0.000 description 1
Images
Classifications
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/05—Detecting, measuring or recording for diagnosis by means of electric currents or magnetic fields; Measuring using microwaves or radio waves
- A61B5/053—Measuring electrical impedance or conductance of a portion of the body
- A61B5/0537—Measuring body composition by impedance, e.g. tissue hydration or fat content
-
- 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
- A61B5/48—Other medical applications
- A61B5/4869—Determining body composition
- A61B5/4872—Body fat
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/48—Other medical applications
- A61B5/4869—Determining body composition
- A61B5/4875—Hydration status, fluid retention of the body
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/48—Other medical applications
- A61B5/4869—Determining body composition
- A61B5/4881—Determining interstitial fluid distribution or content within body tissue
-
- 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
- A61B5/7264—Classification of physiological signals or data, e.g. using neural networks, statistical classifiers, expert systems or fuzzy systems
-
- 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
- A61B5/7264—Classification of physiological signals or data, e.g. using neural networks, statistical classifiers, expert systems or fuzzy systems
- A61B5/7267—Classification of physiological signals or data, e.g. using neural networks, statistical classifiers, expert systems or fuzzy systems involving training the classification device
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/21—Design, administration or maintenance of databases
- G06F16/215—Improving data quality; Data cleansing, e.g. de-duplication, removing invalid entries or correcting typographical errors
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/004—Artificial life, i.e. computing arrangements simulating life
- G06N3/006—Artificial life, i.e. computing arrangements simulating life based on simulated virtual individual or collective life forms, e.g. social simulations or particle swarm optimisation [PSO]
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/04—Architecture, e.g. interconnection topology
- G06N3/045—Combinations of networks
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/08—Learning methods
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
- G16H50/00—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics
- G16H50/50—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for simulation or modelling of medical disorders
Landscapes
- Health & Medical Sciences (AREA)
- Engineering & Computer Science (AREA)
- Life Sciences & Earth Sciences (AREA)
- Physics & Mathematics (AREA)
- General Health & Medical Sciences (AREA)
- Biomedical Technology (AREA)
- Biophysics (AREA)
- Molecular Biology (AREA)
- Medical Informatics (AREA)
- Public Health (AREA)
- Artificial Intelligence (AREA)
- Theoretical Computer Science (AREA)
- Pathology (AREA)
- Veterinary Medicine (AREA)
- Animal Behavior & Ethology (AREA)
- Surgery (AREA)
- Heart & Thoracic Surgery (AREA)
- Evolutionary Computation (AREA)
- Mathematical Physics (AREA)
- Data Mining & Analysis (AREA)
- General Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- Software Systems (AREA)
- Computing Systems (AREA)
- Computational Linguistics (AREA)
- Databases & Information Systems (AREA)
- Fuzzy Systems (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Physiology (AREA)
- Psychiatry (AREA)
- Signal Processing (AREA)
- Primary Health Care (AREA)
- Epidemiology (AREA)
- Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
- Radiology & Medical Imaging (AREA)
- Quality & Reliability (AREA)
- Emergency Medicine (AREA)
- Optics & Photonics (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混合测量技术的血糖检测方法，根据获取施加在测量位置上的双电极或四电极测量得到的电压值和电流值，计算得到电阻抗值，并建立对应的生物电阻抗谱，同时在对应位置上获取对应的血糖值和人体成分数值，并根据所述生物电阻抗谱和所述人体成分数值进行数据清洗和特征筛选，将筛选后的数据进行归一化和人工智能学习后，得到准确的血糖模型，提高了血糖测量的准确性。
Description
技术领域
本发明涉及生物医学工程技术领域，尤其涉及一种基于混合测量技术的血糖检测方法。
背景技术
糖尿病又称之为高血糖症，是世界范围内的流行病。目前常用的血糖检测方法多为有创或微创方法，不仅给患者造成疼痛，同时增加了感染风险，限制了血糖浓度检测的次数和效果。而无创血糖检测可以实现无痛，无风险，低成本和多次血糖检测，是目前研究热点，无创血糖检测方法主要包括反向离子电渗方法，代谢热整合法，光学相关方法。由于人体组成的复杂性和生理过程的多干预性，迄今为止，并没有仅通过单一的非侵入性方法，或是仅通过一种测量方法就可以达到良好的临床测试结果。
近年来，国外多个研究机构将生物阻抗检测技术与无创血糖测试相结合，开辟了无创血糖检测的新方向。生物电阻抗检测具有舒适、简单、快捷、成本低等优点。然而由于人体内环境非常复杂，不同人间的身体差异性也非常大，采用生物电阻抗方法测量人体血糖时，人体皮肤的粗糙程度，体内的水分含量等都会降低血糖测量的准确性。
发明内容
本发明的目的在于提供一种基于混合测量技术的血糖检测方法，提高血糖测量准确性。
为实现上述目的，本发明提供了一种基于混合测量技术的血糖检测方法，包括：
获取测量位置的电阻抗值，建立对应的生物电阻抗谱；
获取对应的血糖值和人体成分数值；
对所述生物电阻抗谱和所述人体成分数值进行清洗和特征筛选；
完成筛选后，进行归一化和人工智能学习，得到血糖模型。
其中，所述获取测量位置的电阻抗值，建立对应的生物电阻抗谱，包括：
根据获取施加在测量位置上的双电极或四电极测量得到的电压值和电流值，计算得到对应的电阻抗值，并根据所述电阻抗值建立对应的生物电阻抗谱。
其中，所述获取对应的血糖值和人体成分数值，包括：
基于皮肤等效模型，获取所述测量位置对应的血糖值和对应的人体成分数值，其中，所述人体成分包括包括无机盐、蛋白质、细胞内水分、细胞外水分、细胞总水分、骨骼肌、去脂体重和体脂肪。
其中，对所述生物电阻抗谱和所述人体成分数值进行数据清洗和特征筛选，包括：
根据所述生物电阻抗谱和所述人体成分数值，清除重复、错误异常和偏离整体分布的数据，并按照设定要求对所述生物电阻抗谱和所述人体成分数值进行特征筛选。
其中，所述完成筛选后，进行归一化和人工智能学习，得到血糖模型，包括：
将完成筛选后的所述生物电阻抗谱和所述人体成分数值与设定值之间的第一差值和阈值与设定值之间的第二差值做除法，并将得到的商值利用人工智能学习法，得到准确的血糖模型。
本发明的一种基于混合测量技术的血糖检测方法，根据获取施加在测量位置上的双电极或四电极测量得到的电压值和电流值，计算得到电阻抗值，并建立对应的生物电阻抗谱，同时在对应位置上获取对应的血糖值和人体成分数值，并根据所述生物电阻抗谱和所述人体成分数值进行数据清洗和特征筛选，将筛选后的数据进行归一化和人工智能学习后，得到准确的血糖模型，提高了血糖测量的准确性。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
图1是本发明提供的一种基于混合测量技术的血糖检测方法的步骤示意图。
图2是本发明提供的四电极与双电极测量原理图。
图3是本发明提供的皮肤阻抗等效电路。
图4是本发明提供的皮肤等效模型。
具体实施方式
下面详细描述本发明的实施例，所述实施例的示例在附图中示出，其中自始至终相同或类似的标号表示相同或类似的元件或具有相同或类似功能的元件。下面通过参考附图描述的实施例是示例性的，旨在用于解释本发明，而不能理解为对本发明的限制。
请参阅图1，本发明提供一种基于混合测量技术的血糖检测方法，包括：
S101、获取测量位置的电阻抗值，建立对应的生物电阻抗谱。
具体的，根据获取施加在测量位置上的双电极或四电极测量得到的电压值和电流值，计算得到对应的电阻抗值，并根据所述电阻抗值建立对应的生物电阻抗谱，并且会采集不同受测者足够多的次数的生物电阻抗谱，提高准确性，其中，双电极或四电极测量技术是将幅值恒定的交变电流通过一对电极接触受测者的组织，再通过另一对电极将受测部位两端的电压检测出，电路连接如图2所示，具体为，在测量时电流从贴近皮肤的一对电极片流进，依次经过皮肤、皮下组织、另一边皮下组织以及另一边皮肤，最后从另一对电极片流出，皮肤的等效阻抗电路如图3所示，因此人体皮肤等效阻抗为皮肤阻抗和皮肤下其他组织阻抗之和的形式体现。若采集到电压值为V∠θ1，电流值为I∠θ2，得到电阻抗为：
S102、获取对应的血糖值和人体成分数值。
具体的，皮肤可分为表皮层、真皮层及皮下组织，皮肤的最外层是表皮层，包含有角质层，导电性能极差，可以类比为电介质形式，表皮层下是真皮层及皮下组织，其中含有大量的血管，因此导电性能较好，可以模拟为纯电阻形式，表皮层主要由角质形成细胞、黑素细胞、朗格汉斯细胞和梅克尔细胞组成，真皮层主要由胶原蛋白、弹性纤维以及水分构成，皮下组织是由疏松结缔组织和脂肪组织组成，皮肤等效模型如图4所示。当对不同受测者通入高频的交变电流时，皮肤表皮电阻基本恒定，而不同人群间的皮下组织差异性较大，所以在利用血糖所造成的电解质阻抗的变化来检测血糖的浓度时，由于上述的皮下组织差异性所导致的生物电阻抗波动属于人体各异性的体现，并不是血糖所造成的电解质阻抗的波动变化，因此基于所述皮肤等效模型，获取所述测量位置对应的血糖值和对应的人体成分数值，其中，所述人体成分包括包括无机盐、蛋白质、细胞内水分、细胞外水分、细胞总水分、骨骼肌、去脂体重和体脂肪，将测量得到的人体成分数据与血糖值结合对比分析，并且采集不同受测者足够多的次数的准确血糖值以及该段测量位置的人体成分，降低人体各异性的体现，提高测量准确性。
S103、对所述生物电阻抗谱和所述人体成分数值进行数据清洗和特征筛选。
具体的，通过人体成分测量的相关项目中，能得到受测者的一定皮肤质量指标，该指标会依据测试人员的不同，体现为具体数值的不同，以此实现对人体差异性的区分与修正，根据所述生物电阻抗谱和所述人体成分数值，清除重复、疑似错误异常和偏离整体分布的数据，并按照设定要求对所述生物电阻抗谱和所述人体成分数值进行特征筛选，可避免不需要的数据对血糖测量结果产生影响，降低测量的准确性。
S104、完成筛选后，进行归一化和人工智能学习，得到血糖模型。
具体的，将完成筛选后的所述生物电阻抗谱和所述人体成分数值与设定值之间的第一差值和阈值与设定值之间的第二差值做除法，即将任意数据减去特征筛选后的最小值的第一差值除以最大数据值减去最小值的第二差值，使所有数据映射到(0，1)之间，并将得到的商值利用人工智能学习法，得到准确的血糖模型，其中，所述人工智能学习法包括随机森林、深度学习、多重神经网络等方式，可以得到准确的血糖模型，例如采用多重神经网络的方法，将归一化后的数据输入到神经网络中，经过多层卷积层的特征提取后，经由输出层输出最后的血糖值，去除了皮下组织差异性所导致的部分数据波动，进而得到了仅由血糖变化所引起电阻抗变化的阻抗谱。将生物电阻抗谱技术与人体成分检测技术相结合，实现了对人体皮下组织差异性问题的分析与解决，进而实现更为有效准确的血糖测量。
本发明的一种基于混合测量技术的血糖检测方法，根据施加在测量位置上的双电极或四电极测量得到的电压值和电流值，计算得到电阻抗值，并建立对应的生物电阻抗谱，同时在对应位置上获取对应的血糖值和人体成分数值，并根据所述生物电阻抗谱和所述人体成分数值进行清洗和特征筛选，将筛选后的数据进行归一化和人工智能学习后，得到准确的血糖模型，提高了血糖测量的准确性。
以上所揭露的仅为本发明一种较佳实施例而已，当然不能以此来限定本发明之权利范围，本领域普通技术人员可以理解实现上述实施例的全部或部分流程，并依本发明权利要求所作的等同变化，仍属于发明所涵盖的范围。
Claims (5)
1.一种基于混合测量技术的血糖检测方法，其特征在于，包括：
获取测量位置的电阻抗值，建立对应的生物电阻抗谱；
获取对应的血糖值和人体成分数值；
对所述生物电阻抗谱和所述人体成分数值进行数据清洗和特征筛选；
完成筛选后，进行归一化和人工智能学习，得到血糖模型。
2.如权利要求1所述的一种基于混合测量技术的血糖检测方法，其特征在于，所述获取测量位置的电阻抗值，建立对应的生物电阻抗谱，包括：
根据获取施加在测量位置上的双电极或四电极测量得到的电压值和电流值，计算得到对应的电阻抗值，并根据所述电阻抗值建立对应的生物电阻抗谱。
3.如权利要求1所述的一种基于混合测量技术的血糖检测方法，其特征在于，所述获取对应的血糖值和人体成分数值，包括：
基于皮肤等效模型，获取所述测量位置对应的血糖值和对应的人体成分数值，其中，所述人体成分包括包括无机盐、蛋白质、细胞内水分、细胞外水分、细胞总水分、骨骼肌、去脂体重和体脂肪。
4.如权利要求3所述的一种基于混合测量技术的血糖检测方法，其特征在于，对所述生物电阻抗谱和所述人体成分数值进行数据清洗和特征筛选，包括：
根据所述生物电阻抗谱和所述人体成分数值，清除重复、错误异常和偏离整体分布的数据，并按照设定要求对所述生物电阻抗谱和所述人体成分数值进行特征筛选。
5.如权利要求4所述的一种基于混合测量技术的血糖检测方法，其特征在于，所述完成筛选后，进行归一化和人工智能学习，得到血糖模型，包括：
将完成筛选后的所述生物电阻抗谱和所述人体成分数值与设定值之间的第一差值和阈值与设定值之间的第二差值做除法，并将得到的商值利用人工智能学习法，得到准确的血糖模型。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010171152.3A CN111317473A (zh) | 2020-03-12 | 2020-03-12 | 基于混合测量技术的血糖检测方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010171152.3A CN111317473A (zh) | 2020-03-12 | 2020-03-12 | 基于混合测量技术的血糖检测方法 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN111317473A true CN111317473A (zh) | 2020-06-23 |
Family
ID=71169391
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202010171152.3A Pending CN111317473A (zh) | 2020-03-12 | 2020-03-12 | 基于混合测量技术的血糖检测方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN111317473A (zh) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN112998687A (zh) * | 2021-02-23 | 2021-06-22 | 桂林电子科技大学 | 一种基于生物电阻抗的胆固醇检测仪及检测方法 |
Citations (12)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2006010310A1 (fr) * | 2004-07-27 | 2006-02-02 | Tian Jin University | Appareil et technique de surveillance non invasive de composants sanguins via des spectres d'impedance de forme d'impulsion |
| US20070161881A1 (en) * | 2004-02-05 | 2007-07-12 | Stig Ollmar | Method and apparatus for measuring glucose in body fluids using sub-dermal body tissue impedance measurements |
| US20110028803A1 (en) * | 2008-03-31 | 2011-02-03 | Stig Ollmar | Method and device for non-invasive determination of the concentration of a substance in a body fluid |
| CN104302229A (zh) * | 2012-02-24 | 2015-01-21 | 赫尔比公司 | 用于测量人体血液中葡萄糖浓度的方法 |
| CN106691449A (zh) * | 2016-11-21 | 2017-05-24 | 清华大学 | 一种基于阻抗谱‑光学方法的多传感器无创血糖检测设备 |
| CN107361776A (zh) * | 2017-05-20 | 2017-11-21 | 深圳市前海安测信息技术有限公司 | 无创血糖检测系统及方法 |
| US20180271417A1 (en) * | 2017-03-21 | 2018-09-27 | Wipro Limited | Method and a device for non-invasive monitoring of a blood glucose level of a user |
| CN108697384A (zh) * | 2015-12-28 | 2018-10-23 | 美敦力泌力美公司 | 回顾性传感器校准方法 |
| CN108937955A (zh) * | 2017-05-23 | 2018-12-07 | 广州贝塔铁克医疗生物科技有限公司 | 基于人工智能的个性化自适应可穿戴血糖校正方法及其校正装置 |
| CN108968975A (zh) * | 2018-07-20 | 2018-12-11 | 深圳市漫牛医疗有限公司 | 基于人工智能的血糖值的测量方法及设备 |
| CN110037713A (zh) * | 2013-12-16 | 2019-07-23 | 美敦力迷你迈德公司 | 电化学阻抗谱（eis）在连续葡萄糖监测中的使用 |
| CN110772252A (zh) * | 2018-07-27 | 2020-02-11 | 三星电子株式会社 | 测量生物信号的装置和方法 |
-
2020
- 2020-03-12 CN CN202010171152.3A patent/CN111317473A/zh active Pending
Patent Citations (13)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20070161881A1 (en) * | 2004-02-05 | 2007-07-12 | Stig Ollmar | Method and apparatus for measuring glucose in body fluids using sub-dermal body tissue impedance measurements |
| WO2006010310A1 (fr) * | 2004-07-27 | 2006-02-02 | Tian Jin University | Appareil et technique de surveillance non invasive de composants sanguins via des spectres d'impedance de forme d'impulsion |
| US20110028803A1 (en) * | 2008-03-31 | 2011-02-03 | Stig Ollmar | Method and device for non-invasive determination of the concentration of a substance in a body fluid |
| CN104302229A (zh) * | 2012-02-24 | 2015-01-21 | 赫尔比公司 | 用于测量人体血液中葡萄糖浓度的方法 |
| US20150073242A1 (en) * | 2012-02-24 | 2015-03-12 | Healbe Corporation | Method for determining glucose concentration in human blood |
| CN110037713A (zh) * | 2013-12-16 | 2019-07-23 | 美敦力迷你迈德公司 | 电化学阻抗谱（eis）在连续葡萄糖监测中的使用 |
| CN108697384A (zh) * | 2015-12-28 | 2018-10-23 | 美敦力泌力美公司 | 回顾性传感器校准方法 |
| CN106691449A (zh) * | 2016-11-21 | 2017-05-24 | 清华大学 | 一种基于阻抗谱‑光学方法的多传感器无创血糖检测设备 |
| US20180271417A1 (en) * | 2017-03-21 | 2018-09-27 | Wipro Limited | Method and a device for non-invasive monitoring of a blood glucose level of a user |
| CN107361776A (zh) * | 2017-05-20 | 2017-11-21 | 深圳市前海安测信息技术有限公司 | 无创血糖检测系统及方法 |
| CN108937955A (zh) * | 2017-05-23 | 2018-12-07 | 广州贝塔铁克医疗生物科技有限公司 | 基于人工智能的个性化自适应可穿戴血糖校正方法及其校正装置 |
| CN108968975A (zh) * | 2018-07-20 | 2018-12-11 | 深圳市漫牛医疗有限公司 | 基于人工智能的血糖值的测量方法及设备 |
| CN110772252A (zh) * | 2018-07-27 | 2020-02-11 | 三星电子株式会社 | 测量生物信号的装置和方法 |
Non-Patent Citations (5)
| Title |
|---|
| MAS SAHIDAYANA MOHKTAR等: "Non-invasive approach to predict the cholesterol level in blood using bioimpedance and neural network techniques", 《BIOMEDICAL ENGINEERING APPLICATIONS BASIS AND COMMUNICATIONS》 * |
| MAS SAHIDAYANA MOHKTAR等: "Non-invasive approach to predict the cholesterol level in blood using bioimpedance and neural network techniques", 《BIOMEDICAL ENGINEERING APPLICATIONS BASIS AND COMMUNICATIONS》, vol. 25, no. 6, 31 December 2013 (2013-12-31), pages 1350046 - 1 * |
| MAS SAHIDAYANA MOHKTAR等: "Non-invasive approach to predict the cholesterol level in blood using bioimpedance and neural network techniques", BIOMEDICAL ENGINEERING APPLICATIONS BASIS AND COMMUNICATIONS》, vol. 25, no. 6, pages 1350046 - 1 * |
| 赵玮: "《应用机器学习方法度量在线品牌忠诚度模型构建研究》", 30 June 2017, 北京交通大学出版社, pages: 156 - 157 * |
| 闵军: "《高原山区风电功率预测技术》", 31 March 2017, 贵州大学出版社, pages: 107 * |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN112998687A (zh) * | 2021-02-23 | 2021-06-22 | 桂林电子科技大学 | 一种基于生物电阻抗的胆固醇检测仪及检测方法 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US6517482B1 (en) | Method and apparatus for non-invasive determination of glucose in body fluids | |
| AU762922B2 (en) | Method and apparatus for non-invasive determination of glucose in body fluids | |
| Bora et al. | Estimation of skin impedance models with experimental data and a proposed model for human skin impedance | |
| Lee et al. | Congestive heart failure patient monitoring using wearable Bio-impedance sensor technology | |
| Taji et al. | Measuring skin-electrode impedance variation of conductive textile electrodes under pressure | |
| Anas et al. | Non-invasive blood glucose measurement | |
| Huang et al. | Electrical impedance myography applied to monitoring of muscle fatigue during dynamic contractions | |
| Lai et al. | A flexible multilayered dry electrode and assembly to single-lead ECG patch to monitor atrial fibrillation in a real-life scenario | |
| Periyasamy et al. | A study on non-invasive blood glucose estimation—An approach using capacitance measurement technique | |
| Beltran et al. | Gastrointestinal ischemia monitoring through impedance spectroscopy as a tool for the management of the critically ill | |
| Liu et al. | In vivo wearable non-invasive glucose monitoring based on dielectric spectroscopy | |
| CN111317473A (zh) | 基于混合测量技术的血糖检测方法 | |
| Nanayakkara et al. | Non-invasive blood glucose monitoring using a hybrid technique | |
| Sunny et al. | Feasibility experiments to detect skin hydration using a bio-impedance sensor | |
| Amaral et al. | Effects of glucose in blood and skin impedance spectroscopy | |
| Urzeniczok et al. | Bioimpedance Spectroscopy–Modern Applications | |
| Prokhorov et al. | Electrophysical characterization of biologically active points and human skin by in vivo impedance measurement | |
| KR20210091559A (ko) | 심전도 웨어러블 디바이스를 활용한 혈압과 혈당 측정 방법 및 장치 | |
| CN111329478A (zh) | 一种基于站立式生物阻抗检测握力强度的方法 | |
| Yılmaz et al. | Comparison of Electrode Configurations for Impedance Plethysmography Based Heart Rate Estimation at the Forearm | |
| Jagelka et al. | Wearable healthcare electronics for 24-7 monitoring with focus on user comfort | |
| WO2023013167A1 (ja) | クレアチニンリスク推定装置、クレアチニンリスク推定方法及びプログラム | |
| Beltran et al. | Algorithm for characteristic parameter estimation of gastric impedance spectra in humans | |
| US20240172952A1 (en) | Heart failure indicator | |
| Birok et al. | Design of Low Cost Bio-impedance Measuring Instrument |
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 | ||
| RJ01 | Rejection of invention patent application after publication |
Application publication date: 20200623 |
|
| RJ01 | Rejection of invention patent application after publication |