用于预测分析物的浓度的方法和设备与流程

相关申请的交叉引用

本申请要求于2016年5月9日提交的韩国专利申请第10-2016–0056569号的优先权，且所有权益从其产生，将其全部内容通过引用包括于此。

本发明的实施例涉及用于从生物信号预测分析物的活体内浓度的方法和设备。

背景技术：

为了从生物信号预测分析物的活体内浓度，可以采用偏最小二乘(“pls”)算法或者净分析物信号(“nas”)算法。另外，在将比如红外线等的电磁波投射到测试对象之后，作为分析物和电磁波之间的交互的结果获得的活体内频谱可以在上述算法中使用以预测活体内分析物的浓度。在该情况下，可以通过使用比如红外频谱学、拉曼频谱学等的光学方法获得活体内频谱。

pls算法是用于通过使用从实验等获得的数据获得多元输入变量(自变量)和输出变量(因变量)之间的相关性的统计建模工具。当pls算法应用于生物信号的分析时，可以通过学习取决于分析物的浓度的频谱改变来从生物信号预测在某个时间的分析物的浓度。pls算法使用在多个时间的分析物的浓度和在其相应的时间获得的频谱以从生物信号预测分析物的浓度，且期望周期性地再学习取决于分析物的浓度的改变的频谱改变以防止可预测性的恶化。

nas算法通过学习分析物的固有频谱和与分析物的浓度无关的频谱改变因素来预测分析物的浓度。当活体内葡萄糖是分析物时，可以基于在禁食期间获得的活体内频谱获得在nas算法中与分析物的浓度无关的频谱改变因素，且可以从通过活体外分析物的溶液的光(红外线、激光等)获得分析物的固有频谱。在该情况下，当活体外获得的分析物的固有频谱不同于活体内分析物的固有频谱时，即，当分析物的固有频谱在活体内失真时，nas算法的性能可能恶化。

技术实现要素：

本发明的实施例涉及精细地校正在获得固有频谱的同时可能添加的比如噪声之类的信号失真因素的用于预测分析物的浓度的方法和设备。

本发明的实施例提供用于预知分析物的活体内浓度的设备，该设备包括：处理器；连接到处理器的存储器；和连接到处理器的收发器，其中处理器执行存储器中存储的编程以执行：估计分析物的活体内固有频谱；和基于估计的活体内固有频谱和在分析物的活体内浓度基本上未改变的段中获得的活体内频谱，来通过使用浓度预测算法预测分析物的活体内浓度。

在实施例中，处理器可以通过使用分析物的溶液来获得分析物的活体外固有频谱而执行估计分析物的活体内固有频谱，和通过校正获得的活体外固有频谱来估计分析物的活体内固有频谱。

在实施例中，处理器可以通过基于活体外固有频谱、常数函数项和线性函数项的线性组合估计活体外固有频谱，来执行校正活体外固有频谱。

在实施例中，处理器可以通过生成包括活体内频谱的至少一个主分量的基本集而执行预测分析物的活体内浓度；和通过使用在估计活体内固有频谱的同时获得的附加的基本集、所述基本集和估计的活体内固有频谱执行最小二乘法来预测分析物的活体内浓度，该基本集包括活体内频谱的主分量。

在实施例中，分析物可以包括在人类、诸如哺乳动物或非哺乳动物的动物和微生物之一中。

在实施例中，分析物可以是葡萄糖、尿素、乳酸、甘油三酯、蛋白质、胆固醇和乙醇中的至少一个。

在实施例中，分析物可以是葡萄糖，且分析物的浓度可能基本上未改变的段是禁食段。

在实施例中，活体内频谱可以是红外光的吸收频谱和反射频谱之一。

在实施例中，活体内频谱可以是单波长电磁波的散射频谱。

在实施例中，浓度预测算法可以是净分析物信号(“nas”)算法。

本发明的另一实施例提供了用于预测分析物的活体内浓度的方法，该方法包括：估计分析物的活体内固有频谱；并基于估计的活体内固有频谱和在分析物的活体内浓度基本上未改变的段期间获得的活体内频谱，通过使用浓度预测算法预测分析物的活体内浓度。

在实施例中，估计活体内固有频谱可以包括：通过使用分析物的溶液获得分析物的活体外固有频谱；和通过校正获得的活体外固有频谱而估计分析物的活体内固有频谱。

在实施例中，通过校正活体外固有频谱而估计分析物的活体内固有频谱可以包括基于活体外固有频谱、常数函数项和线性函数项的线性组合估计活体外固有频谱。

在实施例中，预测分析物的活体内浓度可以包括：生成包括活体内频谱的至少一个主分量的基本集；和使用在估计活体内固有频谱的同时获得的附加的基本集、所述基本集和估计的活体内固有频谱执行最小二乘法来预测分析物的活体内浓度，该基本集包括活体内频谱的主分量。

在实施例中，分析物可以包括在人类、诸如哺乳动物或非哺乳动物的动物和微生物之一中。

在实施例中，分析物可以是葡萄糖、尿素、乳酸、甘油三酯、蛋白质、胆固醇和乙醇中的至少一个。

在实施例中，分析物可以是葡萄糖，且分析物的浓度基本上未改变的段可以是禁食段。

在实施例中，活体内频谱可以是红外光的吸收频谱和反射频谱之一。

在实施例中，活体内频谱可以是单波长电磁波的散射频谱。

在实施例中，浓度预测算法可以是nas算法。

根据本发明的实施例，通过校正分析物的活体内固有频谱的失真而精确地预测分析物的活体内浓度，以改进nas算法的性能。

附图说明

本发明的这些和/或其他特征将从结合附图的其以下实施方式的具体描述变得明显和更容易理解，在附图中：

图1图示示出了根据本发明的示例性实施例的用于预测分析物的浓度的设备的框图；

图2图示用于解释根据本发明的示例性实施例的净分析物信号(“nas”)算法的曲线图；

图3图示根据本发明的示例性实施例的用于获得葡萄糖溶液的频谱的方法的示意图；

图4图示根据本发明的示例性实施例的示出了用于基线拟合的水和葡萄糖溶液的频谱的曲线图和通过基线拟合获得的葡萄糖的固有频谱的曲线图；

图5图示根据本发明的示例性实施例的示出了葡萄糖的活体外固有频谱及其校正项的曲线图和葡萄糖的活体内固有频谱的曲线图；

图6图示根据本发明的示例性实施例的示出了相对于禁食频谱的主分量频谱的基本集的曲线图；

图7图示示出了根据本发明的示例性实施例的预测分析物的浓度的方法的流程图；

图8图示根据本发明的示例性实施例的用于比较意在用于人体的nas算法的性能的曲线图；和

图9图示根据本发明的示例性实施例的用于预测分析物的浓度的设备的框图。

具体实施方式

在下文中，将参考附图具体描述本发明，在附图中示出了本发明的示例性实施例。如本领域技术人员认识到的，描述的实施例可以以各种不同的方式修改，全部不脱离本发明的精神或者范围。因此，附图和说明书在本质上要被认为是说明性的，而并非限制性的。遍及说明书，相似的附图标记指定相似的元件。

在这里使用的术语仅用于描述特定实施例的目的且不意在限制。如在此使用的，单数形式“一”、“一个”和“该”意在包括复数形式，包括“至少一个”，除非内容清楚地指示例外。“或者”意味着“和/或”。如在此使用的，术语“和/或”包括一个或多个关联的列出的项目的任何和全部组合。另外将理解术语“包括”和/或“包含”或者“含有”和/或“具有”当在该说明书中使用时指定所述的特征、区域、整数、步骤、操作、元件和/或组件的存在，而不排除一个或多个其他特征、区域、整数、步骤、操作、元件、组件和/或其组的存在或者附加。

“大约”或者“大致”如在此使用的包括陈述的值，且意味着考虑所讨论的测量值和与特定数量的测量值相关联的误差(即，测量系统的限制)，如本领域技术人员确定的在特定值的可接受的偏移范围内。例如，“大约”可以意味着在一个或多个标准偏差内，或者在所述值的±30％、20％、10％、5％内。

除非以别的方式限定，在这里使用的所有术语(包括技术和科学术语)具有与本公开属于的领域中的一般技术人员通常理解的相同的含义。另外将理解比如在通常使用的词典中限定的术语应该解释为具有与它们在相关技术和/或本公开的上下文中的含义一致的含义，且将不以理想化或者过度形式化的意义解释，除非在这里明确地这样限定。

在下文中，将参考附图具体描述本发明的示例性实施例。

图1图示根据本发明的示例性实施例的用于预测分析物(analyte)的浓度的设备的框图，且图2图示用于解释根据本发明的示例性实施例的净分析物信号(“nas”)算法的曲线图。

浓度预测设备100的示例性实施例可以通过使用分析物浓度预测算法分析活体内频谱来预测分析物的浓度。在这种实施例中，在红外线或者激光透射通过活体(例如，在活体上分散或者反射)之后，随着在分析物中吸收或者在分析物上散射红外线或者激光，可以获得活体内频谱，且可以根据预定时间间隔连续地获得活体内频谱。可以通过要应用于浓度预测算法的红外频谱学、拉曼频谱学等获得活体内频谱。

浓度预测设备100的示例性实施例可以使用nas算法作为用于预测分析物的活体内浓度的算法，如图2所示，其是根据本发明的示例性实施例的nas算法的说明示意图。在这种实施例中，nas算法可以基于在学习段(learningsection)期间获得的活体内频谱的主分量频谱和在活体外分开地获得的分析物的固有频谱，来预测在预测段期间活体内分析物的浓度。在这种实施例中，学习段可以是活体内血糖水平基本上未改变的段。对于nas算法，可以通过感应通过分析物的溶液的光而获得在活体外实验地获得的分析物的固有频谱。

在示例性实施例中，浓度预测设备100可以预测人类、诸如哺乳动物或非哺乳动物的动物和微生物中的每一个的分析物的活体内浓度。活体内分析物可以是葡萄糖、尿素、乳酸、甘油三酯、蛋白质、胆固醇和乙醇中的至少一个。在下文中，为了说明的方便起见，将具体描述其中用于浓度预测设备100的分析物是葡萄糖且浓度预测设备100预测活体内血糖水平的示例性实施例，而不限于此。在替代的示例性实施例中，还可以由浓度预测设备100预测除了以上列出的分析物之外的材料的浓度。

在示例性实施例中，浓度预测设备100可以包括处理器、存储器和收发器或者通过其操作。存储器可以连接到处理器以存储用于驱动处理器的各种信息。收发器可以连接到处理器以发送有线或者无线信号到终端、服务器等和从其接收有线或者无线信号。处理器可以配置为实现用于预测浓度的功能、处理或者方法。在示例性实施例中，可以由处理器实现浓度预测设备的操作。

在本发明的示例性实施例中，存储器可以设置在处理器的内部或者外部，且可以通过现有技术中公知的手段或者元件连接到处理器。存储器可以是各种易失性和非易失性存储介质或装置之一。例如，在一个示例性实施例中，存储器可以包括只读存储器(“rom”)或者随机存取存储器(“ram”)。

在示例性实施例中，在活体内分析物是葡萄糖时，分析物的浓度可以是血糖水平，禁食段(fastingsection)可以对应于分析物的浓度基本上恒定的段，且近红外线(“nir”)或者中间红外线(“mir”)可以用于获得活体内频谱。

参考图1，浓度预测设备100的示例性实施例包括学习器110、固有频谱估计器120和浓度预测器130。在这种实施例中，学习器110、固有频谱估计器120和浓度预测器130中的每一个可以使用处理器实现，例如，处理器中实现的指令。

学习器110在学习段期间基于禁食频谱学习频谱改变因素，而无论分析物的浓度改变如何或者独立于分析物的浓度改变。在这种实施例中，学习器110可以通过使用主分量分析(“pca”)学习频谱改变因素而无论分析物的浓度改变如何或者独立于分析物的浓度改变。

根据示例性实施例，在分析物是葡萄糖时，可以基于关于禁食频谱通过主分量分析获得的主分量频谱的组合近似地表示在学习段期间获得的多个禁食频谱。在这种实施例中，主分量频谱可以表示除了血糖水平之外的活体内频谱改变因素，且其他分量频谱，例如，n相对主导主分量频谱可以分组为基本集。这里，n是自然数。

固有频谱估计器120通过使用从校正项和溶液(即，活体外)获得的分析物的固有频谱(以下称为“活体外固有频谱”)估计活体内固有频谱，以使得可以精确地表示皮肤中的分析物的固有频谱(以下称为“活体内固有频谱”)。在固有频谱估计器120中，用于估计活体内固有频谱的方法使用以下等式1。在下文中，将具体描述分析物是葡萄糖且使用等式1的示例性实施例。在这种实施例中，可以使用以下等式1获得葡萄糖的活体内固有频谱fglu,skin(ω)。

(等式1)

fglu，skin(ω)＝a(ω)(fglu，exp(ω)+b(ω))+c(ω)

在等式1中，fglu,exp(ω)表示从葡萄糖溶液获得的活体外固有频谱，且a(ω)、b(ω)和c(ω)分别表示用于校正活体外固有频谱的校正项。在这种实施例中，如等式1所示，可以基于葡萄糖的活体外固有频谱fglu,exp(ω)，使用校正项，比如a(ω)、b(ω)和c(ω)表示活体内固有频谱fglu,skin(ω)。

在这种实施例中，溶液中溶解的葡萄糖的活体外固有频谱fglu,exp(ω)可以实验地获得。在示例性实施例中，如图3所示，可以通过感应通过葡萄糖溶液的光来获得活体外固有频谱fglu,exp(ω)。在这种实施例中，用于向活体内主体照射光和从活体内主体接收光的光收发器140可以设置在浓度预测设备外部，且浓度预测设备100可以进一步包括通信器150，该通信器150可以从光收发器140通过有线或者无线通信网络获得频谱。通信器150可以将分析物的浓度的预测结果通过有线或者无线通信发送到浓度预测设备100外部。在替代的示例性实施例中，浓度预测设备100可以进一步包括光收发器140以直接获得活体内频谱。

图4图示根据本发明的示例性实施例的用于基线拟合的水和葡萄糖溶液的频谱的曲线图和通过基线拟合获得的葡萄糖的固有频谱的曲线图。

参考图4，在示例性实施例中，在水和葡萄糖溶液的频谱之间执行基线拟合以从葡萄糖溶液获得葡萄糖的活体外固有频谱。在这种实施例中，基于水和葡萄糖溶液的频谱之间的差值获得葡萄糖的活体外固有频谱。在这种实施例中，可以期望在基线拟合的处理期间滤波或者除去葡萄糖的活体外固有频谱中包括的几个信号。活体内固有频谱可能由于各种因素，比如光收发器140的频谱获得模式(反射或者透射)、有关装置的特性、有关装置的温度、噪声、频谱的幅度变化等而失真。因此，当精细地估计葡萄糖的活体内固有频谱时可以改进nas算法的浓度预测精确性。

在示例性实施例中，作为等式1的校正项的a(ω)、b(ω)和c(ω)可以基于泰勒级数近似地表示为等式2。

(等式2)

当等式2代入等式1时，可以导出等式3。

(等式3)

在等式3中，α0对应于a0，α1对应于a1，β0对应于a0b0+c0，β1对应于a0b1+a1b0+c1，且忽略或者省略ω²。

在等式3中，如果α0假定为1且α1假定为0，则等式3可以表示为等式4。

(等式4)

也就是，如等式4中，葡萄糖的活体内固有频谱fglu,skin(ω)可以由葡萄糖的活体外固有频谱fglu,exp(ω)，与常数函数项对应的β0项和与线性函数项对应的β1ω项的线性组合估计。

替代地，等式3可以表示为等式5。

(等式5)

在等式5中，α可以通过实验统计地确定。也就是，α可以通过多个对象的统计地代表性值确定。在一个示例性实施例中，例如，α是可以适当地表示对象的实际血糖水平的平均值。如在等式5中，当统计地确定α时，用于估计葡萄糖的活体内固有频谱的基本集可以是三，如在等式4中。

图5图示根据本发明的示例性实施例的，葡萄糖的活体外固有频谱和其校正项的曲线图，以及葡萄糖的活体内固有频谱的曲线图，且图6图示根据本发明的示例性实施例的示出了相对于禁食频谱的主分量频谱的基本集的曲线图。

参考图5(a)，从左至右顺序地图示从溶液获得的葡萄糖的活体外固有频谱，β0项的曲线图和β1ω项的曲线图。参考图5(b)，可以通过如实线所示的β0和β1ω项的影响估计葡萄糖的活体外固有频谱(由虚线示出)。在示例性实施例中，β0项和β1ω项是获得以改进nas算法的精确性的附加的基本集。

在示例性实施例中，浓度预测器130基于由学习器110获得的相对于禁食频谱的主分量频谱的基本集(图6)、由固有频谱估计器120获得的附加的基本集和分析物的估计的活体内固有频谱来执行最小二乘法，以在预测段中预测分析物的浓度。在示例性实施例中，nas算法的皮肤频谱fskin(ω)表示为等式6。

(等式6)

在等式6中，fpc,i(ω)表示禁食频谱的主分量频谱，且主分量频谱的每个系数表示皮肤频谱fskin(ω)的贡献。

浓度预测器130通过将最小二乘法应用于表示皮肤频谱的等式6来计算αglu、β0和β1。因为学习段中测量的频谱不包括血糖水平的改变，所以主分量频谱的系数αi(即，主分量频谱的基本集)独立于血糖水平。由于血糖水平的频谱的改变可以通过葡萄糖的活体内固有频谱的项的系数αglu确定。因此，因为皮肤中的葡萄糖的浓度iglu与αglu成正比(iglu∝αglu)，所以可以基于αglu预测皮肤中的葡萄糖的浓度。

在这种实施例中，浓度预测器130可以通过通信器150将皮肤中的葡萄糖的浓度的预测结果，例如，血糖水平发送到用户，或者可以通过浓度预测设备100中包括的界面向用户显示皮肤中的葡萄糖的浓度的预测结果。浓度预测设备100可以包括在可穿戴装置等中，且通过上述方法获得的活体内分析物的浓度的测量结果(例如，血糖水平)可以显示给可穿戴装置的用户。例如，在一个示例性实施例中，活体内分析物的浓度的测量结果可以根据用户的输入或者指令，对应于在期望时间的血糖水平，在输入段期间的血糖水平改变的曲线图，等等。

图7图示根据本发明的示例性实施例的预测分析物的浓度的方法的流程图。

在预测分析物的浓度的方法的示例性实施例中，在学习段期间获得活体内频谱，且通过基于所获得的活体内频谱执行pca而生成主分量频谱的基本集(s101)。在这种实施例中，基于从溶液获得的分析物的活体外固有频谱和校正项估计分析物的活体内固有频谱，并生成附加的基本集(s102)。在这种实施例中，估计分析物的活体内固有频谱的处理可以与上面相对于固有频谱估计器120描述的相同，且将省略其任何重复的详细说明。在这种实施例中，最小二乘法应用于在学习段期间从活体内频谱的主分量获得的基本集，估计分析物的活体内固有频谱的处理期间获得的附加的基本集和分析物的活体内固有频谱，以计算分析物的活体内固有频谱的系数，由此在预测段期间预测分析物的活体内浓度(s103)。

图8图示根据本发明的示例性实施例的用于比较意在用于人体的nas算法的性能的曲线图。

参考图8，从顶部的第一曲线图是基于未校正的活体内固有频谱(即，基于常规nas算法)比较预测血糖水平和测量血糖水平的曲线图，从顶部的第二曲线图是基于校正的活体内固有频谱(即，基于改进的nas算法)比较预测血糖水平和测量血糖水平的曲线图，且从顶部的第三曲线图是大约15分钟的延迟时间应用于改进的nas算法的状态下的结果曲线图。因为在皮肤中的葡萄糖浓度和血糖水平之间存在典型的大约15分钟的延迟时间，所以下部曲线图是大约15分钟的延迟时间添加到从顶部的第二曲线图的形式。

比较图8中的从顶部的第一曲线图和第三曲线图，在使用常规nas算法的血糖水平的预测结果和在8:30之后实际测量的血糖水平之间存在大的差值，因为在活体内固有频谱中未考虑校正项。然而，在本发明的示例性实施例中，基于精细估计的活体内固有频谱的使用改进nas算法的预测血糖水平基本上类似于测量血糖水平。

图9图示根据本发明的示例性实施例的用于预测分析物的浓度的设备的框图。

参考图9，浓度预测设备900的示例性实施例包括处理器910、存储器920和收发器930。

存储器920可以连接到处理器910并存储用于驱动处理器910的各种信息或者要由处理器910执行的程序。收发器930可以连接到处理器910，且可以发送有线或者无线信号到浓度预测设备900的外部和从其接收有线或者无线信号。处理器910可以配置为实现与在这里提出的根据本发明的预测分析物的浓度的方法的示例性实施例对应的功能、处理、指令或者方法。在这种实施例中，浓度预测设备900的操作可以由处理器910实现。

在本发明的示例性实施例中，存储器可以设置在处理器的内部或者外部，且可以通过现有技术中公知的手段或者元件连接到处理器。存储器可以是各种易失性和非易失性存储介质或装置之一。在一个示例性实施例中，例如，存储器可以包括rom或者ram。

虽然已经关于目前考虑为实际的示例性实施例描述了本发明，将要理解本发明不限于公开的实施例，而是相反地，意在覆盖在所附权利要求的精神和范围内包括的各种修改和等效布置。