The invention relates to a correction model algorithm of a near infrared transmission non-invasive blood glucose meter. The algorithm is based on the Longbow Bill's law for nonlinear expansion and nonlinear dimensionality reduction, and the correction model is established by using RBF neural network. Includes the following steps: firstly, the absorbance data of 5 wavelength LED photoelectric receiving tube obtained by the nonlinear propagation, propagation including polynomial expansion and logarithmic expansion; a total of 25 dimensional data and the expansion of the use of manifold learning to reduce the local linear embedding theory in Linear (Locally Embedding, LLE the 25 dimensional data) algorithm, reduced to 10 dimensional; with successive projection algorithm (Successive Projections Algorithm, SPA) to select 5 wavelength sensitive data from 10 dimensional data; 5 wavelength data correction model is established by using RBF neural network.
【技术实现步骤摘要】
本专利技术属于对近红外光谱建立校正模型的化学计量学领域,具体涉及到计算机技术、化学计量学、模式识别、机器学习等方法。
技术介绍
随着现代人类生活方式、饮食习惯的改变以及人口老龄化的加剧,糖尿病发病率近年来大幅上升,糖尿病及其并发症所造成的影响己成为严重的公共卫生问题之一。越来越多的糖尿病患者需要每天多次对体内血糖浓度进行定时或者依身体情况随时监测。一般患者每天需要检测4-6次血糖,而现市场上所售的血糖仪大多为有创的,需要扎针取血,使患者遭受痛苦,而且还有可能引起伤口感染,不利于血糖的频繁检测。针对有创血糖检测的严重缺陷,人们开始将注意力转移至高效,便捷的无创血糖检测上。人体血糖浓度的无创测量,可以运用近红外透射法测量耳垂部位,根据多个波长的吸光度来估算血糖浓度值。但是人体结构非常复杂,血液中各种成分相互影响,基于朗伯比尔定律的校正算法,如多元线性回归、偏最小二乘回归等方法,无法描述人体光谱吸光度的非线性特性,导致对血糖浓度的估计精度无法达到实用的精度标准。
技术实现思路
鉴于近红外光谱校正模型线性方法的局限性,本专利技术的目的是提供一种针对人体血糖浓度测量的非线性光谱校正算法。该算法通过扩展非线性因素和非线性降维等方法,增强了校正模型对人体的适应性,有效提高了血糖浓度的估计精度。本专利技术的技术方法,包括如下步骤:步骤一:对用LED-光电接收管获取的5个波长的吸光度数据进行非线性扩展,扩展方式包括全部二项式扩展及对数扩展,如X12,X22,X32,X42,X52,X1*X2,X1*X3,X1*X4,X1*X5,X2*X3,X2*X4,log(X1)等;步骤二 ...
【技术保护点】
一种基于流形学习和RBF神经网络的近红外无创血糖仪校正算法,其特征在于,包括以下步骤:步骤一:对用LED‑光电接收管获取的5个波长的吸光度数据进行非线性扩展,扩展方式包括多项式扩展及对数扩展,如X12,,X1*X2,log(X1)等;步骤二:对原始数据和扩展后的数据合计25维数据,运用流形学习降维理论中的局部线性嵌入(Locally Linear Embedding,LLE)算法,把25维数据降为10维;步骤三:用连续投影算法 ( Successive Projections Algorithm , SPA)从10维数据中选出5个敏感波长数据;步骤四:对5个波长数据运用RBF神经网络建立校正模型。
【技术特征摘要】
1.一种基于流形学习和RBF神经网络的近红外无创血糖仪校正算法,其特征在于,包括以下步骤:步骤一:对用LED-光电接收管获取的5个波长的吸光度数据进行非线性扩展,扩展方式包括多项式扩展及对数扩展,如X12,,X1*X2,log(X1)等;步骤二:对原始数据和扩展后的数据合计25维数据,运用流形学习降维理论中的局部线性嵌入(LocallyLinearEmbedding,LLE)算法,把25维数据降为10维;步骤三:用连续投影算法(SuccessiveProjectionsAlgorithm,SPA)从10维数据中选出5个敏感波长数据;步骤四:对5个波长数据运用RBF神经网络建立校正模型。2.根据权利要求1所述的基于流形学习和RBF神经网络的近红外无创血糖仪校正算法,其特征在于:步骤一中,对...
【专利技术属性】
技术研发人员:闫东伟,邹凌伟,邱亚星,张中祥,李水,
申请(专利权)人:北京光巨力信息技术有限公司,
类型:发明
国别省市:北京;11
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。