CN113509178B - 一种基于差温状态监控的无创血糖检测方法及装置 - Google Patents
一种基于差温状态监控的无创血糖检测方法及装置 Download PDFInfo
- Publication number
- CN113509178B CN113509178B CN202110612770.1A CN202110612770A CN113509178B CN 113509178 B CN113509178 B CN 113509178B CN 202110612770 A CN202110612770 A CN 202110612770A CN 113509178 B CN113509178 B CN 113509178B
- Authority
- CN
- China
- Prior art keywords
- temperature
- temperature data
- normal
- low
- data
- 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.)
- Active
Links
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
- A61B5/01—Measuring temperature of body parts ; Diagnostic temperature sensing, e.g. for malignant or inflamed tissue
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B2560/00—Constructional details of operational features of apparatus; Accessories for medical measuring apparatus
- A61B2560/02—Operational features
- A61B2560/0223—Operational features of calibration, e.g. protocols for calibrating sensors
Landscapes
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Physics & Mathematics (AREA)
- Medical Informatics (AREA)
- Surgery (AREA)
- Engineering & Computer Science (AREA)
- Biomedical Technology (AREA)
- Heart & Thoracic Surgery (AREA)
- Biophysics (AREA)
- Molecular Biology (AREA)
- Pathology (AREA)
- Animal Behavior & Ethology (AREA)
- General Health & Medical Sciences (AREA)
- Public Health (AREA)
- Veterinary Medicine (AREA)
- Emergency Medicine (AREA)
- Optics & Photonics (AREA)
- Measurement Of The Respiration, Hearing Ability, Form, And Blood Characteristics Of Living Organisms (AREA)
Abstract
本发明涉及一种基于差温状态监控的无创血糖检测方法及装置,该方法通过待测部位部分区域的皮肤进行降温处理,采集降温区域皮肤的低温数据矩阵和非降温区域皮肤的常温数据矩阵,获取低温数据曲线和常温数据曲线,分别对两个列矩阵进行曲线拟合,对拟合后的低温数据曲线以及拟合后的常温数据曲线进行逆温检测,对逆温检测符合要求后低温数据列矩阵和常温数据列矩阵进行拟合,得到反映身体状态的二阶曲线,计算二阶曲线的一阶微分方程,计算一阶微分方程的采样积分,结合微分方程积分和血糖计算公式得到当前的血糖状态。本发明真正实现了血糖的无创检测,血糖检测的准确度,具有更广泛的适用性。
Description
技术领域
本发明属于血糖检测技术领域,尤其涉及一种利用温度传感器无创获取血糖值的方法及装置。
背景技术
血糖检测是糖尿病人日常生活中必须进行的一项预防性措施,通过采集血样检测血糖值从而监测身体状态变化。血样采集过程要求用户必须刺破手指,此过程会给用户造成较大的心理压力并带来不可避免的痛苦。如果能够以无创的方式获取准确的用户血糖值,将对糖尿病的控制和监测起到十分重要的作用。
中国专利CN108652640B公开了一种基于心电信号的无创血糖检测方法及系统,通过获取心电信号的pRRx序列并对其进行线性和非线性分析,从而得到相对的特征指标,然后利用特征指标和血糖值作为输入标签进行机器学习训练,得到心电变化与血糖值之间的对应关系。但对于实际的测试过程来说,血糖变化与人的心电信号变化并无直接关系,即心电信号的变化不能反映用户真实的血糖水平;再加上机器学习所得模型与样本数量的大小有关,即便添加一定规模的用户数据进行训练,也无法得到能够很好适配当前用户结果。其本身的理论叙述和算法实现过程都难以自圆其说,实验结果复现的可能性有待商榷。
中国专利CN112022167A给出一种多光谱无创血糖检测方法,通过使用近红外光线照射人体组织,并对穿过的光线进行采集,从而得到检测误差小于15%的血糖检测结果。其血糖检测过程主要包括以下步骤:步骤一:在指尖位置设计有光谱传感器,相对于指尖位置的另一侧设计有LED;步骤二:在光谱传感器内适配法布里珀罗干涉仪可调谐滤波器,并且调节可调谐滤波器的光学接收范围达到nm级别;步骤三:采用1650nmLED发出的光线穿过人体组织后由1350nm1650nm的光谱传感器进行采集;步骤四:采用1720nmLED发出的光线穿过人体组织后由1550nm的光谱传感器进行采集。该方法对血糖的测量误差较大,不能满足用户的日常使用需求。
发明内容
本发明所要解决的技术问题是提出一种基于差温状态监控的无创血糖检测方法及装置,以解决现有的有创血糖检测技术必须通过穿刺来得到准确血糖测量结果,无创的血糖检测技术不能提供准确血糖数值的问题。
为了解决上述技术问题,本发明提供的技术方案为:
本发明涉及一种基于差温状态监控的无创血糖检测方法,其包括以下步骤:
1)对待测部位部分区域的皮肤进行降温处理,采集降温区域皮肤的低温数据矩阵和非降温区域皮肤的常温数据矩阵,低温数据矩阵和常温数据矩阵分别采用低温数据曲线和常温数据曲线表示,对低温数据矩阵和常温数据矩阵进行整理,得到低温数据列矩阵和常温数据列矩阵;
2)以采样顺序为横坐标以列矩阵数值为纵坐标,分别对两个列矩阵进行曲线拟合,得到拟合后的低温数据曲线和拟合后的常温数据曲线;
3)对拟合后的低温数据曲线以及拟合后的常温数据曲线进行逆温检测,若存在逆温,则对低温数据曲线和常温数据曲线中存在逆温的部分进行裁剪,返回步骤2),直至逆温检测时未出现逆温现象;
4)对逆温检测符合要求后低温数据列矩阵和常温数据列矩阵进行拟合,得到反映身体状态的二阶曲线;
5)计算二阶曲线的一阶微分方程,从数据整理后初始的采样点开始,计算一阶微分方程的采样积分,结合微分方程积分和血糖计算公式得到当前的血糖状态。
优选地,所述步骤1)中采用无创血糖采集设备采集降温区域皮肤的低温数据矩阵和非降温区域皮肤的常温数据矩阵,所述的无创血糖采集设备包括:
低温传感器阵列,包括多个低温传感器,用于采集降温区域皮肤的低温数据;
常温传感器阵列,包括多个常温传感器,用于采集非降温区域皮肤的常温数据;
驱动电路,用于为低温传感器和常温传感器供电,并将温度信号传输给数字转换器;
数字转换器,用于将温度信号转换为数字信号并将数字信号传输给控制芯片;
控制芯片,用于接收各数字信号形成低温数据矩阵和常温数据矩阵并分别用低温数据曲线和常温数据曲线表示出来,同时还用于对低温数据矩阵和常温数据矩阵进行整理,得到低温数据列矩阵和常温数据列矩阵。
优选地,所述的采用无创血糖采集设备采集降温区域皮肤的低温数据矩阵和非降温区域皮肤的常温数据矩阵的具体步骤包括:
1.1)对待测部位进行降温处理,使得测量范围内的皮肤温度下降至17℃以下;
1.2)开启无创血糖采集设备,进行低温传感器和常温传感器的预热,以缩小皮肤与各传感器之间的温度差;
1.3)预热结束后,低温传感器和常温传感器分别采集对应位置的低温数据和常温数据;
1.4)驱动电路将低温数据和常温数据专递给数字转换器,获得相应的数字信号;
1.5)将数字信号传递给控制芯片,形成低温数据矩阵和常温数据矩阵,并分别用低温数据曲线和常温数据曲线表示出来;
1.6)控制芯片对低温数据矩阵和常温数据矩阵进行整理,得到低温数据列矩阵和常温数据列矩阵。
优选地,所述的低温传感器和常温传感器分别采集对应位置的低温数据和常温数据时,满足以下两个要求后停止数据的采集:
a)采集时间不少于8分钟,采样数据量不少于5000次;
b)低温传感器阵列采集数据与常温传感器阵列采集的数据变化趋势趋于一致。
优选地,所述的步骤1.5)中,形成低温数据矩阵和常温数据矩阵,并分别用低温数据曲线和常温数据曲线表示出来的具体步骤为:
1.5.1)对于低温传感器阵列和常温传感器阵列,分别以最中心位置的传感器为预设中心,进行数据调整;
1.5.2)对各个传感器采集的数据按采样时间进行排序,同时剔除离群值;
1.5.3)按传感器排布顺序从中间向外侧依次求取当前传感器与周边传感器采集数据在时间上采样数据的梯度差;
1.5.4)根据高斯分布的图像形式得到梯度变化最大的数据点作为中心点;
1.5.5)找到数据中心点之后,按照数据的分布状况进行传感器测量数据计算,计算公式为:
其中,f(x)表示各个位置的测量数据,σ代表概率分布的尺度参数,μ代表位置参数代表中心传感器的位置,x为传感器位置;
则,对于一个传感器阵列,其对外显示的温度数据曲线应表示为:
其中,F(x)表示温度数据曲线,a表示传感器采集的数据,n表示传感器总数。
优选地,所述的步骤3)对拟合后的低温数据曲线以及拟合后的常温数据曲线进行逆温检测的同时,还判断采集过程中无创血糖采集设备是否脱落,若存在设备脱落现象,则返回步骤1)重新采样,直至不存在设备脱落的问题;
所述的步骤3)对拟合后的低温数据曲线以及拟合后的常温数据曲线进行逆温检测,同时判断采集过程中设备是否脱落的具体步骤包括:
3.1)分别求取拟合后的低温数据曲线以及拟合后的常温数据曲线的一阶微分方程,两组一阶微分方程均为线性方程;
3.2)分别求出两组一阶微分方程与x轴的交点的实数解,
如果实数解存在且出现在总采样量的前5%,则说明低温传感器采集数据存在逆温,需要对所得数据进行裁剪;
如果实数解存在但其对应采样位置并非位于采样量的前5%,则说明采样过程中传感器脱落,需要重新采集数据;
若果实数解不存在,则表明采集的数据没有出现逆温现象,数据无需处理。
优选地,所述的步骤3.2)中对所得数据进行裁剪时,应将实数解所在采样点以前的所有数据全部去除,且将常温传感器采集的对应的数据也应一并裁剪。
优选地,所述的步骤4)中对逆温检测符合要求后低温数据列矩阵和常温数据列矩阵进行拟合,得到反映身体状态的二阶曲线的具体步骤为:
4.1)对裁剪掉逆温区域的低温数据曲线和常温数据曲线分别进行拟合,求取与真实采样点数据距离之和最近的二阶曲线方程;
4.2)利用所得的两个二阶曲线方程作为低温拟合曲线和常温拟合曲线,给出拟合后的低温采样数据和常温采样数据;
4.3)基于两组采样数据得到能够实际反映当前用户状态变化的二阶曲线。
优选地,所述的步骤5)中计算所得的一阶微分方程的采样积分表示为:
其中,Mp(i)表示一阶微分方程的采样积分,p(i)表示一阶微分方程,m0为开始计算积分的采样点横坐标,mn为结束积分计算的采样点横坐标;
所述血糖状态SV的计算由公式(4)决
其中,λ为反应用户本身的身体状况的参数;代表环境温度修正函数,用于矫正因环境变化引起的人体状态变化;p(i)表示人体状态变化二阶曲线的一阶微分方程;T代表进行血糖测试时的环境温度,n代表传感器总数,ω代表传感器转换效率;Ff(x)代表经过数据处理后得到的二阶温度变化曲线。
本发明还涉及一种基于差温状态监控的无创血糖检测装置,其包括:
1)采集模块,用于采集降温区域皮肤的低温数据矩阵和非降温区域皮肤的常温数据矩阵,低温数据矩阵和常温数据矩阵分别采用低温数据曲线和常温数据曲线表示,对低温数据矩阵和常温数据矩阵进行整理,得到低温数据列矩阵和常温数据列矩阵;
2)第一拟合模块,用于以采样顺序为横坐标以列矩阵数值为纵坐标,分别对两个列矩阵进行曲线拟合,得到拟合后的低温数据曲线和拟合后的常温数据曲线;
3)逆温检测模块,用于对拟合后的低温数据曲线以及拟合后的常温数据曲线进行逆温检测,若存在逆温,则对低温数据曲线和常温数据曲线中存在逆温的部分进行裁剪,返回步骤2),直至逆温检测时未出现逆温现象;
4)第二拟合模块,用于对逆温检测符合要求后低温数据列矩阵和常温数据列矩阵进行拟合,得到反映身体状态的二阶曲线;
5)血糖状态计算模块,用于计算二阶曲线的一阶微分方程,从数据整理后初始的采样点开始,计算一阶微分方程的采样积分,结合微分方程积分和血糖计算公式得到当前的血糖状态。
上述无创血糖检测装置在使用之前,需要对用户进行适配和校准,以获得更为准确的检测效果,及步骤包括:
a)采集用户血样进行血糖检测,获取实际血糖值;
b)按照基于差温状态监控的无创血糖检测方法获取血糖预测值;
c)计算血糖预测值和实际血糖值之间的误差;
d)基于计算所得的误差,使用自学习算法对无创血糖检测装置进行修正,所述修正是指因用户身体状态与预设人体状态的差异导致其血糖变化规律不尽相同,这种差异会导致血糖测量结果不准确,但通过误差计算可以修正当前人体状态λ与预设人体状态λ0之间的关系,使得当前用户的状态及其血糖变化规律更相关,从而降低误差;
e)返回步骤b),使用修正后的无创血糖检测装置重新获取血糖预测值并进行误差计算,直至测量误差满足要求,即相对误差不大于2%。
采用本发明提供的技术方案,与现有技术相比,具有如下有益效果:
1、本发明采用差温法进行温度监控,并对低温数据曲线以及常温数据曲线进行拟合、逆温检测等处理,再对低温数据和常温数据进行拟合得到二阶曲线,求二阶曲线的一阶微分方程,计算一阶微分方程的采样积分,结合微分方程积分和血糖计算公式得到当前的血糖状态,真正实现了血糖的无创检测。
2、本发明采用差温法进行温度监控,减少了用户在同状态不同环境下引起的微小变化对测量结果产生的影响,进而提高了血糖检测的准确度。
3、本发明使用温度曲线一阶微分在指定采样范围内的积分代替直接对回温曲线的观测,降低了随机误差引起的不同时段曲线表现差异,提高了血糖检测的最小分辨率,进一步提高了血糖检测的准确度。
4、本发明使用自学习算法进行无创血糖检测装置的校正,保证了血糖检测结果在长时间内都能给出准确的预测结果;且使得设备能够根据用户的不同自动调节参数,从而具有更广泛的适用性。
附图说明
图1为基于差温状态监控的无创血糖检测方法的流程图;
图2为无创血糖测量设备的结构图;
图3为采集低温数据矩阵和常温数据矩阵的流程图;
图4为基于差温状态监控的无创血糖检测装置的结构图。
具体实施方式
为进一步了解本发明的内容,结合实施例对本发明作详细描述,以下实施例用于说明本发明,但不用来限制本发明的范围。
实施例一
参照附图1所示,本发明涉及一种基于差温状态监控的无创血糖检测方法包括以下步骤:
1)对待测部位部分区域的皮肤进行降温处理,采用无创血糖采集设备采集降温区域皮肤的低温数据矩阵和非降温区域皮肤的常温数据矩阵,低温数据矩阵和常温数据矩阵分别采用低温数据曲线和常温数据曲线表示,对低温数据矩阵和常温数据矩阵进行整理,得到低温数据列矩阵和常温数据列矩阵;
参照附图2所示,上述无创血糖采集设备包括:
低温传感器阵列,包括多个低温传感器,用于采集降温区域皮肤的低温数据;
常温传感器阵列,包括多个常温传感器,用于采集非降温区域皮肤的常温数据;
滤波单元,分别与低温传感器阵列和常温传感器阵列连接,用于滤除传感器采集数据中的离群值,保证数据质量。
驱动电路,用于为低温传感器和常温传感器供电,并将温度信号传输给数字转换器;
数字转换器,用于将温度信号转换为数字信号并将数字信号传输给控制芯片;
控制芯片,用于接收各数字信号形成低温数据矩阵和常温数据矩阵并分别用低温数据曲线和常温数据曲线表示出来,同时还用于对低温数据矩阵和常温数据矩阵进行整理,得到低温数据列矩阵和常温数据列矩阵;
显示器,与控制芯片连接,用于显示低温数据曲线和常温数据曲线;
数据存储器,用于存储测量得到的低温数据和常温数据。
上述无创血糖检测装置在使用之前,需要对用户进行适配和校准,以获得更为准确的检测效果,及步骤包括:
a)采集用户血样进行血糖检测,获取实际血糖值;
b)按照基于差温状态监控的无创血糖检测方法获取血糖预测值;
c)计算血糖预测值和实际血糖值之间的误差;
d)基于计算所得的误差,使用自学习算法对无创血糖检测装置进行修正,所述修正是指因用户身体状态与预设人体状态的差异导致其血糖变化规律不尽相同,这种差异会导致血糖测量结果不准确,但通过误差计算可以修正当前人体状态λ与预设人体状态λ0之间的关系,使得当前用户的状态及其血糖变化规律更相关,从而降低误差;
e)返回步骤b),使用修正后的无创血糖检测装置重新获取血糖预测值并进行误差计算,直至测量误差满足要求,即相对误差不大于2%。
使用自学习算法进行无创血糖检测装置的校正,保证了血糖检测结果在长时间内都能给出准确的预测结果;且使得设备能够根据用户的不同自动调节参数,从而具有更广泛的适用性。
参照附图3所示,采用无创血糖采集设备采集降温区域皮肤的低温数据矩阵和非降温区域皮肤的常温数据矩阵的具体步骤包括:
1.1)对待测部位进行降温处理,使得测量范围内的皮肤温度下降至17℃以下;
1.2)开启无创血糖采集设备,进行低温传感器和常温传感器的预热,以缩小皮肤与各传感器之间的温度差;同时,无创血糖采集设备进行自检,若自检结果出现错误,查看是否可修复,若可修复调整参数并重新启动;
1.3)预热结束后,低温传感器和常温传感器分别采集对应位置的低温数据和常温数据,当满足以下两个要求后停止数据的采集:
a)采集时间不少于8分钟,采样数据量不少于5000次;
b)低温传感器阵列采集数据与常温传感器阵列采集的数据变化趋势趋于一致;
1.4)驱动电路将低温数据和常温数据专递给数字转换器,获得相应的数字信号;
1.5)将数字信号传递给控制芯片,形成低温数据矩阵A0和常温数据矩阵B0,低温数据矩阵A0和常温数据矩阵B0必然存在列向量a、b使得A0={a0,a1,a2,...,an},B0={b0,b1,b2,...,bn}(n为单个阵列中的传感器探头个数),分别用低温数据曲线和常温数据曲线表示出来,并在显示器上显示,此过程中,对于低温传感器阵列数据的处理要依据中心优先的方式进行,在考虑实际操作过程中存在的佩戴误差的状况下,首先应进行传感器阵列中心确定,具体步骤为:
1.5.1)对于低温传感器阵列和常温传感器阵列,分别以最中心位置的传感器为预设中心,进行数据调整;
1.5.2)对各个传感器采集的数据按采样时间进行排序,同时剔除离群值;
1.5.3)按传感器排布顺序从中间向外侧依次求取当前传感器与周边传感器采集数据在时间上采样数据的梯度差;
1.5.4)根据高斯分布的图像形式得到梯度变化最大的数据点作为中心点;
1.5.5)找到数据中心点之后,按照数据的分布状况进行传感器测量数据计算,计算公式为:
其中,f(x)表示各个位置的测量数据,σ代表概率分布的尺度参数,μ代表位置参数代表中心传感器的位置,x为传感器位置;
则,对于一个传感器阵列,其对外显示的温度数据曲线应表示为:
其中,F(x)表示温度数据曲线,a表示传感器采集的数据,n表示传感器总数;
1.6)控制芯片对低温数据矩阵和常温数据矩阵进行整理,得到低温数据列矩阵aA0和常温数据列矩阵bB0,并将低温数据列矩阵aA0和常温数据列矩阵bB0保存于数据存储器。
2)以采样顺序为横坐标以列矩阵数值为纵坐标,分别对两个列矩阵进行曲线拟合,得到拟合后的低温数据曲线Fn1(x)和拟合后的常温数据曲线Fn2(x);
3)对拟合后的低温数据曲线以及拟合后的常温数据曲线进行逆温检测,并判断采集过程中设备是否脱落,若存在逆温,则对低温数据曲线和常温数据曲线中存在逆温的部分进行裁剪,返回步骤2),若存在设备脱落现象,则返回步骤1)重新采样,直至逆温检测时未出现逆温现象且不存在设备脱落的问题,步骤包括:
3.1)分别求取拟合后的低温数据曲线以及拟合后的常温数据曲线的一阶微分方程Fn1`(x)和Fn2`(x),已知Fn1(x)和Fn2(x)为二次方程,则其一阶微分方程Fn1`(x)和Fn2`(x)必为线性方程,据此分别求出其与x轴交点的实数解;
3.2)分别求出两组一阶微分方程与x轴的交点的实数解,
如果实数解存在且出现在总采样量的前5%,则说明低温传感器采集数据存在逆温,需要对所得数据进行裁剪,裁剪时,应将实数解所在采样点以前的所有数据全部去除,且将常温传感器采集的对应的数据也应一并裁剪;
如果实数解存在但其对应采样位置并非位于采样量的前5%,则说明采样过程中传感器脱落,需要重新采集数据;
若果实数解不存在,则表明采集的数据没有出现逆温现象,数据无需处理;
4)对逆温检测符合要求后低温数据列矩阵和常温数据列矩阵进行拟合,得到反映身体状态的二阶曲线,具体步骤为:
4.1)对裁剪掉逆温区域的低温数据曲线和常温数据曲线分别进行拟合,求取与真实采样点数据距离之和最近的二阶曲线方程;
4.2)利用所得的两个二阶曲线方程作为低温拟合曲线和常温拟合曲线,给出拟合后的低温采样数据和常温采样数据;
4.3)基于两组采样数据得到能够实际反映当前用户状态变化的二阶曲线。
5)计算二阶曲线的一阶微分方程p(i),得到其在采样过程中的状态变化,从数据整理后初始的采样点开始,计算一阶微分方程的采样积分Mp(i),
其中,Mp(i)表示一阶微分方程的采样积分,p(i)表示一阶微分方程,m0为开始计算积分的采样点横坐标,mn为结束积分计算的采样点横坐标。
结合微分方程积分和血糖计算公式得到当前的血糖状态SV,根据血糖状态的判断结果给出具有实际参考价值的血糖值;
所述血糖状态SV的计算由公式(4)决定。
其中,λ为反应用户本身的身体状况的参数,对于不同的用户来说,λ一般不同;代表环境温度修正函数,用于矫正因环境变化引起的人体状态变化;p(i)表示人体状态变化二阶曲线的一阶微分方程;T代表进行血糖测试时的环境温度,n代表传感器总数,ω代表传感器转换效率,可通过传感器使用手册查到;Ff(x)代表经过数据处理后得到的二阶温度变化曲线;参数λ在无创血糖检测装置正式使用前,通过自学习的方式调整,其具体步骤是:
a)采集用户血样进行血糖检测,获取实际血糖值;
b)按照基于差温状态监控的无创血糖检测方法获取血糖预测值;
c)计算血糖预测值和实际血糖值之间的误差;
d)基于计算所得的误差,使用自学习算法对无创血糖检测装置进行修正,所述修正是指因用户身体状态与预设人体状态的差异导致其血糖变化规律不尽相同,这种差异会导致血糖测量结果不准确,但通过误差计算可以修正当前人体状态λ与预设人体状态λ0之间的关系,使得当前用户的状态及其血糖变化规律更相关,从而降低误差;
e)返回步骤b),使用修正后的无创血糖检测装置重新获取血糖预测值并进行误差计算,直至测量误差满足要求,即相对误差不大于2%。。
实施例二
参照图4,本发明还涉及一种基于差温状态监控的无创血糖检测装置,其包括:
1)采集模块,用于采集降温区域皮肤的低温数据矩阵和非降温区域皮肤的常温数据矩阵,低温数据矩阵和常温数据矩阵分别采用低温数据曲线和常温数据曲线表示,对低温数据矩阵和常温数据矩阵进行整理,得到低温数据列矩阵和常温数据列矩阵;采集模块用于实现实施例一步骤1)的功能。
2)第一拟合模块,用于以采样顺序为横坐标以列矩阵数值为纵坐标,分别对两个列矩阵进行曲线拟合,得到拟合后的低温数据曲线和拟合后的常温数据曲线;第一拟合模块用于实现实施例一步骤2)的功能。
3)逆温检测模块,用于对拟合后的低温数据曲线以及拟合后的常温数据曲线进行逆温检测,若存在逆温,则对低温数据曲线和常温数据曲线中存在逆温的部分进行裁剪,返回步骤2),直至逆温检测时未出现逆温现象;逆温检测模块用于实现实施例一步骤3)的功能。
4)第二拟合模块,用于对逆温检测符合要求后低温数据列矩阵和常温数据列矩阵进行拟合,得到反映身体状态的二阶曲线;第二拟合模块用于实现实施例一步骤4)的功能。
5)血糖状态计算模块,用于计算二阶曲线的一阶微分方程,从数据整理后初始的采样点开始,计算一阶微分方程的采样积分,结合微分方程积分和血糖计算公式得到当前的血糖状态;血糖状态计算模块用于实现实施例一步骤5)的功能。
以上结合实施例对本发明进行了详细说明,但所述内容仅为本发明的较佳实施例,不能被认为用于限定本发明的实施范围。凡依本发明申请范围所作的均等变化与改进等,均应仍属于本发明的专利涵盖范围之内。
Claims (6)
1.一种基于差温状态监控的无创血糖检测方法,其特征在于:其包括以下步骤:
1)对待测部位部分区域的皮肤进行降温处理,采集降温区域皮肤的低温数据矩阵和非降温区域皮肤的常温数据矩阵,低温数据矩阵和常温数据矩阵分别采用低温数据曲线和常温数据曲线表示,对低温数据矩阵和常温数据矩阵进行整理,得到低温数据列矩阵和常温数据列矩阵,其具体步骤包括:
1.1)对待测部位进行降温处理,使得测量范围内的皮肤温度下降至17℃以下;
1.2)开启无创血糖采集设备,进行低温传感器和常温传感器的预热,以缩小皮肤与各传感器之间的温度差;
1.3)预热结束后,低温传感器和常温传感器分别采集对应位置的低温数据和常温数据;
1.4)驱动电路将低温数据和常温数据专递给数字转换器,获得相应的数字信号;
1.5)将数字信号传递给控制芯片,形成低温数据矩阵和常温数据矩阵,并分别用低温数据曲线和常温数据曲线表示出来,具体方式为:
1.5.1)对于低温传感器阵列和常温传感器阵列,分别以最中心位置的传感器为预设中心,进行数据调整;
1.5.2)对各个传感器采集的数据按采样时间进行排序,同时剔除离群值;
1.5.3)按传感器排布顺序从中间向外侧依次求取当前传感器与周边传感器采集数据在时间上采样数据的梯度差;
1.5.4)根据高斯分布的图像形式得到梯度变化最大的数据点作为中心点;
1.5.5)找到数据中心点之后,按照数据的分布状况进行传感器测量数据计算,计算公式为:
其中,f(x)表示各个位置的测量数据,σ代表概率分布的尺度参数,μ代表位置参数代表中心传感器的位置,x为传感器位置;
则,对于一个传感器阵列,其对外显示的温度数据曲线应表示为:
其中,F(x)表示温度数据曲线,a表示传感器采集的数据,n表示传感器总数;
1.6)控制芯片对低温数据矩阵和常温数据矩阵进行整理,得到低温数据列矩阵和常温数据列矩阵;
2)以采样顺序为横坐标以列矩阵数值为纵坐标,分别对两个列矩阵进行曲线拟合,得到拟合后的低温数据曲线和拟合后的常温数据曲线;
3)对拟合后的低温数据曲线以及拟合后的常温数据曲线进行逆温检测,若存在逆温,则对低温数据曲线和常温数据曲线中存在逆温的部分进行裁剪,返回步骤2),直至逆温检测时未出现逆温现象;
4)对逆温检测符合要求后低温数据列矩阵和常温数据列矩阵进行拟合,得到反映身体状态的二阶曲线,具体步骤为:
4.1)对裁剪掉逆温区域的低温数据曲线和常温数据曲线分别进行拟合,求取与真实采样点数据距离之和最近的二阶曲线方程;
4.2)利用所得的两个二阶曲线方程作为低温拟合曲线和常温拟合曲线,给出拟合后的低温采样数据和常温采样数据;
4.3)基于两组采样数据得到能够实际反映当前用户状态变化的二阶曲线;
5)计算二阶曲线的一阶微分方程p(i),得到其在采样过程中的状态变化,从数据整理后初始的采样点开始,计算一阶微分方程的采样积分,结合微分方程积分和血糖计算公式得到当前的血糖状态;
计算所得的一阶微分方程的采样积分表示为:
其中,Mp(i)表示一阶微分方程的采样积分,p(i)表示一阶微分方程,m0为开始计算积分的采样点横坐标,mn为结束积分计算的采样点横坐标;
所述血糖状态SV的计算由公式(4)决定:
2.根据权利要求1所述的基于差温状态监控的无创血糖检测方法,其特征在于:
所述步骤1)中采用无创血糖采集设备采集降温区域皮肤的低温数据矩阵和非降温区域皮肤的常温数据矩阵,所述的无创血糖采集设备包括:
低温传感器阵列,包括多个低温传感器,用于采集降温区域皮肤的低温数据;
常温传感器阵列,包括多个常温传感器,用于采集非降温区域皮肤的常温数据;
驱动电路,用于为低温传感器和常温传感器供电,并将温度信号传输给数字转换器;
数字转换器,用于将温度信号转换为数字信号并将数字信号传输给控制芯片;
控制芯片,用于接收各数字信号形成低温数据矩阵和常温数据矩阵并分别用低温数据曲线和常温数据曲线表示出来,同时还用于对低温数据矩阵和常温数据矩阵进行整理,得到低温数据列矩阵和常温数据列矩阵。
3.根据权利要求1所述的基于差温状态监控的无创血糖检测方法,其特征在于:
所述的低温传感器和常温传感器分别采集对应位置的低温数据和常温数据时,满足以下两个要求后停止数据的采集:
a)采集时间不少于8分钟,采样数据量不少于5000次;
b)低温传感器阵列采集数据与常温传感器阵列采集的数据变化趋势趋于一致。
4.根据权利要求1所述的基于差温状态监控的无创血糖检测方法,其特征在于:
所述的步骤3)对拟合后的低温数据曲线以及拟合后的常温数据曲线进行逆温检测的同时,还判断采集过程中无创血糖采集设备是否脱落,若存在设备脱落现象,则返回步骤1)重新采样,直至不存在设备脱落的问题;
所述的步骤3)对拟合后的低温数据曲线以及拟合后的常温数据曲线进行逆温检测,同时判断采集过程中设备是否脱落的具体步骤包括:
3.1)分别求取拟合后的低温数据曲线以及拟合后的常温数据曲线的一阶微分方程,两组一阶微分方程均为线性方程;
3.2)分别求出两组一阶微分方程与x轴的交点的实数解,
如果实数解存在且出现在总采样量的前5%,则说明低温传感器采集数据存在逆温,需要对所得数据进行裁剪;
如果实数解存在但其对应采样位置并非位于采样量的前5%,则说明采样过程中传感器脱落,需要重新采集数据;
若果实数解不存在,则表明采集的数据没有出现逆温现象,数据无需处理。
5.根据权利要求1所述的基于差温状态监控的无创血糖检测方法,其特征在于:所述的步骤3.2)中对所得数据进行裁剪时,应将实数解所在采样点以前的所有数据全部去除,且将常温传感器采集的对应的数据也应一并裁剪。
6.一种基于差温状态监控的无创血糖检测装置,其特征在于:其包括:
1)采集模块,用于采集降温区域皮肤的低温数据矩阵和非降温区域皮肤的常温数据矩阵,低温数据矩阵和常温数据矩阵分别采用低温数据曲线和常温数据曲线表示,对低温数据矩阵和常温数据矩阵进行整理,得到低温数据列矩阵和常温数据列矩阵,其具体实现方式为:
1.1)对待测部位进行降温处理,使得测量范围内的皮肤温度下降至17℃以下;
1.2)开启无创血糖采集设备,进行低温传感器和常温传感器的预热,以缩小皮肤与各传感器之间的温度差;
1.3)预热结束后,低温传感器和常温传感器分别采集对应位置的低温数据和常温数据;
1.4)驱动电路将低温数据和常温数据专递给数字转换器,获得相应的数字信号;
1.5)将数字信号传递给控制芯片,形成低温数据矩阵和常温数据矩阵,并分别用低温数据曲线和常温数据曲线表示出来,具体方式为:
1.5.1)对于低温传感器阵列和常温传感器阵列,分别以最中心位置的传感器为预设中心,进行数据调整;
1.5.2)对各个传感器采集的数据按采样时间进行排序,同时剔除离群值;
1.5.3)按传感器排布顺序从中间向外侧依次求取当前传感器与周边传感器采集数据在时间上采样数据的梯度差;
1.5.4)根据高斯分布的图像形式得到梯度变化最大的数据点作为中心点;
1.5.5)找到数据中心点之后,按照数据的分布状况进行传感器测量数据计算,计算公式为:
其中,f(x)表示各个位置的测量数据,σ代表概率分布的尺度参数,μ代表位置参数代表中心传感器的位置,x为传感器位置;
则,对于一个传感器阵列,其对外显示的温度数据曲线应表示为:
其中,F(x)表示温度数据曲线,a表示传感器采集的数据,n表示传感器总数;
1.6)控制芯片对低温数据矩阵和常温数据矩阵进行整理,得到低温数据列矩阵和常温数据列矩阵;
2)第一拟合模块,用于以采样顺序为横坐标以列矩阵数值为纵坐标,分别对两个列矩阵进行曲线拟合,得到拟合后的低温数据曲线和拟合后的常温数据曲线;
3)逆温检测模块,用于对拟合后的低温数据曲线以及拟合后的常温数据曲线进行逆温检测,若存在逆温,则对低温数据曲线和常温数据曲线中存在逆温的部分进行裁剪,返回步骤2),直至逆温检测时未出现逆温现象;
4)第二拟合模块,用于对逆温检测符合要求后低温数据列矩阵和常温数据列矩阵进行拟合,得到反映身体状态的二阶曲线,拟合的具体步骤为:
4.1)对裁剪掉逆温区域的低温数据曲线和常温数据曲线分别进行拟合,求取与真实采样点数据距离之和最近的二阶曲线方程;
4.2)利用所得的两个二阶曲线方程作为低温拟合曲线和常温拟合曲线,给出拟合后的低温采样数据和常温采样数据;
4.3)基于两组采样数据得到能够实际反映当前用户状态变化的二阶曲线;
5)血糖状态计算模块,用于计算二阶曲线的一阶微分方程,从数据整理后初始的采样点开始,计算一阶微分方程的采样积分,结合微分方程积分和血糖计算公式得到当前的血糖状态,其中,计算所得的一阶微分方程的采样积分表示为:
其中,Mp(i)表示一阶微分方程的采样积分,p(i)表示一阶微分方程,m0为开始计算积分的采样点横坐标,mn为结束积分计算的采样点横坐标;
所述血糖状态SV的计算由公式(4)决定:
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110612770.1A CN113509178B (zh) | 2021-06-02 | 2021-06-02 | 一种基于差温状态监控的无创血糖检测方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110612770.1A CN113509178B (zh) | 2021-06-02 | 2021-06-02 | 一种基于差温状态监控的无创血糖检测方法及装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113509178A CN113509178A (zh) | 2021-10-19 |
CN113509178B true CN113509178B (zh) | 2022-07-08 |
Family
ID=78065343
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110612770.1A Active CN113509178B (zh) | 2021-06-02 | 2021-06-02 | 一种基于差温状态监控的无创血糖检测方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113509178B (zh) |
Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1775174A (zh) * | 2005-11-28 | 2006-05-24 | 何宗彦 | 无创快速血糖检测方法及其检测仪 |
CN1780581A (zh) * | 2003-02-26 | 2006-05-31 | 马尔西奥·马克·奥雷利奥·马丁斯·阿布雷乌 | 测量生物学参数的仪器和方法 |
JP2012021811A (ja) * | 2010-07-12 | 2012-02-02 | Seiko Epson Corp | 濃度定量装置及び濃度定量方法並びにプログラム |
CN203314969U (zh) * | 2013-06-05 | 2013-12-04 | 苏州光环科技有限公司 | 无创血糖采集、测量装置 |
CN103529684A (zh) * | 2012-07-03 | 2014-01-22 | 好爸爸高科技集团有限公司 | 用于自动测录健康数据的智能健康手表及智能健康系统 |
CN104287693A (zh) * | 2013-07-16 | 2015-01-21 | 桂林电子科技大学 | 一种基于血糖无创检测的代谢率测量方法 |
WO2016033815A1 (zh) * | 2014-09-04 | 2016-03-10 | 深圳市前海安测信息技术有限公司 | 无创血糖测定方法及系统 |
CN109932503A (zh) * | 2019-03-25 | 2019-06-25 | 江苏精策医疗科技有限公司 | 肌体产热-散热模型、模拟实验及其无创血糖检测方法 |
CN210095742U (zh) * | 2019-02-15 | 2020-02-21 | 浙江大学昆山创新中心 | 一种新型自助式末梢采血装置 |
CN111241957A (zh) * | 2020-01-04 | 2020-06-05 | 圣点世纪科技股份有限公司 | 一种基于多特征融合和de-elm的手指静脉活体检测方法 |
Family Cites Families (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US5529755A (en) * | 1994-02-22 | 1996-06-25 | Minolta Co., Ltd. | Apparatus for measuring a glucose concentration |
US20130102859A1 (en) * | 2010-06-22 | 2013-04-25 | Gili Medical Ltd. | System and method for detecting symptoms of hypoglycemia |
US8676284B2 (en) * | 2010-10-15 | 2014-03-18 | Novanex, Inc. | Method for non-invasive blood glucose monitoring |
-
2021
- 2021-06-02 CN CN202110612770.1A patent/CN113509178B/zh active Active
Patent Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1780581A (zh) * | 2003-02-26 | 2006-05-31 | 马尔西奥·马克·奥雷利奥·马丁斯·阿布雷乌 | 测量生物学参数的仪器和方法 |
CN1775174A (zh) * | 2005-11-28 | 2006-05-24 | 何宗彦 | 无创快速血糖检测方法及其检测仪 |
JP2012021811A (ja) * | 2010-07-12 | 2012-02-02 | Seiko Epson Corp | 濃度定量装置及び濃度定量方法並びにプログラム |
CN103529684A (zh) * | 2012-07-03 | 2014-01-22 | 好爸爸高科技集团有限公司 | 用于自动测录健康数据的智能健康手表及智能健康系统 |
CN203314969U (zh) * | 2013-06-05 | 2013-12-04 | 苏州光环科技有限公司 | 无创血糖采集、测量装置 |
CN104287693A (zh) * | 2013-07-16 | 2015-01-21 | 桂林电子科技大学 | 一种基于血糖无创检测的代谢率测量方法 |
WO2016033815A1 (zh) * | 2014-09-04 | 2016-03-10 | 深圳市前海安测信息技术有限公司 | 无创血糖测定方法及系统 |
CN210095742U (zh) * | 2019-02-15 | 2020-02-21 | 浙江大学昆山创新中心 | 一种新型自助式末梢采血装置 |
CN109932503A (zh) * | 2019-03-25 | 2019-06-25 | 江苏精策医疗科技有限公司 | 肌体产热-散热模型、模拟实验及其无创血糖检测方法 |
CN111241957A (zh) * | 2020-01-04 | 2020-06-05 | 圣点世纪科技股份有限公司 | 一种基于多特征融合和de-elm的手指静脉活体检测方法 |
Non-Patent Citations (2)
Title |
---|
Zhang, Xiqin.Finger temperature controller for non-invasive blood glucose measurement.《OPTICS IN HEALTH CARE AND BIOMEDICAL OPTICS IV》.2010, * |
张大伟.人体无创血糖检测的发展与现状.《光学仪器》.2017, * |
Also Published As
Publication number | Publication date |
---|---|
CN113509178A (zh) | 2021-10-19 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
RU2522969C2 (ru) | Электронный сфигмоманометр и способ измерения кровяного давления | |
US10289652B2 (en) | Calibration method for the prospective calibration of measuring equipment | |
CN101884541B (zh) | 人体血液生化参数无创检测仪及检测方法 | |
RU2749187C2 (ru) | Компьютерно-реализуемый способ и портативный прибор для анализа данных контроля глюкозы, показывающих уровень глюкозы в физиологической жидкости | |
US10376160B2 (en) | Blood pressure estimation method and blood pressure measurement device | |
US8323195B2 (en) | Blood glucose measurement system | |
WO2006116637A2 (en) | Raman spectroscopy for non-invasive glucose measurements | |
CN107374646B (zh) | 基于近红外技术的血糖检测装置及方法、电子装置 | |
WO1999056616A1 (en) | Non-invasive measurement of blood glucose | |
CN112656367B (zh) | 一种用于大脑认知功能评估的检测系统及方法 | |
US20220330895A1 (en) | Method for processing noise of biometric information measurement data | |
JP2023517017A (ja) | 体内挿入用センサの校正感度を計算する方法 | |
US7297123B2 (en) | Method and apparatus for accessing oral mucositis | |
CN113509178B (zh) | 一种基于差温状态监控的无创血糖检测方法及装置 | |
CN112568902A (zh) | 一种基于血糖值的无创血糖校准方法 | |
KR102035731B1 (ko) | 광용적맥파를 이용한 통증심도 측정 방법 및 장치 | |
CN114081483A (zh) | 一种基于深度学习扩散相关光谱的组织血流和血氧饱和度测量方法 | |
CN106963392B (zh) | 光学无创血糖检测二维相关性标定方法及系统 | |
CN104856696B (zh) | 智能血糖测试仪、测试方法以及系统 | |
GB2595162A (en) | Biological function measurement device, and biological function measurement method, and program | |
CN112485206B (zh) | 一种接触式测量装置的校正方法及经皮黄疸仪 | |
CN117292821B (zh) | 一种基于知识图谱的辅助诊疗系统 | |
CN113712501B (zh) | 一种眼脑数据同步变化的检测方法及系统 | |
WO2017002401A1 (ja) | 粘弾特性取得装置、粘弾特性取得方法、粘弾特性取得プログラム、及びそのプログラムを記録する記録媒体 | |
KR20160057257A (ko) | 생체정보를 이용한 졸음측정 방법 및 시스템 |
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 |