一種多信息融合無創血糖檢測數據處理方法研究

包 穎, 單新治, 王冠學, 洪瑞金, 張大偉, 高秀敏

(上海理工大學 光電信息與計算機工程學院, 上海 200093)

一種多信息融合無創血糖檢測數據處理方法研究

包 穎, 單新治, 王冠學, 洪瑞金, 張大偉, 高秀敏

(上海理工大學 光電信息與計算機工程學院, 上海 200093)

以生物特征檢測技術為基礎,基于已經構建的無創血糖檢測系統進行血糖檢測數據分析。以光電檢測技術為主,結合其他人體特征信息檢測,對人體進行無創血糖測試得到大量數據,建立數學模型并利用算法來計算血糖濃度。與一種常用有創血糖儀檢測數據進行對比,有創與無創檢測結果的相關系數達到了85.4%,為多信息融合無創血糖檢測系統提供了一種有效的數據處理方法。

多信息融合; 無創; 血糖檢測

引 言

從1980年至今,我國糖尿病患者呈現逐年遞增趨勢,到2010年全國共有糖尿病患者約1.13億人,預計到2020年將超過2億人,目前我國糖尿病患者診斷率不足40%。由這些數據可知,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的針扎式取血測量,但傳統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測一般是采用快速血糖儀進行測量,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,因此這種有創的測量方法在很大程度上限制了血糖測量的頻率。

國內外無創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、微波無創血糖檢測、皮下植入傳感器、人體的射頻阻抗無創檢測血糖值、利用唾液進行無創血糖檢測、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[1]。其中光學和輻射方法中的紅外光譜法是目前研究比較多的一種方法,但這種技術單純使用紅外技術來檢測血糖值,由于數據單一,同時測量環境對紅外線的干擾較大,導致單純的紅外光無法準確穩定地檢測血糖值。

從國內外的公開研究資料和報道來看,基于多波長的無創血糖檢測具有良好的應用前景,且在重復性和穩定性等方面還有很多值得我們去研究,本文對一種多信息融合無創血糖檢測數據處理方法進行研究。

1 無創血糖檢測參數選取

如何采用無創血糖測試方法準確測量血糖值一直受到人們的廣泛關注(包括測量那些參數來標定血糖值,以及如何準確測量各種參數的方法)[2-4]。葡萄糖在被人體消耗的過程中,由于會消耗血液中氧氣的同時還生成相應的熱量,因此可以采用能量守恒的辦法間接測量血糖值。其中代謝產生能量的主要去向是與外界發生熱交換[4-5],通過可見光和近紅外雙波段與人體血液中相互作用,得出一個參數值,用于血糖指標檢測。目前,無創血糖檢測參數選取主要有血氧飽和度、心率(血液流速)、被測部位體表溫度、被測部位熱輻射溫度及環境溫度。血氧飽和度(SpO2)表示血液中血氧的濃度,它是呼吸循環的重要生理參數,如果血糖異常影響呼吸功能的話,會出現血氧飽和度偏低的情況;心跳快慢與耗氧速度直接有關;血糖代謝會釋放能量,產生熱量,使體表有溫度;體溫會受到環境的影響,測量環境溫度可降低干擾;光電檢測中的紅光和紅外光有輻射,因此還需考慮環境輻射溫度,被測部位輻射溫度。因此選取這些參數作為血糖濃度的數據來源,并對這些數據進行多信息融合算法探討及處理。

2 數據預處理

多信息融和算法主要涉及數據預處理和模型建立。對采集的數據通過MATLAB進行處理,以剔除原始數據中異常點造成結果不精確的影響。

由文獻[6-7]可知,選定的血氧飽和度指標與紅外光(ir)和紅光(red)透射率有關,其中利用氧合血紅蛋白(HbO2)和血紅蛋白(Hb)對紅光和紅外光吸收的差異,可以得出兩束光的吸收比率,即特征值

R=ACred·DCir/(ACir·DCred)

(1)

式中:ACred和DCred分別為red透射光的交流成分和直流成分;ACir和DCir分別為ir透射光的交流成分和直流成分。SpO2血氧飽和度作為應變量與自變量R滿足一元二次方程關系,因此我們通過采集紅外光和紅光經血樣后的透射能量以獲得R值。

在數據采集后,發現每個樣本的紅外光透射能量在29 000個數據點中前5 000個和后5 000個數據都存在較大的異常波動。下面對MATLAB導出的一個樣本的紅外光透射圖進行分析。

圖1為某一樣本紅外透射能量圖,由圖可以看到29 000個數據點中,中段(5 500～24 000)數據較為平穩,前后5 000個數據點都出現較大范圍的波動,由于同一個樣本數據采集的是同一人,因此數據點偏差不應該過大。產生波動的原因是測量開始及結束時,手指在傳感器中在一個相對運動的狀態,此時記錄數據為非正常工作狀態。所以,我們將輸入紅外光透射的前后5 000個數據點進行刪除,只截取中段數據,最后得到有效紅外光透射能量圖,如圖2所示。

圖1 指尖紅外光透射能量圖(全部數據點)Fig.1 The infrared transmission energy diagram of the fingers(all data points)

圖2 指尖紅外光透射能量(有效數據點)Fig.2 The infrared transmission energy diagram of the fingers(valid data points)

由圖2可以看出,除了個別異常點外,相對圖1,此時的數據點波動顯然較小。

我們同時也將同一個樣本的紅光透射譜用MATLAB導出,得到了圖3所示的手指透射red能量的全部數據。在圖3的29 000個數據點中,中段(5 500～24 000)數據較為平穩,前后5 000的數據點都出現較大范圍的波動,由于同一個樣本數據采集的是同一人,因此數據點偏差不應該過大。因此我們將前后5 000個數據點進行刪除,只截取中段數據,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)×106間波動。

圖3 指尖紅光透射能量(全部數據點)Fig.3 The red light transmission energy diagram of the fingers(all data points)

圖4 指尖紅光透射能量(有效數據點)Fig.4 The red light transmission energy diagram of the fingers(valid data points)

現在我們將有效數據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,以下對其進一步處理。

首先標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定圖。

圖5 紅外光和紅光透射能量譜圖(有效數據點)Fig.5 The infrared and red light transmission energy diagram of the fingers(valid data points)

圖6 紅光、紅外光透射能量峰值點標定(有效數據點)Fig.6 The peaks of the red light and infrared transmission energy calibration(valid data points)

由圖6可以看出,前后兩個數據點不如中段數據穩定,因此,我們同樣剔除前后兩個峰值點。接著用差分函數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據點透射能量的偏差后也用差分函數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果取平均,此時能量誤差達到了4.5%左右。于是在對整體數據取平均時,不會存在較大誤差。

我們將測量的指尖溫度作為體表溫度。由于體溫會受到環境的影響,所以還需測量環境溫度,圖7是所測的體表溫度與環境溫度曲線。

體表溫度應為此時人體指尖溫度的一個測量值,通過圖7我們可以發現,在最后10個點時溫度趨向穩定,因此我們體表溫度用最后10個點的均值表示。環境溫度波動情況較小,我們對其整段取均值。

與體表溫度、環境溫度分析同理,測得的體表輻射能量和環境輻射能量如圖8所示。

圖7 體表溫度與環境溫度Fig.7 Surface temperature and environmental temperature

圖8 體表輻射能量與環境輻射能量Fig.8 The radiation energy of body and environment

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我們可以發現,在最后10個點時輻射能量趨向穩定,因此我們體表輻射能量用最后10個點的均值表示。環境輻射能量波動情況較小,我們對其整段取均值。

3 多信息融合無創血糖檢測數據處理方法

針對預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、環境溫度建立數學模型。由于變量之間存在相關性,因此我們將對變量進行相關性分析,之后進行主成分分析提取得分向量將結構簡化[8],最終建模。

首先將這些參數和傳統有創血糖儀檢測數據進行標準化:

(1)

式中:m為自變量;n為數據點點數;E0為標準化后的自變量(選取和血糖有關的6個參數)矩陣;F0為標準化后的因變量(血糖)矩陣;xj1(j=1,2,…,n)為血氧飽和度;xj2(j=1,2,…,n)為心率;xj3(j=1,2,…,n)為被測部位體表溫度;xj4(j=1,2,…,n)為被測部位熱輻射溫度;xj5(j=1,2,…,n)為環境溫度;xj6(j=1,2,…,n)為環境輻射溫度。然后進行以下5個步驟。

(1) 計算E0第一成分的得分向量,記為t1:

(2)

式中w1為權重,w1=[w11…w1m]T。

t1和F0的協方差Cov(t1,F0)可用t1和F0的內積計算,因而求解可化為Lagrange乘數法求條件極值問題,于是有

(3)

(2) 假定回歸模型為

(4)

式中:E1和F1為殘差矩陣;α1、β1為模型效應負荷量,它們的估計值為

(5)

(3) 用E1和F1代替E0和F0重復(2)步驟。

(4) 設r(E0)

(6)

即得多信息融合算法表達式

y=a1x1+…+amxm

(7)

(5) 進行交叉有效性檢驗。

多信息融合算法可像主成分分析一樣,僅通過前l個成分(l≤r),即可得到較好預測能力的回歸模型。可通過交叉有效性檢驗來確定提取的主成分個數l。

(8)

(9)

4 測試結果與分析

為驗證多信息無創血糖檢測數據處理方法的正確性,在附近醫院對20～30歲之間的18名健康志愿者分別進行了測試。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,通過醫用指夾將傳感器固定在手指上,并保持手掌平直。用無創血糖儀檢測各項特征信息并經數據處理得到血糖濃度,同時還采用醫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準值,測試數據如表1所示。

表1 有創測量和無創測量測試數據Tab.1 Measured data of invasive and noninvasive measurement

圖9為無創測量與有創測量結果對比曲線。

通過對健康人體的測試發現,利用本文所建數據處理模型得到無創血糖測量結果與傳統的有創測量結果之間的相關系數達到了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性,無創血糖檢測系統可有效反映血糖濃度的動態變化趨勢。

圖9 無創測量與有創測量結果對比曲線Fig.9 Contrast of the non-invasive measurement and invasive measurements

5 結 論

本文以生物特征檢測技術為基礎,研究了一種無創血糖檢測數據處理方法,經無創血糖檢測與傳統有創血糖儀檢測對比,同一測試者兩種檢測結果的相關系數達到了85.4%。目前無創血糖技術還不成熟還需要較長的研究,后續將會繼續對算法進行研究,使測量準確性進一步提高。

[1] 焦繪春.無創血糖檢測方法研究[D].哈爾濱:哈爾濱工程大學,2004.

[2] 孫斐,孔德義,梅濤,等.無創傷法測量血糖濃度的技術及其發展前景[J].生物醫學工程學雜志,2005,22(1):171-174.

[3] 陳文亮,徐可欣,杜振輝,等.人體無創血糖檢測技術[J].儀器儀表學報,2003,24(S1):258-261,265.

[4] 劉志宏.人體無創血糖檢測方法的研究[J].中國科技信息,2006(2):91.

[5] 張紅艷.近紅外光譜技術在人體血糖無創檢測中的應用研究[D].長春:中國科學院長春光學與物理研究所,2005.

[6] 劉創.近紅外無創血糖檢測校正模型研究[D].西安:西北工業大學生物醫學工程,2006.

[7] 劉慶珍,徐可欣,蔣誠志.近紅外光譜技術無創測量人體血糖口[J].激光生物學報,2004,13(2):129-135.

[8] 姜啟源.數學模型[M].第3版.北京:高等教育出版社,2008:294-308.

Aresearchondataprocessingmethodfornon-invasivebloodglucosebasedondetectioninformationfusion

BAO Ying, SHAN Xinzhi, WANG Guanxue, HONG Ruijin, ZHANG Dawei, GAO Xiumin

(School of Optical-Electrical and Computer Engineering, University of Shanghai for Science and Technology, Shanghai 200093, China)

This paper takes the biometric detection technology as a foundation to analyze the data of blood sugar examination basing on the constructed no blood sugar detection system. Taking the photoelectric detection technology as the primary position,combined with other features of human body information detection,a large amount of data is obtained by the noninvasive testing to the human body. The mathematics model is set up to calculate the blood sugar concentration. Compared with a common information of the blood glucose meter traumatic inspection,the correlation coefficient of the test results for one tester achieves 0.854,which provides a kind of prospective data-processing method for the systems of non-invasive blood glucose detection with multi-information fusion.

multi-information fusion; non-invasive; blood glucose detection

1005－5630（2017）05－0001－07

2017-05-28

國家自然科學基金項目(61378035)

包 穎(1992—),女,碩士研究生,主要從事光電檢測系統設計方面的研究。E-mail:827215334@qq.com

高秀敏(1978—),男,研究員,主要從事光學性質可調控性、光譜檢測技術、光學成像等方面的研究。E-mail:897188391@qq.com

TN 216

A

10.3969/j.issn.1005-5630.2017.05.001

(編輯:劉鐵英)