一种面向个人的无创血糖检测系统及其标注方法与流程

1.本发明涉及血糖检测技术领域，具体涉及一种面向个人的无创血糖检测系统及其标注方法。


背景技术：

2.血糖是糖尿病的一个比较重要的指标之一。糖尿病患必须终身控制血糖值并以及时血糖值作为服用或施打胰岛素控制的依据，因此需要频繁的测量人体血液中血糖浓度，以防不测。
3.现有的血糖检测可采用采用血糖计，血糖计外部有铂和氯化银-银电极；内部有单片机，电极输出线与单片机连接；面板上有数值显示器和状态显示器。测试时，需抽取待测量者的血液，将抽取的血液涂在血糖计中的试纸上，利用血液中的葡萄糖与血糖计中试纸上的葡萄糖化酶发生作用，即利用葡萄糖氧化酶膜技术，发生作用的试纸在血糖计的电极上，即由铂和氯化银——银组成的电极上产生电流，所产生的电流由血糖计内的单片机计算后，转换成数字信号，由液晶显示器显示出来，该显示出来的数字就是测量者血液中的血糖浓度。
4.而且，如要测量一组完整的数据，一般需要在一天内测量8次，每测量一次就要抽一次血，即需要抽取病人8次血液才能完成，病人感染机会增加，同时给病人带来很大痛苦，而且由于不同的糖尿病患者的血糖变化特征不同，因为每个糖尿病患者的患病情况不同，有的严重，有的轻微，因此还需针对不同的患者设计不同的血糖检测方案。


技术实现要素：

5.本发明的目的在于提供一种面向个人的无创血糖检测系统及其标注方法，解决以下技术问题：
6.如何提供能够对某一目标患者进行针对性且准确的无创血糖检测。
7.本发明的目的可以通过以下技术方案实现：
8.一种面向个人的无创血糖检测系统，包括近红外采样单元和血糖标签数据库以及处理单元；
9.所述近红外采样单元，用于对目标患者进行红外光发射并接收对应的反射波长采样数据；
10.所述血糖标签数据库，用于储存与所述目标患者关联的血糖数据标签的数据集合；
11.处理单元，用于对所述反射波长采样数据进行预处理得到对应的特征值，根据预设相似度计算方法从所述血糖标签数据库中获取与所述特征值相似度最高的第一血糖数据标签和第二血糖数据标签；
12.其中，所述血糖数据标签表示所述目标患者的历史真实血糖值与历史波长采样数据的对应特征值之间的对应关系；
13.所述处理单元根据所述第一血糖数据标签和所述第二血糖数据标签所分别对应的所述历史真实血糖值确定真实血糖浓度范围；
14.所述处理单元按照预设计算规则计算与所述反射波长采样数据对应的实际血糖值。
15.通过上述技术方案，由于不同浓度的血糖对光的吸收和散射不同，可基于漫反射或透射等光学原理对患者进行无创的血糖检测，本发明可先采用近红外采样单元的的近红外光源照射人体皮肤，再通过近红外采样单元的接收器接收光信号后，将得到的反射波长采样数据预处理为对应的特征值，然后将该特征值与血糖标签数据库中的数据标签进行比对，由于数据标签分别均分别代表目标患者的历史真实血糖值和历史波长采样数据之间的对应关系，所以在得到血糖标签数据库中与该特征值最为接近的两个数据标签后，便可通过对应的两个历史真实血糖值来确定目标患者的反射波长采样数据所真正对应的实际血糖值的所在范围，最后便可通过预设计算规则确定实际血糖值的具体数值，实现对目标患者的持续无创血糖值检测，因此可以根据每个目标患者患病情况不同，设计并适配不同的血糖检测方案，实现更加精准的无创血糖监测。
16.作为本发明进一步的方案：所述预处理还包括：
17.根据所述反射波长采样数据生成箱线图，根据所述箱线图对所述反射波长采样数据中的异常数据剔除。
18.通过上述技术方案，可尽量去除反射波长采样数据中的杂波，减少对后续血糖值确定所产生的干扰。
19.作为本发明进一步的方案：所述预处理还包括：
20.对所述反射波长采样数据进行均值滤波降噪处理。
21.通过上述技术方案，可提升第一血糖数据标签和第二血糖数据标签的确认精准度，从而提升实际血糖值的检测精准度。
22.作为本发明进一步的方案：所述预设相似度计算方法采用knn方法进行，计算所述反射波长采样数据对应所述特征值和所述血糖数据标签中所述历史波长采样数据对应的特征值之间的欧式距离，根据最小的两个所述欧式距离确定所述第一血糖数据标签和所述第二血糖数据标签。
23.通过上述技术方案，knn算法的核心思想是，如果一个样本在特征空间中的k个最相邻的样本中的大多数属于某一个类别，则该样本也属于这个类别，并具有这个类别上样本的特性。该方法在确定分类决策上只依据最邻近的一个或者几个样本的类别来决定待分样本所属的类别，在进行类别决策时，只与极少量的相邻样本有关，且由于knn方法主要靠周围有限的邻近的样本，而不是靠判别类域的方法来确定所属类别的，因此对于类域的交叉或重叠较多的待分样本集来说，knn方法较其他方法更为适合。
24.作为本发明进一步的方案：所述处理单元，还用于计算所述第一血糖数据标签对应的历史真实血糖值与所述第二血糖数据标签对应历史真实血糖值之间的差值；
25.当所述差值高于所述预设阈值时，对所述反射波长采样数据进行降噪处理后发送所述处理单元重新获取所述第一血糖数据标签和所述第二血糖数据标签。
26.通过上述技术方案，当所述差值高于所述预设阈值时，认为反射波长采样数据中存在较大的噪声，需要进行处理后重新进行第一血糖数据标签和第二血糖数据标签的确
定，否则会影响最后实际血糖值的精准度。
27.作为本发明进一步的方案：所述预设计算规则包括：
28.(y-a)/(b-a)＝(x-a)/(b-a)；
29.其中，a为所述第一血糖数据标签对应的历史真实血糖值，b为所述第二血糖数据标签对应的历史真实血糖值，x为所述反射波长采样数据对应的特征值，a为所述第一血糖数据标签对应的特征值，b为所述第二血糖数据标签对应的特征值，y为所述实际血糖值。
30.一种面向个人的无创血糖标注方法，包括：
31.分时获取目标患者的血样并同时获取所述目标患者的反射波长采样数据；
32.对所述血样进行血糖测定，记录为历史真实血糖值；
33.对所述反射波长采样数据进行预处理，得到对应的特征值；
34.将所述特征值与所述历史真实血糖值关联后进行储存并标注，生成与所述目标患者关联的血糖数据标签。
35.本发明的有益效果：
36.本发明可先采用近红外采样单元的的近红外光源照射人体皮肤，再通过近红外采样单元的接收器接收光信号后，将得到的反射波长采样数据预处理为对应的特征值，然后将该特征值与血糖标签数据库中的数据标签进行比对，由于数据标签分别均分别代表目标患者的历史真实血糖值和历史波长采样数据之间的对应关系，所以在得到血糖标签数据库中与该特征值最为接近的两个数据标签后，便可通过对应的两个历史真实血糖值来确定目标患者的反射波长采样数据所真正对应的实际血糖值的所在范围，最后便可通过预设计算规则确定实际血糖值的具体数值，实现对目标患者的持续无创血糖值检测，因此可以根据每个目标患者患病情况不同，设计并适配不同的血糖检测方案，实现更加精准的无创血糖监测。
附图说明
37.下面结合附图对本发明作进一步的说明。
38.图1为本发明中无创血糖检测系统的模块连接示意图；
39.图2为本发明中面向个人的无创血糖标注方法流程图。
具体实施方式
40.下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其它实施例，都属于本发明保护的范围。
41.请参阅图1所示，本发明为一种面向个人的无创血糖检测系统，包括近红外采样单元和血糖标签数据库以及处理单元；
42.近红外采样单元，用于对目标患者进行红外光发射并接收对应的反射波长采样数据；
43.血糖标签数据库，用于储存与目标患者关联的血糖数据标签的数据集合；
44.处理单元，用于对反射波长采样数据进行预处理得到对应的特征值，根据预设相
似度计算方法从血糖标签数据库中获取与特征值相似度最高的第一血糖数据标签和第二血糖数据标签；
45.其中，血糖数据标签表示目标患者的历史真实血糖值与历史波长采样数据的对应特征值之间的对应关系；
46.处理单元根据第一血糖数据标签和第二血糖数据标签所分别对应的历史真实血糖值确定真实血糖浓度范围；
47.处理单元按照预设计算规则计算与反射波长采样数据对应的实际血糖值。
48.通过上述技术方案，本发明可先采用近红外采样单元的的近红外光源照射人体皮肤，再通过近红外采样单元的接收器接收光信号后，将得到的反射波长采样数据预处理为对应的特征值，然后将该特征值与血糖标签数据库中的数据标签进行比对，由于数据标签分别均分别代表目标患者的历史真实血糖值和历史波长采样数据之间的对应关系，所以在得到血糖标签数据库中与该特征值最为接近的两个数据标签后，便可通过对应的两个历史真实血糖值来确定目标患者的反射波长采样数据所真正对应的实际血糖值的所在范围，最后便可通过预设计算规则确定实际血糖值的具体数值，实现对目标患者的持续无创血糖值检测，因此可以根据每个目标患者患病情况不同，设计并适配不同的血糖检测方案，实现更加精准的无创血糖监测。
49.在本发明中，近红外采样单元中设置有多组红外发射源，且还包括其他生物传感器，比如室温传感器、体温传感器、湿度传感器、陀螺仪传感器。
50.作为本发明进一步的方案：预处理还包括：
51.根据反射波长采样数据生成箱线图，根据箱线图对反射波长采样数据中的异常数据剔除。
52.通过上述技术方案，可尽量去除反射波长采样数据中的杂波，减少对后续血糖值确定所产生的干扰。
53.作为本发明进一步的方案：预处理还包括：
54.对反射波长采样数据进行均值滤波降噪处理。
55.通过上述技术方案，可提升第一血糖数据标签和第二血糖数据标签的确认精准度，从而提升实际血糖值的检测精准度。
56.作为本发明进一步的方案：预设相似度计算方法采用knn方法进行，计算反射波长采样数据对应特征值和血糖数据标签中历史波长采样数据对应的特征值之间的欧式距离，根据最小的两个欧式距离确定第一血糖数据标签和第二血糖数据标签。
57.其中，knn算法的核心思想是，如果一个样本在特征空间中的k个最相邻的样本中的大多数属于某一个类别，则该样本也属于这个类别，并具有这个类别上样本的特性。该方法在确定分类决策上只依据最邻近的一个或者几个样本的类别来决定待分样本所属的类别，在进行类别决策时，只与极少量的相邻样本有关，且由于knn方法主要靠周围有限的邻近的样本，而不是靠判别类域的方法来确定所属类别的，因此对于类域的交叉或重叠较多的待分样本集来说，knn方法较其他方法更为适合。
58.作为本发明进一步的方案：处理单元，还用于计算第一血糖数据标签对应的历史真实血糖值与第二血糖数据标签对应历史真实血糖值之间的差值；
59.当差值高于预设阈值时，对反射波长采样数据进行降噪处理后发送处理单元重新
获取第一血糖数据标签和第二血糖数据标签。
60.通过上述技术方案，当差值高于预设阈值时，认为反射波长采样数据中存在较大的噪声，需要进行处理后重新进行第一血糖数据标签和第二血糖数据标签的确定，否则会影响最后实际血糖值的精准度。
61.预设计算规则包括：
62.(y-a)/(b-a)＝(x-a)/(b-a)；
63.其中，a为第一血糖数据标签对应的历史真实血糖值，b为第二血糖数据标签对应的历史真实血糖值，x为反射波长采样数据对应的特征值，a为第一血糖数据标签对应的特征值，b为第二血糖数据标签对应的特征值，y为实际血糖值。
64.举个例子，针对一个目标患者h，可佩戴带有近红外采样单元的手表进行血糖数据检测，设计与其关联的血糖标签数据库，该血糖标签数据库中包含以下数据标签，比如：
65.特征值x1为log(adc)，log(adc)＝1，对应的历史真实血糖值为5.6；
66.特征值x2为log(adc)，log(adc)＝2，对应的历史真实血糖值为6.5；
67.特征值x3为log(adc)，log(adc)＝3，对应的历史真实血糖值为7.9；
68.特征值x4为log(adc)，log(adc)＝4，对应的历史真实血糖值为8.2；
69.其中，adc为近红外采样单元的模数转换模块的采样输出值，可对其取log作为特征值；在建立好血糖标签数据库后，对目标患者用户进行测试时得到adc值，当log(adc)＝2.5时，将该值使用欧式距离的计算方法在血糖标签数据库中进行查找，会发现接近2.5的是特征值x2和特征值x3，那么此时特征值2.5对应的真实血糖值应当在6.5和7.9之间，之后便可采用线性插值方法计算log(adc)＝2.5的血糖值为：
70.(y-6.5)/(7.9-6.5)＝(x-2)/(3-2)；
71.上式中，x＝2.5，带入计算得到y＝7.2，可判断此时的实际血糖值为7.2。
72.配套的，一种面向个人的无创血糖标注方法，包括：
73.分时获取目标患者的血样并同时获取目标患者的反射波长采样数据；
74.对血样进行血糖测定，记录为历史真实血糖值；
75.对反射波长采样数据进行预处理，得到对应的特征值；
76.将特征值与历史真实血糖值关联后进行储存并标注，生成与目标患者关联的血糖数据标签。
77.以上对本发明的一个实施例进行了详细说明，但所述内容仅为本发明的较佳实施例，不能被认为用于限定本发明的实施范围。凡依本发明申请范围所作的均等变化与改进等，均应仍归属于本发明的专利涵盖范围之内。