便携式无创血糖检测设备及方法与流程

本发明涉及无创血糖检测技术领域，尤其涉及一种便携式无创血糖检测设备及方法。

背景技术：

随着社会经济的发展，糖尿病已经成为现代社会危害人类健康的主要疾病之一。血糖的过高或过低，不仅影响患者的新陈代谢，还有一些并发症，像心血管疾病和神经病变，这些对于患者的身体健康有着很大的威胁。根据世界卫生组织的报告，到2035年全世界将会有3亿糖尿病患者，其中，中国的糖尿病患者也将会有很大一部分。近年来，糖尿病的患者不仅存在于一些老年人当中，对于一些年轻人，也开始出现糖尿病病症。糖尿病是一种慢性疾病，很难通过一次性的治疗达到很好的效果，所以糖尿病患者需要实时准确的了解自己的血糖水平。

但是目前对于血糖检测的方法，在医院或者患者自己在家中，都是采用有创的血糖检测方法，即直接抽取患者血液，根据电化学的方法检测患者的血糖水平。这种检测方法对患者造成一定的生理痛苦，而且反复抽血容易造成感染。进一步，电化学反应试纸价格昂贵，对于糖尿病患者而言，也是一种较大的经济负担。无创血糖检测可消除患者检测的痛苦，可频繁检测，改善患者生活质量。

目前，存在许多无创血糖检测方法，其中基于红外光的对人体血液中葡萄糖浓度的检测方法被广泛应用于无创血糖检测的研究中。然而血液中除了葡萄糖还存在许多其他成分，限制了血糖检测的精度。如何提高血糖检测的精度成为亟待解决的问题。

技术实现要素：

本发明的主要目的在于提供一种便携式无创血糖检测设备及方法，旨在解决现有无创血糖检测方法对血糖检测的精度和准确度不高的技术问题。

为实现上述目的，本发明提供了一种便携式无创血糖检测设备，包括信号采集器和无创血糖检测装置，所述信号采集器与无创血糖检测装置之间连接有信号处理电路，其中：

所述信号采集器包括上检测板、下检测板、红外光源和光电传感器；所述红外光源嵌于上检测板的前端下表面，用于发射近红外光照射在人体待测部位；所述光电传感器嵌于下检测板的前端上表面，用于从近红外光照射下的人体待测部位获取脉搏波信号并发送信号处理电路进行信号前置处理；

所述无创血糖检测装置包括微处理器以及存储器，所述存储器存储有无创血糖检测系统，所述无创血糖检测系统由多条指令组成并存储在存储器中，所述多条指令由微处理器加载并执行如下步骤：

从信号处理电路获取脉搏波信号，并提取所获取的脉搏波信号的特征值；

采用预测神经网络检测脉搏波信号的特征值得到血糖浓度的初始检测值；

采用分类神经网络检测脉搏波信号的特征值得到血糖浓度的检测区间；

判断初始检测值是否属于检测区间内；

当初始检测值在检测区间内时，将初始检测值显示在显示屏上作为人体血糖浓度值。

优选的，所述信号采集器还包括支撑架，该支撑架的上端设置有滑动槽，所述上检测板的一端设置在滑动槽内，所述下检测板固定在支撑架的下端并与上检测板轴线平行设置。

优选的，所述下检测板的上表面设有铰链机构，该铰链机构的上端设有复位弹簧并通过复位弹簧与上检测板连接，所述铰链机构的下端设有支撑杆并通过该支撑杆固定在下检测板的上表面。

优选的，所述下检测板的前端上表面还设置有检测部，该检测部用于放置人体待测部位，所述光电传感器设置在所述检测部内。

优选的，所述红外光源至少包括800nm-1500nm波段内的多个近红外发光管，用于向人体待测部位发射至少包括800nm-1500nm波段的近红外光信号。

此外，本发明还提供一种无创血糖检测方法，应用于便携式无创血糖检测设备中，所述无创血糖检测方法包括步骤：

信号处理电路控制红外光源发射近红外光照射在人体待测部位；

光电传感器从人体待测部位获取脉搏波信号并发送至信号处理电路；

信号处理电路对脉搏波信号进行信号前置处理；

无创血糖检测装置从信号处理电路获取脉搏波信号，并提取所获取的脉搏波信号的特征值；

无创血糖检测装置采用预测神经网络检测脉搏波信号的特征值得到血糖浓度的初始检测值；

无创血糖检测装置采用分类神经网络检测脉搏波信号的特征值得到血糖浓度的检测区间；

无创血糖检测装置判断初始检测值是否属于检测区间内；

如果初始检测值在检测区间内，无创血糖检测装置则将初始检测值显示在显示屏上作为人体血糖浓度值。

优选的，所述无创血糖检测方法包括步骤还包括步骤：如果初始检测值不在检测区间内，无创血糖检测装置则舍弃该初始检测值并对下一个脉搏波信号进行检测直到初始检测值在检测区间内为止。

优选的，所述信号处理电路对脉搏波信号进行信号前置处理的步骤包括如下步骤：对脉搏波信号进行滤波去除脉搏波信号中的噪声和直流分量，留下所需的交流分量；对脉搏波信号进行放大和模数转换以得到脉搏波信号的数字信号，并将该数字信号发送给无创血糖检测装置。

优选的，所述红外光源至少包括800nm-1500nm波段内的多个近红外发光管，用于向人体待测部位发射至少包括800nm-1500nm波段的近红外光。

优选的，所述无创血糖检测方法包括步骤还包括步骤：还包括步骤：无创血糖检测装置将预设波段内每一次采集到多个脉搏波信号进行检测以得到多个血糖检测结果；无创血糖检测装置对多个血糖检测结果去掉最大值和最小值后计算同一次血糖检测结果的平均值，并将该将平均值作为最终的人体血糖浓度值。

相较于现有技术，本发明所述便携式无创血糖检测设备及方法采用预测神经网络检测获取的脉搏波信号得到血糖浓度所属的检测区间，并判断分类神经网络检测获取的脉搏波信号得到血糖浓度的初始检测值是否属于检测区间，当初始检测值在所述检测区间内时，则该初始检测值为血糖浓度值，通过对初始检测值所属区间进行判断，能够有效地减小人体血液中其它成分对血糖浓度造成的干扰，提高了血糖浓度检测的精度和准确度。

附图说明

图1是本发明便携式无创血糖检测设备优选实施例的结构示意图；

图2是本发明便携式无创血糖检测设备中的无创血糖检测装置的结构示意图；

图3是本发明无创血糖检测方法优选实施例的流程图；

图4为脉搏波信号的一种波形示意图；

图5为图3中步骤s33的提取脉搏波信号的特征值的细化流程图。

本发明目的的实现、功能特点及优点将结合实施例，参照附图做进一步说明。

具体实施方式

为更进一步阐述本发明为达成预定发明目的所采取的技术手段及功效，以下结合附图及较佳实施例，对本发明的具体实施方式、结构、特征及其功效，详细说明如下。应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。

参照图1所示，图1是本发明便携式无创血糖检测设备优选实施例的结构示意图。在本实施例中，所述便携式无创血糖检测设备包括信号采集器1和无创血糖检测装置2，其中：信号采集器1用于对待测者进行采集并输出脉搏波信号。无创血糖检测装置2与信号采集器1连接，用于对信号采集器1输出的脉搏波信号(ppg信号)进行检测，以得到待测者的血糖浓度。

在本实施例中，所述信号采集器1包括支撑架10、上检测板11、下检测板12、红外光源13以及光电传感器14。其中，支撑架10的上端设置有滑动槽100、上检测板11的一端与滑动槽100活动连接，即上检测板11可以在滑动槽100内上下移动，从而可以调节上检测板11与下检测板12之间的距离，适合放置不同大小的人体待测部位进行血糖检测，提高了设备的使用灵活性和适用性。下检测板12固定在支撑架10的下端，并与上检测板11轴线平行设置。下检测板12的上表面设有铰链机构16，该铰链机构16的两侧设有复位弹簧17，并通过复位弹簧17与上检测板11连接。铰链机构16的下端设有支撑杆18，该铰链机构16通过支撑杆18固定在下检测板12的上表面。

在本实施例中，所述上检测板11位于铰链机构16的正上方位置处开设有螺孔110，螺孔110设置有内螺纹。铰链机构16的上端固定有螺杆111，该螺杆111的外表面设置有外螺纹，螺杆111穿过螺孔110且螺杆111的外螺纹与螺孔110的内螺纹相匹配。由于铰链机构16通过复位弹簧17连接至上检测板11上，因此使用者可以手动旋转螺杆111使上检测板11上下移动带动复位弹簧17上下弹升与压缩，从而可以使上检测板11沿滑动槽100上下移动，因此可以调节上检测板11与下检测板12之间的距离。在本实施例中，所述红外光源13嵌于上检测板11的前端下表面，所述光电传感器14嵌于下检测板12的前端上表面，由于上检测板11和下检测板12平行设置，因此红外光源13和光电传感器14同轴分布设置。

在本实施例中，所述光电传感器14设置在检测部15内，所述检测部15设置下检测板12的前端上表面，用于提供血糖浓度检测的场所，可以用于放置人体待测部位，例如人体手指指尖、耳垂或者手腕等人体毛细血管密集的人体组织；所述红外光源13为近红外发光管，用于向检测部15发送至少包括近红外光的光信号，作为优选的实施例，红外光源13可以包括800nm-1500nm波段内多个近红外发光管，近红外发光管峰值波长偏差为±10nm，辐射功率大于3mw；光电传感器14用于接收经过检测部15后的光信号并转化为电信号输出，在具体实施例中，可以对光电传感器14所接收的波段进行设置，以使光电传感器14接收的光信号波段为近红外光波段，具体地，光电传感器14接收的峰值波长偏差为±10nm，感光电流大于10ua，光电传感器14接收的峰值波长偏差小于±10nm。需要说明的是，在优选的实施例中，当对光电传感器14所接收的波段进行设置后，红外光源13可以包含其它波段的光信号，但需要满足红外光源13所发送的光信号至少包括近红外光。

在优选的实施例中，在信号采集器1和无创血糖检测装置2之间可以连接有信号处理电路3。具体地，信号处理电路3通过控制线连接至信号采集器1的红外光源13，并通过信号线连接至信号采集器1的光电传感器14以及无创血糖检测装置2。当人体待测部位放置在检测部15并开启电源开关19时，信号处理电路3控制红外光源13开启并发射近红外光照射在人体待测部位，通过光电传感器14从人体待测部位获取脉搏波信号，并对脉搏波信号进行信号前置处理。例如对光电传感器14输出的信号进行转换、前置放大和滤波等。具体地，在对脉搏波信号进行滤波时，可以采用滤波器对脉搏波信号进行滤波，能够去除脉搏波信号中的噪声和直流分量，留下所需的交流分量；对脉搏波信号进行放大和模数转换，作为例子，可以采用信号放大器对脉搏波信号进行放大，采用12位模数转换器(adc)进行采样，采样频率例如可以是1khz，以得到脉搏波信号的数字信号，并将该数字信号发送给无创血糖检测装置2进行后续的处理。在具体实施例中，脉搏波信号可以为光电容积脉搏波信号，也可以为生物阻抗信号或压力传感信号。在本实施例中，所述光电传感器14采集的脉搏波信号为光电容积脉搏波信号(ppg信号)。信号处理电路3还可以为信号采集器1(例如红外光源13和光电传感器14)提供电源。优选地，上检测板11的上表面还设置有电源开关19，该电源开关19通过电源线连接至红外光源13与信号处理电路3之间，用于开启红外光源13发射近红外光，或者关闭红外光源13停止发射近红外光。

在本实施例中，采集ppg信号选择人体的耳垂或者指尖作为提取ppg信号的部位，将耳垂或者指尖放置信号采集器1的检测部15。指尖和耳垂的血液比较丰富，随着心脏的周期性循环，光电传感器能探测到的光电信号周期性的变化，为了得到稳定的光电容积脉搏波，需要将外界的影响因素降到最低或者变为可控，例如环境温度和湿度，综上而言，耳垂或者指尖是最为合适的提取ppg信号的部位。经过近红外光谱透射人体皮肤组织或者经过人体皮肤组织反射得到光电容积脉搏波。

参考图2所示，图2为无创血糖检测装置2的结构示意图。在本实施例中，所述无创血糖检测装置2包括微处理器21、存储器22以及显示屏23。所述存储器21存储有无创血糖检测系统20，该无创血糖检测系统20由各种指令组成的多个模块并存储在存储器22中。所述无创无创血糖检测系统20包括，但不仅限于，信号获取模块201、特征值提取模块202、初始检测模块203、区间检测模块204以及血糖值输出模块205。本发明所称的模块是指一种能够被所述微处理器20执行并且能够完成固定功能的一系列计算机程序指令，其存储在所述存储器21中。

所述的微处理器21可以为一种中央处理器(centralprocessingunit，cpu)、微控制器(mcu)、数据处理芯片、或者具有数据处理功能的信息处理单元。所述存储器22可以为一种只读存储单元rom，电可擦写存储单元eeprom、快闪存储单元flash或固体硬盘等。所述显示屏23为一种小尺寸lcd或led显示单元，其镶嵌于无创血糖检测装置2的壳体外表面，由于显示测量的人体血糖浓度值。本实施例将结合图3、4和5具体说明无创血糖检测系统20中各个模块的功能。

参考图3所示，是本发明无创血糖检测方法的优选实施例的流程图。在本实施例中，基于上述便携式无创血糖检测设备，本发明还公开了一种无创血糖检测方法，结合图1和图2所示，该无创血糖检测方法包括如下步骤：

步骤s31，当使用者开启信号采集器1的电源开关19时，信号处理电路3控制红外光源13发射近红外光照射在人体待测部位，光电传感器14从人体待测部位获取脉搏波信号并发送至信号处理电路3对脉搏波信号进行前置处理。在本实施例中，红外光源13可以发射800nm-1500nm波段内多个近红外发光管，光电传感器14从人体待测部位获取脉搏波信号，信号处理电路3从光电传感器14获取脉搏波信号，并对脉搏波信号进行信号转换、前置放大和滤波等信号处理。

步骤s32，信号获取模块201从信号处理电路3获取脉搏波信号。所称脉搏波信号承载着待测样本血糖浓度信息。本实施例中，所称脉搏波信号优选为光电容积脉搏波信号。葡萄糖分子式含有多个o-h、c-h化学键，在800nm-1500nm波段存在吸收峰值和吸收峰谷，吸收峰值波长作为关键波长，该波长是血糖对近红外光吸收的峰值波长，能够反映血糖对近红外光的吸收情况，吸收峰谷波长作为参考波长。关键波长产生的光电容积脉搏波不仅包含了血糖对近红外光的吸收信息，而且包含血液中的其他物质对近红外光的吸收信息。将参考波长和关键波长相结合进行建模，可以有效地减少其他物质对近红外光吸收的影响。本实施例中，选择波长小于1500nm的近红外光的另一个重要原因是由于这些波长容易获取，都是一些常见的近红外波长，例如典型的砷化镓二极管就能达到需求，降低了无创血糖检测的成本。

步骤s33，特征值提取模块202提取所获取的脉搏波信号的特征值。在具体实施例中，所述脉搏波信号的特征值可以是脉搏波信号单位周期内的幅值，也可以是主波波峰与主波上升时间比值和次波主波相对高度值。在优选的实施例中，请参考图4所示，图4为脉搏波信号的一种波形示意图。在一个波形周期内，所述特征值为脉搏波信号的主波峰p、主波谷a、次波峰t及次波谷v的主峰幅值hp、主谷幅值ha、次峰幅值ht、次谷幅值hv、主峰-次谷时间间隔t1、主峰-次峰时间间隔t2、主峰-主谷时间间隔t3和相邻主峰时间间隔t4。在具体实施例中，特征值提取模块202可以采用小波变换的方式当提取脉搏波信号的特征值：主峰幅值hp、主谷幅值ha、次峰幅值ht、次谷幅值hv、主峰-次谷时间间隔t1、主峰-次峰时间间隔t2、主峰-主谷时间间隔t3和相邻主峰时间间隔t4。

步骤s34，初始检测模块203采用预测神经网络检测脉搏波信号的特征值得到血糖浓度的初始检测值。在具体实施例中，初始检测模块203可以通过预测神经网络对获取的脉搏波信号的特征值进行第一检测，从而得到血糖浓度的初始检测值。在具体实施时，应首先对预测神经网络进行训练，预测神经网络的训练可以是在线的，也可以是离线的，本实施例中，优选为离线训练，可以采用标准的ppg特征值训练信号进行训练，对于预测神经网络，输入是光电容积脉搏波的特征值，将对应的有创检测血糖浓度值(预先采集的血糖样本值)作为输出，然后使用例如matlab神经网络进行训练出预测神经网络。

步骤s35，区间检测模块204采用分类神经网络检测脉搏波信号的特征值得到血糖浓度所属的检测区间。在具体实施例中，区间检测模块204可以通过分类神经网络来对获取的脉搏波信号进行第二检测，以得到获取的脉搏波信号所在的区间。具体地，以人体为例，血糖浓度可以按照步长为1进行划分分类区间[3，4]、[4，5]、[5，6]…[24，25]，从而将涵盖人体血糖浓度范围3～25划分成了多个区间。对分类神经网络进行训练中，输入是光电容积脉搏波的特征值，将对应的血糖浓度值进行分类，如血糖浓度值属于区间[3，4]记为第一类，属于区间[4，5]记为第二类，属于区间[5，6]记为第三类，以此类推作为输出，直到将训练过程中出现的所有血糖值的区间[3，25]包含在内，然后使用例如matlab神经网络进行训练出分类神经网络。

步骤s36，血糖值输出模块205将初始检测值与检测区间进行比对判断初始检测值是否属于检测区间内。如果初始检测值在检测区间内，则执行步骤s37，则该初始检测值则为脉搏波信号中承载的血糖浓度值，则血糖值输出模块205将初始检测值显示在显示屏23上作为人体血糖浓度值。如果初始检测值不在检测区间内，则执行步骤s38而后转向步骤s32，即血糖值输出模块205舍弃初始检测值并对下一个脉搏波信号进行检测直到初始检测值在检测区间内为止。举例子来讲，譬如采用预测神经网络得到的初始检测值为4.6，采用分类神经网络得到的检测区间为[4，5]，则说明初始检测值属于该检测区间；反之，如果采用分类神经网络得到的检测区间为[5，6]、[3，4]或[9，10]等，则说明初始检测值不属于该检测区间内。如果初始检测值不在检测区间内，则该初始检测值与实际的血糖浓度值相差较大，则舍弃该初始检测值并对下一个脉搏波信号进行检测。

在本实施例中，提取ppg采集信号的特征值，并分别送入预测神经网络和分类神经网络进行第一检测和第二检测。利用预测神经网络进行第一检测得到初始检测值(血糖值r1)，利用分类神经网络进行第二检测得到检测区间(血糖区间r2)。利用r1判断血糖值所属区间，如果r1所在区间属于r2，那么则认为r1是正确的，保留检测结果r1作为人体血糖浓度值；反之，则认为检测结果错误，丢弃检测结果r1并对下一个脉搏波信号进行检测直到检测结果r1属于区间属于r2内，将作为人体血糖浓度值，如此反复检测能够有效地减小其它成分(例如水分等)对血糖浓度造成的干扰，提高了血糖浓度检测的精度和准确度。

如图5所示，图5为图3中的步骤s33提取脉搏波信号的特征值的细化流程图。具体地，特征值提取模块202采用小波变换的方式提取脉搏波信号的特征值包括如下步骤：

步骤s331，特征值提取模块202对获取的脉搏波信号进行小波变换得到小波变换序列。在小波变换之前，可以首先对获得的脉搏波信号(例如ppg信号)进行去噪处理，再对消噪后的纯净信号进行平稳小波变换，平稳小波变换后根据所得值得到小波变换序列。

步骤s332，特征值提取模块202根据预设阈值在小波变换序列中查找符合预设阈值的模极大值。在得到小波变换序列之后，可以确定合适的预设阈值，以查找符合预设阈值的模极大值，在本实施中，小波变换序列中的模极大值包括正的模极大值、负的模极大值和相关的次模极大值。

步骤s333，特征值提取模块202根据模极大值提取脉搏波信号的特征值。在本实例中，如图4所示，脉搏波信号的特征值包括主峰幅值hp、主谷幅值ha、次峰幅值ht、次谷幅值hv，并根据主波峰p、主波谷a、次波峰t及次波谷v的位置得到特征值主峰-次谷时间间隔t1、主峰-次峰时间间隔t2、主峰-主谷时间间隔t3和相邻主峰时间间隔t4。

本实施例公开的便携式无创血糖检测设备及方法，由于采用预测神经网络检测获取的脉搏波信号得到血糖浓度所属的检测区间，并判断分类神经网络检测获取的脉搏波信号得到血糖浓度的初始检测值是否属于检测区间，当初始检测值在所述检测区间内时，则该初始检测值为血糖浓度值，通过对初始检测值所属区间进行判断，能够有效地减小其它成分对血糖浓度造成的干扰，提高了血糖浓度检测的精度和准确度。

本领域技术人员可以理解，上述实施方式中各种方法的全部或部分步骤可以通过程序来指令相关硬件完成，该程序可以存储于计算机可读存储介质中，存储介质可以包括：只读存储器、随机存储器、磁盘或光盘等。

以上仅为本发明的优选实施例，并非因此限制本发明的专利范围，凡是利用本发明说明书及附图内容所作的等效结构或等效流程变换，或直接或间接运用在其他相关的技术领域，均同理包括在本发明的专利保护范围内。