KR20180109681A - Glucose feature extraction method, Glucose monitoring apparatus and method - Google Patents

Glucose feature extraction method, Glucose monitoring apparatus and method Download PDF

Info

Publication number
KR20180109681A
KR20180109681A KR1020180026210A KR20180026210A KR20180109681A KR 20180109681 A KR20180109681 A KR 20180109681A KR 1020180026210 A KR1020180026210 A KR 1020180026210A KR 20180026210 A KR20180026210 A KR 20180026210A KR 20180109681 A KR20180109681 A KR 20180109681A
Authority
KR
South Korea
Prior art keywords
glucose
nir
data
signal
component
Prior art date
Application number
KR1020180026210A
Other languages
Korean (ko)
Other versions
KR102515832B1 (en
Inventor
키란 바이남
수지트 조스
이소영
고리쉬 아가?
스리칸쓰 말라바라푸 라마
Original Assignee
삼성전자주식회사
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by 삼성전자주식회사 filed Critical 삼성전자주식회사
Priority to EP18164204.2A priority Critical patent/EP3381368A1/en
Priority to US15/937,295 priority patent/US10980484B2/en
Publication of KR20180109681A publication Critical patent/KR20180109681A/en
Application granted granted Critical
Publication of KR102515832B1 publication Critical patent/KR102515832B1/en

Links

Images

Classifications

    • 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
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N33/00—Investigating or analysing materials by specific methods not covered by groups G01N1/00 - G01N31/00
    • G01N33/48—Biological material, e.g. blood, urine; Haemocytometers
    • G01N33/483—Physical analysis of biological material
    • G01N33/487—Physical analysis of biological material of liquid biological material
    • G01N33/49—Blood

Landscapes

  • Health & Medical Sciences (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Physics & Mathematics (AREA)
  • Engineering & Computer Science (AREA)
  • Chemical & Material Sciences (AREA)
  • Biomedical Technology (AREA)
  • Immunology (AREA)
  • General Physics & Mathematics (AREA)
  • Spectroscopy & Molecular Physics (AREA)
  • Pathology (AREA)
  • Biochemistry (AREA)
  • Hematology (AREA)
  • Analytical Chemistry (AREA)
  • General Health & Medical Sciences (AREA)
  • Ecology (AREA)
  • Medicinal Chemistry (AREA)
  • Biophysics (AREA)
  • Food Science & Technology (AREA)
  • Urology & Nephrology (AREA)
  • Molecular Biology (AREA)
  • Measurement Of The Respiration, Hearing Ability, Form, And Blood Characteristics Of Living Organisms (AREA)
  • Investigating Or Analysing Materials By Optical Means (AREA)

Abstract

According to one embodiment, a glucose feature extraction method comprises: a step of removing a noise from NIR data; a step of extracting a glucose signal from the NIR data from which the noise is removed; and a step of removing temporal drift components from the extracted glucose signal.

Description

글루코스 특징 추출 방법과, 글루코스 모니터링 장치 및 방법{Glucose feature extraction method, Glucose monitoring apparatus and method}TECHNICAL FIELD The present invention relates to a method for extracting glucose and a glucose monitoring apparatus and method,

NIR 분광법을 통하여 글루코스를 모니터링하기 위한 글루코스 특징 추출 기술과 관련된다.Lt; RTI ID = 0.0 > NIR < / RTI > spectroscopy.

글루코스 모니터링은 혈액 샘플 내의 글루코스 레벨을 측정하기 위해 사용된다. 글루코스 모니터링 방법으로는 침습적 방법과 비침습적 방법이 있다. 침습적 방법은 사람의 피부에 구멍을 뚫어 혈액 샘플을 획득하는 반면, 비침습적 방법은 혈액 샘플을 수집할 필요 없이 중적외선(Mid-IR) 분광법, 근적외선(NIR) 분광법 또는 라만 분광법을 사용한다. NIR 분광법은 연속 글루코스 모니터링에 사용될 수 있다.Glucose monitoring is used to measure glucose levels in blood samples. Methods of monitoring glucose include invasive and non-invasive methods. Noninvasive methods use mid-IR spectroscopy, near-infrared (NIR) spectroscopy, or Raman spectroscopy, without the need to collect blood samples, while invasive methods pierce human skin to obtain blood samples. NIR spectroscopy can be used for continuous glucose monitoring.

NIR 광의 흡수는 비어-램버트 법칙(BEER-Lambert law)에 기초하여 정의될 수 있다.The absorption of NIR light can be defined based on the BEER-Lambert law.

Figure pat00001
Figure pat00001

여기서

Figure pat00002
는 흡광 계수,
Figure pat00003
는 용질의 농도,
Figure pat00004
는 침투 깊이를 나타낸다.here
Figure pat00002
Is an extinction coefficient,
Figure pat00003
The concentration of the solute,
Figure pat00004
Represents the penetration depth.

혈액이 서로 다른 성분으로 구성되어 있다면 전체 흡수는 다음과 같이 주어진다.If the blood consists of different components, the total absorption is given by:

Figure pat00005
Figure pat00005

NIR 흡수 스펙트럼은 물, 지방, 단백질(콜라겐, 케라틴, 엘라스틴), 아미노산 및 글루코스와 같은 여러 성분의 흡수로 나타난다. 그러므로, NIR 흡수 스펙트럼은 다음과 같이 주어질 수 있다.The NIR absorption spectrum appears as the absorption of several components such as water, fat, protein (collagen, keratin, elastin), amino acids and glucose. Therefore, the NIR absorption spectrum can be given as follows.

Figure pat00006
Figure pat00006

또한, 간질 액체(interstitial liquid) 내의 글루코스 농도는 다음과 같이 근사화할 수 있다.In addition, the glucose concentration in the interstitial liquid can be approximated as follows.

Figure pat00007
Figure pat00007

따라서, 글루코스 흡수의 값이 다른 성분보다 몇 배나 작고, 많은 경우 글루코스 정보가 NIR 데이터의 노이즈 성분으로 인해 왜곡되기 때문에, NIR 분광법을 이용하여 글로코스를 모니터링하는 것은 매우 어렵다. 다른 성분의 농도는 아래 표에 나타난다.Therefore, it is very difficult to monitor Glucose using NIR spectroscopy because the value of glucose uptake is several times smaller than the other components, and in many cases glucose information is distorted by the noise component of the NIR data. The concentrations of the other ingredients are shown in the table below.

Figure pat00008
Figure pat00008

그러므로, 글루코스 모니터링을 위해서는 신체의 다른 성분 및 NIR 분광기에 의한 노이즈를 제거하기 위한 방법이 필요하다.Therefore, glucose monitoring requires a method to remove noise from other components of the body and NIR spectroscopy.

NIR 분광법을 통하여 글루코스를 모니터링하기 위한 글루코스 특징 추출 방법과, 글루코스 모니터링 장치 및 방법을 제공하는 것을 목적으로 한다.It is an object of the present invention to provide a glucose characteristic extracting method for monitoring glucose through NIR spectroscopy and an apparatus and a method for monitoring glucose.

일 양상에 따른 글루코스 특징 추출 방법은, NIR 데이터에서 노이즈를 제거하는 단계와, 상기 노이즈가 제거된 NIR 데이터에서 글루코스 신호를 추출하는 단계와, 상기 추출된 글루코스 신호에서 시간적 드리프트 성분(temporal drift components)을 제거하는 단계를 포함할 수 있다.According to an aspect of the present invention, there is provided a method for extracting glucose features, comprising: removing noise from NIR data; extracting a glucose signal from the noise-removed NIR data; and extracting temporal drift components from the extracted glucose signal. As shown in FIG.

상기 노이즈를 제거하는 단계는, SG(Savitzky-Golay) 필터, 푸리에 도메인 필터링 중 적어도 하나를 이용하여 상기 노이즈를 제거할 수 있다.The removing the noise may remove the noise using at least one of a Savitzky-Golay (SG) filter and a Fourier domain filtering.

상기 글루코스 신호를 추출하는 단계는, 상기 노이즈가 제거된 NIR 데이터에서 글루코스 이외 다른 체성분의 신호 성분을 제거함으로써 상기 글루코스 신호를 추출할 수 있다.The step of extracting the glucose signal may extract the glucose signal by removing a signal component of a body component other than glucose from the noise-removed NIR data.

상기 다른 체성분은 물, 지방, 콜라겐, 엘라스틴 및 케라틴 중 적어도 하나를 포함할 수 있다.The other body component may comprise at least one of water, fat, collagen, elastin and keratin.

상기 글루코스 신호를 추출하는 단계는, EMSC(Extended Multiplicative Scatter Correction) 회귀 및 데이터 화이트닝에 기초하여 글루코스 신호를 추출할 수 있다.The step of extracting the glucose signal may extract a glucose signal based on EMSC (Extended Multiplicative Scatter Correction) regression and data whitening.

상기 데이터 화이트닝은 각 체성분의 순수 스펙트럼의 직교 성분을 획득하기 위해 수행될 수 있다.The data whitening may be performed to obtain a quadrature component of the pure spectrum of each body component.

상기 EMSC 회귀는 상기 데이터 화이트닝에 의해 생성된 각 체성분의 순수 스펙트럼의 직교 성분을 이용하여, 상기 노이즈가 제거된 NIR 데이터를 개별 체성분의 스펙트럼으로 분해하기 위해 수행될 수 있다.The EMSC regression may be performed to decompose the noise-removed NIR data into spectra of individual body components using the quadrature components of the pure spectra of the individual body components generated by the data whitening.

상기 시간적 드리프트 성분을 제거하는 단계는, 상기 추출된 글루코스 신호를 미분하고 평활화하는 단계와, 평활화된 결과에 드리프트 제거 기법을 적용하여 시간적 드리프트 성분을 제거하는 단계를 포함할 수 있다.The step of removing the temporal drift component may include differentiating and smoothing the extracted glucose signal and removing the temporal drift component by applying a drift elimination technique to the smoothed result.

상기 시간적 드리프트 성분을 제거하는 단계는, 상기 평활화된 결과를 시간에 대해 미분하고 평균하여 시간적 드리프트 성분을 산출하고, 상기 평활화된 결과에서 상기 시간적 드리프트 성분을 제거할 수 있다.The step of removing the temporal drift component may further differentiate and average the smoothed result over time to yield a temporal drift component and remove the temporal drift component from the smoothed result.

다른 양상에 따른 글루코스 모니터링 방법은, 사용자에게 조사되어 되돌아오는 NIR 광으로부터 획득된 NIR 데이터에서 노이즈를 제거하여 상기 NIR 데이터를 필터링하는 단계와, 상기 필터링된 NIR 데이터에서 하나 이상의 체성분의 신호 성분을 제거하여 글루코스 신호를 추출하는 단계와, 상기 추출된 글루코스 신호로부터 시간적 드리프트 성분(temporal drift components)을 제거하는 단계와, 기대되는 글루코스 신호에 기초하여, 시간적 드리프트 성분이 제거된 글루코스 신호를 회귀시킴으로써 글루코스 예측을 위한 데이터 모델을 생성하는 단계와, 상기 생성된 데이터 모델을 기반으로 사용자의 글루코스 레벨을 예측하는 단계; 를 포함할 수 있다.According to another aspect, a glucose monitoring method includes filtering NIR data by removing noise from NIR data acquired from a NIR light returned to a user, filtering the NIR data by removing one or more body component signals from the filtered NIR data, Extracting a glucose signal, removing temporal drift components from the extracted glucose signal, and regenerating a glucose signal from which the temporal drift component has been removed, based on the expected glucose signal, Generating a data model for the user; predicting a glucose level of the user based on the generated data model; . ≪ / RTI >

상기 체성분은 물, 지방, 단백질 중 적어도 하나를 포함할 수 있다.The body component may include at least one of water, fat, and protein.

상기 필터링하는 단계는, SG(Savitzky-Golay) 필터를 이용하여 수행될 수 있다.The filtering may be performed using a Savitzky-Golay (SG) filter.

상기 필터링하는 단계는, 푸리에 도메인 필터링을 이용하여 수행될 수 있다.The filtering may be performed using Fourier domain filtering.

상기 글루코스 신호는 EMSC(Extended Multiplicative Scatter Correction) 회귀 및 데이터 화이트닝에 기초하여 추출될 수 있다.The glucose signal may be extracted based on Extended Multiplicative Scatter Correction (EMSC) regression and data whitening.

상기 데이터 화이트닝은 상기 체성분의 기준 스펙트럼들의 직교 성분들을 획득하기 위해 수행될 수 있다.The data whitening may be performed to obtain quadrature components of the reference spectra of the body composition.

상기 EMSC 회귀는 상기 데이터 화이트닝에 의해 생성된 직교 스펙트럼들을 이용하여 NIR 흡수 스펙트럼을 개별 체성분의 스펙트럼으로 분해하기 위해 적용될 수 있다.The EMSC regression can be applied to decompose the NIR absorption spectrum into spectra of individual body components using orthogonal spectra generated by the data whitening.

상기 시간적 드리프트 성분을 제거하는 단계는 상기 추출된 글루코스 신호로부터 시간적 드리프트 성분을 대략적으로(coarsely)으로 제거하여 상기 추출된 글루코스 신호의 미분을 평활화하는 단계를 더 포함할 수 있다.The removing of the temporal drift component may further include coarsely removing the temporal drift component from the extracted glucose signal to smooth the differential of the extracted glucose signal.

상기 시간적 드리프트 성분을 제거하는 단계는 상기 추출된 글루코스 신호로부터 잔류 드리프트를 제거하기 위하여 상기 추출된 글루코스 신호의 평활화된 미분에 정밀 드리프트 제거 기법(fine drift removal method)을 적용하는 단계를 더 포함할 수 있다.The step of removing the temporal drift component may further comprise applying a fine drift removal method to the smoothed derivative of the extracted glucose signal to remove residual drift from the extracted glucose signal have.

다른 양상에 따른 글루코스 모니터링 장치는, NIR 분광기에서 생성된 NIR 데이터로부터 노이즈 성분을 제거하는 필터링부와, 물, 지방, 단백질 중 적어도 하나를 포함하는 하나 이상의 체성분의 신호 성분을 제거하여 NIR 데이터로부터 글루코스 신호를 추출하는 간섭 제거부와, 상기 추출된 글루코스 신호로부터 상기 NIR 분광기의 드리프트로 인한 드리프트 성분(drift components)을 제거하는 특징 추출부를 포함하고, 상기 글루코스 모니터링 장치는, 기대되는 글루코스 신호에 기초하여 상기 드리프트 성분이 제거된 글루코스 신호를 회귀시킴으로써 글루코스 예측을 위한 데이터 모델을 생성하고, 생성된 데이터 모델에 기초하여 사용자의 글루코스 레벨을 예측할 수 있다.A glucose monitoring apparatus according to another aspect includes a filtering unit that removes a noise component from NIR data generated by an NIR spectroscope and a signal component of at least one body component that includes at least one of water, And a feature extracting unit for removing drift components due to the drift of the NIR spectroscope from the extracted glucose signal, wherein the glucose monitoring apparatus is configured to extract, based on an expected glucose signal, A data model for predicting glucose can be generated by regressing the glucose signal from which the drift component has been removed and the user's glucose level can be predicted based on the generated data model.

상기 필터링부는 상기 NIR 데이터로부터 상기 노이즈 성분을 제거하기 위해 SG(Savitzky-Golay) 필터 및 푸리에 도메인 필터를 포함할 수 있다.The filtering unit may include a Savitzky-Golay (SG) filter and a Fourier domain filter to remove the noise component from the NIR data.

상기 간섭 제거부는, EMSC(Extended Multiplicative Scatter Correction) 회귀를 수행하기 위하여 체성분들의 기준 스펙트럼들의 직교 성분들을 획득하는 데이터 화이트닝 모듈과, NIR 데이터를 개별 체성분의 스펙트럼으로 분해하는 EMSC 모듈과, 상기 노이즈 성분이 제거된 NIR 데이터로부터 글루코스 신호를 추출하는 글루코스 신호 추출 모듈을 포함할 수 있다.Wherein the interference canceller comprises a data whitening module for obtaining quadrature components of reference spectra of body components to perform an EMSC (Extended Multiplicative Scatter Correction) regression, an EMSC module for decomposing NIR data into a spectrum of individual body components, And a glucose signal extraction module for extracting the glucose signal from the removed NIR data.

상기 특징 추출 모듈은, 상기 추출된 글루코스 신호의 미분을 평활화하는 SG 필터와, 상기 추출된 글루코스 신호로부터 드리프트 성분을 제거하는 드리프트 제거 모듈을 포함할 수 있다.The feature extraction module may include an SG filter for smoothing the derivative of the extracted glucose signal and a drift removal module for removing the drift component from the extracted glucose signal.

NIR 스펙트럼에서 신체의 다른 성분 및 NIR 분광기에 의한 노이즈를 제거하여 글루코스 레벨 예측에 이용함으로써 글루코스 레벨 예측의 정확도를 향상시킬 수 있다.The accuracy of the prediction of glucose levels can be improved by using other components of the body and noise from the NIR spectroscope in the NIR spectrum to predict the glucose level.

도 1은 NIR 분광법을 이용하여 글루코스를 모니터링하기 위한 특징 추출 방법의 일 실시예를 도시한 흐름도이다.
도 2는 NIR 글루코스 측정 장치의 일 실시예를 도시한 블록도이다.
도 3a는 상이한 체성분의 NIR 흡수 스펙트럼의 일 실시예를 도시한 도면이다.
도 3b는 간질 액체를 포함하는 조직의 각 구성 성분에 대한 푸리에 도메인 신호의 일 실시예를 도시한 도면이다.
도 4a는 간질 액체의 상이한 구성 성분의 NIR 흡수 스펙트럼의 일 실시예를 도시한 도면이다.
도 4b는 직교 성분들과 순수 스펙트럼 성분들의 상관 행렬의 일 실시예를 도시한 도면이다.
도 5a 내지 도 5d는 드리프트 제거 후의 추출 특징 및 글루코스 값의 상관 관계의 일 실시예를 도시한 도면이다.
도 6a 내지 도 6c는 PCR을 이용하여 글루코스 값을 예측한 결과의 일 실시예를 도시한 도면이다.1 is a flowchart showing an embodiment of a feature extraction method for monitoring glucose using NIR spectroscopy.
2 is a block diagram showing an embodiment of the NIR glucose measuring apparatus.
3A is a diagram showing one embodiment of the NIR absorption spectrum of different body components.
FIG. 3B is a diagram illustrating one embodiment of a Fourier domain signal for each component of a tissue comprising an epileptic liquid.
4A is a diagram illustrating one embodiment of the NIR absorption spectrum of different components of the interstitial fluid.
4B is a diagram illustrating an embodiment of a correlation matrix of quadrature components and pure spectral components.
5A to 5D are diagrams showing one embodiment of the correlation between the extraction characteristics and the glucose values after the removal of the drift.
6A to 6C are diagrams showing an example of a result of prediction of a glucose value using PCR.

이하, 첨부된 도면을 참조하여 본 발명의 일 실시예를 상세하게 설명한다. 각 도면의 구성요소들에 참조부호를 부가함에 있어서, 동일한 구성요소들에 대해서는 비록 다른 도면상에 표시되더라도 가능한 한 동일한 부호를 가지도록 하고 있음에 유의해야 한다. 또한, 본 발명을 설명함에 있어 관련된 공지 기능 또는 구성에 대한 구체적인 설명이 본 발명의 요지를 불필요하게 흐릴 수 있다고 판단되는 경우에는 그 상세한 설명을 생략할 것이다.Hereinafter, an embodiment of the present invention will be described in detail with reference to the accompanying drawings. It should be noted that, in adding reference numerals to the constituent elements of the drawings, the same constituent elements are denoted by the same reference symbols as possible even if they are shown in different drawings. In the following description, well-known functions or constructions are not described in detail to avoid unnecessarily obscuring the subject matter of the present invention.

한편, 각 단계들에 있어, 각 단계들은 문맥상 명백하게 특정 순서를 기재하지 않은 이상 명기된 순서와 다르게 일어날 수 있다. 즉, 각 단계들은 명기된 순서와 동일하게 수행될 수 있고 실질적으로 동시에 수행될 수도 있으며 반대의 순서대로 수행될 수도 있다.On the other hand, in each step, each step may occur differently from the stated order, unless the context clearly states a particular order. That is, each of the steps may be performed in the same order as described, and may be performed substantially concurrently or in reverse order.

후술되는 용어들은 본 발명에서의 기능을 고려하여 정의된 용어들로서 이는 사용자, 운용자의 의도 또는 관례 등에 따라 달라질 수 있다. 그러므로 그 정의는 본 명세서 전반에 걸친 내용을 토대로 내려져야 할 것이다.The terms described below are defined in consideration of the functions of the present invention, and these may vary depending on the intention of the user, the operator, or the custom. Therefore, the definition should be based on the contents throughout this specification.

본 명세서에서 단수의 표현은 문맥상 명백하게 다르게 뜻하지 않는 한 복수의 표현을 포함하고, '포함하다' 또는 '가지다' 등의 용어는 명세서상에 기재된 특징, 숫자, 단계, 동작, 구성요소, 부품 또는 이들을 조합한 것이 존재함을 지정하려는 것이지, 하나 또는 그 이상의 다른 특징들이나 숫자, 단계, 동작, 구성요소, 부품 또는 이들을 조합한 것들의 존재 또는 부가 가능성을 미리 배제하지 않는 것으로 이해되어야 한다.In this specification, the singular forms "a", "an", and "the" include plural referents unless the context clearly dictates otherwise, and the terms "include" It is to be understood that they are intended to specify the presence of a combination of these and do not preclude the presence or addition of one or more other features, numbers, steps, operations, components, components, or combinations thereof.

또한, 본 명세서에서의 구성부들에 대한 구분은 각 구성부가 담당하는 주 기능별로 구분한 것에 불과하다. 즉, 2개 이상의 구성부가 하나의 구성부로 합쳐지거나 또는 하나의 구성부가 보다 세분화된 기능별로 2개 이상으로 분화되어 구비될 수도 있다. 그리고 구성부 각각은 자신이 담당하는 주기능 이외에도 다른 구성부가 담당하는 기능 중 일부 또는 전부의 기능을 추가적으로 수행할 수도 있으며, 구성부 각각이 담당하는 주기능 중 일부 기능이 다른 구성부에 의해 전담되어 수행될 수도 있다. 각 구성부는 하드웨어 또는 소프트웨어로 구현되거나 하드웨어 및 소프트웨어의 결합으로 구현될 수 있다.In addition, the division of components in the present specification is merely a division by main function that each component unit is responsible for. That is, two or more constituent parts may be combined into one constituent part, or one constituent part may be divided into two or more functions according to functions that are more subdivided. In addition, each of the constituent units may additionally perform some or all of the functions of the other constituent units in addition to the main functions of the respective constituent units, and some of the main functions of the constituent units are dedicated to the other constituent units . Each component may be implemented in hardware or software, or in a combination of hardware and software.

본 명세서에서 설명되는 글루코스 모니터링 장치는 소프트웨어 모듈로 구현되거나 하드웨어 칩 형태로 제작되어 전자 장치에 탑재될 수 있다. 이때, 전자 장치는 휴대폰, 스파트폰, 타블렛, 노트북, PDA(Personal Digital Assistants), PMP(Portable Multimedia Player), 네비게이션, MP3 플레이어, 디지털 카메라, 웨어러블 디바이스 등을 포함할 수 있고, 웨어러블 디바이스는 손목시계형, 손목 밴드형, 반지형, 벨트형, 목걸이형, 발목 밴드형, 허벅지 밴드형, 팔뚝 밴드형 등을 포함할 수 있다. 그러나 전자 장치는 상술한 예에 제한되지 않으며, 웨어러블 디바이스 역시 상술한 예에 제한되지 않는다.The glucose monitoring apparatus described herein may be implemented as a software module or as a hardware chip and mounted on an electronic device. At this time, the electronic device may include a mobile phone, a spade phone, a tablet, a notebook, a PDA (Personal Digital Assistants), a portable multimedia player (PMP), a navigation device, an MP3 player, a digital camera, a wearable device, A wrist band type, a ring type, a belt type, a necklace type, an ankle band type, a thigh band type, a forearm band type, and the like. However, the electronic device is not limited to the above-described example, and the wearable device is also not limited to the above-described example.

도 1은 근적외선 분광법을 이용하여 글루코스를 모니터링하기 위한 특징 추출 방법의 일 실시예를 도시한 흐름도이다. 도 1의 특징 추출 방법은 도 2의 NIR 글루코스 측정 장치(200)에 의해 수행될 수 있다.1 is a flowchart showing an embodiment of a feature extraction method for monitoring glucose using near infrared spectroscopy. The feature extraction method of FIG. 1 can be performed by the NIR glucose measurement device 200 of FIG.

도 1을 참조하면, 하나 이상의 사용자들의 글루코스 흡수 스펙트럼과 관련된 원시(raw) NIR(near-infrared) 데이터를 수신하고(102), 원시 NIR 데이터에서 노이즈를 제거함으로써 원시 NIR 데이터를 필터링할 수 있다(104). NIR 광은 피부에 조사되어 피부로부터 되돌아 오는 동안 산란되며, 이때 노이즈가 발생할 수 있다. 스캐터 프리(scatter free) 레퍼런스 IR 스펙트럼의 직교 성분들을 획득하고(106), EMSC(Extended Multiplicative Scatter Correction) 회귀를 스캐터 프리 레퍼런스 IR 스펙트럼의 직교 성분들과 필터링된 NIR 데이터에 적용할 수 있다(108). 필터링된 NIR 데이터에서 하나 이상의 체성분(예컨대, 물, 지방, 및 단백질(콜라겐, 엘라스틴, 케라틴 등) 등)에 의한 신호 성분을 제거하여 필터링된 NIR 데이터에서 글루코스 신호를 추출할 수 있다(110). 추출된 글루코스 신호로부터 시간적 드리프트 성분(temporal drift components)을 제거할 수 있다(112). 글루코스 예측을 위한 데이터 모델은 드리프트 성분 제거 후 추출된 글루코스 특징을 캘리브레이션을 위해 획득된 예상 글루코스 값으로 회귀시킴으로써 생성할 수 있다. 새로운 NIR 데이터의 글루코스 값은 생성된 데이터 모델을 이용하여 예측할 수 있다.Referring to FIG. 1, raw NIR data (102) associated with the glucose absorption spectrum of one or more users may be received 102 and the raw NIR data may be filtered by removing noise from the raw NIR data 104). The NIR light is irradiated to the skin and is scattered while returning from the skin, where noise may occur. The quadrature components of the scatter free reference IR spectrum are acquired 106 and an Extended Multiplicative Scatter Correction (EMSC) regression can be applied to the quadrature components of the scatter-free reference IR spectrum and the filtered NIR data 108). The glucose signal may be extracted 110 from the filtered NIR data by removing signal components from one or more body components (e.g., water, fat, and protein (collagen, elastin, keratin, etc.)) from the filtered NIR data. Temporal drift components may be removed 112 from the extracted glucose signal. A data model for glucose prediction can be generated by removing the drift components and then returning the extracted glucose characteristics to the expected glucose values obtained for calibration. The glucose value of the new NIR data can be predicted using the generated data model.

도 2는 NIR 글루코스 측정 장치의 일 실시예를 도시한 블록도이다. NIR 글루코스 측정 장치(200)는 NIR 글루코스 측정 장치(200)의 NIR 분광기를 이용하여 NIR 광을 특정 피부 영역에 조사할 수 있다. NIR 광은 NIR 글루코스 측정 장치(200) 내의 NIR 광 검출기로 반사되기 전에 특정 피부 영역 아래의 조직 성분과의 상호 작용에 따라 부분적으로 흡수 및 산란될 수 있다. 상이한 체성분에 의한 정규화된 NIR 흡수 스펙트럼의 일 실시예가 도 3A에 도시된다. 반사광은 물, 지방, 단백질 및 글루코스 등을 포함하는 조직의 구성 성분의 양적 정보를 포함할 수 있다. NIR 스펙트럼 데이터를 포함하는 반사광은 NIR 글루코스 측정 장치(200)를 통과할 수 있다. 도 2에 도시된 바와 같이, NIR 글루코스 측정 장치(200)는 필터링부(220), 간섭 제거부(230), 및 특징 추출부(240)를 포함할 수 있다. 필터링부(220), 간섭 제거부(230) 및 특징 추출부(240)는 하나 이상의 프로세서로 구현될 수 있다.2 is a block diagram showing an embodiment of the NIR glucose measuring apparatus. The NIR glucose measuring device 200 can irradiate the NIR light to a specific skin area using the NIR spectroscope of the NIR glucose measuring device 200. [ The NIR light may be partially absorbed and scattered in response to interaction with tissue components below a certain skin area before being reflected to the NIR photodetector in the NIR glucose measuring device 200. One embodiment of a normalized NIR absorption spectrum by different body composition is shown in FIG. 3A. Reflected light may include quantitative information of the components of the tissue, including water, fat, protein, and glucose. The reflected light including the NIR spectral data can pass through the NIR glucose measuring device 200. [ 2, the NIR glucose measuring apparatus 200 may include a filtering unit 220, an interference removing unit 230, and a feature extracting unit 240. [ The filtering unit 220, the interference removing unit 230, and the feature extracting unit 240 may be implemented by one or more processors.

필터링부(220)는 NIR 스펙트럼 데이터로부터 노이즈를 제거할 수 있다. NIR 스펙트럼 데이터는 근적외광(near infrared, NIR)을 사용자의 특정 피부 영역에 조사하고 사용자의 특정 피부 영역으로부터 반사 또는 산란된 광을 수신하여 측정된 피부 근적외광 흡수 스펙트럼 데이터일 수 있다. 그러나, 이에 한정되는 것은 아니며 NIR 스펙트럼 데이터는 피부 근적외광 투과 스펙트럼 또는 피부 근적외광 반사 스펙트럼일 수도 있다. 일 실시예에 따르면 필터링부(220)는 NIR 스펙트럼 데이터로부터 원하지 않는 노이즈를 제거하기 위하여 baseline correction algorithm 및/또는 smoothing algorithm 등을 이용할 수 있다. 예컨대, 필터링부(220)는 Savitzky-Golay smoothing, Fourier domain filtering, moving average 등을 이용할 수 있다.The filtering unit 220 can remove noise from the NIR spectrum data. The NIR spectral data may be near-infrared light absorption spectrum data measured by irradiating near infrared (NIR) to a specific skin area of the user and receiving reflected or scattered light from a specific skin area of the user. However, the present invention is not limited to this, and the NIR spectrum data may be a skin-near-infrared light transmission spectrum or a skin-near-infrared light reflection spectrum. According to one embodiment, the filtering unit 220 may use a baseline correction algorithm and / or a smoothing algorithm to remove unwanted noise from the NIR spectral data. For example, the filtering unit 220 may use Savitzky-Golay smoothing, Fourier domain filtering, moving average, and the like.

일 실시예에 따르면, 필터링부(220)는 SG(Savitzky-Golay) 필터(202) 및 푸리에 도메인 필터(204)를 포함할 수 있다. SG 필터(202)는 NIR 분광기로부터 수신된 NIR 스펙트럼 데이터에 존재하는 스파이크(spikes)를 제거할 수 있고, 푸리에 도메인 필터(204)는 NIR 스펙트럼 데이터의 간섭 영향뿐만 아니라, 글루코스에 대응하는 신호의 중첩이 없는 영역에 포함된 노이즈를 줄일 수 있다.According to one embodiment, the filtering unit 220 may include a Savitzky-Golay (SG) filter 202 and a Fourier domain filter 204. The SG filter 202 may remove spikes present in the NIR spectral data received from the NIR spectrometer and the Fourier domain filter 204 may remove interference from the NIR spectral data as well as overlapping signals corresponding to glucose It is possible to reduce the noise included in the region where there is no region.

필터링부(220)를 이용하여 노이즈 제거 과정을 더욱 자세히 설명한다.The noise removal process using the filtering unit 220 will be described in more detail.

일 실시예에 따르면, 원시 NIR 데이터를 포함하는 NIR 스펙트럼 신호(

Figure pat00009
) 가 SG 필터(202)에 입력될 수 있다. SG 필터(202)는 N 차의 다항식 피트(polynomial fit)(
Figure pat00010
) 필터일 수 있다. SG 필터(202)는 2M+1 개의 샘플들에 대한 에러의 제곱합(E)를 최소화함으로써 NIR 스펙트럼 신호(
Figure pat00011
)를 평활화할 수 있다. 여기서, 에러의 제곱합(E)는 수학식 1로 주어질 수 있다.According to one embodiment, an NIR spectral signal ("
Figure pat00009
May be input to the SG filter 202. [ The SG filter 202 is a N polynomial fit (
Figure pat00010
) Filter. SG filter 202 minimizes the sum of squares of errors (E) for 2M + 1 samples to obtain the NIR spectral signal
Figure pat00011
Can be smoothed. Here, the sum of squares of errors (E) can be given by Equation (1).

Figure pat00012
Figure pat00012

여기서, n은 샘플 넘버를 나타낼 수 있다.Here, n may represent a sample number.

SG 필터(202)는 상이한

Figure pat00013
에 대해 E를 최소화함으로써, 행렬 H의 제1 행을 관심 샘플 주위의 2M +1 개의 샘플들의 신호 벡터로 컴볼루션하여 NIR 스펙트럼 신호(
Figure pat00014
)를 평활화할 수 있다. 이때 행렬 H는 수학식 2로 주어질 수 있다.SG filter 202 may be a different
Figure pat00013
, The first row of the matrix H is convolved with the signal vector of 2M + 1 samples around the sample of interest to form the NIR spectral signal (< RTI ID = 0.0 >
Figure pat00014
Can be smoothed. At this time, the matrix H can be given by Equation (2).

Figure pat00015
Figure pat00015

여기서, N은 다항식의 차수를 나타낼 수 있다.Here, N can represent the order of the polynomial.

따라서, 미분 차수(differential order)가 0인 SG 필터(202)의 평활화된 출력(

Figure pat00016
)은 수학식 3을 통해 획득할 수 있다.Thus, the smoothed output of the SG filter 202 with a differential order of zero (
Figure pat00016
) Can be obtained through Equation (3).

Figure pat00017
Figure pat00017

여기서,

Figure pat00018
는 행렬 H의 제1 행을 나타낼 수 있다.here,
Figure pat00018
May represent the first row of the matrix H.

NIR 스펙트럼의 평활화된 신호(

Figure pat00019
)는 푸리에 도메인 필터(204)에 전송될 수 있다. 푸리에 도메인 필터(204)는 NIR 스펙트럼의 간섭 영향뿐만 아니라, 글루코스에 대응하는 신호의 중요한(significant) 중첩이 없는 시간 윈도우에 부가된 노이즈를 줄일 수 있다. NIR 분광기로부터 수신된 NIR 스펙트럼은 1530 nm ~ 1830 nm의 파장 대역을 가질 수 있다. 1530 nm ~ 1830 nm의 파장 대역의 NIR 스펙트럼은 시간 도메인에서 지배 신호(dominant signal)의 샘플들로 표현될 수 있다. 간질성 액체(interstitial liquid)를 포함하는 조직의 각 채성분에 대한 시간 도메인 신호의 예시적인 푸리에 도메인 표현이 도 3b에 도시된다. 푸리에 도메인 필터(204)는 해닝 윈도우(Hanning window)를 적용하여 노이즈를 제거할 수 있다. 예컨대, 푸리에 도메인 필터(204)는 수학식 4를 이용하여 시간 도메인 신호(
Figure pat00020
)를 푸리에 도메인으로 변환할 수 있다.The smoothed signal of the NIR spectrum (
Figure pat00019
May be sent to the Fourier domain filter 204. [ The Fourier domain filter 204 can reduce the noise added to the time window without significant overlap of the signal corresponding to glucose as well as interference effects of the NIR spectrum. The NIR spectra received from the NIR spectrometer may have a wavelength band from 1530 nm to 1830 nm. The NIR spectra in the 1530 nm to 1830 nm wavelength band can be represented as samples of the dominant signal in the time domain. An exemplary Fourier domain representation of a time domain signal for each component of the tissue comprising an interstitial liquid is shown in Figure 3B. The Fourier domain filter 204 can remove noise by applying a Hanning window. For example, the Fourier domain filter 204 may use the time domain signal (
Figure pat00020
) Can be converted into a Fourier domain.

Figure pat00021
Figure pat00021

NIR 스펙트럼은 푸리에 도메인으로 변환되어 수학식 5와 같이 해닝 윈도우와 곱해질 수 있다.The NIR spectrum can be transformed into a Fourier domain and multiplied with the Hanning window as shown in equation (5).

Figure pat00022
Figure pat00022

여기서, Nwin은 윈도우 사이즈를 나타낼 수 있다.Here, N win can represent the window size.

한편, 해닝 윈도우는 가우시안 펄스 형상(Gaussian pulse shape), 레이즈드 코사인 펄스 형상(Raised Cosine pulse shape) 또는 임의의 다른 평활화 응답 등으로 대체 가능하다.On the other hand, the Hanning window can be replaced by a Gaussian pulse shape, a Raised Cosine pulse shape, or any other smoothing response.

간섭 제거부(230)는 노이즈가 제거된 NIR 스펙트럼 데이터로부터 글루코스 신호를 추출할 수 있다. 간섭 제거부(230)는 각 체성분의 순수 스펙트럼(pure spectrum)을 활용하여, 노이즈가 제거된 NIR 스펙트럼을 개별 체성분의 스펙트럼(이하, 개별 성분 스펙트럼)으로 분해하고 분해 결과를 기반으로 글루코스 신호를 추출할 수 있다. 이때, 글루코스 신호 추출부(120)는 extended multiplicative scatter algorithm, gradient descent, least square, pseudo inverse, singular value decomposition 등을 이용할 수 있다.The interference canceller 230 may extract the glucose signal from the noise-canceled NIR spectral data. The interference eliminator 230 decomposes the noise-removed NIR spectrum into a spectrum of individual body components (hereinafter, referred to as individual component spectra) using a pure spectrum of each body component, extracts a glucose signal based on the result of the decomposition can do. At this time, the glucose signal extracting unit 120 may use an extended multiplicative scatter algorithm, a gradient descent, a least square, a pseudo inverse, and a singular value decomposition.

일 실시예에 따르면, 간섭 제거부(230)는 EMSC(Extended Multiplicative Scatter Correction) 모듈(206), 데이터 화이트닝 모듈(208) 및 글루코스 스펙트럼 추출 모듈(210)을 포함할 수 있다. EMSC 모듈(206)은 SG 필터(202) 및 푸리에 도메인 필터(304)에서 필터링된 NIR 스펙트럼으로부터 글루코스 신호의 스펙트럼을 획득하기 위하여 실행되는 알고리즘을 포함할 수 있다. 필터링된 NIR 스펙트럼은 복수의 체성분의 흡수 스펙트럼일 수 있다. EMSC 모듈(206)은 데이터 화이트닝 모듈(208)로부터 직교 스펙트럼들(Q)을 수신할 수 있다. EMSC 모듈(206)은 상이한 체성분들의 직교 스펙트럼들(Q)을 수신하고, NIR 데이터에서 체성분들에 대해 회귀(regress)할 수 있다. 그 다음, NIR 데이터로부터 획득한 체성분들의 농도를 NIR 데이터에서 감산하여 글루코스 신호를 획득할 수 있다. 이하, EMSC 및 데이터 화이트닝 과정을 상세히 설명한다.According to one embodiment, the interference remover 230 may include an Extended Multiplicative Scatter Correction (EMSC) module 206, a data whitening module 208, and a glucose spectrum extraction module 210. The EMSC module 206 may include an algorithm executed to obtain the spectrum of the glucose signal from the NIR spectrum filtered at the SG filter 202 and the Fourier domain filter 304. The filtered NIR spectrum may be an absorption spectrum of a plurality of body components. The EMSC module 206 may receive orthogonal spectra Q from the data whitening module 208. The EMSC module 206 may receive the orthogonal spectra (Q) of different body components and may regress the body components in the NIR data. The concentration of body components obtained from the NIR data can then be subtracted from the NIR data to obtain the glucose signal. Hereinafter, the EMSC and the data whitening process will be described in detail.

EMSC 알고리즘을 수행하기 위해, 데이터 화이트닝 모듈(208)은 직교 스펙트럼의 성분들(Q)을 선형 조합하여 체성분들의 순수(pure) 스펙트럼들(P)을 획득할 수 있도록 서로 직교하는 직교 스펙트럼의 성분들(Q)을 생성할 수 있다. 체성분들의 순수 스펙트럼들(P)은

Figure pat00023
(이때,
Figure pat00024
는 k번째 체성분의 순수 스펙트럼을 나타내는 행 벡터를 의미할 수 있음)으로 표현될 수 있다. 행렬 P는 글루코스를 포함한 모든 체성분들(예컨대, 물, 지방, 물, 지방, 및 단백질(콜라겐, 엘라스틴, 케라틴 등) 등)의 순수 스펙트럼들을 포함할 수 있다. 여기서 순수 스펙트럼(pure spectrum)은 순수 물질의 흡수 스펙트럼일 수 있다.In order to perform the EMSC algorithm, the data whitening module 208 is configured to linearly combine the components Q of the orthogonal spectrum to obtain components of orthogonal spectra orthogonal to each other so as to obtain pure spectrums P of body components (Q). Pure spectra (P) of body components
Figure pat00023
(At this time,
Figure pat00024
May refer to a row vector representing the pure spectrum of the kth body component). The matrix P may include pure spectra of all body components including glucose (e.g., water, fat, water, fat, and protein (collagen, elastin, keratin, etc.)). Here, the pure spectrum may be the absorption spectrum of a pure substance.

체성분들의 순수 스펙트럼들(P)는 데이터 화이트닝 모듈(208)로 전송될 수 있고, 데이터 화이트닝 모듈(208)은 순수 스펙트럼들(P)에 평균 및 표준 편차 정규화를 수행함으로써

Figure pat00025
를 획득할 수 있다. 데이터 화이트닝된 스펙트럼의 성분들의 일 실시예가 도 4A에 도시된다. 예컨대, 데이터 화이트닝 모듈(208)을 수학식 6을 이용하여
Figure pat00026
를 획득할 수 있다.Pure spectra P of body components may be sent to data whitening module 208 and data whitening module 208 may perform mean and standard deviation normalization on pure spectra P
Figure pat00025
Can be obtained. One embodiment of the components of the data whitened spectrum is shown in Figure 4A. For example, the data whitening module 208 may be calculated using Equation 6
Figure pat00026
Can be obtained.

Figure pat00027
Figure pat00027

여기서, Pi는 각 체성분의 순수 스펙트럼을 나타낼 수 있다.Here, P i can represent the pure spectrum of each body component.

그 다음, 데이터 화이트닝 모듈(208)은 수학식 7과 같은 데이터 화이트닝 프로세스에 의해

Figure pat00028
를 직교 성분(Q)으로 변환할 수 있다.Then, the data whitening module 208 performs a data whitening process as shown in Equation (7)
Figure pat00028
To the quadrature component (Q).

Figure pat00029
Figure pat00029

여기서, E는 아이겐 벡터 행렬을 나타내고, D는

Figure pat00030
의 아이겐 벨류들의 대각 행렬(diagonal matrix)을 나타낼 수 있다. 그 결과
Figure pat00031
가 될 수 있다.Where E denotes a eigenvector matrix, D denotes
Figure pat00030
The diagonal matrix of the eigenvalues of the eigenvalues. As a result
Figure pat00031
.

직교 성분들(Q)의 상관 행렬의 일 실시예가 도 4B에 도시된다.One embodiment of a correlation matrix of quadrature components Q is shown in FIG. 4B.

일 실시예에 따르면, EMSC 모듈(206)의 알고리즘은 노이즈 필터링 후 주어진 스펙트럼(

Figure pat00032
)을 데이터 화이트닝 모듈(208)로부터 획득된 N개의 직교 스펙트럼들(Q)로 분해할 수 있다.According to one embodiment, the algorithm of the EMSC module 206 may be applied to a given spectrum after noise filtering
Figure pat00032
) Into N orthogonal spectra (Q) obtained from the data whitening module (208).

Figure pat00033
은 데이터 화이트닝 모듈(208)에 의해 생성된 직교 성분들(Q)을 가지는 순수 스펙트럼들(P)을 포함하는 임의의 잡음 필터링된 NIR 스펙트럼이라고 가정할 수 있다. 그러면,
Figure pat00034
은 수학식 8과 같이 직교 스펙트럼들(Q)로 분해될 수 있다.
Figure pat00033
May be any noise filtered NIR spectrum including pure spectrums P having quadrature components Q generated by data whitening module 208. [ then,
Figure pat00034
Can be decomposed into orthogonal spectra (Q) as shown in Equation (8).

Figure pat00035
Figure pat00035

여기서,

Figure pat00036
은 각 체성분의 강도(strength)일 수 있고, EMSC 모듈(206)은 gradient descent, least square, pseudo inverse, singular value decomposition 등을 이용하여 가중치
Figure pat00037
를 추정할 수 있다.here,
Figure pat00036
The EMSC module 206 may use the gradient descent, least square, pseudo inverse, singular value decomposition,
Figure pat00037
Can be estimated.

글루코스 스펙트럼 추출 모듈(210)은 주어진 스펙트럼(

Figure pat00038
)에 글루코스를 제외한 다른 체성분의 직교 스펙트럼들을 뺌으로써 글루코스 스펙트럼을 추출할 수 있다. 예컨대, 글루코스의 직교 스펙트럼이
Figure pat00039
이고 글루코스의 강도가
Figure pat00040
이라면, 글루코스 스펙트럼 추출 모듈(210)은 수학식 9를 통해 글루코스 스펙트럼을 추출할 수 있다.The glucose spectrum extraction module 210 is a module that extracts a given spectrum
Figure pat00038
), The glucose spectrum can be extracted by extracting orthogonal spectra of other body components except glucose. For example, the orthogonal spectrum of glucose
Figure pat00039
And the intensity of glucose is
Figure pat00040
, The glucose spectrum extraction module 210 can extract the glucose spectrum through Equation (9).

Figure pat00041
Figure pat00041

결과적으로, 추정된 스펙트럼

Figure pat00042
의 d차 미분은 SG 필터(202)를 한번 더 사용함으로써 획득될 수 있다.As a result, the estimated spectrum
Figure pat00042
Can be obtained by using the SG filter 202 once more.

Figure pat00043
Figure pat00043

간섭 제거부(230)가 글루코스 스펙트럼을 추출하면, 추출된 글루코스 스펙트럼은 PCR(Principal component regression) 또는 PLSR(Partial Least square regression) 등과 같은 기계 학습 알고리즘을 이용하는 특징 추출부(240)에 입력될 수 있다. 특징 추출부(240)는 SG 필터(212) 및 드리프트 제거 모듈(214)을 포함할 수 있다. SG 필터(212)는 미분 모듈을 포함하며 추출된 글루코스 스펙트럼을 평활화하는 필터일 수 있다. 도 5A 내지 도 5D는 드리프트 제거 후의 추출 특징 및 글루코스 값의 상관 관계를 나타낸 예시도를 도시한다. SG 필터(212)는 수학식 10을 이용하여 주파수 도메인에서 추출된 글루코스 특징의 d차 미분의 평활화된 버전을 획득할 수 있다. SG 필터(212)를 통해 글루코스 스펙트럼에서 글루코스 특징이 더욱 강조되고, D차 미분의 NIR 스펙트럼의 베이스라인 드리프트(baseline drift)가 대략적으로(coarsely) 제거될 수 있다.When the interference eliminator 230 extracts the glucose spectrum, the extracted glucose spectrum may be input to the feature extraction unit 240 using a machine learning algorithm such as PCR (Principal Component Regression) or PLSR (Partial Least Square regression) . The feature extraction unit 240 may include an SG filter 212 and a drift elimination module 214. The SG filter 212 may include a differential module and may be a filter that smoothes out the extracted glucose spectrum. 5A to 5D show examples showing the correlation between the extraction characteristics and the glucose values after the removal of the drift. The SG filter 212 may use Equation 10 to obtain a smoothed version of the d-order differentiations of the extracted glucose features in the frequency domain. The SG filter 212 further enhances the glucose character in the glucose spectrum and the baseline drift of the NIR spectrum of the D-order differential can be coarsely removed.

다른 실시예에 따르면, 드리프트 제거 모듈(214)은 SG 필터(212)를 적용한 후 잔류 베이스라인 드리프트를 제거할 수 있다. 는 글루코스 값의 N개의 관측치에 대응하는 P개의 특징을 각 행에 가지는 N x P의 특징 행렬일 수 있다.

Figure pat00045
의 각 행에는 하나의 원시 NIR 스펙트럼의 추출된 글루코스 특징(
Figure pat00046
)이 포함될 수 있다.According to another embodiment, the drift removal module 214 may remove residual baseline drift after applying the SG filter 212. May be a N x P feature matrix with P features in each row corresponding to N observations of glucose values.
Figure pat00045
≪ / RTI > in each row of the < RTI ID = 0.0 > NIR &
Figure pat00046
) May be included.

Figure pat00047
의 임의의 주어진 엘리먼트(element)는 파장
Figure pat00048
및 시간
Figure pat00049
와 관련되며 수학식 11로 표현될 수 있다.
Figure pat00047
Any given element of < RTI ID = 0.0 >
Figure pat00048
And time
Figure pat00049
And can be expressed by Equation (11).

Figure pat00050
Figure pat00050

여기서,

Figure pat00051
는 시변 특징(time varying feature)(
Figure pat00052
)이고,
Figure pat00053
는 여러 잔여 체성분 스펙트럼들의 조합이 될 수 있는 시불변 간섭(non-time varying interference)이고, G는 시간 t에서의 글루코스 값이고,
Figure pat00054
는 주어진
Figure pat00055
에 대한 시간적 드리프트 성분(temporal drift components)일 수 있다.
Figure pat00056
는 상수일 수 있다.here,
Figure pat00051
Time varying feature < RTI ID = 0.0 > (
Figure pat00052
)ego,
Figure pat00053
Is the non-time varying interference that can be a combination of several remaining body composition spectra, G is the glucose value at time t,
Figure pat00054
Given
Figure pat00055
And may be temporal drift components.
Figure pat00056
Can be a constant.

주어진

Figure pat00057
에 대해
Figure pat00058
를 시간에 대해 미분하면 수학식 12를 획득할 수 있다.given
Figure pat00057
About
Figure pat00058
(12) < / RTI >

Figure pat00059
Figure pat00059

또한,

Figure pat00060
를 평균하면 수학식 13을 획득할 수 있다.Also,
Figure pat00060
(13) < / RTI >

Figure pat00061
Figure pat00061

여기서, 글루코스 변화가 0일 때, 대략적으로

Figure pat00062
가 될 수 있다.Here, when the glucose change is 0,
Figure pat00062
.

각 파장은 수학식 14와 같이 드리프트에 대해 보상될 수 있다.Each wavelength can be compensated for for drift as shown in equation (14).

Figure pat00063
Figure pat00063

여기서,

Figure pat00064
는 글루코스 특징의
Figure pat00065
번째 관측에 대응할 수 있다. here,
Figure pat00064
Of the glucose character
Figure pat00065
Lt; th > observation.

즉, 드리프트 제거 모듈(214)은 글루코스 특징(

Figure pat00066
)을 미분하고 평균하여 시간적 드리프트 성분의 평균(driftmean(λ))을 산출한 후, 글루코스 특징(
Figure pat00067
)에서 시간적 드리프트 성분의 평균((driftmean(λ))을 감산함으로써 시간적 드리프트 성분을 제거할 수 있다.That is, the drift elimination module 214 may include a glucose characteristic
Figure pat00066
) Is averaged to obtain the average driftmean (?) Of the temporal drift components, and then the glucose characteristic (
Figure pat00067
The drift component can be removed by subtracting the driftmean ([lambda]) of the temporal drift component.

트레이닝 데이터와 예측 데이터 모두에 대해 획득된

Figure pat00068
는 회귀 분석을 위해 PCR, PLSR, 또는 기타 기계 학습 알고리즘으로 전송될 수 있다.Obtained for both the training data and the prediction data
Figure pat00068
Can be sent to PCR, PLSR, or other machine learning algorithms for regression analysis.

기계 학습 알고리즘에 캘리브레션 및 트레이닝 데이터를 제공하는 방법은 다음과 같다. Day 1에 취득한 한 사람의 원시 NIR 데이터를 캘리브레이션 데이터(

Figure pat00069
)로 사용할 수 있다. 캘리브레이션 데이터(
Figure pat00070
)는
Figure pat00071
을 출력하는 도 2의 특징 추출부(240)로 전달될 수 있다.
Figure pat00072
의 각 행은 NIR 스펙트럼의 하나의 인스턴스의 글루코스 특징을 나타낼 수 있다.
Figure pat00073
은 주어진 NIR 스펙트럼들(
Figure pat00074
)에 대응하는, 임의의 기존 기술(예, blood glucose test)로 측정된 라벨링된 글루코스 값을 나타낼 수 있다. 행렬
Figure pat00075
은 기계 학습 알고리즘으로 제공되고, 기계 학습 알고리즘에 기초하여 글루코스 값을 위한 모델이 구축될 수 있다. Day 2에 취득한 동일 또는 다른 사람의 원시 NIR 데이터를 예측 데이터(
Figure pat00076
로 사용할 수 있다. 예측 데이터(
Figure pat00077
)는
Figure pat00078
을 출력하는 도 2의 특징 추출부(240)로 전달될 수 있다.
Figure pat00079
는 기계 학습 알고리즘을 이용하여 생성된 모델에 전달되고,
Figure pat00080
에 대응하는 글루코스 값이 예측될 수 있다.The method of providing calibration and training data to the machine learning algorithm is as follows. The raw NIR data of one person obtained on Day 1 is stored in the calibration data (
Figure pat00069
). Calibration data (
Figure pat00070
)
Figure pat00071
To the feature extraction unit 240 of FIG.
Figure pat00072
Each row of the NIR spectrum can represent a glucose characteristic of one instance of the NIR spectrum.
Figure pat00073
0.0 > NIR < / RTI >
Figure pat00074
(E. G., A blood glucose test) that corresponds to a given glucose level. procession
Figure pat00075
May be provided in a machine learning algorithm, and a model for the glucose value may be constructed based on the machine learning algorithm. The raw NIR data of the same or another person obtained on Day 2 is converted into the prediction data (
Figure pat00076
. Predictive data (
Figure pat00077
)
Figure pat00078
To the feature extraction unit 240 of FIG.
Figure pat00079
Is delivered to the model generated using a machine learning algorithm,
Figure pat00080
Can be predicted.

도 6A, 도 6B 및 도 6C는 PCR을 이용하여 글루코스 값을 예측한 결과의 일 실시예를 도시한다. 도 6A 및 도 6B에서,

Figure pat00081
는 캘리브레이션 데이터 및 예측 데이터를 수집하는데 고려되는 대상 또는 사람일 수 있다. 예를 들어, Day 1에 s1으로부터 매분 단위로 2시간 동안 수집된 원시 NIR 데이터가 캘리브레이션을 위해 글루코스 측정 장치에 제공되고 글루코스 예측 모델이 생성될 수 있다. 다른날(Day 2)에 s1에 대한 원시 NIR 데이터가 생성되어 예측을 위해 제공될 수 있다. 도 6A는 Day 2에서 s1의 글루코스 기대값 및 예측값의 플롯(plot)을 도시한다. Day 2에서 S1의 기대값 및 예측값의 피어슨 상관관계 R, 기대값 및 예측값 사이의 예측 표준 오차 SEP, 및 기대값과 예측값의 평균 절대 상대 오차(mean absolute relative difference) MARD가 플롯의 타이틀에 나열될 수 있다. 동일한 실험에서, 5A는 정규화된 글루코스 값과 추출된 정규화된 특징값을 도시한다. 도 6B 및 도 6C는 캘리브레이션 및 예측에 대하여 상이한 샘플을 사용한 유사한 실험 결과를 도시한다.FIGS. 6A, 6B, and 6C show one embodiment of the result of predicting the glucose value using PCR. In Figures 6A and 6B,
Figure pat00081
May be objects or persons considered in collecting calibration data and prediction data. For example, raw NIR data collected for two hours per minute from s1 on Day 1 may be provided to a glucose measurement device for calibration and a glucose prediction model may be generated. On the other day (Day 2), raw NIR data for s1 can be generated and provided for prediction. 6A shows a plot of the glucose expectation value and predicted value of s1 at Day 2. On Day 2, the Pearson correlation R of expected and predicted values of S1, the predicted standard error SEP between expected and predicted values, and the mean absolute relative difference MARD of expected and predicted values are listed in the title of the plot . In the same experiment, 5A shows the normalized glucose values and the extracted normalized characteristic values. Figures 6B and 6C show similar experimental results using different samples for calibration and prediction.

본 발명의 일 양상은 컴퓨터로 읽을 수 있는 기록 매체에 컴퓨터가 읽을 수 있는 코드로서 구현될 수 있다. 상기의 프로그램을 구현하는 코드들 및 코드 세그먼트들은 당해 분야의 컴퓨터 프로그래머에 의하여 용이하게 추론될 수 있다. 컴퓨터가 읽을 수 있는 기록 매체는 컴퓨터 시스템에 의하여 읽혀질 수 있는 데이터가 저장되는 모든 종류의 기록 장치를 포함할 수 있다. 컴퓨터가 읽을 수 있는 기록 매체의 예로는 ROM, RAM, CD-ROM, 자기 테이프, 플로피 디스크, 광 디스크 등을 포함할 수 있다. 또한, 컴퓨터가 읽을 수 있는 기록 매체는 네트워크로 연결된 컴퓨터 시스템에 분산되어, 분산 방식으로 컴퓨터가 읽을 수 있는 코드로 작성되고 실행될 수 있다.One aspect of the present invention may be embodied as computer readable code on a computer readable recording medium. The code and code segments implementing the above program can be easily deduced by a computer programmer in the field. A computer-readable recording medium may include any type of recording device that stores data that can be read by a computer system. Examples of the computer-readable recording medium include ROM, RAM, CD-ROM, magnetic tape, floppy disk, optical disk, and the like. In addition, the computer-readable recording medium may be distributed to networked computer systems and written and executed in computer readable code in a distributed manner.

이제까지 본 발명에 대하여 그 바람직한 실시 예들을 중심으로 살펴보았다. 본 발명이 속하는 기술 분야에서 통상의 지식을 가진 자는 본 발명이 본 발명의 본질적인 특성에서 벗어나지 않는 범위에서 변형된 형태로 구현될 수 있음을 이해할 수 있을 것이다. 따라서, 본 발명의 범위는 전술한 실시 예에 한정되지 않고 특허 청구범위에 기재된 내용과 동등한 범위 내에 있는 다양한 실시 형태가 포함되도록 해석되어야 할 것이다.The present invention has been described with reference to the preferred embodiments. It will be understood by those skilled in the art that various changes in form and details may be made therein without departing from the spirit and scope of the invention as defined by the appended claims. Therefore, the scope of the present invention should not be limited to the above-described embodiments, but should be construed to include various embodiments within the scope of the claims.

200: NIR 글루코스 측정 장치
220: 필터링부
230: 간섭 제거부
240: 특징 추출부
202, 212: SG 필터
204 푸리에 도메인 필터
206: EMSC 모듈
208: 데이터 화이트닝 모듈
210: 글루코스 스펙트럼 추출 모듈
214: 드리프트 제거 모듈200: NIR glucose measuring device
220:
230: Interference elimination
240: Feature extraction unit
202, 212: SG filter
204 Fourier domain filter
206: EMSC module
208: Data whitening module
210: glucose spectral extraction module
214: drift elimination module

Claims (22)

NIR 데이터에서 노이즈를 제거하는 단계;
상기 노이즈가 제거된 NIR 데이터에서 글루코스 신호를 추출하는 단계; 및
상기 추출된 글루코스 신호에서 시간적 드리프트 성분(temporal drift components)을 제거하는 단계; 를 포함하는,
글루코스 특징 추출 방법.Removing noise from the NIR data;
Extracting a glucose signal from the noise-removed NIR data; And
Removing temporal drift components from the extracted glucose signal; / RTI >
Glucose characterization method. 제1항에 있어서,
상기 노이즈를 제거하는 단계는,
SG(Savitzky-Golay) 필터, 푸리에 도메인 필터링 중 적어도 하나를 이용하여 상기 노이즈를 제거하는,
글루코스 특징 추출 방법.The method according to claim 1,
The step of removing the noise includes:
An SG (Savitzky-Golay) filter, and a Fourier domain filtering to remove the noise,
Glucose characterization method. 제1항에 있어서,
상기 글루코스 신호를 추출하는 단계는,
상기 노이즈가 제거된 NIR 데이터에서 글루코스 이외 다른 체성분의 신호 성분을 제거함으로써 상기 글루코스 신호를 추출하는,
글루코스 특징 추출 방법.The method according to claim 1,
The step of extracting the glucose signal comprises:
Extracting the glucose signal by removing signal components of body components other than glucose from the noise-removed NIR data,
Glucose characterization method. 제3항에 있어서,
상기 다른 체성분은 물, 지방, 콜라겐, 엘라스틴 및 케라틴 중 적어도 하나를 포함하는,
글루코스 특징 추출 방법.The method of claim 3,
Wherein said another body component comprises at least one of water, fat, collagen, elastin and keratin.
Glucose characterization method. 제1항에 있어서,
상기 글루코스 신호를 추출하는 단계는,
EMSC(Extended Multiplicative Scatter Correction) 회귀 및 데이터 화이트닝에 기초하여 글루코스 신호를 추출하는,
글루코스 특징 추출 방법.The method according to claim 1,
The step of extracting the glucose signal comprises:
Extracting a glucose signal based on Extended Multiplicative Scatter Correction (EMSC) regression and data whitening,
Glucose characterization method. 제5항에 있어서,
상기 데이터 화이트닝은 각 체성분의 순수 스펙트럼의 직교 성분을 획득하기 위해 수행되는,
글루코스 특징 추출 방법.6. The method of claim 5,
Wherein the data whitening is performed to obtain a quadrature component of a pure spectrum of each body composition,
Glucose characterization method. 제5항에 있어서,
상기 EMSC 회귀는 상기 데이터 화이트닝에 의해 생성된 각 체성분의 순수 스펙트럼의 직교 성분을 이용하여, 상기 노이즈가 제거된 NIR 데이터를 개별 체성분의 스펙트럼으로 분해하기 위해 수행되는,
글루코스 특징 추출 방법.6. The method of claim 5,
Wherein the EMSC regression is performed to decompose the noise-removed NIR data into spectra of the individual body components using the quadrature components of the pure spectra of the individual body components generated by the data whitening,
Glucose characterization method. 제1항에 있어서,
상기 시간적 드리프트 성분을 제거하는 단계는,
상기 추출된 글루코스 신호를 미분하고 평활화하는 단계; 및
평활화된 결과에 드리프트 제거 기법을 적용하여 시간적 드리프트 성분을 제거하는 단계; 를 포함하는,
글루코스 특징 추출 방법.The method according to claim 1,
Wherein removing the temporal drift component comprises:
Differentiating and smoothing the extracted glucose signal; And
Removing the temporal drift component by applying a drift removal technique to the smoothed result; / RTI >
Glucose characterization method. 제8항에 있어서,
상기 시간적 드리프트 성분을 제거하는 단계는,
상기 평활화된 결과를 시간에 대해 미분하고 평균하여 시간적 드리프트 성분을 산출하고, 상기 평활화된 결과에서 상기 시간적 드리프트 성분을 제거하는,
글루코스 특징 추출 방법.9. The method of claim 8,
Wherein removing the temporal drift component comprises:
Calculating a temporal drift component by differentiating and averaging the smoothed result with respect to time, and removing the temporal drift component from the smoothed result;
Glucose characterization method. 사용자에게 조사되어 되돌아오는 NIR 광으로부터 획득된 NIR 데이터에서 노이즈를 제거하여 상기 NIR 데이터를 필터링하는 단계;
상기 필터링된 NIR 데이터에서 하나 이상의 체성분의 신호 성분을 제거하여 글루코스 신호를 추출하는 단계;
상기 추출된 글루코스 신호로부터 시간적 드리프트 성분(temporal drift components)을 제거하는 단계;
기대되는 글루코스 신호에 기초하여, 시간적 드리프트 성분이 제거된 글루코스 신호를 회귀시킴으로써 글루코스 예측을 위한 데이터 모델을 생성하는 단계; 및
상기 생성된 데이터 모델을 기반으로 사용자의 글루코스 레벨을 예측하는 단계; 를 포함하는,
글루코스 모니터링 방법.Filtering the NIR data by removing noise from the NIR data obtained from the returned NIR light to the user;
Removing a signal component of at least one body component from the filtered NIR data to extract a glucose signal;
Removing temporal drift components from the extracted glucose signal;
Generating a data model for glucose prediction by regressing the glucose signal from which the temporal drift component has been removed, based on the expected glucose signal; And
Predicting a user's glucose level based on the generated data model; / RTI >
Glucose monitoring method. 제10항에 있어서,
상기 체성분은 물, 지방, 단백질 중 적어도 하나를 포함하는,
글루코스 모니터링 방법.11. The method of claim 10,
Wherein the body component comprises at least one of water, fat, protein,
Glucose monitoring method. 제10항에 있어서,
상기 필터링하는 단계는, SG(Savitzky-Golay) 필터를 이용하여 수행되는,
글루코스 모니터링 방법.11. The method of claim 10,
Wherein the filtering is performed using a Savitzky-Golay (SG) filter,
Glucose monitoring method. 제10항에 있어서,
상기 필터링하는 단계는, 푸리에 도메인 필터링을 이용하여 수행되는,
글루코스 모니터링 방법.11. The method of claim 10,
Wherein the filtering is performed using Fourier domain filtering,
Glucose monitoring method. 제10항에 있어서,
상기 글루코스 신호는 EMSC(Extended Multiplicative Scatter Correction) 회귀 및 데이터 화이트닝에 기초하여 추출되는,
글루코스 모니터링 방법.11. The method of claim 10,
Wherein the glucose signal is extracted based on Extended Multiplicative Scatter Correction (EMSC) regression and data whitening,
Glucose monitoring method. 제14항에 있어서,
상기 데이터 화이트닝은 상기 체성분의 기준 스펙트럼들의 직교 성분들을 획득하기 위해 수행되는,
글루코스 모니터링 방법.15. The method of claim 14,
Wherein the data whitening is performed to obtain quadrature components of the reference spectra of the body composition,
Glucose monitoring method. 제14항에 있어서,
상기 EMSC 회귀는 상기 데이터 화이트닝에 의해 생성된 직교 스펙트럼들을 이용하여 NIR 흡수 스펙트럼을 개별 체성분의 스펙트럼으로 분해하기 위해 적용되는,
글루코스 모니터링 방법.15. The method of claim 14,
Wherein the EMSC regression is applied to decompose the NIR absorption spectrum into spectra of individual body components using orthogonal spectra generated by the data whitening.
Glucose monitoring method. 제10항에 있어서,
상기 시간적 드리프트 성분을 제거하는 단계는
상기 추출된 글루코스 신호로부터 시간적 드리프트 성분을 대략적으로(coarsely)으로 제거하여 상기 추출된 글루코스 신호의 미분을 평활화하는 단계; 를 더 포함하는,
글루코스 모니터링 방법.11. The method of claim 10,
The step of removing the temporal drift component
Removing the temporal drift component from the extracted glucose signal coarsely to smooth the derivative of the extracted glucose signal; ≪ / RTI >
Glucose monitoring method. 제17항에 있어서,
상기 시간적 드리프트 성분을 제거하는 단계는
상기 추출된 글루코스 신호로부터 잔류 드리프트를 제거하기 위하여 상기 추출된 글루코스 신호의 평활화된 미분에 정밀 드리프트 제거 기법(fine drift removal method)을 적용하는 단계; 를 더 포함하는,
글루코스 모니터링 방법.18. The method of claim 17,
The step of removing the temporal drift component
Applying a fine drift removal method to the smoothed derivative of the extracted glucose signal to remove residual drift from the extracted glucose signal; ≪ / RTI >
Glucose monitoring method. 글루코스 모니터링 장치에 있어서,
NIR 분광기에서 생성된 NIR 데이터로부터 노이즈 성분을 제거하는 필터링부;
물, 지방, 단백질 중 적어도 하나를 포함하는 하나 이상의 체성분의 신호 성분을 제거하여 NIR 데이터로부터 글루코스 신호를 추출하는 간섭 제거부; 및
상기 추출된 글루코스 신호로부터 상기 NIR 분광기의 드리프트로 인한 드리프트 성분(drift components)을 제거하는 특징 추출부; 를 포함하고,
상기 글루코스 모니터링 장치는,
기대되는 글루코스 신호에 기초하여 상기 드리프트 성분이 제거된 글루코스 신호를 회귀시킴으로써 글루코스 예측을 위한 데이터 모델을 생성하고, 생성된 데이터 모델에 기초하여 사용자의 글루코스 레벨을 예측하는,
글루코스 모니터링 장치.In a glucose monitoring device,
A filtering unit for removing a noise component from the NIR data generated by the NIR spectroscope;
An interference remover for removing a signal component of at least one body component including at least one of water, fat, and protein to extract a glucose signal from NIR data; And
A feature extraction unit for removing drift components due to drift of the NIR spectroscope from the extracted glucose signal; Lt; / RTI >
The glucose monitoring device comprises:
Generating a data model for predicting glucose by regressing the glucose signal from which the drift component has been removed based on an expected glucose signal and predicting the glucose level of the user based on the generated data model,
Glucose monitoring device. 제19항에 있어서,
상기 필터링부는 상기 NIR 데이터로부터 상기 노이즈 성분을 제거하기 위해 SG(Savitzky-Golay) 필터 및 푸리에 도메인 필터를 포함하는,
글루코스 모니터링 장치.20. The method of claim 19,
Wherein the filtering unit includes a Savitzky-Golay (SG) filter and a Fourier domain filter to remove the noise component from the NIR data.
Glucose monitoring device. 제19항에 있어서,
상기 간섭 제거부는,
EMSC(Extended Multiplicative Scatter Correction) 회귀를 수행하기 위하여 체성분들의 기준 스펙트럼들의 직교 성분들을 획득하는 데이터 화이트닝 모듈;
NIR 데이터를 개별 체성분의 스펙트럼으로 분해하는 EMSC 모듈; 및
상기 노이즈 성분이 제거된 NIR 데이터로부터 글루코스 신호를 추출하는 글루코스 신호 추출 모듈; 을 포함하는,
글루코스 모니터링 장치.20. The method of claim 19,
Wherein,
A data whitening module for obtaining quadrature components of reference spectra of body components to perform Extended Multiplicative Scatter Correction (EMSC) regression;
An EMSC module for decomposing NIR data into spectra of individual body components; And
A glucose signal extracting module for extracting a glucose signal from the NIR data from which the noise component is removed; / RTI >
Glucose monitoring device. 제19항에 있어서,
상기 특징 추출 모듈은,
상기 추출된 글루코스 신호의 미분을 평활화하는 SG 필터; 및
상기 추출된 글루코스 신호로부터 드리프트 성분을 제거하는 드리프트 제거 모듈; 을 포함하는,
글루코스 모니터링 장치.20. The method of claim 19,
Wherein the feature extraction module comprises:
An SG filter for smoothing the derivative of the extracted glucose signal; And
A drift removal module for removing the drift component from the extracted glucose signal; / RTI >
Glucose monitoring device.
KR1020180026210A 2017-03-27 2018-03-06 Glucose feature extraction method, Glucose monitoring apparatus and method KR102515832B1 (en)

Priority Applications (2)

Application Number Priority Date Filing Date Title
EP18164204.2A EP3381368A1 (en) 2017-03-27 2018-03-27 Method of enabling feature extraction for glucose monitoring using near-infrared (nir) spectroscopy
US15/937,295 US10980484B2 (en) 2017-03-27 2018-03-27 Method of enabling feature extraction for glucose monitoring using near-infrared (NIR) spectroscopy

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
IN201741010850 2017-03-27
IN201741010850 2017-03-27

Publications (2)

Publication Number Publication Date
KR20180109681A true KR20180109681A (en) 2018-10-08
KR102515832B1 KR102515832B1 (en) 2023-03-29

Family

ID=63864501

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020180026210A KR102515832B1 (en) 2017-03-27 2018-03-06 Glucose feature extraction method, Glucose monitoring apparatus and method

Country Status (1)

Country Link
KR (1) KR102515832B1 (en)

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20040092804A1 (en) * 2002-02-11 2004-05-13 Bayer Healthcare, Llc Non-invasive system for the determination of analytes in body fluids
US20080210872A1 (en) * 2003-08-11 2008-09-04 Opgal Ltd. Radiometry Using an Uncooled Microbolometer Detector
US20150305658A1 (en) * 2012-12-31 2015-10-29 Omni Medsci. Inc. Near-infrared lasers for non-invasive monitoring of glucose, ketones, hba1c, and other blood constituents
US20160091496A1 (en) * 2014-09-28 2016-03-31 Tianjin Sunrise Technologies Development Co., Ltd. Processing, model establishment, and predication methods of multi-position diffuse spectral data and processing apparatus

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20040092804A1 (en) * 2002-02-11 2004-05-13 Bayer Healthcare, Llc Non-invasive system for the determination of analytes in body fluids
US20080210872A1 (en) * 2003-08-11 2008-09-04 Opgal Ltd. Radiometry Using an Uncooled Microbolometer Detector
US20150305658A1 (en) * 2012-12-31 2015-10-29 Omni Medsci. Inc. Near-infrared lasers for non-invasive monitoring of glucose, ketones, hba1c, and other blood constituents
US20160091496A1 (en) * 2014-09-28 2016-03-31 Tianjin Sunrise Technologies Development Co., Ltd. Processing, model establishment, and predication methods of multi-position diffuse spectral data and processing apparatus

Also Published As

Publication number Publication date
KR102515832B1 (en) 2023-03-29

Similar Documents

Publication Publication Date Title
Molavi et al. Wavelet-based motion artifact removal for functional near-infrared spectroscopy
Scholkmann et al. Measuring tissue hemodynamics and oxygenation by continuous-wave functional near-infrared spectroscopy—how robust are the different calculation methods against movement artifacts?
Virtanen et al. Comparison of principal and independent component analysis in removing extracerebral interference from near-infrared spectroscopy signals
US10980484B2 (en) Method of enabling feature extraction for glucose monitoring using near-infrared (NIR) spectroscopy
JP2005143609A (en) Optical measuring apparatus
US11026608B2 (en) Cerebral oximetry using time-gated direct sequence spread spectrum
Li et al. Classification of diabetes and measurement of blood glucose concentration noninvasively using near infrared spectroscopy
US20150025340A1 (en) Calibration curve creating method and apparatus for the same, and blood component calibration apparatus
Kumar et al. Reference signal less Fourier analysis based motion artifact removal algorithm for wearable photoplethysmography devices to estimate heart rate during physical exercises
Zhang et al. Reduction of global interference in functional multidistance near-infrared spectroscopy using empirical mode decomposition and recursive least squares: a Monte Carlo study
Cohen-Adad et al. Activation detection in diffuse optical imaging by means of the general linear model
Aarabi et al. Characterization of the relative contributions from systemic physiological noise to whole-brain resting-state functional near-infrared spectroscopy data using single-channel independent component analysis
Zheng et al. Adaptive notch-filtration to effectively recover photoplethysmographic signals during physical activity
PL235367B1 (en) Method for non-invasive measurement of glucose in blood and optoelectronic system for non-invasive measurement of glucose in blood
KR102515832B1 (en) Glucose feature extraction method, Glucose monitoring apparatus and method
US20140288885A1 (en) Signal processing device, pulse wave measuring apparatus, and signal processing method
León-Bejarano et al. Denoising of Raman spectroscopy for biological samples based on empirical mode decomposition
JP2010082246A (en) Method for processing measurement data of biological spectrum
KR20200130086A (en) Method of preprocessing near infrared(nir) spectroscopy data for non-invasive glucose monitoring and apparatus thereof
KR102574085B1 (en) Apparatus and method for predicting blood glucose concentration
Molavi et al. Motion artifact removal from muscle nir spectroscopy measurements
Suryakala et al. Chemometric analysis of diffuse reflectance spectral data using singular value decomposition for blood glucose detection
Molavi et al. Attenuation of motion artifact in near infrared spectroscopy signals using a wavelet based method
Askari et al. Application of neural networks for heart rate monitoring
JP5679629B2 (en) Optical brain function measuring device

Legal Events

Date Code Title Description
A201 Request for examination
E902 Notification of reason for refusal
E902 Notification of reason for refusal
E701 Decision to grant or registration of patent right
GRNT Written decision to grant