CN111700627A - 一种无创血糖检测系统及血糖估计方法 - Google Patents
一种无创血糖检测系统及血糖估计方法 Download PDFInfo
- Publication number
- CN111700627A CN111700627A CN202010696412.9A CN202010696412A CN111700627A CN 111700627 A CN111700627 A CN 111700627A CN 202010696412 A CN202010696412 A CN 202010696412A CN 111700627 A CN111700627 A CN 111700627A
- Authority
- CN
- China
- Prior art keywords
- light
- blood glucose
- spectrum
- information
- module
- 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 48
- 210000004369 blood Anatomy 0.000 title claims abstract description 48
- 238000000034 method Methods 0.000 title claims abstract description 39
- 238000001514 detection method Methods 0.000 title claims abstract description 29
- 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 48
- 239000008103 glucose Substances 0.000 title claims description 48
- 238000001228 spectrum Methods 0.000 claims abstract description 54
- 230000003595 spectral effect Effects 0.000 claims abstract description 39
- 238000004364 calculation method Methods 0.000 claims abstract description 23
- 230000003287 optical effect Effects 0.000 claims abstract description 23
- 230000008569 process Effects 0.000 claims abstract description 12
- 238000012545 processing Methods 0.000 claims abstract description 12
- 238000009826 distribution Methods 0.000 claims description 38
- 230000007704 transition Effects 0.000 claims description 7
- 230000005540 biological transmission Effects 0.000 claims description 4
- 230000008859 change Effects 0.000 claims description 4
- 210000000707 wrist Anatomy 0.000 claims description 2
- 238000005259 measurement Methods 0.000 description 4
- 230000001174 ascending effect Effects 0.000 description 2
- 206010012601 diabetes mellitus Diseases 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000011160 research Methods 0.000 description 2
- 208000017701 Endocrine disease Diseases 0.000 description 1
- 230000000052 comparative effect Effects 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 239000006185 dispersion Substances 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 208000030172 endocrine system disease Diseases 0.000 description 1
- 201000001421 hyperglycemia Diseases 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 208000015181 infectious disease Diseases 0.000 description 1
- 238000002329 infrared spectrum Methods 0.000 description 1
- 238000000691 measurement method Methods 0.000 description 1
- 230000002503 metabolic effect Effects 0.000 description 1
- 230000009466 transformation Effects 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
- A61B5/145—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
- A61B5/145—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
- A61B5/72—Signal processing specially adapted for physiological signals or for diagnostic purposes
Landscapes
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- 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)
- Spectroscopy & Molecular Physics (AREA)
- Psychiatry (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Physiology (AREA)
- Artificial Intelligence (AREA)
- Signal Processing (AREA)
- Emergency Medicine (AREA)
- Measurement Of The Respiration, Hearing Ability, Form, And Blood Characteristics Of Living Organisms (AREA)
Abstract
本发明公开了一种无创血糖检测系统及无创血糖检测方法，包括光学感测模块和计算分析模块；光学感测模块包括光源、分光装置、狭缝组件、检测区域、光敏传感器；狭缝组件包括狭缝板和移动装置，狭缝板上设置一组供光通过的细缝，移动装置移动使光从不同细缝通过；检测区域用于将光线反射到光敏传感器；光学感测模块将获取对比光信息和检测光信息；光敏传感器用于将光信号转为电信号发送至计算分析模块；计算分析模块包括数据处理模块和数据对比模块；数据处理模块将对比光信息处理后建立光谱信息库；数据处理模块将检测光信息处理成为单独的光谱信息；数据对比模块将单独的光谱信息与光谱信息库做契合度比对，以获取的检测光信息的血糖估值。
Description
技术领域
本发明涉及医疗电子技术领域，更具体地涉及一种无创血糖检测系统及血糖估计方法。
背景技术
糖尿病是一种以高血糖为特征的代谢性内分泌疾病，可引起各种并发症甚至导致死亡。定期检测血糖浓度是目前医学上推荐的控制糖尿病的有效方法，无创血糖检测方法的出现能降低患者在血糖浓度检测过程中的疼痛并减少感染的风险。
在基于光学方法的无创血糖测量中，其中红外光谱具有的优良特性，近些年来被越来越多的研究者采用，是无创血糖检测研究的重要发展方向之一。
但另一方面，由于被测对象是活体，信号非常微弱，相关问题涉及的学科多且复杂，就当前研究现状而言，由于个体差异，存在光谱重叠、信噪比低、背景噪声干扰、准确度不高等问题，无创血糖的检测仍然停留在实验室阶段，并没有在临床上得到广泛的应用。在技术上，尤其是光谱的相对精细采集(光谱分辨率问题)，如何有效利用光谱信息检测血糖含量等，是主要的问题。
发明内容
本发明的目的是提供一种无创血糖检测系统，可以解决上述技术问题中的一个或是多个。
为了达到上述目的，本发明提出的技术方案如下：
一种无创血糖检测系统，包括光学感测模块和计算分析模块；
所述光学感测模块包括光源、分光装置、狭缝组件、检测区域、光敏传感器；
所述光源发射近红外光；所述分光装置用于将光源分为单色光；所述狭缝组件包括狭缝板和移动装置，所述狭缝板上设置一组供光通过的细缝，所述移动装置移动使光从不同细缝通过，以获得连续光谱信息；所述检测区域用于将光线反射到光敏传感器；所述光学感测模块将获取对比光信息和检测光信息；
所述光敏传感器用于将光信号转为电信号发送至计算分析模块；
所述计算分析模块包括数据处理模块和数据对比模块；
所述数据处理模块将对比光信息处理后建立光谱信息库；所述数据处理模块将检测光信息处理成为单独的光谱信息；
数据对比模块将单独的光谱信息与光谱信息库做契合度比对，以获取的检测光信息的血糖估值。
获取手掌的光谱信息的过程为：光源发光，经透射光栅衍射形成连续光谱色散，通过左右微小移动的狭小缝隙，可选择出射到手掌的光线波长(通过一个方向的移动，实现相对连续波长光线的出射)，光线投射手掌，并形成散射，通过光敏接收传感器获取散射信号，信号发送到单片机存储，为后续算法计算分析模块提供原始信息。
这里的光谱是相对连续波长的光谱(通过狭小缝隙沿着一个方向的移动)，但并不是真正连续的，因此需要算法计算分析模块中的插值功能进行完善，形成连续光谱分布曲线。
进一步的：所述分光装置为透射光栅。
进一步的：所述计算分析模块为单片机。
本发明的另一个目的是提供一种无创血糖估计方法，可以解决上述技术问题中的一个或是多个。
一种无创血糖估计方法，包括如下步骤：
S1构建对比光谱信息数据库；
S11按照不同浓度配比葡萄糖溶液N组；
S12分别获取步骤S1中不同浓度下N组葡萄糖溶液的光谱分布；
S13将步骤S12中的光谱分布采用就近权重的过渡插值方法获得连续光谱分布曲线St(t＝1,2…)，以实现光谱分布曲线与葡萄糖浓度的一一对应关系；
S2获取用户检测光谱数据；
S21获取用户身体表面的光谱分布；
S22将步骤S21中的光谱分布采用就近权重的过渡插值方法获得连续光谱分布曲线S0；
S3利用梯度或导数的变化来确定连续光谱分布曲线St和连续光谱分布曲线S0的光谱比对契合度Metric值，最大的Metric值所对应的St即为用户血糖估值。
进一步的：步骤S12中的光谱分布和步骤S21中的光谱分布均是通过光学感测模块获取的，所述光学感测模块包括近红光光源、光传感器。
进一步的：步骤S13和步骤S22中的就近权重的过渡插值方法具体如下：
假设现在有4个数据点为(λ1,v1)，(λ2,v2)，(λ3,v3)，(λ4,v4)，λ1＜λ2＜λ3＜λ4，v1～v4为对应波长(nm)处的值，
也可将其看成是波长λ的函数即v(λ)，即分别当λ＝λ1,λ2,λ3,λ4时，v(λ)＝{v1,v2,v3,v4}；
如当前待插值区域为即(λ2,v2)与(λ3,v3)之间，那么具体插值方式如下：
v(λ)＝w1v1+w2v2+w3v3+w4v4
w1+w2+w3+w4＝1
上式中，w1～w4是相对权重；σ为待求常数。
由此实现(λ2,v2)与(λ3,v3)之间的连续光谱分布曲线获取；对于上下边界处，则只采用就近2个数据点插值。
进一步的：所述步骤S3的具体过程如下:
假设(x表示S0或者St的某一处位置，先分别计算两条连续光谱分布曲线的一阶导数，分别记为S'0(x)和S't(x)；再通过分析两者导数值的异同变化判断契合度；
首先，获取x处两者乘积St(x)＝S'0(x)·S't(x)，不同x处都能获得对应乘积，最后获取了St；
而后，统计序列St≥0的点数为A，统计序列St<0的点数为B，最终，S0与St的比对结果即契合度使用下式计算：
进一步的：所述连续光谱分布曲线的获得和所述光谱比对契合度Metric值的获得集成为使用单片机的算法计算分析模块。
进一步的：所述人体表面为手掌、手腕或手指。
本发明的技术效果是：
本发明通过光栅和可移动的狭缝设计，本身是可以实现连续光谱的变换获取的。
在光谱比对计算契合度时，利用梯度或导数的变化来衡量，提高了可计算度，降低了噪声的影响并提高了精度。
本发明中通过不同浓度的葡糖糖溶液建立连续光谱分布曲线的数据信息库，再将检测到的人体光谱信息转换成为符合光谱信息库对比的连续光谱分布曲线；使用连续光谱数据结果更为可靠，更符合葡萄糖光谱匹配的原理要求，装置简单、使用方便；血糖的估算方法相对简易可行，可达到对血糖浓度的准确的计算获取的目的。
附图说明
构成本申请的一部分的说明书附图用来提供对本发明的进一步理解，本发明的示意性实施例及其说明用于解释本发明，并不构成对本发明的不当限定。
在附图中：
图1为本发明的硬件架构的装置原理示意图；
图2为本发明的操作流程图。
具体实施方式
下面将结合附图以及具体实施例来详细说明本发明，其中的示意性实施例以及说明仅用来解释本发明，但并不作为对本发明的不当限定。
需要说明的是，在不冲突的情况下，本申请中的实施例及实施例中的特征可以相互组合。下面将参考附图并结合实施例来详细说明本发明。
需要注意的是，这里所使用的术语仅是为了描述具体实施方式，而非意图限制根据本申请的示例性实施方式。如在这里所使用的，除非上下文另外明确指出，否则单数形式也意图包括复数形式，此外，还应当理解的是，当在本说明书中使用术语“包含”和/或“包括”时，其指明存在特征、步骤、操作、器件、组件和/或它们的组合。
如图1所示，一种无创血糖检测系统，包括光学感测模块和计算分析模块；所述光学感测模块包括光源、分光装置、狭缝组件、检测区域、光敏传感器。
所述光源发射近红外光；所述分光装置(透射光栅)用于将光源分为单色光；所述狭缝组件包括狭缝板和移动装置，所述狭缝板上设置一组供光通过的细缝，所述移动装置移动使光从不同细缝通过；移动的频率、位置等信息由单片机控制，具体的移动组件不做限定，根据实际情况进行选择例如丝杠组件、气压杆、液压杆、齿轮齿条组件等等。
所述检测区域用于将光线反射到光敏传感器；所述光学感测模块将获取对比光信息和检测光信息。
所述光敏传感器用于将光信号转为电信号发送至计算分析模块。所述计算分析模块为单片机。所述计算分析模块包括数据处理模块和数据对比模块。
所述数据处理模块将对比光信息处理后建立光谱信息库；所述数据处理模块将检测光信息处理成为单独的光谱信息。
数据对比模块将单独的光谱信息与光谱信息库做契合度比对，以获取的检测光信息的血糖估值。
如图2所示，是本发明操作流程图。先后操作步骤可以如下进行：
1、信息数据库建设
本发明要构建葡萄糖光谱信息数据库。这需要在实验室中实现。包括以下步骤
首先，精准配比葡萄糖溶液。按照0.1mmol/L(毫摩尔/升)的间隔配比0～20mmol/L的葡萄糖溶液，共201组(这里的组数并不是限定，而是举例说明)。
其次，利用硬件光学感测模块探测不同浓度的葡萄糖溶液，获取不同浓度下的光谱分布。
对于硬件光学感测模块获取的不同葡萄糖浓度的光谱分布，需要通过算法计算分析模块来形成不同葡萄糖浓度下的连续光谱分布曲线。具体的算法说明如下：
插值功能使用的是就近按权重过渡插值，只考虑离当前代插值区域的最近的4个数据。
假设现在有4个数据点为(λ1,v1)，(λ2,v2)，(λ3,v3)，(λ4,v4)，λ1＜λ2＜λ3＜λ4，v1～v4为对应波长(nm)处的值，也可将其看成是波长λ的函数即v(λ)，即分别当λ＝λ1,λ2,λ3,λ4时，v(λ)＝{v1,v2,v3,v4}。如当前待插值区域即(λ2,v2)与(λ3,v3)之间，那么具体插值(插值分析)方式如下：
v(λ)＝w1v1+w2v2+w3v3+w4v4
w1+w2+w3+w4＝1
上式中，w1～w4是相对权重；σ为待求常数。
由此实现(λ2,v2)与(λ3,v3)之间的连续光谱曲线获取。对于上下边界处，则只采用就近2个数据点插值。
于是，构建了信息数据库(对比数据)，即实现了光谱分布曲线与葡萄糖浓度的一一对应关系，即图2中的连续光谱数据库。
2、获取待测用户的光谱数据
利用硬件光学感测模块，获取的用户手掌散射的光谱分布，需要通过算法计算分析模块来形成其连续光谱分布曲线。即获得了图2中的用户的光谱数据(检测数据)。
3、比对估算血糖
血糖估算的过程是将当前用户的手掌处血糖光谱数据S0与信息数据库中的光谱数据St(t＝1,2…)进行比对。当前用户的光谱数据即光谱分布曲线是通过硬件光学感测模块获取并利用算法计算分析的插值功能实现的。
本发明提出的数据比对方法以判断契合度，以当前用户手掌处血糖光谱数据S0和信息数据库中的任意一条光谱数据St为例，原理如下：
S0或者St在建模情况下都是一段连续的光谱曲线，但基于单片机计算时必然是离散的，因此间隔1nm取值形成光谱序列S0与光谱序列St。
用(x表示S0或者St的某一处位置，先分别计算2条光谱的一阶导数，并记为S'0(x)和S't(x)。当一阶导数大于0时，表示曲线在相应位置为上升趋势；而当一阶导数小于0时，表示曲线在相应的位置为下降趋势；当一阶导数等于0时，表示曲线在当前位置为水平，由于一段水平曲线可以看成上升或下降趋势的延续。于是，本发明通过分析两者导数值的异同变化判断契合度。
将两者相乘，即获取x处乘积St(x)＝S'0(x)·S't(x)，不同x处都能获得对应乘积，最后获取了St。而后，统计序列St≥0的点数为A，统计序列St<0的点数为B，最终，S0与St的比对结果即契合度使用下式计算：
面向不同的t对应的St，都能获得对应的Metric值。
选取最大Metric值对应的St，并认为它对应的葡萄糖浓度值近似为当前用户的血糖浓度。
由此实现了对待测用户的血糖估算。
下表是采用本血糖估算方法以及血液分析仪的部分数据对比表格。
通过上述部分统计可以获知，本无创血糖估算方法可以实现百分之八十五以上的准确率；准确率高。
以上所述仅为本发明的优选实施例而已，并不用于限制本发明，对于本领域的技术人员来说，本发明可以有各种更改和变化。凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。
Claims (9)
1.一种无创血糖检测系统，其特征在于：包括光学感测模块和计算分析模块；
所述光学感测模块包括光源、分光装置、狭缝组件、检测区域、光敏传感器；
所述光源发射近红外光；所述分光装置用于将光源分为单色光；所述狭缝组件包括狭缝板和移动装置，所述狭缝板上设置一组供光通过的细缝，所述移动装置移动使光从不同细缝通过；所述检测区域用于将光线反射到光敏传感器；所述光学感测模块将获取对比光信息和检测光信息；
所述光敏传感器用于将光信号转为电信号发送至计算分析模块；
所述计算分析模块包括数据处理模块和数据对比模块；
所述数据处理模块将对比光信息处理后建立光谱信息库；所述数据处理模块将检测光信息处理成为单独的光谱信息；
数据对比模块将单独的光谱信息与光谱信息库做契合度比对，以获取的检测光信息的血糖估值。
2.根据权利要求1所述的无创血糖检测系统，其特征在于：所述分光装置为透射光栅。
3.根据权利要求1所述的无创血糖检测系统，其特征在于：所述计算分析模块为单片机。
4.一种无创血糖估计方法，其特征在于：包括如下步骤：
S1构建对比光谱信息数据库；
S11按照不同浓度配比葡萄糖溶液N组；
S12分别获取步骤S1中不同浓度下N组葡萄糖溶液的光谱分布；
S13将步骤S12中的光谱分布采用就近权重的过渡插值方法获得连续光谱分布曲线St(t＝1,2…)，以实现光谱分布曲线与葡萄糖浓度的一一对应关系；
S2获取用户检测光谱数据；
S21获取用户身体表面的光谱分布；
S22将步骤S21中的光谱分布采用就近权重的过渡插值方法获得连续光谱分布曲线S0；
S3利用梯度或导数的变化来确定连续光谱分布曲线St和连续光谱分布曲线S0的光谱比对契合度Metric值，最大的Metric值所对应的St即为用户血糖估值。
5.根据权利要求4所述的血糖估计方法，其特征在于：步骤S12中的光谱分布和步骤S21中的光谱分布均是通过光学感测模块获取的，所述光学感测模块包括近红光光源、光传感器。
6.根据权利要求4所述的无创血糖估计方法，其特征在于：步骤S13和步骤S22中的就近权重的过渡插值方法具体如下：
假设现在有4个数据点为(λ1,v1)，(λ2,v2)，(λ3,v3)，(λ4,v4)，λ1＜λ2＜λ3＜λ4，v1～v4为对应波长(nm)处的值，
也可将其看成是波长λ的函数即v(λ)，即分别当λ＝λ1,λ2,λ3,λ4时，v(λ)＝{v1,v2,v3,v4}；
如当前待插值区域为即(λ2,v2)与(λ3,v3)之间，那么具体插值方式如下：
v(λ)＝w1v1+w2v2+w3v3+w4v4
w1+w2+w3+w4＝1
由此实现(λ2,v2)与(λ3,v3)之间的连续光谱分布曲线获取；对于上下边界处，则只采用就近2个数据点插值。
7.根据权利要求4所述的无创血糖估计方法，其特征在于：所述步骤S3的具体过程如下:
假设(x表示S0或者St的某一处位置，先分别计算两条连续光谱分布曲线的一阶导数，分别记为S'0(x)和S′t(x)；再通过分析两者导数值的异同变化判断契合度；
首先，获取x处两者乘积St(x)＝S'0(x)·S′t(x)，不同x处都能获得对应乘积，最后获取了St；
而后，统计序列St≥0的点数为A，统计序列St<0的点数为B，最终，(S0与St的比对结果即契合度使用下式计算：
8.根据权利要求4所述的无创血糖估计方法，其特征在于：所述连续光谱分布曲线的获得和所述光谱比对契合度Metric值的获得集成为使用单片机的算法计算分析模块。
9.根据权利要求4所述的无创血糖估计方法，其特征在于：所述人体表面为手掌、手腕或手指。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010696412.9A CN111700627A (zh) | 2020-07-20 | 2020-07-20 | 一种无创血糖检测系统及血糖估计方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010696412.9A CN111700627A (zh) | 2020-07-20 | 2020-07-20 | 一种无创血糖检测系统及血糖估计方法 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN111700627A true CN111700627A (zh) | 2020-09-25 |
Family
ID=72546699
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202010696412.9A Pending CN111700627A (zh) | 2020-07-20 | 2020-07-20 | 一种无创血糖检测系统及血糖估计方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN111700627A (zh) |
Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20030023152A1 (en) * | 2001-04-11 | 2003-01-30 | Abbink Russell E. | System for non-invasive measurement of glucose in humans |
| CN1579321A (zh) * | 2004-05-21 | 2005-02-16 | 天津大学 | 动脉血液成分检测的空域分光差分光谱仪及检测方法 |
| CN102680430A (zh) * | 2011-03-15 | 2012-09-19 | 明达医学科技股份有限公司 | 光学血糖检测装置及其操作方法 |
| CN104266996A (zh) * | 2014-10-07 | 2015-01-07 | 复旦大学 | 基于近红外光谱分析的多功能无创便携医疗检测装置及检测方法 |
| US20200116567A1 (en) * | 2018-10-10 | 2020-04-16 | Samsung Electronics Co., Ltd. | Method and apparatus for analyzing spectral information |
-
2020
- 2020-07-20 CN CN202010696412.9A patent/CN111700627A/zh active Pending
Patent Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20030023152A1 (en) * | 2001-04-11 | 2003-01-30 | Abbink Russell E. | System for non-invasive measurement of glucose in humans |
| CN1579321A (zh) * | 2004-05-21 | 2005-02-16 | 天津大学 | 动脉血液成分检测的空域分光差分光谱仪及检测方法 |
| CN102680430A (zh) * | 2011-03-15 | 2012-09-19 | 明达医学科技股份有限公司 | 光学血糖检测装置及其操作方法 |
| CN104266996A (zh) * | 2014-10-07 | 2015-01-07 | 复旦大学 | 基于近红外光谱分析的多功能无创便携医疗检测装置及检测方法 |
| US20200116567A1 (en) * | 2018-10-10 | 2020-04-16 | Samsung Electronics Co., Ltd. | Method and apparatus for analyzing spectral information |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Heise et al. | Noninvasive blood glucose sensors based on near‐infrared spectroscopy | |
| AU761015B2 (en) | Methods and apparatus for tailoring spectroscopic calibration models | |
| AU716192B2 (en) | Method and apparatus for multi-spectral analysis in noninvasive infrared spectroscopy | |
| JP3931638B2 (ja) | 生体成分の定量装置 | |
| TW498156B (en) | An intelligent system for noninvasive blood analyte prediction | |
| US5945676A (en) | Method and apparatus for multi-spectral analysis in noninvasive NIR spectroscopy | |
| US5750994A (en) | Positive correlation filter systems and methods of use thereof | |
| CN108366759A (zh) | 用于提取生理信息的设备、系统和方法 | |
| US20070179367A1 (en) | Method and Apparatus for Noninvasively Estimating a Property of an Animal Body Analyte from Spectral Data | |
| CA2397611A1 (en) | Classification and characterization of tissue through features related to adipose tissue | |
| US20030032064A1 (en) | Correction of spectra for subject diversity | |
| JP4472794B2 (ja) | グルコース濃度の定量装置 | |
| CN108542402B (zh) | 基于自组织竞争神经网络模型和红外光谱的血糖检测方法 | |
| JP3233712U (ja) | 血液中の分析物を監視するための光源の強度を選択する方法、およびその装置 | |
| CN106018331B (zh) | 多通道光谱系统的稳定性评价方法及预处理优化方法 | |
| Heise et al. | Clinical chemistry and near infrared spectroscopy: multicomponent assay for human plasma and its evaluation for the determination of blood substrates | |
| CN111700627A (zh) | 一种无创血糖检测系统及血糖估计方法 | |
| US6801316B2 (en) | Measurement of an analyte concentration in a scattering medium | |
| US8577432B2 (en) | Noise tolerant measurement | |
| JPWO2003042180A1 (ja) | 生体成分濃度の測定方法及びその装置 | |
| US11089979B2 (en) | Device and method for measurement of glycated hemoglobin (A1c) | |
| Wang et al. | Study on the measurement method of a dynamic spectrum | |
| JPH11178813A (ja) | グルコース濃度の定量方法及びその装置 | |
| Zaini et al. | Contactless Heart Rate Measurement System Based RGB Camera, Cascade Object Detector and Independent Component Analysis | |
| Fujita et al. | Noninvasive measurement of blood glucose based on optical sensing and internal standard 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 | ||
| AD01 | Patent right deemed abandoned |
Effective date of abandoning: 20240621 |