TW570768B - Classification and characterization of tissue through features related to adipose tissue - Google Patents
Classification and characterization of tissue through features related to adipose tissue Download PDFInfo
- Publication number
- TW570768B TW570768B TW090101351A TW90101351A TW570768B TW 570768 B TW570768 B TW 570768B TW 090101351 A TW090101351 A TW 090101351A TW 90101351 A TW90101351 A TW 90101351A TW 570768 B TW570768 B TW 570768B
- Authority
- TW
- Taiwan
- Prior art keywords
- patent application
- item
- scope
- spectrum
- classification
- Prior art date
Links
- 210000000577 adipose tissue Anatomy 0.000 title claims abstract description 73
- 210000001519 tissue Anatomy 0.000 title claims abstract description 58
- 238000012512 characterization method Methods 0.000 title description 2
- 238000000034 method Methods 0.000 claims abstract description 123
- 238000005259 measurement Methods 0.000 claims abstract description 60
- 238000000862 absorption spectrum Methods 0.000 claims abstract description 32
- 230000003595 spectral effect Effects 0.000 claims abstract description 20
- 238000004458 analytical method Methods 0.000 claims abstract description 19
- 238000001228 spectrum Methods 0.000 claims description 61
- 238000010521 absorption reaction Methods 0.000 claims description 55
- 239000000523 sample Substances 0.000 claims description 34
- 239000000203 mixture Substances 0.000 claims description 28
- 238000012937 correction Methods 0.000 claims description 26
- 238000012797 qualification Methods 0.000 claims description 23
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 claims description 22
- 238000001514 detection method Methods 0.000 claims description 21
- 230000002079 cooperative effect Effects 0.000 claims description 20
- 230000003287 optical effect Effects 0.000 claims description 15
- 238000000513 principal component analysis Methods 0.000 claims description 10
- 208000008589 Obesity Diseases 0.000 claims description 8
- 230000007935 neutral effect Effects 0.000 claims description 8
- 235000020824 obesity Nutrition 0.000 claims description 8
- 230000002093 peripheral effect Effects 0.000 claims description 8
- 238000005286 illumination Methods 0.000 claims description 6
- 238000004422 calculation algorithm Methods 0.000 claims description 5
- 230000036541 health Effects 0.000 claims description 5
- 238000000605 extraction Methods 0.000 claims description 4
- 239000000835 fiber Substances 0.000 claims description 4
- 238000012417 linear regression Methods 0.000 claims description 4
- 150000002632 lipids Chemical class 0.000 claims description 4
- 239000011159 matrix material Substances 0.000 claims description 4
- 239000013307 optical fiber Substances 0.000 claims description 4
- 238000012360 testing method Methods 0.000 claims description 4
- 230000009466 transformation Effects 0.000 claims description 4
- 238000000556 factor analysis Methods 0.000 claims description 3
- 239000010453 quartz Substances 0.000 claims description 3
- VYPSYNLAJGMNEJ-UHFFFAOYSA-N silicon dioxide Inorganic materials O=[Si]=O VYPSYNLAJGMNEJ-UHFFFAOYSA-N 0.000 claims description 3
- 230000003213 activating effect Effects 0.000 claims description 2
- 238000004159 blood analysis Methods 0.000 claims description 2
- 229910052736 halogen Inorganic materials 0.000 claims description 2
- 150000002367 halogens Chemical class 0.000 claims description 2
- 238000013214 routine measurement Methods 0.000 claims description 2
- JBRZTFJDHDCESZ-UHFFFAOYSA-N AsGa Chemical compound [As]#[Ga] JBRZTFJDHDCESZ-UHFFFAOYSA-N 0.000 claims 1
- BQCADISMDOOEFD-UHFFFAOYSA-N Silver Chemical compound [Ag] BQCADISMDOOEFD-UHFFFAOYSA-N 0.000 claims 1
- YZCKVEUIGOORGS-NJFSPNSNSA-N Tritium Chemical compound [3H] YZCKVEUIGOORGS-NJFSPNSNSA-N 0.000 claims 1
- 239000008186 active pharmaceutical agent Substances 0.000 claims 1
- 230000005540 biological transmission Effects 0.000 claims 1
- 208000001848 dysentery Diseases 0.000 claims 1
- 229910052738 indium Inorganic materials 0.000 claims 1
- APFVFJFRJDLVQX-UHFFFAOYSA-N indium atom Chemical compound [In] APFVFJFRJDLVQX-UHFFFAOYSA-N 0.000 claims 1
- 239000010977 jade Substances 0.000 claims 1
- 235000015170 shellfish Nutrition 0.000 claims 1
- 229910052709 silver Inorganic materials 0.000 claims 1
- 239000004332 silver Substances 0.000 claims 1
- 229910052722 tritium Inorganic materials 0.000 claims 1
- 230000000007 visual effect Effects 0.000 claims 1
- 239000002699 waste material Substances 0.000 claims 1
- 239000008280 blood Substances 0.000 abstract description 23
- 210000004369 blood Anatomy 0.000 abstract description 23
- 150000001875 compounds Chemical class 0.000 abstract description 2
- 238000002835 absorbance Methods 0.000 abstract 1
- 238000001727 in vivo Methods 0.000 abstract 1
- 238000010183 spectrum analysis Methods 0.000 abstract 1
- 230000009102 absorption Effects 0.000 description 49
- 239000003925 fat Substances 0.000 description 44
- 235000019197 fats Nutrition 0.000 description 43
- 210000003491 skin Anatomy 0.000 description 39
- 230000006870 function Effects 0.000 description 18
- 210000004207 dermis Anatomy 0.000 description 10
- 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 description 9
- 239000008103 glucose Substances 0.000 description 9
- 239000012491 analyte Substances 0.000 description 8
- 238000010586 diagram Methods 0.000 description 7
- 230000031700 light absorption Effects 0.000 description 7
- 238000004364 calculation method Methods 0.000 description 6
- 230000008520 organization Effects 0.000 description 6
- 238000007781 pre-processing Methods 0.000 description 5
- 239000000126 substance Substances 0.000 description 5
- 230000036571 hydration Effects 0.000 description 4
- 238000006703 hydration reaction Methods 0.000 description 4
- 206010033675 panniculitis Diseases 0.000 description 4
- 210000004304 subcutaneous tissue Anatomy 0.000 description 4
- 150000003626 triacylglycerols Chemical class 0.000 description 4
- 230000002792 vascular Effects 0.000 description 4
- 235000019737 Animal fat Nutrition 0.000 description 3
- 230000008901 benefit Effects 0.000 description 3
- 210000004204 blood vessel Anatomy 0.000 description 3
- 230000008859 change Effects 0.000 description 3
- 238000012790 confirmation Methods 0.000 description 3
- 230000000694 effects Effects 0.000 description 3
- 238000011156 evaluation Methods 0.000 description 3
- 238000007429 general method Methods 0.000 description 3
- 238000007920 subcutaneous administration Methods 0.000 description 3
- 210000004003 subcutaneous fat Anatomy 0.000 description 3
- 102000008186 Collagen Human genes 0.000 description 2
- 108010035532 Collagen Proteins 0.000 description 2
- 241000238558 Eucarida Species 0.000 description 2
- XUMBMVFBXHLACL-UHFFFAOYSA-N Melanin Chemical compound O=C1C(=O)C(C2=CNC3=C(C(C(=O)C4=C32)=O)C)=C2C4=CNC2=C1C XUMBMVFBXHLACL-UHFFFAOYSA-N 0.000 description 2
- 238000004497 NIR spectroscopy Methods 0.000 description 2
- 210000001789 adipocyte Anatomy 0.000 description 2
- HVYWMOMLDIMFJA-DPAQBDIFSA-N cholesterol Chemical compound C1C=C2C[C@@H](O)CC[C@]2(C)[C@@H]2[C@@H]1[C@@H]1CC[C@H]([C@H](C)CCCC(C)C)[C@@]1(C)CC2 HVYWMOMLDIMFJA-DPAQBDIFSA-N 0.000 description 2
- 229920001436 collagen Polymers 0.000 description 2
- 230000002500 effect on skin Effects 0.000 description 2
- 238000004870 electrical engineering Methods 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 238000009499 grossing Methods 0.000 description 2
- 238000009434 installation Methods 0.000 description 2
- 230000003993 interaction Effects 0.000 description 2
- 230000001678 irradiating effect Effects 0.000 description 2
- 238000011089 mechanical engineering Methods 0.000 description 2
- 235000016709 nutrition Nutrition 0.000 description 2
- 230000035764 nutrition Effects 0.000 description 2
- 238000010238 partial least squares regression Methods 0.000 description 2
- 230000035515 penetration Effects 0.000 description 2
- 230000008569 process Effects 0.000 description 2
- 238000012545 processing Methods 0.000 description 2
- 238000003672 processing method Methods 0.000 description 2
- 102000004169 proteins and genes Human genes 0.000 description 2
- 108090000623 proteins and genes Proteins 0.000 description 2
- 238000012552 review Methods 0.000 description 2
- 238000005070 sampling Methods 0.000 description 2
- 238000010187 selection method Methods 0.000 description 2
- 238000012546 transfer Methods 0.000 description 2
- UFTFJSFQGQCHQW-UHFFFAOYSA-N triformin Chemical compound O=COCC(OC=O)COC=O UFTFJSFQGQCHQW-UHFFFAOYSA-N 0.000 description 2
- 241000208340 Araliaceae Species 0.000 description 1
- 241000283690 Bos taurus Species 0.000 description 1
- RYGMFSIKBFXOCR-UHFFFAOYSA-N Copper Chemical compound [Cu] RYGMFSIKBFXOCR-UHFFFAOYSA-N 0.000 description 1
- 241000282326 Felis catus Species 0.000 description 1
- 102000001554 Hemoglobins Human genes 0.000 description 1
- 108010054147 Hemoglobins Proteins 0.000 description 1
- 206010020772 Hypertension Diseases 0.000 description 1
- 240000002329 Inga feuillei Species 0.000 description 1
- 241000428199 Mustelinae Species 0.000 description 1
- 206010028980 Neoplasm Diseases 0.000 description 1
- 208000011623 Obstructive Lung disease Diseases 0.000 description 1
- 235000005035 Panax pseudoginseng ssp. pseudoginseng Nutrition 0.000 description 1
- 235000003140 Panax quinquefolius Nutrition 0.000 description 1
- 206010000210 abortion Diseases 0.000 description 1
- 238000009825 accumulation Methods 0.000 description 1
- 206010003246 arthritis Diseases 0.000 description 1
- 238000013473 artificial intelligence Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 210000000988 bone and bone Anatomy 0.000 description 1
- 201000011510 cancer Diseases 0.000 description 1
- 210000004027 cell Anatomy 0.000 description 1
- 230000000739 chaotic effect Effects 0.000 description 1
- 239000003795 chemical substances by application Substances 0.000 description 1
- 235000012000 cholesterol Nutrition 0.000 description 1
- 230000019771 cognition Effects 0.000 description 1
- 230000001149 cognitive effect Effects 0.000 description 1
- 230000000052 comparative effect Effects 0.000 description 1
- 229910052802 copper Inorganic materials 0.000 description 1
- 239000010949 copper Substances 0.000 description 1
- 208000029078 coronary artery disease Diseases 0.000 description 1
- 230000000875 corresponding effect Effects 0.000 description 1
- 238000000354 decomposition reaction Methods 0.000 description 1
- 238000009795 derivation Methods 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000003745 diagnosis Methods 0.000 description 1
- 238000009792 diffusion process Methods 0.000 description 1
- 238000012377 drug delivery Methods 0.000 description 1
- 210000000624 ear auricle Anatomy 0.000 description 1
- 210000002615 epidermis Anatomy 0.000 description 1
- 238000002474 experimental method Methods 0.000 description 1
- 239000004744 fabric Substances 0.000 description 1
- 238000001914 filtration Methods 0.000 description 1
- 239000012530 fluid Substances 0.000 description 1
- 210000000245 forearm Anatomy 0.000 description 1
- 235000008434 ginseng Nutrition 0.000 description 1
- 238000003306 harvesting Methods 0.000 description 1
- 230000005802 health problem Effects 0.000 description 1
- 239000005556 hormone Substances 0.000 description 1
- 229940088597 hormone Drugs 0.000 description 1
- 238000002329 infrared spectrum Methods 0.000 description 1
- 238000007689 inspection Methods 0.000 description 1
- 230000000968 intestinal effect Effects 0.000 description 1
- 238000013178 mathematical model Methods 0.000 description 1
- 235000013372 meat Nutrition 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000036651 mood Effects 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 230000035790 physiological processes and functions Effects 0.000 description 1
- 239000000049 pigment Substances 0.000 description 1
- 238000012628 principal component regression Methods 0.000 description 1
- 238000001055 reflectance spectroscopy Methods 0.000 description 1
- 238000000985 reflectance spectrum Methods 0.000 description 1
- 230000003252 repetitive effect Effects 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 210000001991 scapula Anatomy 0.000 description 1
- 238000004611 spectroscopical analysis Methods 0.000 description 1
- 230000000638 stimulation Effects 0.000 description 1
- 230000004083 survival effect Effects 0.000 description 1
- 229940126585 therapeutic drug Drugs 0.000 description 1
- 238000000844 transformation Methods 0.000 description 1
- 208000001072 type 2 diabetes mellitus Diseases 0.000 description 1
- 238000002604 ultrasonography Methods 0.000 description 1
- 238000012795 verification Methods 0.000 description 1
Classifications
-
- 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
- A61B5/0059—Measuring for diagnostic purposes; Identification of persons using light, e.g. diagnosis by transillumination, diascopy, fluorescence
-
- 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
- A61B5/145—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
- 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
-
- 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
- G01N21/31—Investigating relative effect of material at wavelengths characteristic of specific elements or molecules, e.g. atomic absorption spectrometry
- G01N21/35—Investigating relative effect of material at wavelengths characteristic of specific elements or molecules, e.g. atomic absorption spectrometry using infrared light
- G01N21/359—Investigating relative effect of material at wavelengths characteristic of specific elements or molecules, e.g. atomic absorption spectrometry using infrared light using near infrared light
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/103—Detecting, measuring or recording devices for testing the shape, pattern, colour, size or movement of the body or parts thereof, for diagnostic purposes
- A61B5/107—Measuring physical dimensions, e.g. size of the entire body or parts thereof
- A61B5/1075—Measuring physical dimensions, e.g. size of the entire body or parts thereof for measuring dimensions by non-invasive methods, e.g. for determining thickness of tissue layer
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N2201/00—Features of devices classified in G01N21/00
- G01N2201/12—Circuits of general importance; Signal processing
- G01N2201/129—Using chemometrical methods
- G01N2201/1293—Using chemometrical methods resolving multicomponent spectra
-
- 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
- G16H50/20—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for computer-aided diagnosis, e.g. based on medical expert systems
Landscapes
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Pathology (AREA)
- General Health & Medical Sciences (AREA)
- Veterinary Medicine (AREA)
- Biophysics (AREA)
- Biomedical Technology (AREA)
- Heart & Thoracic Surgery (AREA)
- Medical Informatics (AREA)
- Molecular Biology (AREA)
- Surgery (AREA)
- Animal Behavior & Ethology (AREA)
- Public Health (AREA)
- Spectroscopy & Molecular Physics (AREA)
- Optics & Photonics (AREA)
- Artificial Intelligence (AREA)
- General Physics & Mathematics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Biochemistry (AREA)
- Chemical & Material Sciences (AREA)
- Immunology (AREA)
- Emergency Medicine (AREA)
- Evolutionary Computation (AREA)
- Fuzzy Systems (AREA)
- Mathematical Physics (AREA)
- Analytical Chemistry (AREA)
- Physiology (AREA)
- Psychiatry (AREA)
- Signal Processing (AREA)
- Investigating Or Analysing Materials By Optical Means (AREA)
- Medicines Containing Material From Animals Or Micro-Organisms (AREA)
- Other Investigation Or Analysis Of Materials By Electrical Means (AREA)
- Measuring Or Testing Involving Enzymes Or Micro-Organisms (AREA)
Description
570768 A7
五、發明說明() 經濟部智慧財產局員工消費合作社印製 發明領诚 本發明係關於藉由與組織特性相關的特徵對個體加以 分類。特別是,本發明係關於分析組織的方法,其係藉由 ' 外光光蟮測量為依據之特徵來分析組織,這些特徵 係脂肪組織中gts η» _ %甲興肪吸收光譜相關的。
發明背景L 近紅外線(NIR)光譜是一種有前景的,非侵入性的技 術’其係基於利用在波長範圍為700-2500奈米的NIR能量 照射一處組織而得的測量。此能量被聚集在皮膚的一小區 域並根據皮膚組織的散射與吸收特質而傳遞。因此,未偵 測到而逸離的與被偵測到之反射或穿過的能量可以提供有 關所測試的組織體積之資訊。特別的是,在各種波長下的 光線能量其衰減會與組織構造特質和其化學組成之間形成 一函數關係。組織層,個別包含獨特的異質性層次分佈, 會經由散射而影響光的吸收。化學組成物,如水,蛋白 質,脂肪與血液分析物,會吸收光線並與其濃度成正比因 而呈現獨特的吸收輪廓或訊號。組織特質,特性或組成之 測量是以測量光衰減之幅度作為依據,其係由於相關之散 射與/或吸收特質所致。 1.血液分析物之預測: 當非侵入性血液分析物之測量,例如血糖濃度,可經由 NIR光譜儀達成,報告中的成功與產物之存活卻受限於缺 第3頁 本紙張尺度適用中國國家標準(CNS)A4規格(210 X 297公釐) ,---U---^--------^---------線- (請先閱讀背面之注意事項寫本頁) 一 570768 A7 B7 五、發明說明() 乏一種系統,其係可彌補因個體間在構造的差異,此差異 會在組織樣品的光學性質上產生極大的改變。[例如,參見 Khalil 0S· ’非侵入性葡萄糖測量的光譜學上與臨床上的狀 況,臨床化學(Clin.Chem.),1999,第 45 期,165-177 頁, 或Roe,JN與BR Smoller,”無血式葡萄糖測量,,,治療學 上的藥劑載運系統之評論性回顧論文,第1 5期,第3卷, 199-241頁,1 998]。這些差別與個體之間在受照射的組織 樣品之構造差別有關並包括,如真皮厚度,皮膚中膠原之 分布與密度,與體脂肪比率。由於構造的差別所導致的吸 收特徵會在受測者身上重複出現,他們會在整個受測者族 群中產生混亂的非線性光譜的差異。[見 Tan,CY, B.Statham,R.Marks,P.A.Payne ,由脈衝式超音波作皮膚 厚度之測量:其再現性,有效性與差異,英國皮膚學雜誌 (British Journal of Dermatology),第 106 期,657-667 頁, 1 982。亦參見 Shuster,S.,M.M.Black,E.McVitie,年齡 與性別對皮膚厚度,皮膚膠原與密度之影響,英國皮膚學 雜說(British Journal of Dermatology),第 93 期,1975。亦 參見 Durnin,J·V.G. A.與 M.M.Rahaman,經由皮膚厚度測 量對人體中脂肪量的評估,英國營養學雜語(British Journal of Nutrition),第 21 期,1967。] 此外,在一段相當短的時間之内,在受測者生理狀態上 的差異會影響組織層與其各小型區域在光學上的特質。這 種差異,例如,可能與其水合程度,組織中血液體積比例 上的改變,激素的刺激,溫度的起伏與血紅素的量有關。 第4頁 本紙張尺度適用中國國家標準(CNS)A4規格(210 X 297公爱) (請先閱讀背面之注意事項0寫本頁) 裝 經濟部智慧財產局員工消費合作社印製 570768 A7 經濟部智慧財產局員工消费合作社印製 ----^_____五、發明說明() 由於這些構造與狀態的差異成為在所測量的近紅外光吸 收光If中差異的最大來源,他們即無法為血液分析物濃度 的一種指標。而是,他們造成明顯的非線性光譜差異’此 差異會對血液分析物的非侵入式測量造成限制,此非侵入 式測量係藉由光學為基礎之方法。例如,數個已報導的非 侵入式葡萄糖測量的方法發展出一校正模式,其係在一短 時間之内特別地針對一個個體。[見Hazen,K.H·,”利用近 紅外光光譜學在生物基質上的葡萄糖測量”,博士論文,愛 荷華大學,八月,1 995。亦參見 Robinson,M.R· ’ R. P.Eaton,”在糖尿病患者中非侵入式葡萄糖之偵測:一預 備式之評估”,臨床化學(Clin.Chem.) , 38/9,1618-1622 頁,1992 。亦參見 S.Malin , T.Ruchti , T.Blank , S. Thennadil與S.Monfre,”藉由近紅外線擴散反射光譜儀 作為非侵入性葡萄糖之偵測”,臨床化學(Clin.Chem.), 45:9,1 65 1 -1658 頁,1999。] 在一相關之申請案中,”作為非侵入性血液分析物預測 的一種智慧型系統”,美國專利申請序號09/359,1 9 1,1999 年7月22日由S.Malin,T.Ruchti所申請,揭示了 一儀器 設備與方法,其係可在血液分析物預測之前根據與組織特 性相關之光譜特徵將受測者分類,並藉此實質上地降低此 問題。所節選出之特性可代表照射之租織的實際體積。此 小組或分類是以組織的相似性為依據而加以定義,例如在 同一分類中的光譜差異會比不同分類之間的差異來的小。 既然光譜的干擾最大來源已實質地降低,這些内在一致的 第5頁 本紙張尺度適用中國國家標準(CNS)A4規格(210 X 297公釐) (請先閱讀背面之注意事項$寫本頁)
I I 裝 . -1. 570768
五、發明說明( 分類更適於作血液分析物之多變相分析。這樣,依據代表 組織狀態與構造之光譜特性上的相似性而藉此將個體分 組’可降低上述混亂的非線性差異’因而血液分析物的預 測即能做得更為精確。 分類的一般性方法要依賴光譜特徵的確定,此特徵係為 所採樣組織體積的最好指標。此種特徵的幅度大小代表一 基礎性差異,例如,組織的厚度或水合之程度。 真皮下層中脂肪組織對光的吸收,主要包含富有一種脂 肪性物質,三酸甘油酯,的細胞,成為非侵入式近紅外線 測量中光譜差異的最主要來源之一。因脂肪組織會明顯地 影響整體的測量,當和皮膚其他層次中所具有的體積比較 時’血液分析物中富含液體的體積部分相對地較小。 舉例來說’真皮具有豐富的血管網。位於真皮與皮下脂 防間的介面是深層血管叢,係一血管之匯集,其走向與皮 膚表面平行。從深層血管叢,血管上達皮膚表面至另一血 管之舍集平行匯集處’稱為表層血管叢,其係位於距皮膚 面0.3公厘至0.6公厘之處。 若與皮膚的其他層次相比,既然真皮的微血管層具有一 高體積部分之分析物,例如葡萄糖,其係隨著實際的血液 濃度而變化,因此,真皮的微血管層即成為照射與血液分 析物測量的標把位置。另一方面,藉由脂肪組織之成分對 光線的吸收就標靶之分析物測量而言具有較混亂之效應, 然而其代表著光譜差異的最大來源,僅次於水的吸收。例 如’第1圖顯示在一人類受測者身上所測量的一近紅外光 第6頁 本紙張尺度適用中國國家標準(CNS)A4規格(210 X 297公釐) (請先閱讀背面之注意事項Η 骏·! \寫本頁> 經濟部智慧財產局員工消費合作社印製 570768 A7 B7 經濟部智慧財產局員工消費合作社印製 五、發明說明( 吸收光譜,並具有大蜇的吸收帶,ι〇1,ι〇2,ι〇3,如箭: 4 ϋ貝 所示,其係因脂肪組織中脂肪的堆積所致。在採樣之知 、’'及纖 體積中因存有一典型之血液分析物,如葡萄糖,其相對之 吸收要比所指定之脂肪·吸收帶在幅度上小了大約十的3 次 方倍。 因此,因脂肪組織所造成光線的吸收對於血液分;I:斤物精 確的確認上產生了兩種主要的障礙。第一,與脂肪緩 關之全部吸收成為一相當大的干擾,因而無法成為▲、、 <吸分 析物濃度的指標。若講到欲撤去此一干擾,事實上Jgp母 X因 脂肪組織造成不同的光線衰減是很難予以模式化,# 外係因 為在層次狀的系統中擴散性反射的光線其本性較複雜、 故。第二,由脂肪組織中所測得的脂肪之吸收會依〜 之 曰 〜特定 的方式改變,此方式係與隨著緊接於前的組織層之 疋學特 質有關’此組織層亦即指真皮’表皮,與角質層。詞^、 特定的光線強度標準’在脂肪組織中由脂防所造成白勺 趨向於固定。然而’投射入脂肪組織的光線會根據走 態的改變而隨著週遭的組織產生差異。因此,在採才氣 的組織體積中,脂肪吸收的幅度和因生诹 所得 王里狀的起伏而造 成的這些改變有直接的關係。 < 因此,組織體積之本性的分類可採用與脂防組織 吸收相關的特徵,此體積係以-近紅外光測量儀器設㈣ 採樣而得的。根據此種特徵的相似性對 f生對文 >則者所作的分類 會導致所採樣的組織體積具有一較女 权大的均質性並降低和皮
廣組織有關之干擾。如此必然會在—A Μ '入、,及小組中對皮廣之 __第7頁 本紙張尺度適用中國國家標準(CNS)A4規格 1·---;---裝--- r請先閱讀背面之注意事項寫本頁) 0 - -線Ϊ 570768 A7
五、發明說明() 生物性化合物的濃度產生一極優越的測量,例如一血液分 析物。 -------;——«---^---- 請先間讀背面μ涑意事頊hi寫本頁) 2 ·身體組成估算 身體組成是健康狀態的一重要指標,而身體組成之確定 在健康危機的評估與診斷上亦扮演著重要的角色。[見 V.Heyward與L.Stolarczyk,應用性身體組成評估,香擴 城’伊利諾州:人類動力學(Human Kinetics),1 996。]例 如’肥胖是一種嚴重的健康問題,其係可藉由增加一 #人 產生冠心病,高血壓,第二型糖尿病,阻塞性肺病,月’ 關節炎與某些型式的癌症的危機而減少其壽命。這種隨著 肥胖而增加的健康危機與身體的總脂肪量有關。一點兒也 也中 不訝異的是,現存有很多用於估算身體組成的方法,灸 許多種是根據間接的測量;例如,含水重量,生物電推Ί 參 j匕 抗,皮膚厚度測量與其他[見上述之Heyward等人] /y Q Q - 外,對身體脂肪的非侵入性測量曾應用波長範園為
1 100奈米的近紅外線分析[見Conway,J.M·,NornS 經濟部智慧財產局員工消費合作社印製 K · Η ·,與B 〇 d w e 11,C. E. 身體組成估算的一種新方式·紅 線之相互影響,,,美國臨床營養期刊,1 985,12月,1123_ 1130 頁]。 R.D.Rosenthal在,,用於確定身體中脂肪比率的近紅外光 儀器設施與方法,,中,美國專利申請序號4,850,365 ’七 月25日發出,1989與另一個,,用於確定身體中脂脉比率的 近紅外光儀器設施與方法,,中,美國專利申請序號4 ’ 928 ’ 第8頁 本紙張尺度適用中國國家標準(CNS)A4規格(210 X 297公釐) 570768 A7 B7 五、發明說明() 014,五月 22 日發出;與 A.Roper 與 K.O.Johnson,’’利用 近紅外光測量脂肪厚度的儀器設施與方法,,中,美國專利申 請序號5,014,713,五月14曰發出,1991,其中揭露了 在波長為 700-1 100奈米的範圍中進行近紅外光分析的方 法,其目的為身體組成之分析並包括脂肪比率與脂肪厚度 的確定。 近紅外光分析的使用具有非侵入性,方便與負擔得起的 優點。所報告的方法都很相似且一般均包含在740-1 100奈 米範圍中以數種波長的近紅外光對組織的照射與在一多樣 性之光波下偵測光線的吸收。曾建立一方法,其係以測量 為依據來預測體脂肪的比率或是皮下脂肪層的厚度,從一 身體組成評估的另種技術來提供參考數值。例如,Conway 就是利用在916奈米與1026奈米之吸收光譜的第二衍生來 估算幾個受測者的脂肪比率。
Rosenthal報告提出使用測量之吸收來確定身體中脂肪 比率的兩種類似方法,其係藉由在一波長與一特定寬度波 長範圍之下,與將身體脂肪比率和吸收之測量之間扯上關 係的一種數學模式。此外,可提出身體上許多體位的參數 數據,如身高,體重,運動量,性別,種族,腰臀比與臂 圍,在對體脂肪含量作定量確定時可與所測得的近紅外線 吸收一起使用β
Roper等人藉由含有一對紅外線發射極體與一偵測列的 測量儀器設備來確定身體中脂肪的厚度。介於700-1 100奈 米間的許多波長可由偵測列偵測出來,並產生與從身體發 第9頁 本紙張尺度適用中國國家標準(CNS)A4規格(210 X 297公釐) ------------裝 (請先閱讀背面之注意事項寫本頁)
I I I J %, β mb* aav β··· 〇 I 蜃 ι 言 矣I 經濟部智慧財產局員工消费合作社印製 A7
570768 五、發明說明() 射出光線的強度成正比的訊號。ϋ些訊號經加總後並予放 大而形成一混合式的訊^這種混合式訊號的幅度可申請 專利因其為脂肪層厚度的指標。 由於所報導的近紅外線分析方法具有—些優點,其使用 性會顯著地受到所選擇用於分析的波長範園所牽連◊尤其 熟知的是黑色素對低於1100奈米的光是—顯著的吸收劑 [見Anderson’R.R.與j.A.Parrish’,’人類皮廣的光學性 質”,調查性皮膚學期刊(J.of Investigative De_Qi(jgy), 第77(1)期,13-19頁,1981]。因此’在11〇〇奈米以下的 波長時,膚色會引起光譜的大差異並且代表一主要的混淆 影響與偏差的來源。此外,在此波長區域所穿透的深度遠 超過皮下所儲存之脂肪的厚度。另外,在此波長區域由可 見光所造成的可能干擾是眾所週知,並需要特殊的測量儀 器與遏止它的需求。在較高的波長(1 1 00-2500奈米)藉由使 用近紅外光能量來確定皮下脂肪之厚度與體脂肪比率的一 種方法顯然是極為有益的。在此範圍所穿過的深度將會受 限於皮下組織。脂肪細胞的光學特質,當以在測量的吸收 光譜顯示時,可用於估算皮下組織的厚度與個體其整體性 的肥胖程度。 發明目的及概述: 本發明提供一新型儀器設備及其相關方法’其係可確認 脂肪組織中與脂肪吸收相關之特徵,及後續於血液分析物 估算前將受測者分類。本發明並提供一方法’其係藉由利 第10頁 本紙張尺度適用中國國家標準(CNS)A4規格(210 X 297公釐) (請先閱讀背面之注意事項寫本頁) 裝 --線 經濟部智慧財產局員工消费合作社印製 570768 A7 與一範 五、發明說明(
用在光譜範圍1100-2500奈米中較古、士 E 仅问波長之近紅外線來確 定皮下脂肪的厚度與體脂肪比率。在此ρα #姿 在此範圍所穿透的深度 僅限於皮下組織。脂肪細胞的光學性晳 ” α , π 卞丨王貝,以所測得的吸收 光譜顯示,可用於估算皮下組織的厚户 〜度與個體4整體性肥 胖程度而不會有來自較深層組織層或皮膚色素的干擾。 一般而言,儀器設備包括一能量來源,一波長選擇器, 接觸受測者的一介面,一感應器元件與一分析器。發明中 的一般方法包含在活體組織樣品中測量NIR吸收光譜的步 驟;偵測落在外圍者’與不同來源的誤差有關的無效測 量’將測量的光1醤傳送予不同之預先處理技術;特徵節 選,其中確認並分離出光譜特徵,其係專一性地與脂肪組 織中脂肪的吸收有關;與校正 例式測量之校正組相比較以便分析光譜,此光譜係用於進 一步作血液分析物之預測。還可以作一皮膚厚度的估算與 一後續之體脂肪比率的估算。 本發明中這些與其他的特徵,觀點與益處可參考下列描 述,圖形與附帶的專利項目以作進一步之了解。 圖式簡單說明: 第1圖為在人類受測者所測量出的近紅外線吸收光譜之圖 形,其係顯示因儲存於脂肪組織t之脂肪的吸收 帶; 弟2圖為一個作為分類組織的系統的區塊圖,其係根據本 發明,以與體脂肪之吸收光譜相關之特徵作為依 第11頁 本紙張尺度適用中國國家標準(CNS)A4規格(210 X 297公爱) (請先閱讀背面之注意事項Η 裝· — — f本頁) 經濟部智慧財產局員工消費合作社印製 570768 A7 B7 經濟部智慧財產局員工消費合作社印製 五、發明說明( 據; 第3圖顯示一水的常態化之NIR吸收光譜; 第4圖顯示動物脂肪的-個截除樣品的NIR吸收光譜; 第5圖提供一万法的一區塊圖,根據本發明,其係節選與 真皮和脂肪組織相關的光譜之特徵; 第6圖顯π 19名受測者之NIR吸收光譜,其係根據本發明 以第5圖之方法為依據而加以常態化; 第7圖顯示根據本發明,作為體脂肪之單—波長校正的— 圖形; 第8圖提*方法的區塊圖,根據本發明,其係經三種波 長測量體脂肪; 第9圖顯π ’根據本發明’將實際體脂肪對第7圖之節選 特徵作圖的一圖形; ' 第圖顯示一摘要式特徵節選與受測者分類之方法的_ 圖,其係根據本發明; 第U圖顯示一數據组之主成分分析的前三個本征向量之圈 形,根據本發明,並你社# + Μ 其係接耆在第10圖之特徵節運 方法之後; 第12圖係根據本發明,為第11圖的第三負載物(本征向量 與第4圖中的動物脂肪光譜間之比較; 第圖為提供-雙塊狀圖,根據本發明,其係顯示作為纪 脂防預測與受測者之分類的-般化方法,係以; 4上相對地與體脂肪相關的特徵為依據; 第1 4圖顯示,其係根據本發明, 猫、a丨、;+ 將一預測(皮膚厚度對^ 第12頁 (請先閱讀背面之注意事項寫本頁) *---J——裝 570768 A7 B7 五、發明說明() 實的皮膚厚度作圖的圖形。 圖號對照說明: 19 計算 20 受測者 21 能量來源 22 波長選擇器 24 能量 25 介面 26 感應器要素/電壓 27 轉換器 29 外圍偵測 30 前處理器 3 1 特徵節選 32 分類與/或估算 33 分析器 60 吸收光譜 61 光譜 62 投影 65 差別 66 波峰 67 特徵 68 分類 100 波長選擇 102 旋轉 104 顯著吸收 105 低吸收 13 1 校正模式 132 分類方法 經濟部智慧財產局員工消費合作社印製 發明詳細說明: 第13頁 本紙張尺度適用中國國家標準(CNS)A4規格(210 X 297公釐) 570768 A7 B7 經濟部智慧財產局員工消費合作社印製 五、發明說明() 一系統’其係作為非侵入性地確定與脂肪組織吸收相 關的特徵’提供了一儀器設備以作為測量用近紅外線能量 照射的組織對紅外線的吸收與對組織特性加以節選並分類 的方法。此外,所測量的吸收光譜經處理並送與一估算方 法以確定皮膚厚度與/或體脂肪之比率。 儀器設備: 儀器設備包括一能量來源2 1,一感應器要素26,接 觸受測者的一介面25,一波長選擇器22與一分析器33。 此能量來源21可在波長為ι100-2500奈米之範圍附近產 生並發射出近紅外光之能量且含有一設備例如一 LED列 陣或一石英lS素燈。波長區分儀器22可為一個單色曲光 儀,或一個干涉儀。波長區分亦可透過一先前敘述之led 列陣元件的連續性照明光源。面對受測者20的光學介面 25包含了 一方法,其係可將能量23自光源21傳導至標 靶皮膚組織測量點;例如,一光線管路,光纖,一透鏡系 統或一光源導向的鏡面系統。面對受測者20的光學介面 25亦包括了一方法,其係可經由使用閃爍光源偵測器或 是光纖探針,在一已確定的最佳距離下,以反射模式把來 自周圍組織區域之能量24收集起來。將所收集之能量轉 換成一電壓2 6,並經由一類比對數位化之轉換器2 7葱集 樣本,以便作為一微處理器基本系統3 3之分析之用。 在較佳實施例中,儀器使用一石英鹵素燈21,一單色 曲光儀22與InGAs偵測器26。自樣品所偵測到的密度經 第14頁 紙張尺度適用中國國家標準(CNS)A4規格(210 X 297公釐) 一
(請先閱讀背面之注意事項U 寫本頁) 裝 · 丨線“ 570768
由邊比電子儀器2 6盘一 1 ^ /f— ** ' ^ t ju m 16_位兀<交/直流轉換器27加以 數位化而轉換成-電壓。再將其光譜傳送予處理器33以 便藉由分類方法加以處理。t先,以偵測到之光作為依據 將吸收藉由(取負的對數值)加以計算19,其中及 為反射之光線而心為投射至樣品上之光線,其係經掃描 一參考標準而加以確定的。接下來的處理方法,如下所 述,即可產生一分類32或是一意為無效測量的訊息。在 第2圖中顯示一整合系統的塊狀圖。 經濟部智慧財產局員工消费合作社印製 I--------------^--- (請先閱讀背面之注意事項寫本頁) 在另一個較佳實施例中,使用一群LED作為一能量的 來源21以便在一預先選出的波長下產生能量,接著再將 此能量傳送23至皮膚。LED,其係呈一放射狀圍繞著一 個偵測器,經間歇性地充電,並且利用經由皮膚反射或穿 過皮膚的方式,每個LED所偵測到的能量來形成一光 譜。各個LED到偵測器彼此間的距離,或是照明點與偵 測點之間的距離,對於從相對應的LED所發射出之能量 的波長而言是特定的。距離照明點的較佳距離,包含led 的光線發射表面,與偵測點之間的距離最小為1公厘而最 大為3公厘。1公厘的長度用於波長大於13 8〇奈米而3 公厘的長度用於波長大於1 1 00- 1 380奈米之範圍。此組波 長包括,但不侷限於,1100,1208,121〇, 1275,U50, 1 650,1720,1 760奈米。照明與偵測々件21 , 26與標乾 位置間的聯結是經由啟動光學鏡組與一透鏡系統23 , 24 完成。嫻熟此技藝之人士亦認知到其他的聯結方法亦為可 行,此聯結方法包括光纖,其係具有特殊之結構而可對光 第15頁 本紙張尺度適用中國國家標準(CNS)A4規格(210 X 297公釐)
源點與偵測點之間的距離賦予一標準。 裳—— (請先閱讀背面之注意事項t寫本頁} 此外’可藉由商業上可購置之現有的NIR光譜儀來完 成此種測量’包括perst〇rp分析用NiRS 5000光譜儀或一 Nicolet Magna-IR 760光譜儀。此外,此測量 < 經由收集 自皮膚表面反射之光線或是穿透過部分皮膚之光線而達 成,例如手指或耳垂。進而,利用反射或是穿透方式可替 代較佳之吸收測量。 一般處理方法 如第2圖中所示,在一個微處理器33中 < 以完成特 徵確定的一般方法,其係在脂肪組織中與三酸甘油酯的吸 收有關’此微處理器係能自動化地從在第2圖中所示的 ADC 27接收測量之資訊。接下來的一吸收光譜28的計 算,特徵節選之主要組成與分類與/或估算方法包括外圍 偵測29,前處理器30,特徵節選3 1與分類與/或估算 3 2。各方法的設計是以一範例式測量的校正組為依據。此 節中我們將一般之步驟做一摘要,其詳情可見於隨後之施 行部分中。 經濟部智慧財產局員工消费合作社印製 測量: 其中各測量28為一光譜,其係以一吸收值之向量 為代表,而此吸收值屬於一組N波長起沢# ,其波長 區域介於近紅外線(n00至2500奈米)。光譜係依據如下 計算:所偵測到之光線用於產生一 -1〇gR/Rs之圖形,其中 第16頁 本紙張尺度適用中國國家標準(CNS)A4規格(210 X 297公爱) 570768 A7 B7 鳟 義 異 f士 > 對 受 測 光 譜 外 數 分 才斤 〇 铜 本 钲 向 轉 之 校 電 月甾 〇 五、發明說明( R為皮膚的反射光譜而rs為儀器中反射的標準。在紅外 線光譜中,此圖形與—吸收光譜類似,此光譜包含量化之 資訊,其係以射入光線與身體組織的組成物之間的已知相 互作用為依據,且此後以此方式作為參考。第1圖中顯示 m對λ作圖而得的一圖形。然而尤其特別的是,浪 〜I可包 含在紅外線中的一個特定波長之選擇,其係已對 .a Ί旨标乏 吸收有關的特徵節選作最佳化,進一步敘述於下。 、 外圍測量: 外圍測量之方法29為一方法,其係經由光 圍處偵測的較佳方法是經由一主成分分析與—餘 首先,將光譜,m,投影至包含於矩陣中的五 量,其係經由一主成分分析(對一範例式吸收光 其計算是由下式得來 ------------i (請先閱讀背面之注意事項再 xpc 7Σ mo (1) 經濟部智慧財產局員工消費合作社印製 並產生一個1乘5(5維)的分數向量,A:/7C0其中 α中的第k行。它的餘數,7,是根據下式確定的 q = m xpC〇0T .(2) 並與一校正組的期望餘數之三倍標準偏差相比# 大’則宣稱此樣品為一外圍者並中止其性別分類士 1法 是去巨 陣 第17頁 本紙張尺度適用中國國家標準(CNS)A4規格(210 X 297公釐) 570768 經濟部智慧財產局員工消費合作社印製 A7 B7 五、發明說明() 預先處理· 預先處理30的選擇性步驟包括下述之操作,如定度 量’常規化,使之平滑,導函數,濾波,與其他轉型,其 係可將雜訊與儀器的差異減小而不會影響到有興趣之訊 號。經處理後的測量,jc e沢〜,根據下式加以確定 X = h(A,m) ⑺ 其中沢"為預先處理函數。在數據中進行波長之 選擇以便減低外在之變數,其係可能造成校正或測量之光 譜部分的偏差,此光譜具有一較低的訊號對雜訊比率。用 於特徵節選與皮膚厚度估算的一特定方法,詳述於隨後之 施行部分中,包括波長選擇,倍增式散射修正與衍生。[參 見 Geladi ’ Ρ·,與 d. MacDougall ,與 Η· Martens , ”肉品的 近紅外光反射光譜之線性與散射修正”,應用光譜學 (Applied Spectroscopy) ( 1 985),第 39 冊,491 -500 頁。亦 參見Savitzky’A·與M.J.E.Golay,,,藉由一簡化之最小平 方方法使數據平滑化並加以區分”,分析化學,第3 6期, 第 8 卷,1 627- 1639 頁,1964。] 特徵節選 特徵節選31決定各測量值其醒目的特徵,其係與脂 肪組織中三酸甘油酯的吸收有關。一個特 开殊的特徵其幅 度對由光線所照射的脂肪組織的體積而+ s具有其專一 性。此組織體積所測量的特性依賴組織上届 w的光学特質 第18頁 本紙張尺度適用中國國家標準(CNS)A4規格(210 X 297公釐) (請先閱讀背面之注意事項寫本頁) 崎裝 ||贫 五 發明說明( 與脂肪組織的光學特質 ^ ^ w而疋。從不同波長範圍作特徵的 一可作為提供有關真皮特 、 特&與脂肪組織特質的資訊。 一般說來,特徵節選 避了由任何數學上的轉型來完成, 其係能加強其性質或县田 疋用於解釋說明的樣品測量之觀 點。特徵節選的目的是為 &局了把間明地代表並加強用於性 別確定之組織測量點的牿皙 、 質/、特性。此外,特徵能提供 其代表之組織特質的顯著資 〜、者貧讯’並可作為其他的目的, 例如診斷或系統之最佳化。 此特徵直接以一向量 沢Μ ^代表,此向量來自經下式 所作的散射修正測量 Ζ=/α,匀 (4) 其中/: 自所測量的空間到特徵空間的緣圖比 對。分解/(·)可產生特定的轉型,用於決 定-種特別的特徵。从次元’可指出第;·項的特徵是否 為一數量或是一向量’而所有特徵的匯集即為向量:。其 中當所述之特徵以一向量或一模十 、 X Μ表現時,此一特徵即 具有可表示一基礎物理現象的一種特定構造。 個體之特徵可分為兩類: 1 ·摘要性,與 2 ·簡單性。 摘要性特徵並不-定需要與物理系統相關的專一性說 明。明確地說’雖然一主要組成分折的分數在物理上的 解釋不-定都知道’但是此分數是一有用的特徵。例 如’主成分分析提供與組織吸收光譜之性質有關的資 第19頁 ^0768
、發明說明( 自對樣品演譯而來的了解,並且直 。舉例來說,真皮或皮下層的厚度 。將這些光譜差異節選出來並予以 •作為性別確定之一特徵和其相關 訊。取顯著乏知碰 < i織差異通常是和其構造有關,且脂肪組 織的吸收是—, 稷上層組織的層次在構造上有變異的一種 指標。因此,力 在以脂肪組織的光學性質為依據的分類 上 王成刀分析之分數提供很有用的資訊,並構成一組 有價值之特徵。 簡單特徵是衍生 接與一物理現象有關 導致特定的光譜顯示 加強而具有兩種作用 組織特貝之一測量。 在一般的案例中全光譜可傳至分類系統以作分類。然 —種特夂的特徵節選方法,其係已顯示出可提供 優越的77頒表現與其他相關組織特質的測量,其進一步之 描述陳列於下: Μ ' 1 ·來自因數分析之分數,尤其是主成分分析。 2·水與脂肪的相關吸收。 3·脂肪組織中三酸甘油酯吸收帶的常態化幅度。 在下節中會提供這些以一校正組為依據的特徵節選方 法之施行細則。 校正: 將預先處理的光譜與/或節選之特徵傳送至兩個進一 步處理步驟中的任一個。首先,為了受測者的分類可先 作有關節選特徵之決定。可藉由一分類方法32 ,例如組 第20頁 --------,---·——裝 (請先閱讀背面之注意事項®^寫本頁) 訂---------. 經濟部智慧財產局員工消费合作社印製 570768 五、發明說明( 經濟部智慧財產局員工消費合作社印製 A7 B7 織水合化的程度,並以節選特徵為依據,對真皮狀賤的 一種改變作一確認。此外,因為所採樣的組織體積2生 一顯著的,與脂肪吸收有關之特徵而將受測者分類為,,肥 胖”。相反地,因為與脂肪吸收相關之特徵具有較小的幅 度’因此可將受測者分類為瘦”。不管是哪種情沉,分 類都是根據所採樣的組織體積之許估而非個體其全身之 組成。 預先處理之光譜可送至一估算32演算的方法,其係 可估算脂肪組織的厚度或是受測者體脂肪之比率。在皮 膚厚度的估算案例中,估算的方法相當簡單並可依一預 先處理之光譜或節選之特徵來操作。 在身體組成確認的案例中,此方法依賴一模式的完 成’其係將吸收光譜與一體脂肪比率確認相比對。雖然 在演算方法中可用較醒目的特徵,但是除了脂肪組織局 部的厚度外,所有的身體組成需依賴其他的特性。人口 統計學,例如年齡與性別,在確定體脂肪上扮演著重要 的角色[見Hey ward等人,先前所述]。年齡與性別此二 者可從相同的測量光譜加以估算,一如先前兩相關申請 案中所揭示的,”一系統其係作為非侵入式的年齡確 認’’,美國專利申請序號,〇9/xxx,XXX,由T.Ruchti, S.Thennadil » S.Malin 與 J.Rennert 於______1999 年提申 與”一系統其係作為非侵入式的性別確認”,美國專利申 請序號,09/xxx,XXX,由 T.Ruchti,S.Thennadil, S.Malin與J.Rennert於______1999年提申。因此,身禮 第21頁 本紙張尺度適用中國國家標準(CNS)A4規格(210 X 297公釐)
570768 五、 經濟部智慧財產局員工消t合作社印製 A7 發明說明() 組成評估之万法是利用先前所述之年齡與性別的確認方 法與此處所揭示之皮膚厚度的估算方法。 3 · Crisp 分類: 以節選出特徵為依據,對受測者之分類是以一分類步 驟進行,其係包含一比對與一決策。比對步驟是由下式產 生 (5) 其中Ι為一實數,其係用於測量已預先定義之身體組成 種類間的距離。例如,1瘦與胖此二數值,其係分別與 代表,,痩,,與’’肥胖”兩類的1平均值或代表值相聯結,而分 類歸屬之指定疋以I與與i *的近似值作為依據。例 如,i與先前建立之分類間的距離意指分類可藉下式測量
dm =丨 L it - L I c/j» 胖=/乙《 胖-£/ (6) 如下式來完成決定 1 ·若d d *胖則將所採樣的組織體積分類為,,瘦,,咬 相對地含有較低的三酸甘油酯。 2·苦d氣> d κ牌則所採樣的組織體積相對地含有較高 的三酸甘油酯或分類為”肥胖”。 決定與比對的限制是由一範例式特徵之校正組與藉由 一分類校正方法所定符合之參考估算數值,如”痩,,气,,月巴 胖,,,來決定的。現有之方法包括線性區別分析, SIMCA,k最近鄰之演算法’模糊分類,與人工中性網路 第22頁 本紙張尺度適用中國國家標準(CNS)A4規格(210 X 297公爱) {請先閱讀背面之注音?事項寫本頁}
----訂---------線L 570768 A7 B7 五、發明說明() 之各種型式。此外,嫻熟此技藝之人士亦應認知,可用 以測量儀器設備之準確性為依據的一上限來定義超過兩 種以上不同的年齡分類。[參見Duda,R·0.與Ρ·Η· Hart ,複式·分痹箅妒#分考,J〇hn Wiley and Sons,紐 約,1 973。亦參見 Wold,S·與 M.Sjostrom,’’SIMCA : 以相似性與類比之角度來分析化學數據的一種方法”, Chemometrics :理論與應用,B.R.Kowalski編輯,美國 化學學會研討會系列,第52期,1977。亦參見Bezek, J.C.與S.K.Pal編輯,用於模式認知之模糊模式,國際電 子電機工程學會(IEEE)出版,Piscataway,紐澤西, 1992。亦參見 Keller,J·,M.Gray 與 J.Givens,’’一種模 糊K最近鄰之演算法”,國際電子電機工程學會(IEEE) 於系統,人,與人工智慧之會議記錄,第SMC-15期, 第4·卷,580-585頁,七月/八月,1 985。亦參見Pao, Υ·Η·,適慮從赛式·認知典尹從,轉夥,Addis on-Wes ley出 版有限公司,Reading,麻州,1989。] 4 ·模糊分類: 經濟部智慧財產局員工消费合作社印製 當以統計為基準之分類定義提供一組相互排除的各類 別時,一組織樣品的適當分類與所得之光譜差異會隨著 數值的連續性而改變。例如,一採樣的組織體積其”痩,, 的程度會隨個體族群以一連續性的而非散亂的方式改 變。因此,光譜中自然的差異導致分類的重疊。以脂肪 的吸收為依據的明確之分類分界線並不存在,而許多測 _ 第23頁 本紙張尺度適用中國國家標準(CNS)A4規格(210 X 297公釐) 一' 570768 A7
五、發明說明() 量會落在各分類類別之間,並且屬於數種分類中任何一 種的歸屬資格在統計學上均具有相等的機會。因此,”堅 疋的刀連界線與相互排除的歸屬資格也許不足以對在一 標靶族群中發現的差異訂定一模式。 一種具更多用途的分類指定方法是以模糊組理論為依 據。[見Bezek’J.C•等人,先前已述。亦參見C.Chen編 輯,模糊邏輯與中性網路手冊,Piscataway,紐澤西: 國際電子電機工程學會(IEEE)出版,1 996。亦參見 Zadeh ’ L.A· ’ ’’模糊組合,,,資訊控制(Inf〇rm c〇ntr〇1), 第 8 期,338-353 頁,1965 。] 一般而言’模糊組中的歸屬資格是由一等級的連續性 與一組歸屬資格之函數而加以定義的,其係可將特徵空 間與各分類的間隔[〇,1 ]相比對。指定的歸屬資格等級 代表分類資格的程度若為”丨,,則為最高程度。因此,一樣 品可同時歸屬於一種分類以上。 特樹:空間與一分類資格之向量的比對可由下式獲得 ck=f“z) (7) 經濟部智慧財產局員工消费合作社印製 其中*= 1,2,···/>,/〆·)為第k分類的歸屬資 格函數’對所有的k而言[0,1]而向量ceM為分類 的歸屬資格小組。一實施例,其係使用一般公式以代表 一歸屬資格函數為 y — 2 (8) 其中少為一次級組中的歸屬資格程度,ζ為用於確定 第24頁 本紐尺度適財國國家標準(CNS)A4規格(210 X 297公^7 570768 A7 ------ B7 五、發明說明() 資格的特徵,艺為模糊次級組的平均或中心而σ為標準偏 差。然而,嫻熟此技藝之人士應認知適當的歸屬資格函 數特別適用於此應用。 歸屬資格向量提供各預先定義之分類中的歸屬資格的 程度並可用作血液分析物之預測,其係揭露於先前所摘 錄的一相關申請案中,由Malin等人所作,美國專利申 請序號09/χχχ,XXX。此外,可藉由一適當的去模糊函數 利用歸屬資格程度來計算一個體的脂肪組織之厚度與其〇 身體組成。此去模糊函數可如Malin等人所描述的來加 以確定,其係揭露於先前所摘錄的一相關之申請案中, 美國專利申請序號09/χχχ,XXX。此外,可利用範例式光 譜測量的一校正組與相關之年齡參考數值來確定一校正 模式,其係將分類資格與一選出的變數之估算,例如皮 膚厚度或身體組成,相互比對。 5.估算: 估算的方法係依賴使用一校正模式,其係將預先處理之 光譜經由一線性或一非線性比對與一標靶之變數,如皮膚 的厚度或身體脂肪比率,相互比對。在線性的案例中,設 定處理後的光譜Λ:,與校正模式係數,此估算是根據 Ρ = (9) 若⑷以為H;c的第A項元素,則 即為估算之變數。嫻 熟此技藝之人士將可I忍知由Λ:至J;的一非線性比對亦可輕 第25頁 本紙張尺度適用中國國家標準(CNS)A4規格(210 X 297公釐) (請先閱讀背面之注意事項再Μ寫本頁) ---------訂---------線 經濟部智慧財產局員工消费合作社印製 570768 A7 --- B7 五、發明說明( 易地經人工中性網路,非線性部分最小平方回歸或其他校 正之非線性方法加以界定出來[參見,Geladi,p與br Kowalski,”部分最小平方回歸:一教學指導”,八⑽丨州㈡
Chimica Acta,第 185 期,b17 頁,1 986。亦參見 Pa〇 ,先 前所述。] 較佳之模式為線性的並且經因數分析建構而成,其係可 將高次元,或重複的,數據分解成為少數顯著之因數,此 數據在數百之波長包含吸收,強度或反射之測量,而此因 數在數據組中代表變異的主要部分。能在與標的變數有關 之光谱中捕獲差異的因數可用之於校正模式中,並將樣品 投影至所得的因數空間以便在各個樣品中產生一組分數。 最後,應用倍數線性回歸將顯著因數之分數與標的變數間 的關係建立模式。 在身體組成確認的案例中,對受測者的近紅外光年齡估 算與近紅外光性別估算可與皮膚厚度之近紅外光估算一起 使用。此處揭示了兩種用於身體組成確認之方法。第一種 是在各年齡組與不同性別中,利用不同的校正作為將皮廣厚 度對體脂肪比率作比對。第二種與較佳之完成例為一模 式,其係將三個變數皮膚厚度,年齡與性別與一受測者的 估算之體脂肪比率相比對。此種比對是依下列型式 y=f(x!,u(1〇) 其中y為估算之體脂肪比率,巧為近紅外光估算之皮膚 厚度,X 2為近紅外光估算之性別與x 3為近紅外光估算之年 齡,其係揭示於先前所述之相關_請案09/XXX,XXX與 第26頁 本紙張尺度適用中國國家標準(CNS)A4規格(210 X 297公釐) 請 先 閱 讀 背 面 之 注 意 事 項 再I 填錢 寫 本 頁 訂 線 經濟部智慧財產局員工消費合作社印製 570768 A7 五、發明說明() 09/xxx,XXX中。可將分析技術如人工中性網路,應用於範 例式測量之校正組而確定模式/()。嫻熟此技蟄之人士亦認 知到可應用非線性回歸的其他方法以確認八)的另外型式。 施杆細則: 基礎組 為了要作特徵節選與分類,利用皮膚’水與脂肪之基 本吸收組成物提供一個二-組成物的基礎組。首先,根據 較佳之實施例利用一光譜儀藉由一個1公厘的小管對水 作掃描,如先前所述。此吸收光譜4 0 ’如第3圖所示, 藉由-log(T/T〇)之公式計算,其中T為反射之光線而T〇 為射入樣品之光線,其係由掃描一空白管加以確定的。 一脂肪的純粹組成吸收光譜5 0是根據較佳之實施例,經 由一光譜儀對所取出牛的脂肪組織加以掃描而測得的。 所得的光譜顯示於第4圖。 實驗數據組: 經濟部智慧財產局員工消费合作社印製 經由研究年齡範圍為21到5 5歲的1 9位志願者(1 6 位男性與3位女性)而可了解作為校正後續所描述之模式 的實驗數據組。根據較佳之實施例,連續兩天利用一光 譜儀對每位受測者的前臂做一次吸收光譜的測量。參加 者的體脂肪比率藉由身體組成的Siri公式加以估算[見 Siri,w.E.,”身體之總組成”,Adv.Biol.Med.Phys.,第 4 期,1 956,23 9-280頁]。皮膚的厚度是測量每位受測者 第27頁 本紙張尺度適用中國國家標準(CNS)A4規格(21〇 x 297公釐) 570768 A7 B7 五、發明說明( 的二頭肌,三頭肌,下肩胛骨與上腸骨之範圍,其係利 用一對其型式為HARPENDEN的研究級之測徑器,由大 英指標公司(British Indicators,LTD)製造。 由於此為一特定之實驗其目的為確認一作為分類的適 當組與特徵之估算與脂肪組織厚度相關之屬性,嫻熟此 技藝之人士應會認知,對於不同的受測者與不同標靶之 表現水準,亦可進行其他具有更多或較少的受測者之實 驗。 投影演算法 特徵節選的第一個方法是基於以一近紅外光之光譜儀 在波長範圍為1 1 0 0 -1 3 5 0奈米所測得的一吸收光譜來對 組織進行定性。現在參閱第5圖,藉由將一個水的吸收 光譜· 60投影62在所測得之光譜6 1上來將所測得之光譜 6 1予以常規劃,並計算其間之差別6 5。在接近1 2 1 0奈 米之所得的脂肪吸收帶其中的波峰6 6可利用單變數比對 而來確定在測量點處之體脂肪比率或脂肪組織之厚度。 經濟部智慧財產局員工消費合作社印製 設測量之光譜6 1,λ:,與純組成物水之光譜6〇,p, 水光譜在所測得之光譜上的投影62可根據下式決定 [pwPw ] 1 pw^w (11) 其中m為一實數,其係代表水吸收的幅度而下標η; 代表一波長的次組(11〇〇-1500奈米與1300-1350奈米)。 既然水主要集中在真皮層中,m的幅度代表與真皮特抶 相關的一種節選之特徵6 3其係可能接著用於藉由線性區 第28頁 本紙張尺度適用中國國家標準(CNS)A4規格(210 X 297公釐) 57〇768 A7
別分析對受測者之分類6 4,如下所述β 將水之光譜60投影62在所得測量6丨上,並根據下 式從測量61中予以減去65 ζ〜卿 (12) 其中Ζ為最終I光if。此方法摘要於公式丨丨與1 2, 上述可應用於實驗數據組,而在實驗數據組中對所有受 測者所得之Z的圖形顯示於第6圖。如圖中清楚地所 不,在1 2 1 0奈米吸收波峰的幅度與體脂肪比率相關,因 此具有最高體脂肪比率的個體在121〇奈米或其附近將會 有最明顯的吸收波峰。此外,此波峰的大小成為一個^ 徵67 ’其係和在皮下層的脂肪組織的厚度相關,並用於 進一步作受測者之分類6 8。 由於此方法可藉由在1100_ 1 350奈米範圍内之範例加 以解釋,嫻熟此技藝之人士應認知此方法亦可推廣至 1 650- 1 800奈米的波長範圍,其中與脂肪組織之吸收相關 的另外之特徵是在波長1 720與1 760奈米之處,如第i 圖所示。此外,基礎組包括其他之組成物,其係可續用 於投影在節選特徵上,此特徵與組織之其他特性相關, 經濟部智慧財產局員工消費合作社印製 包括水合度,蛋白質濃度,皮膚膽固醇與其他。 作分類時,可應用一區別函數並根據兩個特徵63, 67來分類受測者,或用另兩個分別之步驟64,68,如第 5圖中所示,或是經由一單一步驟。例如,設定向量/包 含第5圖中的兩個特徵63 ’ 67 ’可將受測者分類成兩種 類別中的一個而產生實數,i:: 第29頁 本紙張尺度適用中國國家標準(CNS)A4規格(21G X 297公髮) ' ------- 570768 A7 B7 五、發明說明( 經濟部智慧財產局員工消费合作社印製 L=fw (13) 其中η;為一重量的向量。此結果與亡比較,其係為 兩種類別之巾心。若L>r則受測者即被分類為第一組。 若否’則此光譜即被分類為第2組。在所採樣的組織體 積中和原始的族群比較起來,所得的兩個小組要含有較 高的同質性。 此外,可對各小組的一任意數加以定義,其係依據各 小組中所期望的同質性的程度。另外,可藉由定義一組 預先定義分類之小組的資格歸屬函數而發展出一模糊分 類系統來。例如,設定z,第6圖中光譜的波峰幅度,利 用脂肪組織中與脂肪相關之吸收為依據可將受測者小組 予以定義為瘦,中等與肥胖。對各分類不計算其平均特 徵,ζ,與標準偏差,σ。在一特殊之分類中,用於定義 資格歸屬之程度的資格歸屬函數是經由下式所得 —I y (14) 其中少為資格歸屬的程度。由於此資格歸屬函數是一 高斯函數,嫻熟此技藝之人士應認知適當的資格歸屬函 數對此應用為特定的。與三種類別中任一相關的平均與 標準偏差是依據實驗數據組中標靶族群加以確定的。 將特徵的數值輸入資格歸屬函數中,其係通常過高地 或過低地落於預期的次級小組範圍之外,並將之歸類為 低資格歸屬數值。此資訊用於指出受測者之組織特性是 落在先前檢查的族群之外並用作為外圍分析。在目前之 完成例,當y<0· 1時,對於所有的次級小組此預測即被 第30頁 本紙張尺度適用中國國家標準(CNS)A4規格(210 X 297公釐) 請 先 閱 讀 背 面 之 注 項再I 填幾 寫 本 頁 裝
I I I I I訂 • I I 570768
五、發明說明() 歸類為一低信度水準。 所得之分類資格歸屬適用於對血液分析物預測作分 類’如Malin等人在相關之申請案〇9/χχχ,χχχ中所 逑。將所述之資格歸屬函數設計為用於特定之受測者族 群,並且不能將其一般化為適用於所有可能之個體。然 而,此發明趨向任意使用資格歸屬函數,以便在一特定 之分類中對一受測者指定其資格歸屬之程度,以作為血 液分析物之預測。 身體組成之估算 顯示於第5圖中,可利用脂肪組織中與脂肪相關之特 徵節選方法來估算個體之體脂肪比率。例如,第7圖 中,在1210奈米處之節選特徵,ζ,對體脂肪比率作 圖。體脂肪比率可經下式估算 % - αζ 121 〇 ^ + b (15) 經 濟 部 智 慧 財 產 局 其中為第7圖中直線之斜率,而6為相對之截 距,^為ζ在121〇奈米處的幅度大小。在此特別 之實施例中,對所有之受測者不分年齡或性別發展出一 校正。可藉由一組大型之數據組與使用由公式丨〇指出之 年齡與性別估算來增進其精確度。 具二或三種波長之特徵節選 消 費 合 作 社 印 製 描述於上之特徵節選與體脂肪估算之 述之一整體之光譜或由2-3種波長進行 # &可由先前所 ’视所需之精確 第31頁
570768 A7
五、發明說明() 度而定。例如’第5圖中之方法經修正後顯示於第8圖 並包含利用在二種波長處測得的光譜8 1對體脂肪所作之 測量。特徵Z ’是將水的光譜82投影在僅於二種波長處 所得之測量上’並在第三波長處確認其間之差異8 3而計 算出來的。因次’此方法可於一具有三列均等間隔排列 於一單一彳貞測器的LED或是一近紅外光之光譜儀的系統 中完成。所選之波長最佳為1124,1210與1276奈米而 其相對之水的吸收各為0.4781,0.1 84148與0.164745。 體脂肪比率是經下式加以估算8 4 月旨肪'% = azi2io奈米七b (16) 其中α為斜率,而6為截距^為z在1210 奈米處的幅度大小(節選之特徵)。在目前之實施例中, α = 3 8 8·18 而 6 = 9.177。 此方法應用於實驗數據組中且對各吸收光譜81計算 出節選之特徵,* ★。各受測者之實際的體脂肪比率 對節選之特徵作圖顯示於第9圖中。相關係數(r)0.8 1顯 示相同之方法可將其一般化而包含二或多種之波長。 (請先閱讀背面之注意事項Θ寫本頁) ----裝 訂- 線 經濟部智慧財產局員工消费合作社印製 摘要特徵節選 如第1 0圖中所述,摘要特徵節選是作為特徵節選與 受測者分類的替代方法。對此完成例,另外一組有266 個不同性別,年齡與種族之受測者之手臂掃描數據組用 於決定此參數。在此266個樣品數據中進行一主成分分 析而最先的三個本征向量的分數繪於第11圖中。在第12 第32頁 本紙張尺度適用中國國家標準(CNS)A4規格(21〇 X 297公釐) 570768
五、發明說明( 經濟部智慧財產局員工消费合作社印製 圖’將第11圖中的第三本征向量與第4圖中的動物脂 肪樣品之吸收光譜相互比較。如其顯示,第三本征向量 可與月曰肪之吸收光譜緊密地符合。因此,前三個分數, ’即可作為受測者分類的特徵。 受測者分類之確認如下進行。首先,吸收光譜, m 2 8由外圍偵測系統提供^應用波長選擇1 〇 〇將光譜之 $巳圍截至具有顯著吸收的範圍(11〇〇至25〇〇奈米),其係 由於脂肪組織中的脂肪所導致。將此光譜投影1 〇丨到本 征向量’ /7 k ’上’其係由先前之2 6 6個樣品之校正組中 進行一主成分分析所發展出來。此計算,如第1 〇圖顯 示,可產生一個1乘N的分數向量,λγ/ic。 應用一區別函數以第一個Μ分數(在此應用中M = 3) 為依據將受測者分類。藉由一具有區別係數η;之交錯產 物將此分數加以旋轉丨〇2而產生實數,L,如第10圖中 所示。此結果與Γ相比較103,Γ為兩類別之中心。若 L>I則將樣品組織體積分類為具有因脂肪所致之顯著吸 收1 04。若否,則將樣品組織體積分類為具有因脂肪所致 之低吸收1 0 5。如先前討論的,嫻熟此技藝之人士應認知 此系統可被一般化成任意數目的分類類別或使用一模糊 分類系統。 一般估算與分類方法 一般估算的完成例,如第13 a圖中所示,利用一個一 般性校正模式1 3 1來預測一變數,其係與脂肪組織中之 第33頁 本紙張尺度適用中國國家標準(CNS)A4規格(210 X 297公釐) (請先閱讀背面之注意事項再填寫本頁)
570768 A7 經濟部智慧財產局員工消f合作社印製 —-- "------—___________五、發明說明() 脂肪的吸收相關,此吸收係位於丨1〇〇-25〇〇奈米間的一 或多種波長範圍。可提供一吸收光譜28«選擇特定之波 長範圍,例如1 550至18〇〇奈米與2〇5〇至23 5〇奈米 間,並預先處理30,其係利用特定寬度選定之倍增式散 射修正或是其他適當之方法、處理後之數據利用一校正 模式1 3 1與一體脂肪預估3 2相比對,此模式係利用已知 的方法加以解說,包括主成分回歸[Martens,H與 T.Naes,多變相校正,紐約:J〇hn wiley and s〇ns , 1 98 9] ’部分最小平方回歸與人工中性網路。例如,利用 來自實驗數據組的光譜,發展一個五項因數的部分最小 平方模式作為估算皮廣的厚度。藉由相互認證的測試組 預測顯示於第14圖中《如圖中所示,預測之標準誤差 (S Ε Ρ)為1 · 4 2 ’結果產生一約為七十%的預測精準度。由 於貫驗結果顯示估算方法之有效性與益處,結果之精確 度與光譜測量之精確度有直接的關係。可藉由改良雜訊 程度與光譜儀的解析度而達成增進結果之精確度。 以脂肪組織中的脂肪吸收相關的特徵為依據,對受測 者作分組的一般分類方法顯示於第1 3 b圖中。再度提供 一吸收光譜28。選出特定之波長範圍,如1100] 3 8〇奈 米與1 550-1 8 00奈米,並預先處理30,其係利用特定寬 度選定之倍增式散射修正或是其他適當之方法。處理後 之數據利用一因數為基礎之法,例如主成分分析,傳至 特徵節選。最後,將受測者分類為一體脂肪類別32,其 係藉由一分類方法132,例如線性區別分析,SIMCA , k 第34頁 本紙張尺度適用中國國家標準(CNS)A4規格(210 x 297公釐) (請先閱讀背面之注意事項 寫本頁) r«裝 tr---------β 570768 五、發明說明( 經濟部智慧財產局員工消費合作社印製 A7 最近鄰之演算法與人工中性網路之各種型式。 、雖然本發明於其中曾敘述可供參考之較佳實施例,爛 熟於此技藝之人士亦熟知其他的應用可替代此處所設定 之應用,且並未恃離本發明之精神與觀點。據此,本發明 應僅侷限於包含於下之所有申請專利範圍。 第35頁 (請先閱讀背面之注意事項寫本頁}
Claims (1)
- 570768 六、申請專利範園 4· 如申請專利範圍第1頊所述之方法,其中所述之外園 • 偵測步驟係使用主成分分析與/餘數分析來偵測落於 光譜外圍者。 5. 如申請專利範圍第4 ,所述之方法,其中所述之外圍 偵測步驟更包含下列步驟: ,投影至包含於银陣ο中的本征向 0係先前經由所述之校正組的立成分 將光譜 量,所述之矩陣0係先前經由所述 分析所發展出來,其中 (請先閲讀背面之注意事项再填寫本頁) xpc 趣.I :中。*是矩陣。中的^行; 、數,是根據下式確定 9 ^ m xpc〇〇T ; κ < ςτ與.校正組的期望餘數的三倍襟準偏 相比較;且 Q 1 牧大,則可宣稱所述樣品為一外圍I。 :-j· 線- 越 財 废 局 如申請專 節選步 消 利範園第1項所述之方法,其中所述之特徵 驟包含任何數學上之轉型,其係用於加強一種 海 ,途之所述樣品測量的性質或觀點,以便簡 Λ織測量點的性質與特性 如申 π寻利範圍第6項所述之方法,其中所述之預先 公袭) 570768 B8 C8 D3 六、申請專利範圍 t請先Μ讀背面之注意事項再«寫本X) Π*如+請專利範圍第6項所述之方法,其中所述之特徵 節選步驟包含將所述樣品的水與脂肪之吸收光譜與所 述校正組的水與脂肪之吸如.光譜相比對。. 12.如申請專利範圍第9項所述之方法,其中所述之特徵 節選步騾包含下列步驟: . 在波長範圍約1 1 00-2500奈米之處,將所述光譜m 截去; 將所述之截·除光譜投影至一多數之本征向量‘, Ρλ ’其中所述之本征向量係先前藉由所述校正組的主 成分分析計算出來; 其中所述之投影產生一個1乘N的分數向量, xpc ; 線- 啟濟部暫藉財產局貝X消費合作社印製 應用一區別函數其中所述之樣品以第一個Μ分數 為依據加以分類,其中所述之分數係藉由一個具有一 區別數(Discriminant),w,之相互產物旋轉後而產生 一實數,L。 13·如申請專利範圍第12項所述之方法,其中M = 3。 14·如申請專利範圍第1項所述之方法,更包含依據先前 定義之肥胖與痩之類別將所述樣品分類的步騾。570768 Ba C8 D8 申請專利範圍 1 5 .如申請專利範圍第1 4項所述之方法,其中所述之光譜 限於下列任意之波長範圍中:約1 1 00-3500奈米與約 1650-1800 奈米。 • · • · . ♦ 1 6.如申請專利範圍第1 5項所述之方法,其中所述之特 徵截選步驟包含下列步驟: 將所述之有限光譜常態化❶ 17.如申請專利範圍第1 6項所述之方法,其中所述之常 態化梦驟包含下列步驟: · 將所述之水光譜根據下式投影至所述的有限光 譜上 m^[pwpwTr1pwXw 其中m為一實數,其係代表水吸收的幅度;而下‘"从 代表〆波長的次組;及 根據下式,自所述的有限光譜中減去所述之純水 光譜 ζ-χ-ηιρ > 其中ζ為一最終之光譜。 1 8 .如申請專利範圍第1 4項所述之方法,其中所述之分 類步驟包含下列步驟: 測量至少-個特徵與所逑預先定義之類別間的 相似彳生;及 標準(CNS)A4 規袼 f請先聞讀背面之注意事項再填寫本買} -ij. 線_ 啟濟部暫慧財產局wci消費合作杜印製 B8 C8 D8 570768 穴、申請專利範圍 指定所述預先定義之資格歸屬類別。 19. 如申請專利範圍第1 8項所述之方法,其中所述之指 定步驟係利用相互排除之.類別並將各個樣品指定於 一種分類中。. 1 » 20. 如申請專利範圍第1 8項所述之方法,其中所述之指 定步騾係利用一模糊分類系統,其係容許分類之資 格歸屬類別可同時隸屬於一種以上的分類。 21. 如申請專利範圍第1 9項所述之方法,其中所述之指 定步驟更包含下列步驟: 將所述樣品與所述預先定義之類別的其中之一作 圖形比對;及 應用一決定規則予以指定其資格歸屬類別。 22. 如申請專利範圍第2 1項所述之方法,其中所述之圖形 比對是由下式所定: . L-f(z) • 其中Z為一實數,其係測量一樣品與預先定義之類別 間的距離。 23. 如申請專利範圍第1 9項所述之方法,其中所述之類別 為”肥胖”與’’瘦”,而其中jL sc胖表示一所述之”肥胖’的 ΐ紙張尺度適用中國國家標準(CNS)A4規格(210ΧΪ9^|釐) (請先閲讀背面之注意事項再填寫本頁) •ij· 線· 級濟部智慧財產局貝X消费合作社印製 '中請專利範園代表數值,而i: Λ I ρ、 士 *表示一所述又,,痩,’的代表數值;而 其中所述<分類指 舨r 弋弋以I與胖和的接近程户 為依據。 反 t · · • · · * 如申請專利範圍第1 、、 24· · 昂23項所述.之.万法,其中Z和厶祀胖 的距離胖是由下+ • ^式所測量的 “胖” “胖彳1 而其中Z和I瘦的距離疰是由下式所測量的 瘦=U瘦丨。. 25 如申凊專利範園第2 4項所述之方法,其中所述之決定 媒則為: 若d瘦< d ;»胖則將所述之樣口口分類成’’瘦’ 若則將所述之樣品分類成,,肥胖”。 啟 濟部暫 B财 26 ·如申請專利範圍第2 1項所述之方法,其中所述之圖形 比對與決定規則的限制,可從一範例式測量之校正組 與肥胖與痩的相關參考數值,藉由一分類校·玉方法來 加以決定。 ...............Φ........訂-........線-· CJlr先聞讀背面之注意事¾再«寫本頁J 負消 费 合作 27.如申請專利範圍第26項所述之方法,其中所述之分類 校正方法包含線性區別分析、SIMCA、k最近鄰之演 算法、模糊分類、與人工中性網路之各種裂式 ^國國家標準(CNS)A4·規格(210X為设愛) 570768 B8 C8 D8 申請專利範園 28. 如申請專利範圍第27項所述之方法,其中所述之比 (請先間讀背面之注意事項再填窝本頁} 對步驟是根據 L=fw » :: _ 其中為一重量的向量,·,:.其中Γ與I比較,I為所述 相互.排除之兩種類別的中心。. 29. 如申請專利範圍第28項所述之方法,其·中所述之比對 步驟是使用一決定規則,其中所述之決定規則為 若,則所述樣品即被分類成為所述兩種分類 的第一組;· . 若,則所述樣品即被分類為所述兩種分類的 第二組。 30. 如申請專利範圍第1 7項所述之方法,其中所述之分類 資格歸屬是由一連續的級等來定義,且其中的一組歸 屬資格類別之函數可將特徵空間與各分類的間隔[〇,1 ] 相比對,而其中所指定的程度” 1”代表分類資格歸屬的 經. 濟 部 智 慈 财 產 局 貝 X 消 費 合 作 社 印 製 最高程度。 · . 31. 如申請專利範圍第3 0項所述之方法,其中特徵空間與 一分類資格之向量的比對可由下式獲得 Ck=fk(Z), 其中Λ=1,2, · · ·Ρ,而其中/〆·)為第 k分類 的歸屬資格,而其中對所有的k而言[0,1], 本紙張尺度適用中國國家標準(CNS)A4規格(21〇Χ 2奰尨壘) 獨68而其中向量為所有 . 1哥刀類的歸屬資袼小銀。 (精先閲讀背面之注意事項再场寫本Ϊ 如申請專利範圍第35項所述之方法,其中〆歸屬資 格函數係由下列公式代表·)· 一 1 • . y = e2a2 其中 '為一模糊次級組中的歸屬資格程度,Z為用 於確定資格苑特徵,z為模糊次級組的肀均或中 心,而σ為標準偏差。 3 ·如申請專利範圍第31項所述之方法,其中〆歸屬資格 向量提供在各所述之預先定義之分類中,分類資格歸 屬的程度。 線- 34·如申請專利範圍第1項所述之方法,更包含你算一皮 膚厚度的步驟,所述之皮膚厚度包含一層脂胲,組織。 ia·濟部暫藉財產局貝X消費合作社印製 35·如申請專利範圍第34氕所述之方法,其中所述之估算 步驟係使用任何預先處理之羌譜或節選之特歡.。 36·如申請專利範圍第35項所述之方法,其中所述之估算 步驟更包含下列步驟: 提供一校正模式,以便藉由與一皮膚厚度之估算 值進行比對,來定出所述預先處理之光譜。 本紙張尺度適用中國國家標準(CNS)A4規格(210^¾^公釐) ^/0768 ^/0768 B8 C8 D8 ”、申請專概® 37 λ , 如申請專利範圍第3 6項所述之方法,其中所述之比對 (請先聞讀背面之注意事項再蜞寫本頁j • 為城性的。 3.8 •如申請專利範圍第3 5項戶/f述之方法,其中所述之皮膚 厚度之估算值是根據下式確定的 * N y ^ Έ w〇.k xk • ^ = i 設定預先處理的光譜JC,與校正模式係數州,,其中 為ivc的第A:項:¾素而夕即為皮膚厚度之佑算值。 39·如申請專利範圍第38項所述之方法,其中所述之校正 模式使用因數分析將高次元(重複的)數據分解成為顯 著之因數,此數據在多數之波長處包含吸收、強度或 反射之0量,而此因數在所述之數據中代表變異的主 要部分;且 線- 其中所述之校正模式包括一些因數,其係可在所 述之光譜中捕捉差異,此光譜與受測者的皮膚厚度差 異習習相關。 Ja*濟部智趑財產局貝X消費合作社印製 ·. * • 4〇·如申請專利範圍第39項所述之方法,更包含下列步 驟; • 將所屬樣品投影到所得的一因數空間以產生各樣 品的一分數組;並 應用多倍數線性回歸在所述之分數與所述皮膚厚 度之間的關係建立起一模式。 . 本紙張尺度適用中國國家標準(CNS)A4规格(210¾¾^公i "" ^/υ/68申請專利範園 +清專利範圍第3 6項所述之方法,其中所述之圖形 比對為非線性的。 42. 令,專利範圍第41項所述之方法,其中所述之非線 除圖形比對是經由任何人工中性網路與非線性部分最 小平方回歸加以特定的❶ 43.如申請專利範圍第34項所述之方法更包含估算一受測 者身體組成之估算步驟。 ...............# f請先閲讀背面之注意事項再場窝本WJ 44.如申請專利範圍第43項所述之方法,其中所述之身體 組成之估算步驟包含下列步驟·· 將皮膚厚度之估算值,一性別之估算值與一年 齡之估算值與所述之受測者之體脂肪比率估算值依據 下列举數相比對: X2 9 X3) _訂· 線. 级濟部智慈財產局貝工消費合作社印製 ^其中少為體脂肪比率估算值,X7為皮膚厚度之估 异值,々為性別之估算值,π〜為年齡之估算值且/0 為一彳父i模式。 45.如申請專利範圍第44项所述之方缘,其中所述之模式 /0是藉著將一非線性回歸方法應用於一組例式性測量 之校正缉中而定出來的。 本紙張尺度適用中國國家標準(CNS)A4規袼(¾ B8 C3 D3 570768 六、申請專利範圍 (靖先聞讀背面之注意事項再填寫本頁} .46. 如申請專利範圍第45項所述之方法,其中所述之光譜 侷限於三種波長。 • · • . . . 、 47. 如申請專利範圍第46項所述之.方法,其中所述之三種 波長為1 U4、1210、與1276奈米。 48. 如申請專利範圍第47項所述之方法,其中所述之特徵 節選步驟包含下列步驟: 將所述之有限的光譜予以常態化。 49. 如申請專利範圍第48項所述之方法,其中所述之特徵 節選步驟包含下列步騾: 將所述之水的光譜投影至所述的三種波長中的 兩種;及 從所述的侷限光譜,其係位於第三種所述的波長 下,將所述之純水光譜根據下式減去 级濟部智慧財產局貝X消费合作社印製 z^x-mp » 其中z為一最終之光譜。 50. 如申請專利範圍第48項所述之方法’更包含下列步 驟: 根據下式估算體脂肪比率 月旨肪〇/〇=ClZl2lQ奈米 本紙張尺度適用中國國家標準(CNS)A4規格(210¾¾予公釐) B8 C8 DS 570768 六、申請專利範園 其中為斜率,而办為截距,而,其中]21〇 奈米為一節選之特徵。 51 ·如申請專利範圍第14項成第34項所述之方法,更包 含下列步驟: 進行一.血液分析物之預測。 52· 一種藉由與一受測者脂肪組織中與脂肪吸收有關的光 譜吸收特徵來非侵入式地分類及分析一組織樣品之狀 態與構造的儀器設備,該儀器設備包含: . 產生近紅外線(NIR)能量之裝置; 一可將所得的NIR能量分成一具數種波長之區域 的裝置; 一光學介面包含: 啟濟部智£財崴局貝·工消费合作社印製 一可將所述NIR能量從所述之波長區分裝 置傳送到一受测者的一標靶測量點的裝’置;與 一可蒐集從所述之標靶測量點發射出的 NIR能量的裝置; · 一可偵測所蒐集的能量並將所蒐集的能量轉換成 一電壓的裝置; 一可將所述之電壓轉換成一數位化數值的裝置; 一可分軒所述數位化數值並產生所.述組織樣品之 一估算值的裳置。 本紙張尺度適用中國國家標準(CNs)A4視格(210灸级1公釐) 570768 %\ 、申請專利範園 如申請專利範圍第52項 、/f返之儀器$又備,jt φ所述之 能量來源與所述之波長 ,、中所l 刀裝置一者一起包冬一以 一放射狀圍繞著一;個所、 、、 厅、·偵測裝置 < 一列LED ,每個 所、ED與所述之偵須j裝置具有一側面之邊界而 其中各個所述之LED可連續性地在一組預先選定之波 長組中發射一特定波長能量。 54.如申請專利範圍第53項所述之儀器設備,其中所述之 預先選出之波長包括1100奈米、1208奈米、121〇奈 米、丨27 5奈米、丨35〇奈米、ι65〇奈米、m〇奈米、 及1760奈米。 53· (請先Μ讀背面之注意事項再蜞窝本頁) -訂. 肢濟部智慧財產局貝X消费合作社印製 55·如申請專利範圍第53項所述之儀器設備,其中任何所 述之LED之側面邊界包含一照明點,而所述之偵測裝 置的側面邊界包含一偵測點,而其中所述之照明點與 所述之偵測點之間的距離約為1 - 3公厘。 5 6.如申請專利範圍第5 5項所述·之儀器設備’其中所述之 LED陣列與所述之偵測裝置係以啟動光學鏡組與一透 鏡系統而與所述之測量點聯結。 57·如申請專利範圍第52項所述之儀器設備,其中所述足 么匕县忠、広上 #上主於,立中所述之燈可發出波長 月匕f來源為一石英鹵素燈’兴丫 範圍約介於丨10〇-25〇〇奈米間的能量。 本紙張尺度適用中國國家標準(CN*S)A4规格(210灸^公釐) 線 570768 B8 C8 D8 々、申請專利範圍 级濟部智慧財產局貝X消費合作社印製 .58.如申請專利範圍第57項所述之儀器設備,其中所述之 波長區分裝置為一單色區光儀與一干涉儀中的任一 種。 · 59. 如申請專利範圍第.52項所述之儀器設備,其中所述之 傳送裝置為一光線管路、一光纖、一透鏡系統或是一 光線偵測鏡。 60. 如申請專利範圍第52項所述之儀器設備,其中所述之 能量蒐集裝置包含至少一個啟動光學鏡組偵測器與至 少一個光纖探測頭中的任一個。 61. 如申請專利範圍第52項所述之儀器設備,其中所述之 能量蒐集裝置包含銦鎵砷偵測器。 62. 如申請專利範圍第52項所述之儀器設備,其中所述之 數位化裝置為一 1 6位元的直·流/交流轉換器。· 63. 如申請專利範圍第59項所述之儀器設備,其中一照明 點是經由任何之一組聚焦透鏡與一光纖探頭來設定 的0 64. 如申請專利範圍第60項所述之儀器設備’其中一偵測 (請先聞讀背面之注意事項再填寫本頁} 訂· 線· 本紙張尺度適用中國國家標準(CNS)A4规格釐) B8 C8 D8 570768 六、申請專利範園 點是藉由任何一種啟動光學鏡組偵測器或一光纖探頭 . 來設定的。 65.如申請專利範圍第52項Θ述之儀器設備,其中所述之 分析裝置包含·一被程式化為可熱行一組織分析程序之 數位化處理器;. . 其中將所述之數位化數值係經由所述相關之估算 程序來處理’以對所述組織樣品進行特性分析。 (請先聞讀背面之注意事項再蜞窝本頁) M*濟部智慧财產局貝X消费合作社印製 本紙張尺度適用中國國家標準(CNS)A4規格(210父^^釐)
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
US09/489,617 US6587702B1 (en) | 1999-01-22 | 2000-01-21 | Classification and characterization of tissue through features related to adipose tissue |
Publications (1)
Publication Number | Publication Date |
---|---|
TW570768B true TW570768B (en) | 2004-01-11 |
Family
ID=23944564
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
TW090101351A TW570768B (en) | 2000-01-21 | 2001-02-06 | Classification and characterization of tissue through features related to adipose tissue |
Country Status (11)
Country | Link |
---|---|
US (1) | US6587702B1 (zh) |
EP (1) | EP1250082B1 (zh) |
JP (1) | JP2003534530A (zh) |
CN (1) | CN1261072C (zh) |
AT (1) | ATE369070T1 (zh) |
AU (1) | AU2001220936A1 (zh) |
CA (1) | CA2397611A1 (zh) |
DE (1) | DE60035899T2 (zh) |
HK (1) | HK1052847A1 (zh) |
TW (1) | TW570768B (zh) |
WO (1) | WO2001052725A1 (zh) |
Families Citing this family (50)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US6512937B2 (en) * | 1999-07-22 | 2003-01-28 | Sensys Medical, Inc. | Multi-tier method of developing localized calibration models for non-invasive blood analyte prediction |
WO2001095800A2 (en) * | 2000-06-15 | 2001-12-20 | Instrumentation Metrics, Inc. | Classification and screening of test subjects according to optical thickness of skin |
US20030032064A1 (en) * | 2001-03-01 | 2003-02-13 | Umass/Worcester | Correction of spectra for subject diversity |
JP4633302B2 (ja) * | 2001-06-01 | 2011-02-16 | 日機装株式会社 | 光学的成分測定方法および装置 |
JP3931638B2 (ja) * | 2001-11-15 | 2007-06-20 | 松下電工株式会社 | 生体成分の定量装置 |
US7259906B1 (en) | 2002-09-03 | 2007-08-21 | Cheetah Omni, Llc | System and method for voice control of medical devices |
CA2404891C (en) * | 2002-10-25 | 2003-11-18 | Nir Technologies Inc. | Method of in-vivo measurement of fat content of a body and apparatus therefor |
US7720527B2 (en) * | 2003-11-14 | 2010-05-18 | Panasonic Corp. | Subcutaneous fat thickness measuring method, subcutaneous fat thickness measuring apparatus, program and recording medium |
EP1719448B1 (en) * | 2004-02-24 | 2012-08-29 | Waseda University | Method of measuring superficial chemical species and apparatus for measuring the same |
KR100612863B1 (ko) * | 2004-10-11 | 2006-08-14 | 삼성전자주식회사 | 체지방 측정 장치 및 방법 |
WO2006116569A2 (en) | 2005-04-25 | 2006-11-02 | University Of Massachusetts | Systems and methods for correcting optical reflectance measurements |
WO2007000166A1 (en) * | 2005-06-27 | 2007-01-04 | Sfk Technology A/S | Recording of position-specific wavelength absorption spectra |
US7519253B2 (en) | 2005-11-18 | 2009-04-14 | Omni Sciences, Inc. | Broadband or mid-infrared fiber light sources |
JP3992064B2 (ja) | 2006-01-20 | 2007-10-17 | 住友電気工業株式会社 | 光学分析装置 |
KR101530233B1 (ko) * | 2007-07-13 | 2015-06-19 | 유니버시티 오브 매사추세츠 | 운동 성능 모니터링 및 모니터 |
DE102008002520A1 (de) * | 2008-06-19 | 2009-12-24 | Robert Bosch Gmbh | Vorrichtung zur Bestimmung und/oder Überwachung des Flüssigkeitsgehalts der Haut |
US8446586B2 (en) * | 2008-10-15 | 2013-05-21 | Allan Yang Wu | Method and apparatus for increasing adipose vascular fraction |
US8017910B2 (en) * | 2008-10-20 | 2011-09-13 | Nalco Company | Method for predicting hydrocarbon process stream stability using near infrared spectra |
US20110138917A1 (en) * | 2009-12-16 | 2011-06-16 | Awad Al-Khalaf | Portable ultrasonic instrument used to distinguish among pig meat and meats of other origin |
CN102858233B (zh) * | 2010-04-21 | 2015-11-25 | 皇家飞利浦电子股份有限公司 | 脂水比的确定 |
US7884933B1 (en) | 2010-05-05 | 2011-02-08 | Revolutionary Business Concepts, Inc. | Apparatus and method for determining analyte concentrations |
US20120226117A1 (en) | 2010-12-01 | 2012-09-06 | Lamego Marcelo M | Handheld processing device including medical applications for minimally and non invasive glucose measurements |
EP2815381B1 (en) * | 2012-02-17 | 2016-09-07 | Advanced MR Analytics AB | Method of classification of organs from a tomographic image |
JP5881058B2 (ja) * | 2012-03-29 | 2016-03-09 | 国立大学法人秋田大学 | 小動物の体脂肪測定方法 |
US9186053B2 (en) * | 2012-05-03 | 2015-11-17 | Covidien Lp | Methods of using light to repair hernia defects |
US9351672B2 (en) | 2012-07-16 | 2016-05-31 | Timothy Ruchti | Multiplexed pathlength resolved noninvasive analyzer apparatus with stacked filters and method of use thereof |
US9585604B2 (en) | 2012-07-16 | 2017-03-07 | Zyomed Corp. | Multiplexed pathlength resolved noninvasive analyzer apparatus with dynamic optical paths and method of use thereof |
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 |
US9351671B2 (en) | 2012-07-16 | 2016-05-31 | Timothy Ruchti | Multiplexed pathlength resolved noninvasive analyzer apparatus and method of use thereof |
US9993159B2 (en) | 2012-12-31 | 2018-06-12 | Omni Medsci, Inc. | Near-infrared super-continuum lasers for early detection of breast and other cancers |
US10660526B2 (en) | 2012-12-31 | 2020-05-26 | Omni Medsci, Inc. | Near-infrared time-of-flight imaging using laser diodes with Bragg reflectors |
US9494567B2 (en) | 2012-12-31 | 2016-11-15 | Omni Medsci, Inc. | Near-infrared lasers for non-invasive monitoring of glucose, ketones, HBA1C, and other blood constituents |
WO2014105520A1 (en) | 2012-12-31 | 2014-07-03 | Omni Medsci, Inc. | Near-infrared lasers for non-invasive monitoring of glucose, ketones, hba1c, and other blood constituents |
WO2014143276A2 (en) | 2012-12-31 | 2014-09-18 | Omni Medsci, Inc. | Short-wave infrared super-continuum lasers for natural gas leak detection, exploration, and other active remote sensing applications |
EP2938262A4 (en) | 2012-12-31 | 2016-08-24 | Omni Medsci Inc | SHORT-WAVE INFRARED SUPER CONTINUOUS LASER FOR THE EARLY RECOGNITION OF CARIES |
US20140213909A1 (en) * | 2013-01-31 | 2014-07-31 | Xerox Corporation | Control-based inversion for estimating a biological parameter vector for a biophysics model from diffused reflectance data |
WO2014118601A1 (en) * | 2013-01-31 | 2014-08-07 | Universidade Do Minho | Optical system for parameter characterization of an element of body fluid or tissue |
WO2016054079A1 (en) | 2014-09-29 | 2016-04-07 | Zyomed Corp. | Systems and methods for blood glucose and other analyte detection and measurement using collision computing |
AU2015336927A1 (en) | 2014-10-24 | 2017-05-25 | Monash University | Method and system for detection of disease agents in blood |
CN104616022B (zh) * | 2015-01-13 | 2018-08-10 | 浙江科技学院 | 一种近红外光谱的分类方法 |
US9554738B1 (en) | 2016-03-30 | 2017-01-31 | Zyomed Corp. | Spectroscopic tomography systems and methods for noninvasive detection and measurement of analytes using collision computing |
US11583256B2 (en) * | 2016-06-27 | 2023-02-21 | Koninklijke Philips N.V. | Fat layer dependent sensor adaptation |
KR102539142B1 (ko) | 2016-09-05 | 2023-06-01 | 삼성전자주식회사 | 스펙트럼 분석 장치와 방법, 및 혈당 측정 장치 |
US20180184972A1 (en) * | 2016-09-22 | 2018-07-05 | Verifood, Ltd. | Spectrometry system applications |
US11395628B2 (en) * | 2017-02-16 | 2022-07-26 | Samsung Electronics Co., Ltd. | Method of providing service based on biometric information and wearable electronic device |
CN107203701B (zh) * | 2017-07-24 | 2020-08-11 | 广东工业大学 | 一种脂肪厚度的测量方法、装置及系统 |
US11457872B2 (en) | 2017-12-01 | 2022-10-04 | Samsung Electronics Co., Ltd. | Bio-signal quality assessment apparatus and bio-signal quality assessment method |
KR102588906B1 (ko) * | 2017-12-01 | 2023-10-13 | 삼성전자주식회사 | 생체 신호 품질 평가 장치 및 방법 |
CN109959632B (zh) * | 2017-12-26 | 2024-02-02 | 吉林天士力矿泉饮品有限公司 | 一种用近红外光谱技术检测水分子状态的方法 |
CN108229586B (zh) * | 2018-02-05 | 2019-02-05 | 清华大学 | 一种数据中的异常数据点的检测方法及系统 |
Family Cites Families (20)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US3877818A (en) * | 1974-01-28 | 1975-04-15 | Us Agriculture | Photo-optical method for determining fat content in meat |
US4768516A (en) * | 1983-10-14 | 1988-09-06 | Somanetics Corporation | Method and apparatus for in vivo evaluation of tissue composition |
US4633087A (en) * | 1985-04-24 | 1986-12-30 | Trebor Industries, Inc. | Near infrared apparatus for measurement of organic constituents of material |
US4850365A (en) | 1988-03-14 | 1989-07-25 | Futrex, Inc. | Near infrared apparatus and method for determining percent fat in a body |
US4928014A (en) | 1988-10-03 | 1990-05-22 | Futrex, Inc. | Near-infrared apparatus and method for determining percent fat in a body |
US5014713A (en) * | 1989-12-05 | 1991-05-14 | Tarris Enterprises, Inc. | Method and apparatus for measuring thickness of fat using infrared light |
US5022261A (en) * | 1990-01-04 | 1991-06-11 | Jason Wolfson | Aneroid volume determining system |
US5348002A (en) * | 1992-04-23 | 1994-09-20 | Sirraya, Inc. | Method and apparatus for material analysis |
US5792050A (en) * | 1992-07-06 | 1998-08-11 | Alam; Mary K. | Near-infrared noninvasive spectroscopic determination of pH |
US5348003A (en) | 1992-09-03 | 1994-09-20 | Sirraya, Inc. | Method and apparatus for chemical analysis |
US5772597A (en) * | 1992-09-14 | 1998-06-30 | Sextant Medical Corporation | Surgical tool end effector |
US5987346A (en) | 1993-02-26 | 1999-11-16 | Benaron; David A. | Device and method for classification of tissue |
GB9324333D0 (en) * | 1993-11-26 | 1994-01-12 | Sensor Dynamics Ltd | Measurement of one or more physical parameters |
JPH07151677A (ja) * | 1993-12-01 | 1995-06-16 | Hitachi Ltd | 濃度計 |
JPH09182739A (ja) * | 1995-12-28 | 1997-07-15 | Matsushita Electric Works Ltd | 体液成分濃度測定装置 |
US5747806A (en) | 1996-02-02 | 1998-05-05 | Instrumentation Metrics, Inc | Method and apparatus for multi-spectral analysis in noninvasive nir spectroscopy |
US5822219A (en) * | 1996-05-13 | 1998-10-13 | Foss Nirsystems, Inc. | System for identifying materials by NIR spectrometry |
DK172795B1 (da) * | 1997-02-28 | 1999-07-19 | Slagteriernes Forskningsinst | Reflektionsmåleudstyr til bestemmelse af kvalitetsegenskaber ved emner, navnlig fedtholdige emner |
US6124597A (en) | 1997-07-07 | 2000-09-26 | Cedars-Sinai Medical Center | Method and devices for laser induced fluorescence attenuation spectroscopy |
JPH11178813A (ja) * | 1997-12-22 | 1999-07-06 | Matsushita Electric Works Ltd | グルコース濃度の定量方法及びその装置 |
-
2000
- 2000-01-21 US US09/489,617 patent/US6587702B1/en not_active Expired - Lifetime
- 2000-12-13 CA CA002397611A patent/CA2397611A1/en not_active Abandoned
- 2000-12-13 JP JP2001552782A patent/JP2003534530A/ja active Pending
- 2000-12-13 DE DE60035899T patent/DE60035899T2/de not_active Expired - Fee Related
- 2000-12-13 EP EP00984294A patent/EP1250082B1/en not_active Expired - Lifetime
- 2000-12-13 AT AT00984294T patent/ATE369070T1/de not_active IP Right Cessation
- 2000-12-13 AU AU2001220936A patent/AU2001220936A1/en not_active Abandoned
- 2000-12-13 WO PCT/US2000/033747 patent/WO2001052725A1/en active IP Right Grant
- 2000-12-13 CN CNB00818545XA patent/CN1261072C/zh not_active Expired - Fee Related
-
2001
- 2001-02-06 TW TW090101351A patent/TW570768B/zh not_active IP Right Cessation
-
2003
- 2003-04-23 HK HK03102878A patent/HK1052847A1/xx not_active IP Right Cessation
Also Published As
Publication number | Publication date |
---|---|
EP1250082A1 (en) | 2002-10-23 |
US6587702B1 (en) | 2003-07-01 |
WO2001052725A1 (en) | 2001-07-26 |
DE60035899D1 (de) | 2007-09-20 |
DE60035899T2 (de) | 2007-12-20 |
CA2397611A1 (en) | 2001-07-26 |
CN1261072C (zh) | 2006-06-28 |
CN1424888A (zh) | 2003-06-18 |
HK1052847A1 (en) | 2003-10-03 |
JP2003534530A (ja) | 2003-11-18 |
AU2001220936A1 (en) | 2001-07-31 |
EP1250082B1 (en) | 2007-08-08 |
ATE369070T1 (de) | 2007-08-15 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
TW570768B (en) | Classification and characterization of tissue through features related to adipose tissue | |
TW483745B (en) | Classification system for sex determination and tissue characterization | |
US6738652B2 (en) | Classification and screening of test subjects according to optical thickness of skin | |
US6675029B2 (en) | Apparatus and method for quantification of tissue hydration using diffuse reflectance spectroscopy | |
US6501982B1 (en) | System for the noninvasive estimation of relative age | |
TW524970B (en) | A method for quantification of stratum corneum hydration using diffuse reflectance spectroscopy | |
US6456870B1 (en) | Non-invasive method of determining skin thickness and characterizing layers of skin tissue in vivo | |
US6528809B1 (en) | Methods and apparatus for tailoring spectroscopic calibration models | |
TWI324686B (en) | Noninvasive measurement of glucose through the optical properties of tissue | |
Currà et al. | Near-infrared spectroscopy as a tool for in vivo analysis of human muscles | |
Cugmas et al. | Impact of contact pressure–induced spectral changes on soft-tissue classification in diffuse reflectance spectroscopy: problems and solutions | |
JPH10513088A (ja) | 生体組織の分光検査方法 | |
Andersen et al. | Assessment of bulk composition of heterogeneous food matrices using Raman spectroscopy | |
Ni et al. | A preliminary study on the utilisation of near infrared spectroscopy to predict age and in vivo human metabolism | |
US20010041829A1 (en) | Non-invasive method of determining skin thickness and characterizing layers of skin tissue in vivo | |
CA2404891C (en) | Method of in-vivo measurement of fat content of a body and apparatus therefor | |
Das et al. | Simulated reflectance spectra and point spread functions in database constructed by moderate grouping of nine layers in skin model | |
WO2009136338A1 (en) | An adaptable probe having illumination and detection elements | |
US20240099586A1 (en) | Analysis device and analysis method | |
Prince et al. | Functional optical imaging of a tissue based on diffuse reflectance with fibre spectrometer | |
Prince et al. | An automated system for optical imaging to characterize tissue based on diffuse reflectance spectroscopy |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
GD4A | Issue of patent certificate for granted invention patent | ||
MM4A | Annulment or lapse of patent due to non-payment of fees |