基于LabVIEW的血糖濃度檢測系統設計

王楚 王亞剛 李文帥·

摘 要：目前人體血糖濃度檢測方法往往需要取血測量，不僅費時費力，更加重了糖尿病患者痛苦。為減輕患者痛苦，實現人體血糖濃度快速檢測，基于LabVIEW平臺設計一種無創血糖濃度檢測系統。該系統選用3個固定波長的LED光源生成近紅外信號，采用USB-6008數據采集卡進行數據接收與處理，并通過軟件設計完成人體血糖濃度檢測與顯示。實驗結果表明，該檢測系統可以有效測量、保存人體血糖濃度數據，并實現人體血糖濃度實時監測。

關鍵詞：人體血糖;近紅外;USB-6008;LabVIEW;偏最小二乘法

DOI：10. 11907/rjdk. 182702 開放科學（資源服務）標識碼（OSID）：

中圖分類號：TP319文獻標識碼：A 文章編號：1672-7800（2019）007-0108-04

Design of Blood Glucose Concentration Detection System Based on LabVIEW

WANG Chu1，WANG Ya-gang1，LI Wen-shuai2

（1. College of Optical-Electrical and Computer Engineering，

University of Shanghai for Science and Technology，Shanghai 200093，China;

2. Hangzhou HuiXin Medical Technology Co.， Ltd.， Hangzhou 310006，China）

Abstract：Nowadays， the detection method of human blood glucose concentration often first needs to extract blood for measurement. This method not only takes time and energy， but also increases the pain of diabetic patients. In order to alleviate patients' pain and realize rapid detection of human blood glucose concentration， a non-invasive blood glucose concentration detection system was designed based on LabVIEW platform. The system adopts three fixed wavelength LED light sources to generate near-infrared signals， uses usb-6008 data acquisition card to receive and process data， and completes the detection and display of human blood glucose concentration through software design. After experimental verification， the detection system can effectively measure and preserve the data of human blood glucose concentration and realize real-time monitoring of human blood glucose concentration.

Key Words：blood glucose; near infrared; USB-6008;LabVIEW; PLS

基金項目：國家自然科學基金項目（61074087）

作者簡介：王楚（1994-），男，上海理工大學光電信息與計算機工程學院碩士研究生，研究方向為人工智能與機器視覺;王亞剛（1967-），男，博士后，上海理工大學光電信息與計算機工程學院教授，研究方向為系統辨識、自適應控制。

0 引言

糖尿病是危害人類建康的“三大殺手”之一，中國是全球糖尿病第一大國[1]。據統計，2015年全球20-79歲的人中有約4.15億人患糖尿病，其中中國就有1.09億患者。至今尚無根治糖尿病的方法，只能通過頻繁檢測患者血糖濃度調整注射胰島素用量進行治療[2]。傳統血糖檢測方法需提取血液，不僅消耗時間而且增加患者痛苦，因此無創血糖檢測成為目前血糖檢測技術研究熱點[3]。1992年，Futrex[4]公司在美國Oak-Ridge會議上展出其研制的無創血糖檢測樣機Dream Beam，但是該儀器推出后用戶評價較差;在德國，以Heise[5]為首的研究小組采用近紅外光漫反射的方式，取波長范圍在1110nm-1835nm近紅外光，以口腔為檢測對象進行血糖濃度檢測;2000年，徐可欣[6]在天津大學成立無創血糖測量小組，進行近紅外人體無創血糖濃度測量專項研究。在系統設計方面，2017年，郭力等[7]采用紅外激光二極管，利用光纖搭建光學系統，通過Arduino單片機進行電信號處理，實現了一種簡易的無創血糖檢測系統。在信號提取方面，2018年，韓廣等[8]提出差動浮動基準參考測量方法，驗證了差動浮動基準參考測量方法在提取有效糖信號方面的可行性，經該方法處理后模型效果大幅提高，其校正集校正誤差均方根降低了39.37%，相關系數也有所提高。

以上相關研究在一定程度上解決了近紅外無創血糖檢測系統面臨的問題，但是仍存在檢測方式不便、測量誤差大、成本高等缺陷。因此本文在已有研究的基礎上，深入分析近紅外血糖檢測采用的各個波段[9]，以3個特定波長的 LED 燈作為近紅外光源，結合信號獲取模塊與數據處理模塊設計一種簡易的近紅外無創血糖檢測系統。該系統不僅測量速度快、穩定性高、成本更低，且可為高精度近紅外血糖分析儀的研制提供可靠依據。

1 近紅外光譜分析

近紅外光譜技術是一種黑盒技術[10]，進行定量分析或定性分析時，不需過度關注內部具體情況，只需根據輸入、輸出、矯正模型即可得到結果。紅外區被分為3個波段，近紅外波段為14 000cm-1-4 000cm-1，中紅外波段為? ? ? ? ? ?4 000cm-1-400cm-1，遠紅外波段為400cm-1-100cm-1。本文采取近紅外透射分析法，其原理主要是利用樣品被測成分的一些基團對近紅外光譜特性做有機物分析[11]，采用合理的化學計量算法定量或定性分析樣品成分。采用ABS模式測量血糖溶液近紅外光譜，如圖1所示。

圖1 血糖溶液光譜

近紅外光譜分析技術是根據已知樣品光譜數據建立光譜與待測物質成分的校正模型[12]，將待測樣品光譜數據輸入校正模型，得到待測樣品物質成分[13]。對于近紅外光譜分析技術在血糖濃度定量檢測的應用，需配置建模訓練集。正常血糖濃度為3.9mmol/L～6.1mmol/L，超過7mmol/L為高血糖，本文配置的樣品集選為2mmol/L～25.5mmol/L。通過光譜儀采集其光譜數據，對部分數據進行預處理[14]，減少無用的光譜信息干擾，然后選取合適的化學計量算法建立校正模型。該模型可反映血糖濃度與光譜數據的數學關系，計算一定范圍內未知濃度樣品的血糖濃度[15]。

2 檢測系統模型構建

采用偏最小二乘法對近紅外光譜數據及血糖濃度建模，相比于其它方法，偏最小二乘法在預測未知的血糖濃度時可得較好結果。利用該方法建模時首先對[Y]（血糖濃度矩陣）和[X]（光譜吸光度矩陣）進行分解。

[X=TP+E] （1）

[Y=UQ+F] （2）

其中[T]為光譜矩陣[X]的得分矩陣，[U]為濃度矩陣[Y]的得分矩陣，[P]為光譜矩陣[X]的載荷矩陣，[Q]為濃度矩陣[Y]的載荷矩陣，[E]為光譜矩陣[X]的PLS擬合殘差矩陣，[F]為濃度矩陣[Y]的PLS擬合殘差矩陣，之后將[T]和[U]進行線性回歸可得：

[U=TB]? ? ?（3）

利用模型進行血糖濃度預測時，根據測得的近紅外光譜矩陣[Xn]與模型光譜矩陣的載荷矩陣[P]，求出得分矩陣[Tn]，最后得到預測濃度[Yn=TnBQ]。血糖預測模型的核心是主成分分析，對龐大吸光度數據進行降維，提取光譜矩陣中最有效信息，求出關聯矩陣，通過吸光度預測對應的血糖濃度。本文根據不同濃度的血糖溶液和其對應吸光度譜圖建立模型，采用對應的光譜預處理方法去除噪聲，進行模型修正時去除部分誤差點[16]，最終得到一個較優的模型，相關系數為0.966 277 35，模型效果如圖2[17]所示，其中橫坐標為血糖濃度實際值，縱坐標為血糖濃度預測值。

圖2 預測模型效果

3 系統硬件設計

使用 1 050nm、1 550nm、和1 750nm的發光二極管作為近紅外光源，產生近紅外光源透射過測量室[18]，近紅外光源模塊利用TSPS63020 芯片實現穩定的電壓輸出，即使輸入電壓發生較大上下波動時，仍可以輸出穩定的電壓，并且該輸出電壓可以通過外圍電路進行調節。光電檢測器采用HSE 1050-L512、HSE 1550-L512與HSE 1750- L512檢測出射光，將光信號轉換成微弱的電流信號[19];再通過IV轉換電路將其轉換成便于采集、處理的電壓信號，通過放大電路和濾波電路進一步處理[20];然后將信號送入USB-6008信號采集卡，完成AD轉換及存儲;最終將數字信號送至PC端進行處理和顯示，從而測得血糖濃度[21]。檢測系統設計如圖3所示。

圖3 檢測系統

4 系統軟件設計

系統軟件框架主要包括信號獲取、信號處理和數據處理3部分。上位機軟件先通過DAQ通道采集電壓信號，并通過Butterworth濾波器進行軟件濾波與處理，目的是消除硬件部分測得的異常數據。通過數據處理模塊計算對應的吸光度，將處理完成的數據進行保存并對應血糖濃度數據進行PLS建模分析，完成人體血糖預測[22]。

4.1 信號獲取

信號獲取部分主要完成信號的采集與處理，由 USB-6008數據采集卡建立物理通道，根據硬件電路生成的電壓信號進行DAQmax參數配置，如圖4所示。任務輸入指輸入端輸入的電壓信號，根據硬件電路的輸出設置其最大值與最小值，硬件電路部分完成光信號轉換與處理，產生5V以內的電壓信號，因此可以設置通道測量電壓為0-5v，采樣頻率為500Hz。任務輸出的是經過A/D轉換后得到的數字信號，輸入接線端配置指定通道的默認接線端配置，分別為差分模式、非參考單端模式、偽差分模式、參考單端模式[23]。

圖4 DAQmax配置

4.2 信號處理

選用Butterworth濾波器對信號進行濾波處理，巴特沃斯濾波器最先由英國工程師斯蒂芬·巴特沃斯在1930年提出，它具有最平坦的頻響曲線，也被稱為最平坦濾波器，即通頻帶的頻率響應曲線最大限度平坦，沒有起伏，在阻頻帶則逐漸下降為零。濾波器類型指定濾波器的通帶，有Lowpass、Highpass、Bandpass、Bandstop 4種類型，本文選用Bandpass類型進行設置，在該模式下高截止頻率必須大于低截止頻率且滿足Nyquist準則，高截止頻率與低截止頻率必須符合下列條件：

[0

其中[fl]為低截止頻率，[fh]高截止頻率，[fs]為采樣頻率，本文高截止頻率設為10Hz，低截止頻率為0.1Hz，采樣頻率為500Hz。經過Butterworth濾波器處理后得到比較平滑的信號曲線，再經均值處理并通過波形圖表顯示對應幅值，如圖5所示。

圖5 濾波處理模塊

4.3 數據處理

LabVIEW通過NI數據采集卡 USB-6008 將光電信號采集到 PC 端，然后利用比爾定律計算吸光度。比爾定律是吸光光度法、比色分析法和光電比色法的定量基礎，公式為：

[lnIIo=-ECL]? ? （4）

其中，[Io]為入射光強度，[I]為出射光強度，[E]是消光系數，[C]是吸光物質濃度，[L]是吸收層光路長度。

本文將轉換之后的電壓信號作為近紅外光譜檢測中的光強，將通過背景血糖溶液的透射光強作為入射光強，將通過被測血糖溶液的透射光強作為出射光強[24]，可以求出該樣品以水或者人體血液為背景的吸光度為：

[A=lnIIo]? ? ?（5）

血糖檢測系統有3個不同波長的近紅外光源，透射不同濃度的血液后計算出對應吸光度[A]，處理并保存數據后結合偏最小二乘法建立血糖濃度預測模型，完成血糖濃度檢測，實現整個血糖濃度檢測系統設計。

5 結語

本文提出了一種近紅外血糖濃度檢測系統，利用光電檢測器采集透射人體近紅外光，硬件電路對光信號進行光電轉換及轉換后信號處理，軟件部分利用LabVIEW平臺實現了血糖檢測系統數據處理[25]，最終完成系統設計。該血糖檢測系統解決了傳統測量方式的弊端，同時測量速度快、成本低且不會造成任何創傷，但是測量精度稍遜于采血測量。下一步研究內容為光源模塊改進與多信息融合，以期進一步提升測量精度。

參考文獻：

[1] 張婉潔. 無創血糖檢測與科學技術[J]. 中國化工貿易，2017，9（12）：21-25.

[2] WANG B B，DU J，ZHU Z，et al. Evaluation of parotid salivary glucose level for clinical diagnosis and monitoring type 2 diabetes mellitus patients [J]. BioMed Research International，2017，19（3）：60-64.

[3] 林優國. 血糖與尿糖檢驗診斷糖尿病的應用價值探究[J]. 心理醫生，2016，22（15）：94-95.

[4] BORCHERT M S，STORRIE-LOMBARDI M C，LAMBERT？J L. A non-invasive glucose monitor：preliminary results in rabbits[J]. Diabetes Technology Therapeutics，1999，1：145-151.

[5] HEISE H M，BITTNER A. Multivariate calibration for phygiological samples using infrared spectra with choice of different intensity data[J]. Journal of Molecular Structure，1995，348（2）：127-130.

[6] 楊越. 應用于近紅外無創血糖測量的浮動基準位置的基礎研究[D]. 天津：天津大學，2008.

[7] 郭力，馮斌，葛松偉. 基于近紅外透射法的無創血糖檢測系統研制[J]. 科技創新與應用，2017（4）：21-22.

[8] 韓廣，劉蓉，徐可欣. 近紅外無創血糖檢測中基于差動式浮動基準測量的有效信號提取[J]. 光譜學與光譜分析，2018，38（5）：1599-1604.

[9] 朱向榮，李高陽，單楊. 近紅外、中紅外光譜技術在無機元素分析檢測中的應用[J]. 浙江農業學報，2015，27（9）：1677.

[10] 沈學礎. 傅里葉變換光譜學—引論和進展[J]. 物理學進展，1982，2（3）：275-322.

[11] 嚴衍祿，趙龍蓮，李軍會，等. 現代近紅外光譜分析的信息處理技術[J]. 光譜學與光譜分析. 2000，20（6）：777-780.

[12] 陸婉珍. 現代近紅外光譜分析技術[M]. 北京：中國石化出版社，2007.

[13] 高蘇亞. 紅外光譜技術結合化學計量方法在中藥研究中的應用[J]. 應用化工，2012，41（2）：324-328.

[14] 許祿. 化學計量學方法[M]. 北京：科學出版社，1997.

[15] ZHANG W J，DU Y Q，WANG M L. Noninvasive glucose monitoring using saliva nano-biosensor[J].? Sensing and Bio-Sensing Research，2015，4（9）：35-40.

[16] 張紫楊，孫迪，劉冰潔. 1000～2500nm寬波段的葡萄糖吸收光譜的測量波長優選[J]. 納米技術與精密工程，2017，15（3）：199-204.

[17] 李慶波，黃政偉. 凈信號預處理結合徑向基偏最小二乘回歸在血糖無創檢測中的應用[J]. 光譜學與光譜分析，2014， 34（2）：494-497.

[18] 李航. 紅外無創檢測血糖儀研究[D]. 成都：電子科技大學，2016.

[19] HAO Z Q， LI H Z. Study of a weak signal conditioning circuit design method[J]. Journal of Applied Science and Engineering innovation，2014，1（2）：110-113.

[20] 陳真誠，張楊，朱健銘. 近紅外無創血糖檢測系統設計[J]. 傳感器與微系統，2016，35（5）：103-106.

[21] 張洪艷. 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精密機械與物理研究所，2005.

[22] 王慧文. 偏最小二乘回歸的線性與非線性方法[M]. 北京：國防工業出版社，2006.

[23] 陳飛，陳奎，謝啟，等. LabVIEW編程與項目開發實用教程[M]. 西安：西安電子科技大學出版社，2016.

[24] 馬海濤，丁東，崔繼承，等. 近紅外光譜在無創血糖監測中的應用[J]. 儀器儀表學報，2002，23（5）：231-233.

[25] 李達波，王釧文，曾成昆，等. 基于LabVIEW的非接觸式LED結溫測試系統[J]. 科技展望，2016，26（3）：120-121.

（責任編輯：江 艷）