专利名称：：用于预测人血糖水平的方法
技术领域：
：本发明涉及利用人身体局部的近红外光谱扫描预测所述人的血糖水平的方法。现有技术描述患有糖尿病的人必须频繁地监控他们的血糖水平。检査血糖水平的传统方法涉及刺破手指抽一滴血，其在分析装置中检测。进行这种测试经常是困难的，尤其是对于小孩和老人，及特别是如果一天需要进行若干次。已存在大量对预测糖尿病人血糖水平的非入侵性方法的研究。一种普遍的方法涉及利用近红外(NIR)光谱扫描人的身体局部。当NIR光辐射穿过皮肤到达血管时，血液中的葡萄糖分子吸收一些NIR光能源。相应的NIR吸收能够用于预测该血液中的葡萄糖水平。这种方法的主要问题是精确建立用于由所述NIR光谱扫描结果预测血糖水平的估算模型。多种建立估算模型的方法在Ciurczaketal的美国专利6，675，030及其多种参考文献中给出。将美国专利6,675,030的内容和其中引用的参考文献并入本申请作为参考，从而更完整地描述该技术在本领域中的状态。大多数公开的方法的问题是它们通常特异于被测试的人，且其估算模型是动态的，并经常需要重新校准。发明概述本发明的一个目的是提供一种利用近红外光谱扫描预测人血糖水平的方法，该方法改善上述问题或至少向公众提供有用的备选方案。根据本发明的第一个方面，提供一种利用人身体局部的近红外光谱扫描预测所述人的血糖水平的方法，包括在第一组波长和第二组波长下对人进行身体局部的近红外光谱扫描，确定对应于所述第一组波长的第一组近红外吸收值和对应于所述第二组波长的第二组近红外吸收值，确定对应于所述第一组近红外吸收值的一阶差分(firstdifference)和对应于所述第二组近红外吸收值的二阶差分(seconddifference),和利用所述一阶差分和二阶差分计算所述人的血糖水平。根据本发明的第二个方面，提供一种利用人身体局部的近红外光谱扫描预测所述人的血糖水平的方法，包括提供基于测试对象群体的估算模型，所述估算模型将所述测试对象身体局部的血管在第一和第二组波长下的近红外吸收与所述血管的葡萄糖水平联系起来，在第一组波长下和第二组波长下对人进行身体局部的近红外光谱扫描，确定对应于所述第一组波长的第一组近红外吸收值和对应于所述第二组波长的第二组近红外吸收值，和利用所述估算模型确定所述人的血糖水平，所述估算模型包括确定对应于所述第一组近红外吸收值的一阶差分和对应于所述第二组近红外吸收值的二阶差分，将所述一阶差分除以所述二阶差分，从而得到第一结果，将所述第一结果乘以第一经验常数从而得到第二结果，和用第二经验常数修正(offset)所述第二结果。优选地，所述第一组波长包括在750nm-1125nm范围内的第一、第二和第三波长，以及在905nm-1701nm范围内的第四、第五和第六波长。优选地，所述第一、第二和第三波长在750nm-1125mn范围内，且所述第四、第五和第六波长在905nm-1701nm范围内。优选地，所述一阶和二阶差分是利用形式为d=Awl+Bw2+Cw3的等式所确定的，其中d是所述一阶或二阶差分；wl，w2和w3是近红外吸收值，A，B和C是常数。优选地，所述光谱波长值是利用基于测试对象群体的递归方法确定的。优选地，所述血糖水平是利用形式为c=D+(Ex(dl/d2))的等式计算的，其中c是所述血糖水平，dl和d2是所述一阶和二阶差分，D和E是根据经验确定的常数。优选地，所述常数D和E是利用基于测试对象群体的线性回归确定的。根据本发明的第三个方面，提供一种由通过人身体局部的近红外光谱扫描所获得的近红外吸收值确定所述人的血糖水平的方法，包括将所述NIR吸收值分为第一和第二组，确定对应于所述第一组NIR吸收值的一阶差分和对应于所述第二组NIR吸收值的二阶差分，将所述一阶差分除以所述二阶差分，从而得到第一结果，将所述第一结果乘以第一经验常数从而得到第二结果，和用第二经验常数修正所述第二结果。本发明的另外的方面通过以下附图和描述变得显然。附图简述现将仅通过实施例和参考附图描述本发明的实施方案，其中图1是用于获得人身体局部近红外光谱扫描的装置的示意图，图2说明身体局部的血管在波长940nm,1310nm和1550mn处的近红外吸收和该血管的葡萄糖水平的相关(或最小平方)系数，和图3是说明用于确定最佳光谱波长值的递归方法的流程图。优选实施方案图1中描述了用于进行人身体局部近红外(NIR)光谱扫描的装置。所述装置包括NIR光源和获得手指NIR扫描的传感器。利用分析器处理来自所述传感器的NIR扫描信号，并且所述人的血糖水平的预测值在显示器上输出。为了利用NIR光谱扫描预测人的血糖水平，基于测试对象群体建立估算模型。该估算模型将血管在第一组波长和第二组波长下的NIR吸收与该血管的葡萄糖水平联系起来。图2中的图表显示所述测试对象身体局部血液的NIR吸收和所述测试对象实验室检测的葡萄糖水平的平均值之间，在三个样品波长940nm,1310nm和1550nm下的关系。参考葡萄糖水平是通过对来自所述测试群体的血液样品使用验证的标准实验室检测而获得的。利用最小二乘法获得了所述线性关系。对所述测试群体所检测的葡萄糖水平的平均值的标准偏差是10%-20%。所述估算模型是建立在所述血管在6个波长i-rl,i,i+r2;k-sl,k和k+s2处的NIR吸收扫描上的，其中i，k是基本波长，rl，r2，sl和s2是从所述测试群体所获得的经验值。该NIR吸收数据是利用图1的装置从NIR光谱扫描获得的。对于所述估算模型，将6个波长分为第一组(i),包括3个波长i，i-rl和i+r2;和第二组(k)，包括3个波长k,k-sl和k+s2。在优选的实施方案中，全部6个波长在750nm-1700nm的范围内。然而，在其他实施方案中，所述第一组波长i，i-rl和i+r2可在750nm-1125nm的范围内，所述第二组波长k,k-sl和k+s2可在905nm-1701nm的范围内。对应于每个波长组的二阶差分是利用如下等式确定的<formula>formulaseeoriginaldocumentpage8</formula>其中d是所述二阶差分;wl，w2和w3是在各自波长组i-rl，i，i+r2或k-sl，k,k+s2中3个具体波长下的NIR吸收值，A，B和C是根据经验确定的常数。常数A，B和C的优选的值分别为1，-2和1。用这6个波长进行取代，则这两个等式变为<formula>formulaseeoriginaldocumentpage8</formula>所述二阶差分的比率di/dk用于根据以下公式估算人的葡萄糖水平<formula>formulaseeoriginaldocumentpage8</formula>其中，c是预测的血糖水平，D和E是从利用所述二阶差分比率的线性回归获得的个体硬件和从所述测试对象群体获得的参考葡萄糖水平的校准系数。每个组中的最佳波长是利用递归法确定的。图3说明了一种适合的递归法，其用于从所述NIR光谱扫描估算波长参数i,k，rl,r2,sl和s2的每个可能组合所获得的每个可能的二阶差分比率。在每步递归中，将当前的二阶差分比率替换到所述估算等式中。所述常数D和E的最佳值是通过在每步递归中线性回归和交互证实确定的。对D和E的估算值以及当前二阶差分比率产生临时预测模型Ci=D+(Ex(di/dk))。对该临时预测模型的适合度进行了估算。如果在当前递归中的临时预测模型产生比全部以前的预测模型更好的适合度，则丢弃以前保存的预测模型，并替换为所述的当前临时预测模型。否则，丢弃所述当前预测模型，且以前所保存的预测模型不变。重复所述回归，直到估算了全部可能的波长参数组合，及由此估算了所述二阶差分的全部可能比率。当完成了该递归，将提供最佳匹配结果的最后保存的预测模型选为最终预测模型。常数D和E优选的范围分别是+/-30间和+/-50间。最佳波长在750nm-1701nm的范围内对不同的手指有所变化。优选的值为rl，r2，sl，s2,且将每个手指的波长在下表中给出。rl<table>tableseeoriginaldocumentpage9</column></row><table>在以上描述中，对具有已知等值的整数或元素进行了参考，因而这些如同在本文中分别阐明的一样包括在其中。己经描述了本发明的实施方案，然而，可以理解能够在不背离本发明的精神或后附权利要求的范围下发生变化、改进或修正。权利要求1.一种利用人身体局部的近红外光谱扫描来预测所述人的血糖水平的方法，该方法包括在第一组波长下和第二组波长下对人进行身体局部的近红外光谱扫描，确定对应于所述第一组波长的第一组近红外吸收值和对应于所述第二组波长的第二组近红外吸收值，确定对应于所述第一组近红外吸收值的一阶差分和对应于所述第二组近红外吸收值的二阶差分，和利用所述一阶差分和二阶差分计算所述人的血糖水平。2.权利要求1的方法，其中所述第一组波长包括在750nm至1700nm范围内的第一、第二和第三波长，且所述第二组波长包括在750nm至1700nm范围内的第四、第五和第六波长。3.权利要求2的方法，其中所述第一、第二和第三波长在750nm至1125nm范围内，及所述第四、第五和第六波长在905nm至1701nm范围内。4.权利要求1的方法，其中所述一阶和二阶差分是利用如下形式的等式所确定的d=Awl+Bw2+Cw3其中d是所述二阶差分；wl，w2和w3是近红外吸收值，A,B和C是常数。5.权利要求2的方法，其中所述第一到第六波长是利用基于测试对象群体的递归方法确定的。6.权利要求1的方法，其中所述血糖水平是利用如下形式的等式计算的c=D+(Ex(dl/d2))其中c是所述血糖水平，dl和d2是所述一阶和二阶差分，D和E是根据经验确定的常数。7.权利要求6的方法，其中所述常数D和E是利用基于测试对象群体的线性回归确定的。8.—种利用人身体局部的近红外光谱扫描预测所述人的血糖水平的方法，该方法包括提供基于测试对象群体的估算模型，所述估算模型将所述测试对象身体局部的血管在第一和第二组波长下的近红外吸收与所述血管的葡萄糖水平联系起来，在第一组波长下和第二组波长下对人进行身体局部的近红外光谱扫描，确定对应于所述第一组波长的第一组近红外吸收值和对应于所述第二组波长的第二组近红外吸收值，和利用所述估算模型确定所述人的血糖水平，所述估算模型包括-确定对应于所述第一组近红外吸收值的一阶差分和对应于所述第二组近红外吸收值的二阶差分，将所述一阶差分除以所述二阶差分，从而得到第一结果，将所述第一结果乘以第一经验常数从而得到第二结果，和利用第二经验常数修正所述第二结果。9.权利要求8的方法，其中所述第一、第二和第三波长在750nm-1125nm范围内，且所述第四、第五和第六波长在905nm-1701nm范围内。10.权利要求9的方法，其中所述第一、第二和第三波长在750nm-1125nm范围内，且所述第四、第五和第六波长在905nm-1701nm范围内。11.权利要求8的方法，其中所述一阶和二阶差分是利用如下形式的等式所确定的d=Awl+Bw2+Cw3其中d是所述一阶或二阶差分；wl，w2和w3是近红外吸收值，A,B和C是常数。12.权利要求11的方法，其中所述波长是利用基于所述测试对象群体的血糖水平的递归方法确定的。13.权利要求8的方法，其中所述第一和第二经验常数是利用基于所述测试对象群体的血糖水平的线性回归确定的。14.一种由近红外(NIR)吸收值确定人血糖水平的方法，所述近红外(NIR)吸收值是通过所述人的身体局部的近红外光谱扫描获得的，所述方法包括将所述NIR吸收值分为第一和第二组，确定对应于所述第一组NIR吸收值的一阶差分和对应于所述第二组NIR吸收值的二阶差分，将所述一阶差分除以所述二阶差分，从而得到第一结果，将所述第一结果乘以第一经验常数从而得到第二结果，和利用第二经验常数修正所述第二结果。全文摘要一种用于预测人血糖水平的方法，包括对所述人在第一组波长和第二组波长下进行身体局部的近红外光谱扫描，确定对应于所述第一组波长的第一组近红外吸收值和对应于所述第二组波长的第二组近红外吸收值，确定对应于所述第一组近红外吸收值的一阶差分和对应于所述第二组近红外吸收值的二阶差分，和(4)利用所述一阶差分和二阶差分计算所述人的血糖水平。文档编号A61B5/1455GK101193592SQ200680020891公开日2008年6月4日申请日期2006年5月4日优先权日2005年5月5日发明者刘彦麒,张清政,林泽庆,樊家伦,汪国成,迈克尔·约翰·弗林特,钟慧仪,陈颂文申请人:香港理工大学