1.本发明属于生物医学检测和超宽带微波无损检测领域，涉及一种新型超宽带微波无创检测血糖浓度装置。
背景技术：
2.糖尿病是一种慢性疾病，导致胰腺不再能够制造胰岛素，或者身体不能很好地利用产生的胰岛素。糖尿病可引起心脑血管疾病、眼病、肾病、糖尿病足等一系列并发症。因此，糖尿病患者需要经常测量血糖水平，以确保及时就医，防止病情恶化和并发症。对于正常人来说，需要定期检查身体的血糖水平，以防止患糖尿病的风险。临床上通过抽取静脉血检测血糖水平，这种方法的检测结果最为标准，在日常生活中，糖尿病患者也可以采用家用血糖仪对指尖采血进行血糖检测。为了实时监测糖尿病患者的血糖水平，并降低患者采血的痛感与感染风险，可采用基于超宽带天线的微波无创血糖检测方法。其检测原理在于，当人体血液中葡萄糖浓度变化时，血液的介电特性也会随之变化，由超宽带天线发射的电磁波穿透介电特性不同的血液层时，得到的接收信号会有所差异。由于得到的监测信号会受到环境等因素的干扰，与真实的血糖浓度呈非线性关系。因此，需要一种归回模型实现对血糖的准确估计。
技术实现要素：
3.本发明提供一种用于腕部的微波信号无损检测血糖浓度的方法，并设计一种符合血糖监测信号拟合的卷积神经网络来准确预测血糖浓度。本方法检测的目标位置是人体血管密集的手腕部位，通过矢量网络分析仪记录检测的微波信号，并在同一时刻利用基于指尖采血的商用血糖仪记录人体血糖浓度值，将其作为参考。本发明的技术方案如下：一种用于腕部的微波信号检测和级联的卷积神经网络组合的策略来预测人体血糖水平的方法，包括下列步骤：（1）将多个收发天线部署在人体手腕实现多传感检测，将其连接矢量网络分析仪来提供激励，并记录相关微波信号；（2）对被试者进行口服葡萄糖耐量实验，目的是使被试者体内血糖浓度发生变化。在实验过程中，每间隔一定时间保存矢量网络分析仪测得的s参数，同时使用商用血糖仪对受试者进行手指刺血检测血糖并进行记录血糖浓度值。每次记录检测结果的同时记录室内温度和受试者手腕部位温度；（3）读取采集自矢量网络分析仪探测的不同时间的人体血糖的s参数，并画出频域响应的波形图；（4）对矢量网络分析仪收集的检测信号以及每次测量获取的温度值进行数据预处理。之后输入设计的回归模型中，完成特征提取、回归预测、频率选择和最佳预测操作。
附图说明
4.图1测量装置图图2 不同时间的s参数图图3 工作流程图
具体实施方式
5.本发明的目的是克服目前有创血糖检测的不足，提出一种在人体血管密集的手腕部位采用微波技术检测血糖浓度值的方法，但由于微波信号易受环境、频率等因素干扰，导致微波信号变化与血糖浓度往往是非线性的。因此，需要结合一种智能算法对检测结果进行回归分析获得人体血糖浓度。通过部署的检测装置获得相应的信号。对这些信号首先进行归一化处理。利用卷积神经网络中的卷积层对信号进行特征提取，再通过池化层对提取的特征进行降维以实现去冗余的目的。最后将降维后的特征用全连接层进行一维连接并输入回归层。通过回归层获得每种参考浓度对应的预测数组。通过最佳频率选择从预测数组中选择最佳预测值，实现对人体血糖浓度较为准确的预测。
6.下面结合附图和实例对本发明进行说明。
7.（1）人体血糖浓度变化会引起血液介电常数的变化。因此，可以使用微波信号来表征人体血糖浓度。由于人体手腕部位血管较为密集，将多个收发天线部署在人体手腕部位，通过对微波信号采用级联卷积神经网络进行回归预测，可以实现对人体血糖的无创检测；（2）将天线与矢量网络分析仪连接起来，如图1所示，之后对矢量网络分析仪进行校准，并设置需要的工作频带；（3）口服葡萄糖耐量实验前，被试者应禁食10-16小时，并避免剧烈运动，实验开始时被试者尽量保持不动，每间隔一定时间保存矢量网络分析仪测得的s参数，同时使用商用血糖仪测量受试者的血糖浓度并进行记录，以及记录该时刻室内温度和受试者手腕部位的温度；（4）读取矢量网络分析仪测得的s参数，并绘制其频域响应的波形图，如图2所示。对记录的微波信号以及温度值进行归一化处理。
8.（5）将归一化后的微波信号和温度值输入提出的回归模型中。为了适应微波信号易受环境和检测频率的影响，提出一种级联的卷积神经网络。该模型包括多层卷积层进行特征提取，再通过对应的多层池化层对特征进行降维，将降维后的特征用全连接层进行特征连接方便后面回归层进行回归拟合。最后采用随机抽样一致性算法对预测值进行频率选择以获得最佳预测，整体工作流程如图3所示。
技术特征：
1.基于级联卷积神经网络的可穿戴微波无损检测人体血糖，该方法检测的目标组织是人体手腕部位，通过矢量网络分析仪记录检测的微波信号，并在同一时刻利用有指尖采血的商用血糖仪记录人体血糖浓度值作为参考，建立级联卷积神经网络回归模型来准确估计人体血糖浓度，本发明的技术方案如下：基于级联卷积神经网络的可穿戴微波无损检测人体血糖，包括下列步骤：（1）将多个收发天线固定在人体手腕位置，并将其连接矢量网络分析仪来记录s参数；（2）对被试者进行口服葡萄糖耐量实验，在实验过程中，每间隔一定时间保存矢量网络分析仪测得的相关s参数，同时使用商用血糖仪对受试者进行有创血糖检测并进行记录血糖浓度值，每次记录检测结果的同时记录室内温度和受试者手腕部位温度；（3）读取采集自矢量网络分析仪探测的不同时间的人体血糖的s参数，并画出频域响应的波形图；（4）对矢量网络分析仪收集的检测信号进行数据预处理之后输入设计的级联卷积神经网络中；（5）通过卷积核不同的多层卷积层来获得更高纬度的特征，有利于后续网络的训练；（6）通过多次不同维度的特征提取获得大量的高维特征，同时包含一些冗余特征，因此，需要进行特征降维，该系统采用最大池化操作对特征进行降维，最后采用全连接层对降维后的特征进行一维连接；（7）对处理后的特征与其对应的参考浓度值输入回归层进行拟合，最后每个参考浓度得到一组对应的预测数组，该数组内元素与频点一一对应；（8）采用随机抽样一致性算法对预测数组进行频率选择，以获得最佳血糖浓度预测。
技术总结
本发明涉及一种基于级联卷积神经网络的可穿戴微波无损检测人体血糖的方法。本发明首先要在人体手腕部位部署多个收发天线并连接矢量网络分析仪；对受试者进行口服葡萄糖耐量实验，并按一定时间间隔记录实验中检测到的微波信号，商用血糖仪测得的血糖值，以及室内和检测手腕部位的温度；对收集的微波信号和温度值进行归一化处理；将归一化后的数据通过多层卷积层进行高维特征提取；采用对应的最大池化层对提取的特征进行去冗余，并通过全连接层将其一维连接。将处理后的特征输入回归层进行回归预测；采用随机抽样一致性算法对预测得到的预测数组进行频率选择，以获得最佳血糖浓度预测。测。
技术研发人员：肖夏 王增祥
受保护的技术使用者：天津大学
技术研发日：2021.09.04
技术公布日：2023/3/6