近紅外光的無創血糖檢測系統

王曉飛， 唐海濤， 張欣怡

（北京信息科技大學儀器科學與光電工程學院，北京100192）

0 引 言

隨著2008年中國迎來黃金10年的發展，中國人民的收入水平不斷提高，物質生活水平隨之迎來巨大飛躍。得益于中國近些年的飛速發展，中國擁有龐大的中等收入及以上家庭，但也因此糖尿病病患人數增長率逐年升高［1］。因此在實時血糖監測方面需要更實用、便攜、高精度的新技術新方法。現有很多無創血糖的光學檢測方法［2-5］，其中最理想的方法為生物醫學光譜學方法中的近紅外光譜法［6-7］。

基于近紅外光的血糖檢測方法早在上世紀70～80年代，由Kaiser和Jobsis等最先提出。研究表明，血液中的血紅蛋白在近紅外的波段有吸收特性和明顯的吸收峰［8］。再通過對脈搏波的幅值進行測量，可以獲得很多人體生理狀況信息，從此為這一領域的發展奠定了基礎。

1 實驗原理

采集指尖光電容積脈搏波［9］，對其進行分析從而預測人體血液的成分。該方法使用動脈血液的吸光度作為模型建立的基礎，能夠有效地消除個體差異對測量結果的影響，同時降低由外部測量環境而帶來的變化。

1.1 光電容積脈搏波描記法（Photo Plethysmo Graphy，PPG）

如圖1所示，PPG是借助光電手段對人體組織中血液容積變化進行檢測的一種無創檢測手段［10］。當使用特定波長的光對人體進行照射時，光源發出的光通過手指衰減后穿透手指被光電二極管接收。皮膚、骨骼等人體組織對于光的吸收遮擋作用是相對恒定的，人體血管會隨心臟的變化產生周期性收縮，血液容積隨之改變［11］。

圖1 光電容積脈搏波示意圖

1.2 朗伯-比爾定律

朗伯-比爾定律是無創血糖檢測的主要依據，是吸收光譜的基本定律，也是對近紅外光進行定量分析的理論基礎［12］。

當溶液被一束光照射時，溶液對入射光的吸收程度與光的波長，溶液的濃度、厚度有關。入射光為單色光，在濃度一定的情況下，溶液對光的吸收程度與介質厚度成正比；當溶液介質厚度一定時，溶液對光的吸收程度與濃度成正比。同時考慮物質的濃度和厚度時，吸光度用朗伯-比爾定律表示為［13］：

式中：A表示吸光度；I0表示入射光強；It表示出射光強；T為透射率；ε為摩爾消光系數；c為被測溶液濃度；d為光程或吸收介質厚度；其中比例常數與介質的ε性質、入射光波長等因素有關。在已知ε的前提下，當d已知或固定時，則可根據吸光度A求出濃度c［14］。

當被測溶液為混合物時，存在多個對樣品有吸收作用的物質，用i表示物質的個數，被測樣品的物質各組分之間仍滿足朗伯-比爾定律，可表示為

根據朗伯-比爾定律以及光電容積脈搏波的產生原理（見圖1），I0穿過人體組織后，光電探測器接收到最大光強Imax時吸光度用Amax表示，接收到最小光強Imin時吸光度用Amin表示，lmax和lmin分別表示在接收到最大光強和最小光強時的平均光路長，λ為入射光波長吸光度，可以表示為：

根據光強的最大值和最小值，可以計算得到在特定波長下的吸光度差［15］，即：

式中：A（λ）為波長λ對應的動脈血液吸光度值為在波長λ下第i個對光有吸收作用的物質，物質的濃度用c表示；ΔA（λ）為波長λ下的吸光度差；Δl為最大充盈狀態下的等效光程長［16］。

2 無創血糖檢測系統設計

實驗平臺系統框圖如圖2所示，主控芯片采用ARM公司的STM32F103C8T6。通過單片機I/O口控制繼電器開合控制發光二極管（Light-Emitting Diode，LED）通斷。LED波段首次使用了近紅外光波波段。PD（Photo Diode）接收到的信號通過前級跨導放大器實現I-U轉換，電壓信號通過濾波放大后進入ADC。

圖2 系統框圖

屏幕選擇800×480分辨率的電阻屏，通過串口實現與ARM通信，屏幕可以實時顯示脈搏波波形，并將血糖真值輸入到ARM。EEPROM芯片選用ATMLH917芯片，大小為256K-Bit，IIC通信方式。以及通過I/O口控制蜂鳴器工作，蜂鳴器在采集過程中開啟，提示受試者保持穩定的姿態。

3 軟件設計

程序流程圖如圖3所示。串口屏通過串口將指令發送到ARM，通過識別協議的首位的值，選擇將要執行的程序。預測模式表示輸入測量值，根據已有的樣本數據通過最小二乘法擬合的曲線，得出預測值并顯示。采集模式中，開始采集后屏幕實時顯示脈搏波波形，采集完成后，通過鍵盤輸入由有創血糖儀測得的真值，并傳回單片機。也可通過屏幕對數據進行保存或刪除操作。輸入血糖首先要根據協議判斷輸入的位數，再判斷小數點所在位置。

圖3 工作程序流程圖

4 實驗數據采集及分析

脈搏波信號的頻率為0.7～3.0 Hz，硬件上采用4階巴特沃斯低通濾波器濾去高頻噪聲。為了能更準確地提取特征信息，應盡可能提高采樣率，所以將定時器設置為2 ms進行一次中斷，每進一次定時器中斷就采集1個點，即采樣率為500 Hz。圖4為經過處理后的脈搏波信號，可以看出其形態比較完整并且干擾噪聲不明顯。

圖4 脈搏波信號

用于血糖預測的數據中，所采集到的數據在低血糖范圍內一組，相對誤差為12.2%；正常血糖范圍內51組，平均相對誤差為3.5%；高血糖范圍內14組，平均相對誤差為7.6%。實驗所采集的被測者在日常生活中血糖處于正常范圍內，采集的數據處于血糖正常范圍的數據量最多，用于建立預測模型的數據大部分為正常血糖范圍內且數據分布較為均衡，因此，在正常血糖范圍內的預測結果最為準確，相對誤差最小。對于不同被測者，日常血糖濃度分布范圍會存在差異，預測模型建立時用于訓練的數據普遍處于何種范圍內，會對不同范圍的預測結果產生影響。通過建立模型，分別將采集模式下的數據作為訓練集，作為模型的訓練樣本，預測模式下的數據作為預測集，用于驗證預測模型精度。預測集數據通過模型進行運算，得到預測結果如圖5所示，其中紅色表示血糖真實值，藍色表示血糖預測值。為方便觀察，將所有數據按照血糖濃度高低進行排序。

圖5 預測集預測結果

根據預測結果可得到預測集相關系數為0.976，均方根誤差為0.357。血糖預測值相對誤差如圖6所示。

圖6 血糖預測值相對誤差

5 結 語

根據國家質量監督局發布的標準，規定血糖檢測系統準確率在測量結果偏差的95%應符合血糖濃度≤4.2 mmol/L（75 mg/dL）的情況下，允許偏差不超過±0.83 mmol/L（±15 mg/dL），血糖濃度＞4.2 mmol/L（75 mg/dL）的情況下，允許偏差不超過±20%。無創血糖檢測系統預測結果相對誤差為±15%，滿足國家標準。通過上述實驗及數據分析，無創血糖檢測系統能夠穩定運行，得到良好的預測結果，達到了系統的設計要求，驗證使用此種方法進行無創血糖檢測的可能性。