基于生物特征檢測技術(shù)的無創(chuàng)血糖檢測數(shù)據(jù)分析

基于生物特征檢測技術(shù)的無創(chuàng)血糖檢測數(shù)據(jù)分析

傳統(tǒng)扎針檢測法優(yōu)缺點自20世紀(jì)80年代以來，中國的糖尿病患者呈現(xiàn)出逐年增加的趨勢。2010年，中國約有13億糖尿病患者，預(yù)計2020年超過2億人。目前，中國糖尿病患者的診斷率僅為40%。由這些數(shù)據(jù)可知,血糖值的檢測對糖尿病患者和處于亞健康的群體有著重要的意義。目前,血糖檢測的主要方法還是傳統(tǒng)的針扎式取血測量,但傳統(tǒng)扎針檢測法具有較多缺點:讓受測者有疼痛感,體驗較差;每次都需要一條試紙,儀器更換電池頻繁,測量成本較高;需要有扎針、采血、測量等繁瑣步驟,操作不便;試紙保存需要特定條件,要與測試機器匹配。目前自我血糖濃度監(jiān)測一般是采用快速血糖儀進(jìn)行測量,由于該方法需要采集血樣,容易引起患者的生理疼痛并伴有感染的危險,因此這種有創(chuàng)的測量方法在很大程度上限制了血糖測量的頻率。國內(nèi)外無創(chuàng)血糖測量方法主要有以下幾類:測量皮下滲出組織液中的血糖濃度、微波無創(chuàng)血糖檢測、皮下植入傳感器、人體的射頻阻抗無創(chuàng)檢測血糖值、利用唾液進(jìn)行無創(chuàng)血糖檢測、超聲波血糖檢測儀、聚光斷層攝影、旋光法、激光拉曼光譜法、紅外光譜法從國內(nèi)外的公開研究資料和報道來看,基于多波長的無創(chuàng)血糖檢測具有良好的應(yīng)用前景,且在重復(fù)性和穩(wěn)定性等方面還有很多值得我們?nèi)パ芯?本文對一種多信息融合無創(chuàng)血糖檢測數(shù)據(jù)處理方法進(jìn)行研究。1無創(chuàng)血糖檢測參數(shù)的選擇如何采用無創(chuàng)血糖測試方法準(zhǔn)確測量血糖值一直受到人們的廣泛關(guān)注(包括測量那些參數(shù)來標(biāo)定血糖值,以及如何準(zhǔn)確測量各種參數(shù)的方法)2紅外光透射能量測試多信息融和算法主要涉及數(shù)據(jù)預(yù)處理和模型建立。對采集的數(shù)據(jù)通過MATLAB進(jìn)行處理,以剔除原始數(shù)據(jù)中異常點造成結(jié)果不精確的影響。由文獻(xiàn)[6-7]可知,選定的血氧飽和度指標(biāo)與紅外光(ir)和紅光(red)透射率有關(guān),其中利用氧合血紅蛋白(HbO式中:AC在數(shù)據(jù)采集后,發(fā)現(xiàn)每個樣本的紅外光透射能量在29000個數(shù)據(jù)點中前5000個和后5000個數(shù)據(jù)都存在較大的異常波動。下面對MATLAB導(dǎo)出的一個樣本的紅外光透射圖進(jìn)行分析。圖1為某一樣本紅外透射能量圖,由圖可以看到29000個數(shù)據(jù)點中,中段(5500~24000)數(shù)據(jù)較為平穩(wěn),前后5000個數(shù)據(jù)點都出現(xiàn)較大范圍的波動,由于同一個樣本數(shù)據(jù)采集的是同一人,因此數(shù)據(jù)點偏差不應(yīng)該過大。產(chǎn)生波動的原因是測量開始及結(jié)束時,手指在傳感器中在一個相對運動的狀態(tài),此時記錄數(shù)據(jù)為非正常工作狀態(tài)。所以,我們將輸入紅外光透射的前后5000個數(shù)據(jù)點進(jìn)行刪除,只截取中段數(shù)據(jù),最后得到有效紅外光透射能量圖,如圖2所示。由圖2可以看出,除了個別異常點外,相對圖1,此時的數(shù)據(jù)點波動顯然較小。我們同時也將同一個樣本的紅光透射譜用MATLAB導(dǎo)出,得到了圖3所示的手指透射red能量的全部數(shù)據(jù)。在圖3的29000個數(shù)據(jù)點中,中段(5500~24000)數(shù)據(jù)較為平穩(wěn),前后5000的數(shù)據(jù)點都出現(xiàn)較大范圍的波動,由于同一個樣本數(shù)據(jù)采集的是同一人,因此數(shù)據(jù)點偏差不應(yīng)該過大。因此我們將前后5000個數(shù)據(jù)點進(jìn)行刪除,只截取中段數(shù)據(jù),最后得到圖4所示的有效紅光透射能量圖。由圖4可以看出,除了個別異常點外,相對圖3,此時的透射能量波動顯然較小,僅在(1±0.025)×10現(xiàn)在我們將有效數(shù)據(jù)點的紅外光和紅光透射能量繪制在同一張圖中,如圖5所示。圖中透射能量仍然存在一定的波動,以下對其進(jìn)一步處理。首先標(biāo)定紅外光與紅光透射能量的峰值點,圖6為紅光和紅外光峰值點標(biāo)定圖。由圖6可以看出,前后兩個數(shù)據(jù)點不如中段數(shù)據(jù)穩(wěn)定,因此,我們同樣剔除前后兩個峰值點。接著用差分函數(shù)求相鄰兩個峰值點能量差求平均,以及計算最大峰值與所有數(shù)據(jù)點透射能量的偏差后也用差分函數(shù)求相鄰能量差求平均。最終的波動偏差由上述兩種方法得出的結(jié)果取平均,此時能量誤差達(dá)到了4.5%左右。于是在對整體數(shù)據(jù)取平均時,不會存在較大誤差。我們將測量的指尖溫度作為體表溫度。由于體溫會受到環(huán)境的影響,所以還需測量環(huán)境溫度,圖7是所測的體表溫度與環(huán)境溫度曲線。體表溫度應(yīng)為此時人體指尖溫度的一個測量值,通過圖7我們可以發(fā)現(xiàn),在最后10個點時溫度趨向穩(wěn)定,因此我們體表溫度用最后10個點的均值表示。環(huán)境溫度波動情況較小,我們對其整段取均值。與體表溫度、環(huán)境溫度分析同理,測得的體表輻射能量和環(huán)境輻射能量如圖8所示。體表輻射能量是人體指尖輻射能量的一個測量值,通過圖8我們可以發(fā)現(xiàn),在最后10個點時輻射能量趨向穩(wěn)定,因此我們體表輻射能量用最后10個點的均值表示。環(huán)境輻射能量波動情況較小,我們對其整段取均值。3多信息融合擬合與交叉有效性檢驗針對預(yù)處理后的血氧飽和度、心率、被測部位體表溫度、被測部位熱輻射溫度、環(huán)境溫度建立數(shù)學(xué)模型。由于變量之間存在相關(guān)性,因此我們將對變量進(jìn)行相關(guān)性分析,之后進(jìn)行主成分分析提取得分向量將結(jié)構(gòu)簡化首先將這些參數(shù)和傳統(tǒng)有創(chuàng)血糖儀檢測數(shù)據(jù)進(jìn)行標(biāo)準(zhǔn)化:式中:m為自變量;n為數(shù)據(jù)點點數(shù);E(1)計算E式中wt設(shè)θθ即w(2)假定回歸模型為式中:E(3)用E設(shè)E′(4)設(shè)r(E即得多信息融合算法表達(dá)式(5)進(jìn)行交叉有效性檢驗。多信息融合算法可像主成分分析一樣,僅通過前l(fā)個成分(l≤r),即可得到較好預(yù)測能力的回歸模型。可通過交叉有效性檢驗來確定提取的主成分個數(shù)l。抽取h個成分時y記第i個樣本點的預(yù)測值為y定義Q4無創(chuàng)血糖測量為驗證多信息無創(chuàng)血糖檢測數(shù)據(jù)處理方法的正確性,在附近醫(yī)院對20~30歲之間的18名健康志愿者分別進(jìn)行了測試。被測者在測量前一天晚上保證良好的睡眠,在早上8:30左右接受測試。測量時,要求被測者手指潔凈干燥,保持靜坐姿勢,心情平靜,被測手指無大幅運動,通過醫(yī)用指夾將傳感器固定在手指上,并保持手掌平直。用無創(chuàng)血糖儀檢測各項特征信息并經(jīng)數(shù)據(jù)處理得到血糖濃度,同時還采用醫(yī)院的血液分析儀測量18名志愿者的血糖濃度并將其作為標(biāo)準(zhǔn)值,測試數(shù)據(jù)如表1所示。圖9為無創(chuàng)測量與有創(chuàng)測量結(jié)果對比曲線。通過對健康人體的測試發(fā)現(xiàn),利用本文所建數(shù)據(jù)處理模型得到無創(chuàng)血糖測量結(jié)果與傳統(tǒng)的有創(chuàng)測量結(jié)果之間的相關(guān)系數(shù)達(dá)到了85.4%,同時驗證了血糖濃度與所選的幾項人體特征信息具有相關(guān)性,無創(chuàng)血糖檢測系統(tǒng)可有效反映血糖濃度的動態(tài)變化趨勢。