无创血糖测量方法及指端测量探头的制作方法
【技术领域】
[0001] 本发明属于医疗器械领域，尤其涉及一种基于人体能量代谢守恒的无创血糖测量 方法及指端测量探头。
【背景技术】
[0002] 血糖是糖尿病检测、诊断和治疗过程中一个关键的医学指标，临床检测患者血糖 浓度用以确定需要注射的胰岛素剂量，从而有效调控葡萄糖代谢，防止糖尿病病情恶化，减 少并发症的发生。因此，血糖含量的检测、定量、监测是糖尿病诊断及治疗的必要手段。
[0003] 无创血糖检测技术结合了光谱分析、电渗透技术、光电检测技术、电化学技术、系 统控制原理、信号处理分析等相关理论，是一门涵盖多学科知识的交叉技术。非光谱分析 法无创血糖检测主要采用反离子渗透技术或者超声技术，通过体表电极采集皮下组织液样 本中的葡萄糖，将其转化为血糖含量值。最早将非光谱分析方法应用于无创血糖检测的是 美国Cygnuslnc公司，他们最早获准生产腕式无创血糖仪--Gluco Watch。2006年，刘 剑等人利用反离子电渗透技术研制出无创血糖检测样机，进行了相应的动物实验研宄，所 做的可行性分析有一定参考价值。光谱分析法无创血糖检测通过光源发射光信号，光通过 机体皮肤的角质层、表皮、真皮、皮下组织、间质液及血管，根据传感器设置位置的不同来 检测反射光或者透射光强信号，将其与参考光光强比较定量得出血糖值。1990年，美国的 Hutchinson利用葡萄糖的偏振光旋光特性，测量出眼球房水中葡萄糖浓度，以此推导出人 体血糖浓度并获得相关技术专利。1992年，美国Sandia实验室与新墨西哥大学医学院组成 研宄组研制产生的无创血糖测量传感器于1995年宣布研制成功。这种方法对于不同患者 或同一患者不同时刻的血糖值检测还存在着诸多未解决的问题，诸如温度影响、代谢产物 浓度、其他物质的光吸收干扰等，仍然有待进一步解决。
[0004] 综上，目前对血糖的无创伤检测仍未有有效而简便的方法公开。
【发明内容】
[0005] 本发明的目的之一是提供一种基于人体能量代谢守恒的无创血糖测量方法及指 端测量探头，以保持输入信号与测量结果间关系稳定。
[0006] 本发明提供一种无创血糖测量方法，应用于包括测量主机和指端测量探头的无创 血糖测量仪中，包括：在测量主机中预存随机森林算法以及神经网络预测算法；指端测量 探头测量待测个体指端的能量代谢参数，并发送至测量主机；测量主机调用随机森林算法 预测待测个体指端的能量代谢参数的血糖类别，并调取对应的神经网络预测算法计算待测 个体指端的血糖值。
[0007] 进一步的，所述随机森林算法中预设有低血糖类别，中血糖类别和高血糖类别，低 血糖类别对应低血糖神经网络预测算法，中血糖类别对应中血糖神经网络预测算法，高血 糖类别对应高血糖神经网络预测算法。
[0008] 进一步的，所述在测量主机中预存随机森林算法以及神经网络预测算法的步骤之 前包括：通过指端测量探头测量多个个体指端的能量代谢参数得到多个个体样本数据，每 一个个体样本数据含有同一个体指端的不同能量代谢参数；通过计算机利用随机森林方法 将多个个体样本数据分为低血糖类别，中血糖类别和高血糖类别；将低血糖类别、中血糖类 别和高血糖类别样本数据中的能量代谢参数作为无创血糖值估算系统的原始模型的输入 参数得出低血糖神经网络预测算法，中血糖神经网络预测算法，高血糖神经网络预测算法。
[0009] 进一步的，所述通过计算机利用随机森林方法将多个个体样本数据分为低血糖类 另IJ，中血糖类别和高血糖类别的步骤具体包括：从多个个体样本数据随机选取个体样本数 据；对所选取的个体样本数据进行节点分裂，构建决策树；重复上述步骤建立多棵决策树， 以生成随机森林；对随机森林中的决策树进行投票，根据投票结果，将多个个体样本数据分 为低血糖类别、中血糖类别和高血糖类别。
[0010] 进一步的，所述将低血糖类别、中血糖类别和高血糖类别样本数据中的能量代谢 参数作为无创血糖值估算系统的原始模型的输入参数得出低血糖神经网络预测算法，中血 糖神经网络预测算法，高血糖神经网络预测算法的步骤包括：将低血糖类别、中血糖类别 和高血糖类别样本数据中的能量代谢参数作为对应神经网络的输入参数；将微创血糖值作 为标定参数，并将微创血糖值标定参数作为神经网络的期望输出值，建立无创血糖值估算 系统的原始模型；针对原始模型设定样本参数数据并初始化权值和阈值，计算隐含层与输 出层的输出，将每个低血糖类别、中血糖类别和高血糖类别的输出层输出与微创血糖值的 二次型误差准则函数作为控制函数，计算出系统对多个训练样本数据的总误差准则函数， 由输出层开始逐层计算各层神经元的输出误差，然后根据误差梯度下降法来调节输出层和 隐含层的权值和阈值，按调节后的权值和阈值再计算所有样本的误差，使修改后的对应神 经网络的最终输出值接近期望输出值；当输出结果的误差在容许范围内或达到最大学习次 数；则终止学习，否则继续新一轮的学习。
[0011] 进一步的，所述原始模型的计算公式为：Y = purelin(T*tansig(W*X+ 9 i))+ 9 i，X 为神经网络预测算法的输入参数，W、T为权值，和0 p 0 阈值，Y为对应神经网络预测算 法的最终输出值。
[0012] 进一步的，所述神经网络预测算法的计算公式为：
【主权项】
1. 一种无创血糖测量方法，应用于包括测量主机和指端测量探头的无创血糖测量仪 中，其特征在于，包括： 在测量主机中预存随机森林算法以及神经网络预测算法； 指端测量探头测量待测个体指端的能量代谢参数，并发送至测量主机； 测量主机调用随机森林算法预测待测个体指端的能量代谢参数的血糖类别，并调取对 应的神经网络预测算法计算待测个体指端的血糖值。
2. 根据权利要求1所述的无创血糖测量方法，其特征在于，所述随机森林算法中预设 有低血糖类别，中血糖类别和高血糖类别，低血糖类别对应低血糖神经网络预测算法，中血 糖类别对应中血糖神经网络预测算法，高血糖类别对应高血糖神经网络预测算法。
3. 根据权利要求2所述的无创血糖测量方法，其特征在于，所述在测量