CN107361776A - 无创血糖检测***及方法 - Google Patents
无创血糖检测***及方法 Download PDFInfo
- Publication number
- CN107361776A CN107361776A CN201710360044.9A CN201710360044A CN107361776A CN 107361776 A CN107361776 A CN 107361776A CN 201710360044 A CN201710360044 A CN 201710360044A CN 107361776 A CN107361776 A CN 107361776A
- Authority
- CN
- China
- Prior art keywords
- pulse wave
- wave signal
- blood glucose
- value
- signal
- 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.)
- Withdrawn
Links
Classifications
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/145—Measuring characteristics of blood in vivo, e.g. gas concentration, pH value; Measuring characteristics of body fluids or tissues, e.g. interstitial fluid, cerebral tissue
- A61B5/14532—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
Landscapes
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Physics & Mathematics (AREA)
- Biomedical Technology (AREA)
- Medical Informatics (AREA)
- Biophysics (AREA)
- Pathology (AREA)
- Engineering & Computer Science (AREA)
- Veterinary Medicine (AREA)
- Heart & Thoracic Surgery (AREA)
- Optics & Photonics (AREA)
- Molecular Biology (AREA)
- Surgery (AREA)
- Animal Behavior & Ethology (AREA)
- General Health & Medical Sciences (AREA)
- Public Health (AREA)
- Spectroscopy & Molecular Physics (AREA)
- Emergency Medicine (AREA)
- Measurement Of The Respiration, Hearing Ability, Form, And Blood Characteristics Of Living Organisms (AREA)
Abstract
本发明提供一种无创血糖检测***及方法,该方法包括步骤:控制红外光源发射近红外光照射在人体待测部位,并通过光电传感器从近红外光照射下的人体待测部位获取脉搏波信号;通过信号处理电路对脉搏波信号进行前置处理;提取脉搏波信号的特征值;采用预测神经网络检测脉搏波信号的特征值得到血糖浓度的初始检测值;采用分类神经网络检测脉搏波信号的特征值得到血糖浓度的检测区间;当初始检测值在检测区间内时,将初始检测值显示在显示屏上作为待测者的人体血糖浓度值;将待测者的人体血糖浓度值和血糖测量时段通过通信单元发送至健康管理平台。实施本发明,能够提高血糖浓度检测的准确度并使待测者准确了解自己的血糖情况。
Description
技术领域
本发明涉及无创血糖检测技术领域,尤其涉及一种无创血糖检测***及方法。
背景技术
随着社会经济的发展,糖尿病已经成为现代社会危害人类健康的主要疾病之一。血糖的过高或过低,不仅影响患者的新陈代谢,还有一些并发症,像心血管疾病和神经病变,这些对于患者的身体健康有着很大的威胁。根据世界卫生组织的报告,到2035年全世界将会有3亿糖尿病患者,其中,中国的糖尿病患者也将会有很大一部分。近年来,糖尿病的患者不仅存在于一些老年人当中,对于一些年轻人,也开始出现糖尿病病症。糖尿病是一种慢性疾病,很难通过一次性的治疗达到很好的效果,所以糖尿病患者需要实时准确的了解自己的血糖水平。
但是目前对于血糖检测的方法,在医院或者患者自己在家中,都是采用有创的血糖检测方法,即直接抽取患者血液,根据电化学的方法检测患者的血糖水平。这种检测方法对患者造成一定的生理痛苦,而且反复抽血容易造成感染。进一步,电化学反应试纸价格昂贵,对于糖尿病患者而言,也是一种较大的经济负担。无创血糖检测可消除患者检测的痛苦,可频繁检测,改善患者生活质量。
目前,存在许多无创血糖检测方法,其中基于红外光的对人体血液中葡萄糖浓度的检测方法被广泛应用于无创血糖检测的研究中。然而血液中除了葡萄糖还存在许多其他成分,限制了血糖检测的精度。如何提高血糖检测的精度成为亟待解决的问题。
发明内容
本发明的主要目的在于提供一种无创血糖检测***及方法,旨在解决现有无创血糖检测方法对血糖检测的准确度不高的技术问题。
为实现上述目的,本发明提供了一种无创血糖检测***,运行于无创血糖检测设备中,该无创血糖检测设备包括信号采集器和无创血糖检测装置,所述信号采集器包括红外光源和光电传感器,所述无创血糖检测装置包括信号处理电路、显示屏以及通信单元所述无创血糖检测***包括:信号获取模块,用于控制红外光源发射近红外光照射在人体待测部位,并通过光电传感器从近红外光照射下的人体待测部位获取脉搏波信号;信号处理模块,用于通过信号处理电路对所获取的脉搏波信号进行前置处理得到脉搏波信号的数字信号,并从脉搏波信号的数字信号中提取脉搏波信号的特征值;初始检测模块,用于采用预测神经网络检测脉搏波信号的特征值得到血糖浓度的初始检测值;区间检测模块,用于采用分类神经网络检测脉搏波信号的特征值得到血糖浓度的检测区间;血糖判断模块,用于判断初始检测值是否属于检测区间内,当初始检测值在检测区间内时,将初始检测值显示在显示屏上作为待测者的人体血糖浓度值;血糖管理模块,用于在显示屏上显示一个时段选择框供待测者选择血糖测量时段,接收待测者选择的血糖测量时段,将待测者的人体血糖浓度值和血糖测量时段通过通信单元发送至健康管理平台以供医生确定待测者的血糖情况。
优选的,所述血糖判断模块还用于当初始检测值不在检测区间内时,无创血糖检测装置则舍弃该初始检测值并对下一个脉搏波信号进行检测直到初始检测值在检测区间内为止。
优选的,所述信号处理电路用于对光电传感器所获取的脉搏波信号进行滤波去除脉搏波信号中的噪声和直流分量,留下所需的交流分量,对脉搏波信号进行放大和模数转换以得到脉搏波信号的数字信号。
优选的,所述信号处理模块具体用于对所获取的脉搏波信号进行小波变换得到小波变换序列,根据预设阈值在小波变换序列中查找符合预设阈值的模极大值,以及根据模极大值提取所述脉搏波信号的特征值。
优选的,所述红外光源至少包括800nm-1500nm波段内的多个近红外发光管,用于向人体待测部位发射至少包括800nm-1500nm波段的近红外光。
本发明还提供了一种无创血糖检测方法,应用于无创血糖检测设备中,该无创血糖检测设备包括信号采集器和无创血糖检测装置,所述信号采集器包括红外光源和光电传感器,所述无创血糖检测装置包括信号处理电路、显示屏以及通信单元,所述无创血糖检测方法包括步骤:控制红外光源发射近红外光照射在人体待测部位,并通过光电传感器从近红外光照射下的人体待测部位获取脉搏波信号;通过信号处理电路对所获取的脉搏波信号进行前置处理得到脉搏波信号的数字信号,并从脉搏波信号的数字信号中提取脉搏波信号的特征值;采用预测神经网络检测脉搏波信号的特征值得到血糖浓度的初始检测值;采用分类神经网络检测脉搏波信号的特征值得到血糖浓度的检测区间;判断初始检测值是否属于检测区间内,当初始检测值在检测区间内时,将初始检测值显示在显示屏上作为待测者的人体血糖浓度值;在显示屏上显示一个时段选择框供待测者选择血糖测量时段,并接收待测者选择的血糖测量时段;将待测者的人体血糖浓度值和血糖测量时段通过通信单元发送至健康管理平台以供医生确定待测者的血糖情况。
优选的,所述无创血糖检测方法还包括步骤:如果初始检测值不在检测区间内,则舍弃该初始检测值并对下一个脉搏波信号进行检测直到初始检测值在检测区间内为止。
优选的,所述通过信号处理电路对所获取的脉搏波信号进行前置处理得到脉搏波信号的数字信号的步骤包括如下步骤:对脉搏波信号进行滤波去除脉搏波信号中的噪声和直流分量,留下所需的交流分量;对脉搏波信号进行放大和模数转换以得到脉搏波信号的数字信号,并将该数字信号发送给无创血糖检测装置。
优选的,所述从脉搏波信号的数字信号中提取脉搏波信号的特征值的步骤包括如下步骤:对所获取的脉搏波信号进行小波变换得到小波变换序列;根据预设阈值在小波变换序列中查找符合预设阈值的模极大值;根据模极大值提取所述脉搏波信号的特征值。
优选的,所述红外光源至少包括800nm-1500nm波段内的多个近红外发光管,用于向人体待测部位发射至少包括800nm-1500nm波段的近红外光。
相较于现有技术,本发明所述无创血糖检测***及方法采用预测神经网络检测获取的脉搏波信号得到血糖浓度所属的检测区间,并判断分类神经网络检测获取的脉搏波信号得到血糖浓度的初始检测值是否属于检测区间,当初始检测值在所述检测区间内时,则该初始检测值为血糖浓度值,通过对初始检测值所属区间进行判断,能够有效地减小人体血液中其它成分对血糖浓度造成的干扰,提高了血糖浓度检测的精度和准确度。此外,将待测者的人体血糖浓度值和血糖测量时段发送至健康管理平台以供医生确定待测者的血糖情况。
附图说明
图1是本发明无创血糖检测***优选实施例的应用环境示意图;
图2是图1中的无创血糖检测设备优选实施例的结构示意图;
图3为本发明无创无创血糖检测***的功能模块图;
图4是本发明无创血糖检测方法优选实施例的流程图;
图5为脉搏波信号的一种波形示意图;
图6为图4中步骤S33的提取脉搏波信号的特征值的细化流程图。
本发明目的的实现、功能特点及优点将结合实施例,参照附图做进一步说明。
具体实施方式
为更进一步阐述本发明为达成预定发明目的所采取的技术手段及功效,以下结合附图及较佳实施例,对本发明的具体实施方式、结构、特征及其功效,详细说明如下。应当理解,此处所描述的具体实施例仅仅用以解释本发明,并不用于限定本发明。
参照图1所示,图1是本发明无创血糖检测***优选实施例的应用环境示意图。在本实施例中,所述无创血糖检测***20应用于无创血糖检测设备01,该无创血糖检测设备01通过通信网络03与健康管理平台02建立通信连接。所述无创血糖检测设备01包括信号采集器1和无创血糖检测装置2,其中:信号采集器1用于对待测者进行采集并输出脉搏波信号。无创血糖检测装置2与信号采集器1连接,运行无创血糖检测***20对信号采集器1输出的脉搏波信号进行检测以得到待测者的人体血糖浓度值,并将检测出的血糖浓度值发送至健康管理平台02。
在本实施例中,所述健康管理平台02为设置在第三方的医疗管理机构中的一台服务器、电脑或者医生工作站。用于医生通过健康管理平台02根据待测者的人体血糖浓度值可以给出待测者的血糖情况例如血糖浓度偏高、血糖偏低的和血糖浓度正常结果。医生还可以通过健康管理平台02根据待测者的血糖情况给出待测者的血糖管理建议,例如饮食建议、生活***台02通过通信网络03将待测者的血糖情况和血糖管理建议发送给待测者的通信设备(例如手机)使得待测者对自己的血糖情况进行管理。所述通信网络03可以是有线通信网络或无线通信网络,本实施例所述通信网络03优选为无线通信网络,包括但不限于,GSM网络、GPRS网络、CDMA网络、TD-SCDMA网络、WiMAX网络、TD-LTE网络、FDD-LTE网络等无线传输网络。
参照图2所示,图2是图1中无创血糖检测设备01优选实施例的结构示意图。在本实施例中,所述信号采集器1包括支撑架10、上检测板11、下检测板12、红外光源13以及光电传感器14。其中,支撑架10的上端设置有滑动槽100、上检测板11的一端与滑动槽100活动连接,即上检测板11可以在滑动槽100内上下移动,从而可以调节上检测板11与下检测板12之间的距离,适合放置不同大小的人体待测部位进行血糖检测,提高了设备的使用灵活性和适用性。下检测板12固定在支撑架10的下端,并与上检测板11轴线平行设置。下检测板12的上表面设有铰链机构16,该铰链机构16的两侧设有复位弹簧17,并通过复位弹簧17与上检测板11连接。铰链机构16的下端设有支撑杆18,该铰链机构16通过支撑杆18固定在下检测板12的上表面。
在本实施例中,所述上检测板11位于铰链机构16的正上方位置处开设有螺孔110,螺孔110设置有内螺纹。铰链机构16的上端固定有螺杆111,该螺杆111的外表面设置有外螺纹,螺杆111穿过螺孔110且螺杆111的外螺纹与螺孔110的内螺纹相匹配。由于铰链机构16通过复位弹簧17连接至上检测板11上,因此使用者可以手动旋转螺杆111使上检测板11上下移动带动复位弹簧17上下弹升与压缩,从而可以使上检测板11沿滑动槽100上下移动,因此可以调节上检测板11与下检测板12之间的距离。在本实施例中,所述红外光源13嵌于上检测板11的前端下表面,所述光电传感器14嵌于下检测板12的前端上表面,由于上检测板11和下检测板12平行设置,因此红外光源13和光电传感器14同轴分布设置。
在本实施例中,所述光电传感器14设置在检测部15内,所述检测部15设置下检测板12的前端上表面,用于提供血糖浓度检测的场所,可以用于放置人体待测部位,例如人体手指指尖、耳垂或者手腕等人体毛细血管密集的人体组织;所述红外光源13为近红外发光管,用于向检测部15发送至少包括近红外光的光信号,作为优选的实施例,红外光源13可以包括800nm-1500nm波段内多个近红外发光管,近红外发光管峰值波长偏差为±10nm,辐射功率大于3mW;光电传感器14用于接收经过检测部后的光信号,并转化为电信号输出,在具体实施例中,可以对光电传感器14所接收的波段进行设置,以使光电传感器14接收的光信号波段为近红外光波段,具体地,光电传感器14接收的峰值波长偏差为±10nm,感光电流大于10uA,光电传感器14接收的峰值波长偏差小于±10nm。需要说明的是,在优选的实施例中,当对光电传感器14所接收的波段进行设置后,红外光源13可以包含其它波段的光信号,但需要满足红外光源13所发送的光信号至少包括近红外光,用于发射近红外光照射在人体待测部位。所述光电传感器14用于从近红外光照射下的人体待测部位获取脉搏波信号。所述脉搏波信号可以为光电容积脉搏波信号,也可以为生物阻抗信号或压力传感信号。在本实施例中,所述光电传感器14采集的脉搏波信号为光电容积脉搏波信号(PPG信号)。
在本实施例中,采集PPG信号选择人体的耳垂或者指尖作为提取PPG信号的部位,将耳垂或者指尖放置信号采集器1的检测部15。指尖和耳垂的血液比较丰富,随着心脏的周期性循环,光电传感器能探测到的光电信号周期性的变化,为了得到稳定的光电容积脉搏波,需要将外界的影响因素降到最低或者变为可控,例如环境温度和湿度,综上而言,耳垂或者指尖是最为合适的提取PPG信号的部位。经过近红外光谱透射人体皮肤组织或者经过人体皮肤组织反射得到光电容积脉搏波。
优选地,所述支撑架10内嵌有微型电源101,用于为信号采集器1(例如红外光源13和光电传感器14)提供工作电源。所述上检测板11的上表面还设置有电源开关19,该电源开关19通过电源线连接至红外光源13和光电传感器14上,用于开启红外光源13发射近红外光,或者关闭红外光源13停止发射近红外光。
在优选的实施例中,所述无创血糖检测装置2包括信号处理电路21、微处理器22、存储器23、显示屏24以及通信单元25。所述信号处理电路21通过信号线连接至微处理器22,该微处理器22通过信号线连接至信号采集器1的红外光源13和光电传感器14上,所述存储器23、显示屏24和通信单元25均通过信号线连接至微处理器22。所述信号处理电路21对脉搏波信号进行信号转换、前置放大和滤波等信号处理得到脉搏波信号的数字信号。优选地,信号处理电路21还可以为无创血糖检测装置2提供工作电源。
所述的微处理器22可以为一种中央处理器(Central Processing Unit,CPU)、微控制器(MCU)、数据处理芯片、或者具有数据处理功能的信息处理单元。所述存储器23可以为一种只读存储单元ROM,电可擦写存储单元EEPROM、快闪存储单元FLASH或固体硬盘等。所述显示屏24为一种小尺寸LCD或LED显示单元,其镶嵌于无创血糖检测装置2的壳体外表面,由于显示测量的人体血糖浓度值。所述通讯单元25为一种具有远程无线通讯功能的无线通讯接口,例如,支持GSM、GPRS、WCDMA、CDMA、TD-SCDMA、WiMAX、TD-LTE、FDD-LTE、3G\4G\5G等通讯技术的通讯接口。
参考图3所示,图3为本发明无创无创血糖检测***20的功能模块图。在本实施例中,所述无创无创血糖检测***20包括,但不仅限于,信号获取模块201、信号处理模块202、初始检测模块203、区间检测模块204、血糖判断模块205以及血糖管理模块205。本发明所称的模块是指一种能够被所述微处理器22执行并且能够完成固定功能的一系列计算机程序指令,其存储在所述存储器23中。本实施例将结合图4、5和6具体说明无创血糖检测***20中各个模块的功能。
参考图4所示,是本发明无创血糖检测方法的优选实施例的流程图。在本实施例中,本发明所述无创血糖检测方法应用于上述无创血糖检测设备01中,结合图1、图2和图3所示,该无创血糖检测方法包括如下步骤:
步骤S31,当使用者开启信号采集器1的电源开关19时,信号获取模块201控制红外光源13发射近红外光照射在人体待测部位,并通过光电传感器14从近红外光照射下的人体待测部位获取脉搏波信号。在本实施例中,红外光源13可以发射800nm-1500nm波段内多个近红外发光管,信号获取模块201控制红外光源13发射不同坡段的近红外光并照射在人体待测部位,光电传感器14从人近红外光照射下的人体待测部位获取脉搏波信号。本实施例所称脉搏波信号优选为光电容积脉搏波信号,其承载着待测样本血糖浓度信息。例如,葡萄糖分子式含有多个O-H、C-H化学键,在800nm-1500nm波段存在吸收峰值和吸收峰谷,吸收峰值波长作为关键波长,该波长是血糖对近红外光吸收的峰值波长,能够反映血糖对近红外光的吸收情况,吸收峰谷波长作为参考波长。关键波长产生的光电容积脉搏波不仅包含了血糖对近红外光的吸收信息,而且包含血液中的其他物质对近红外光的吸收信息。将参考波长和关键波长相结合进行建模,可以有效地减少其他物质对近红外光吸收的影响。本实施例中,选择波长小于1500nm的近红外光的另一个重要原因是由于这些波长容易获取,都是一些常见的近红外波长,例如典型的砷化镓二极管就能达到需求,降低了无创血糖检测的成本。
步骤S32,信号处理模块202通过信号处理电路21对所获取的脉搏波信号进行前置处理得到脉搏波信号的数字信号。在本实施例中,信号处理模块202通过信号处理电路21对脉搏波信号进行信号转换、前置放大和滤波等信号处理。具体地,在对脉搏波信号进行滤波时,可以采用信号处理电路21中的滤波器对脉搏波信号进行滤波,能够去除脉搏波信号中的噪声和直流分量,留下所需的交流分量;对脉搏波信号进行放大和模数转换,可以采用信号处理电路21中的信号放大器对脉搏波信号进行放大,采用信号处理电路21中的采用12位模数转换器(ADC)进行采样,采样频率例如可以是1KHz,以得到脉搏波信号的数字信号,并将该数字信号发送给无创血糖检测装置2进行后续的处理。
步骤S33,信号处理模块202从脉搏波信号的数字信号中提取脉搏波信号的特征值。在具体实施例中,本实施例所称脉搏波信号承载着待测样本血糖浓度信息。所述脉搏波信号的特征值可以是脉搏波信号单位周期内的幅值,也可以是主波波峰与主波上升时间比值和次波主波相对高度值。在优选的实施例中,请参考图5所示,图5为脉搏波信号的一种波形示意图。在一个波形周期内,所述特征值为脉搏波信号的主波峰P、主波谷A、次波峰T及次波谷V的主峰幅值hP、主谷幅值hA、次峰幅值hT、次谷幅值hV、主峰-次谷时间间隔t1、主峰-次峰时间间隔t2、主峰-主谷时间间隔t3和相邻主峰时间间隔t4。在具体实施例中,信号处理模块202可以采用小波变换的方式当提取脉搏波信号的特征值:主峰幅值hP、主谷幅值hA、次峰幅值hT、次谷幅值hV、主峰-次谷时间间隔t1、主峰-次峰时间间隔t2、主峰-主谷时间间隔t3和相邻主峰时间间隔t4。
步骤S34,初始检测模块203采用预测神经网络检测脉搏波信号的特征值得到血糖浓度的初始检测值。在具体实施例中,初始检测模块203可以通过预测神经网络对获取的脉搏波信号的特征值进行第一检测,从而得到血糖浓度的初始检测值。在具体实施时,应首先对预测神经网络进行训练,预测神经网络的训练可以是在线的,也可以是离线的,本实施例中,优选为离线训练,可以采用标准的PPG特征值训练信号进行训练,对于预测神经网络,输入是光电容积脉搏波的特征值,将对应的有创检测血糖浓度值(预先采集的血糖样本值)作为输出,然后使用例如MATLAB神经网络进行训练出预测神经网络。
步骤S35,区间检测模块204采用分类神经网络检测脉搏波信号的特征值得到血糖浓度所属的检测区间。在具体实施例中,区间检测模块204可以通过分类神经网络来对获取的脉搏波信号进行第二检测,以得到获取的脉搏波信号所在的区间。具体地,以人体为例,血糖浓度可以按照步长为1进行划分分类区间[3,4]、[4,5]、[5,6]…[24,25],从而将涵盖人体血糖浓度范围3~25划分成了多个区间。对分类神经网络进行训练中,输入是光电容积脉搏波的特征值,将对应的血糖浓度值进行分类,如血糖浓度值属于区间[3,4]记为第一类,属于区间[4,5]记为第二类,属于区间[5,6]记为第三类,以此类推作为输出,直到将训练过程中出现的所有血糖值的区间[3,25]包含在内,然后使用例如MATLAB神经网络进行训练出分类神经网络。
步骤S36,血糖判断模块205将初始检测值与检测区间进行比对判断初始检测值是否属于检测区间内。如果初始检测值在检测区间内,则执行步骤S37,则该初始检测值则为脉搏波信号中承载的血糖浓度值,则血糖判断模块205将初始检测值显示在显示屏24上作为人体血糖浓度值。如果初始检测值不在检测区间内,则执行步骤S38而后转向步骤S32,即血糖判断模块205舍弃初始检测值并对下一个脉搏波信号进行检测直到初始检测值在检测区间内为止。举例子来讲,譬如采用预测神经网络得到的初始检测值为4.6,采用分类神经网络得到的检测区间为[4,5],则说明初始检测值属于该检测区间;反之,如果采用分类神经网络得到的检测区间为[5,6]、[3,4]或[9,10]等,则说明初始检测值不属于该检测区间内。如果初始检测值不在检测区间内,则该初始检测值与实际的血糖浓度值相差较大,则舍弃该初始检测值并对下一个脉搏波信号进行检测。
在本实施例中,提取PPG采集信号的特征值,并分别送入预测神经网络和分类神经网络进行第一检测和第二检测。利用预测神经网络进行第一检测得到初始检测值(血糖值R1),利用分类神经网络进行第二检测得到检测区间(血糖区间R2)。利用R1判断血糖值所属区间,如果R1所在区间属于R2,那么则认为R1是正确的,保留检测结果R1作为人体血糖浓度值;反之,则认为检测结果错误,丢弃检测结果R1并对下一个脉搏波信号进行检测直到检测结果R1属于区间属于R2内,将作为人体血糖浓度值,如此反复检测能够有效地减小其它成分(例如水分等)对血糖浓度造成的干扰,提高了血糖浓度检测的精度和准确度。
步骤S39,血糖管理模块206在显示屏24上显示一个时段选择框供待测者选择血糖测量时段,并接收待测者选择的血糖测量时段。在本实施例中,所述血糖测量时段包括空腹时段和饭后两小时等两个测量时段。由于人体空腹时段测量的血糖浓度比饭后测量的血糖浓度要低,而饭后两小时后测量的血糖浓度会明显偏高,因此本实施例提供的时段选择框供待测者选择血糖测量时段,能够实际反应出待测者血糖浓度的实际测量情况,从而进一步保证了人体血糖浓度的准确性。
步骤S40,血糖管理模块206将待测者的人体血糖浓度值和血糖测量时段通过通信单元25发送至健康管理平台02以供医生确定待测者的血糖情况。在本实施例中,医生通过健康管理平台02在线浏览待测者的人体血糖浓度值和血糖测量时段后可以给出待测者的血糖情况,例如血糖浓度偏高、血糖偏低的和血糖浓度正常结果。此外,医生还可以根据待测者的血糖情况给出待测者管理自身血糖情况的血糖管理建议,例如饮食建议、生活***台02通过通信网络03将待测者的血糖情况和血糖管理建议发送给待测者的通信设备(例如手机)使得待测者了解自己的血糖情况并对自己的血糖情况进行管理。
如图6所示,图6为图4中的步骤S33提取脉搏波信号的特征值的细化流程图。具体地,信号处理模块202采用小波变换的方式提取脉搏波信号的特征值包括如下步骤:
步骤S331,信号处理模块202对获取的脉搏波信号进行小波变换得到小波变换序列。在小波变换之前,可以首先对获得的脉搏波信号(例如PPG信号)进行去噪处理,再对消噪后的纯净信号进行平稳小波变换,平稳小波变换后根据所得值得到小波变换序列。
步骤S332,信号处理模块202根据预设阈值在小波变换序列中查找符合预设阈值的模极大值。在得到小波变换序列之后,可以确定合适的预设阈值,以查找符合预设阈值的模极大值,在本实施中,小波变换序列中的模极大值包括正的模极大值、负的模极大值和相关的次模极大值。
步骤S333,信号处理模块202根据模极大值提取脉搏波信号的特征值。在本实例中,如图4所示,脉搏波信号的特征值包括主峰幅值hP、主谷幅值hA、次峰幅值hT、次谷幅值hV,并根据主波峰P、主波谷A、次波峰T及次波谷V的位置得到特征值主峰-次谷时间间隔t1、主峰-次峰时间间隔t2、主峰-主谷时间间隔t3和相邻主峰时间间隔t4。
本实施例公开的无创血糖检测***及方法,由于采用预测神经网络检测获取的脉搏波信号得到血糖浓度所属的检测区间,并判断分类神经网络检测获取的脉搏波信号得到血糖浓度的初始检测值是否属于检测区间,当初始检测值在所述检测区间内时,则该初始检测值为血糖浓度值,通过对初始检测值所属区间进行判断,能够有效地减小其它成分对血糖浓度造成的干扰,提高了血糖浓度检测的精度和准确度。
本领域技术人员可以理解,上述实施方式中各种方法的全部或部分步骤可以通过程序来指令相关硬件完成,该程序可以存储于计算机可读存储介质中,存储介质可以包括:只读存储器、随机存储器、磁盘或光盘等。
以上仅为本发明的优选实施例,并非因此限制本发明的专利范围,凡是利用本发明说明书及附图内容所作的等效结构或等效流程变换,或直接或间接运用在其他相关的技术领域,均同理包括在本发明的专利保护范围内。
Claims (10)
1.一种无创血糖检测***,运行于无创血糖检测设备中,该无创血糖检测设备包括信号采集器和无创血糖检测装置,所述信号采集器包括红外光源和光电传感器,所述无创血糖检测装置包括信号处理电路、显示屏以及通信单元,其特征在于,所述无创血糖检测***包括:
信号获取模块,用于控制红外光源发射近红外光照射在人体待测部位,并通过光电传感器从近红外光照射下的人体待测部位获取脉搏波信号;
信号处理模块,用于通过信号处理电路对所获取的脉搏波信号进行前置处理得到脉搏波信号的数字信号,并从脉搏波信号的数字信号中提取脉搏波信号的特征值;
初始检测模块,用于采用预测神经网络检测脉搏波信号的特征值得到血糖浓度的初始检测值;
区间检测模块,用于采用分类神经网络检测脉搏波信号的特征值得到血糖浓度的检测区间;
血糖判断模块,用于判断初始检测值是否属于检测区间内,当初始检测值在检测区间内时,将初始检测值显示在显示屏上作为待测者的人体血糖浓度值;
血糖管理模块,用于在显示屏上显示一个时段选择框供待测者选择血糖测量时段,接收待测者选择的血糖测量时段,将待测者的人体血糖浓度值和血糖测量时段通过通信单元发送至健康管理平台以供医生确定待测者的血糖情况。
2.如权利要求1所述的无创血糖检测***,其特征在于,所述血糖判断模块还用于当初始检测值不在检测区间内时,无创血糖检测装置舍弃该初始检测值并对下一个脉搏波信号进行检测直到初始检测值在检测区间内为止。
3.如权利要求1所述的无创血糖检测***,其特征在于,所述信号处理电路用于对光电传感器所获取的脉搏波信号进行滤波去除脉搏波信号中的噪声和直流分量,留下所需的交流分量,对脉搏波信号进行放大和模数转换以得到脉搏波信号的数字信号。
4.如权利要求1所述的无创血糖检测***,其特征在于,所述信号处理模块具体用于对所获取的脉搏波信号进行小波变换得到小波变换序列,根据预设阈值在小波变换序列中查找符合预设阈值的模极大值,以及根据模极大值提取所述脉搏波信号的特征值。
5.如权利要求1至4任一项所述的无创血糖检测***,其特征在于,所述红外光源至少包括800nm-1500nm波段内的多个近红外发光管,用于向人体待测部位发射至少包括800nm-1500nm波段的近红外光。
6.一种无创血糖检测方法,应用于无创血糖检测设备中,该无创血糖检测设备包括信号采集器和无创血糖检测装置,所述信号采集器包括红外光源和光电传感器,所述无创血糖检测装置包括信号处理电路、显示屏以及通信单元,其特征在于,所述无创血糖检测方法包括步骤:
控制红外光源发射近红外光照射在人体待测部位,并通过光电传感器从近红外光照射下的人体待测部位获取脉搏波信号;
通过信号处理电路对所获取的脉搏波信号进行前置处理得到脉搏波信号的数字信号;
从脉搏波信号的数字信号中提取脉搏波信号的特征值;
采用预测神经网络检测脉搏波信号的特征值得到血糖浓度的初始检测值;
采用分类神经网络检测脉搏波信号的特征值得到血糖浓度的检测区间;
判断初始检测值是否属于检测区间内,当初始检测值在检测区间内时,将初始检测值显示在显示屏上作为待测者的人体血糖浓度值;
在显示屏上显示一个时段选择框供待测者选择血糖测量时段,并接收待测者选择的血糖测量时段;
将待测者的人体血糖浓度值和血糖测量时段通过通信单元发送至健康管理平台以供医生确定待测者的血糖情况。
7.如权利要求6所述的无创血糖检测方法,其特征在于,该方法还包括步骤:如果初始检测值不在检测区间内,则舍弃该初始检测值并对下一个脉搏波信号进行检测直到初始检测值在检测区间内为止。
8.如权利要求6所述的无创血糖检测方法,其特征在于,所述通过信号处理电路对所获取的脉搏波信号进行前置处理得到脉搏波信号的数字信号的步骤包括如下步骤:
对脉搏波信号进行滤波去除脉搏波信号中的噪声和直流分量,留下所需的交流分量;
对脉搏波信号进行放大和模数转换以得到脉搏波信号的数字信号。
9.如权利要求6所述的无创血糖检测方法,其特征在于,所述从脉搏波信号的数字信号中提取脉搏波信号的特征值的步骤包括如下步骤:
对所获取的脉搏波信号进行小波变换得到小波变换序列;
根据预设阈值在小波变换序列中查找符合预设阈值的模极大值;
根据模极大值提取所述脉搏波信号的特征值。
10.如权利要求6至9任一项所述的无创血糖检测方法,其特征在于,该方法还包括步骤:所述红外光源至少包括800nm-1500nm波段内的多个近红外发光管,用于向人体待测部位发射至少包括800nm-1500nm波段的近红外光。
Priority Applications (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710360044.9A CN107361776A (zh) | 2017-05-20 | 2017-05-20 | 无创血糖检测***及方法 |
PCT/CN2017/098190 WO2018214298A1 (zh) | 2017-05-20 | 2017-08-19 | 无创血糖检测***及方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710360044.9A CN107361776A (zh) | 2017-05-20 | 2017-05-20 | 无创血糖检测***及方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN107361776A true CN107361776A (zh) | 2017-11-21 |
Family
ID=60306195
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201710360044.9A Withdrawn CN107361776A (zh) | 2017-05-20 | 2017-05-20 | 无创血糖检测***及方法 |
Country Status (2)
Country | Link |
---|---|
CN (1) | CN107361776A (zh) |
WO (1) | WO2018214298A1 (zh) |
Cited By (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2018214297A1 (zh) * | 2017-05-20 | 2018-11-29 | 深圳市前海安测信息技术有限公司 | 便携式无创血糖检测设备及方法 |
CN111317484A (zh) * | 2018-12-13 | 2020-06-23 | 三星电子株式会社 | 用于估计血糖的装置和方法 |
CN111317473A (zh) * | 2020-03-12 | 2020-06-23 | 桂林电子科技大学 | 基于混合测量技术的血糖检测方法 |
CN111683590A (zh) * | 2018-02-22 | 2020-09-18 | 京瓷株式会社 | 电子设备、估计***、估计方法和估计程序 |
WO2020187240A1 (zh) * | 2019-03-21 | 2020-09-24 | 邓庆平 | 一种无创伤智能血糖测量仪 |
CN113288131A (zh) * | 2021-05-06 | 2021-08-24 | 广东工业大学 | 基于图卷积网络的无创血糖检测方法、处理器及装置 |
CN114007501A (zh) * | 2019-06-25 | 2022-02-01 | 兴和株式会社 | 血液成分测定***、血液成分测定方法和血液成分测定程序 |
CN114366090A (zh) * | 2022-01-13 | 2022-04-19 | 湖南龙罡智能科技有限公司 | 一种集成多种测量机制的血液成分检定方法 |
CN115736907A (zh) * | 2021-09-04 | 2023-03-07 | 天津大学 | 基于级联卷积神经网络的可穿戴微波无损检测人体血糖 |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112635054A (zh) * | 2020-11-30 | 2021-04-09 | 新绎健康科技有限公司 | 一种基于脉图参数对目标血糖值进行预测的***及方法 |
Family Cites Families (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102217940A (zh) * | 2011-06-14 | 2011-10-19 | 中国科学院长春光学精密机械与物理研究所 | 利用容积脉搏波特征值实现无创伤测量人体血糖的方法 |
CN203220371U (zh) * | 2013-04-16 | 2013-10-02 | 成都天宇创新科技有限公司 | 无线便携式无创血糖检测仪 |
CN105193423A (zh) * | 2015-09-25 | 2015-12-30 | 北京大学深圳研究生院 | 无创血糖检测方法、装置及*** |
CN105160199A (zh) * | 2015-09-30 | 2015-12-16 | 刘毅 | 基于持续血糖监测并具有干预信息的糖尿病管理信息处理和展示方法 |
CN106308814A (zh) * | 2016-08-09 | 2017-01-11 | 上海润寿智能科技有限公司 | 基于近红外光谱分析的血糖无创检测仪及其实现方法 |
CN107296616A (zh) * | 2017-05-20 | 2017-10-27 | 深圳市前海安测信息技术有限公司 | 便携式无创血糖检测设备及方法 |
-
2017
- 2017-05-20 CN CN201710360044.9A patent/CN107361776A/zh not_active Withdrawn
- 2017-08-19 WO PCT/CN2017/098190 patent/WO2018214298A1/zh active Application Filing
Cited By (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2018214297A1 (zh) * | 2017-05-20 | 2018-11-29 | 深圳市前海安测信息技术有限公司 | 便携式无创血糖检测设备及方法 |
CN111683590A (zh) * | 2018-02-22 | 2020-09-18 | 京瓷株式会社 | 电子设备、估计***、估计方法和估计程序 |
CN111317484A (zh) * | 2018-12-13 | 2020-06-23 | 三星电子株式会社 | 用于估计血糖的装置和方法 |
WO2020187240A1 (zh) * | 2019-03-21 | 2020-09-24 | 邓庆平 | 一种无创伤智能血糖测量仪 |
CN113811243A (zh) * | 2019-03-21 | 2021-12-17 | 苏州优化医疗科技有限公司 | 一种无创伤智能血糖测量仪 |
CN114007501A (zh) * | 2019-06-25 | 2022-02-01 | 兴和株式会社 | 血液成分测定***、血液成分测定方法和血液成分测定程序 |
CN111317473A (zh) * | 2020-03-12 | 2020-06-23 | 桂林电子科技大学 | 基于混合测量技术的血糖检测方法 |
CN113288131A (zh) * | 2021-05-06 | 2021-08-24 | 广东工业大学 | 基于图卷积网络的无创血糖检测方法、处理器及装置 |
CN113288131B (zh) * | 2021-05-06 | 2022-07-12 | 广东工业大学 | 基于图卷积网络的无创血糖检测方法、处理器及装置 |
CN115736907A (zh) * | 2021-09-04 | 2023-03-07 | 天津大学 | 基于级联卷积神经网络的可穿戴微波无损检测人体血糖 |
CN114366090A (zh) * | 2022-01-13 | 2022-04-19 | 湖南龙罡智能科技有限公司 | 一种集成多种测量机制的血液成分检定方法 |
CN114366090B (zh) * | 2022-01-13 | 2024-02-02 | 湖南龙罡智能科技有限公司 | 一种集成多种测量机制的血液成分检定方法 |
Also Published As
Publication number | Publication date |
---|---|
WO2018214298A1 (zh) | 2018-11-29 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107361776A (zh) | 无创血糖检测***及方法 | |
CN107296616A (zh) | 便携式无创血糖检测设备及方法 | |
CN105193423A (zh) | 无创血糖检测方法、装置及*** | |
CN107157492B (zh) | 一种嵌入式人体生理信息无创检测***及数据处理方法 | |
US20050192488A1 (en) | Non-invasive method and apparatus for determining a physiological parameter | |
CN101827554B (zh) | 用于生物电阻抗测量的医学测量装置 | |
CN104224159B (zh) | 检测穴位体表微循环血流的装置 | |
CN101822863A (zh) | 情绪调节装置和方法 | |
CN105307568A (zh) | 非侵入式血液分析 | |
CN102198004A (zh) | 无创式近红外电子血糖仪 | |
CN100482154C (zh) | 人体局部血容量变化参数的便携式近红外检测装置 | |
CN109077725A (zh) | 一种肌肉疲劳度检测装置 | |
CN108324286A (zh) | 一种基于pca-narx校正算法的红外光无创血糖检测装置 | |
Islam et al. | Design and implementation of a wearable system for non-invasive glucose level monitoring | |
CN107863156A (zh) | 一种高血压筛查与管理方法与装置 | |
Shulei et al. | Non-invasive blood glucose measurement scheme based on near-infrared spectroscopy | |
CN201894645U (zh) | 一种新型智能心电测试保健器 | |
US20240215841A1 (en) | Method and apparatus for hypertension classification | |
CN201968675U (zh) | 基于arm的体表胃电信号采集分析仪 | |
CN106949951A (zh) | 智能体重秤 | |
CN204654954U (zh) | 一种太赫兹连续血糖测量装置 | |
CN207949805U (zh) | 无创血糖数据采集装置 | |
CN106037760A (zh) | 一种无创血糖仪的连续血糖监测*** | |
CN105852847A (zh) | 一种心脏及生命体征监护分析*** | |
CN204318765U (zh) | 一种红外光谱技术无创血糖检测仪 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
WW01 | Invention patent application withdrawn after publication |
Application publication date: 20171121 |
|
WW01 | Invention patent application withdrawn after publication |