用于估计血液化合物浓度的装置和方法制造方法及图纸

公开了一种估计血液化合物浓度的方法，可以包括：从近红外(NIR)光谱数据中去除基线漂移以获得无漂移光谱特征；基于无漂移光谱特征来获得全局特征集合；以及通过使用全局特征集合进行回归来估计所述血液化合物浓度。

Devices and methods for estimating blood compound concentrations

【技术实现步骤摘要】
用于估计血液化合物浓度的装置和方法相关申请的交叉引用本申请要求于2018年2月23日在印度专利局提交的印度专利申请No.201841006969和于2019年1月10日在韩国知识产权局提交的韩国专利申请No.10-2019-0003483的优先权，其公开内容通过引用整体并入本文。
与示例性实施例一致的装置和方法涉及使用近红外(NIR)光谱数据以非侵入性方式来估计血液化合物浓度。
技术介绍
监测血液化合物浓度一直是人们非常感兴趣的话题。通常，侵入性地执行监测血液化合物浓度，其中，刺穿受试(人类或动物)对象的皮肤以获得用于测试的血液样品。在非侵入性方法中，不需要采集血液样品来预测血液化合物浓度。此外，非侵入性方法提供了一种无痛的血液化合物监测手段，特别是对于那些需要每天检查几次特定化合物浓度的人。用于非侵入性地监测血液化合物浓度的一些典型方法是中红外(Mid-IR)、近红外(NIR)和拉曼光谱术。在上述方法中，NIR光谱广泛用于监测血液化合物浓度。然而，当要在存在不感兴趣的其他化合物下计算特定化合物浓度时，基于NIR光谱数据预测特定化合物浓度是非常具有挑战性的。例如，当监测血液中的葡萄糖本文档来自技高网...

【技术保护点】
1.一种估计血液化合物浓度的方法，所述方法包括：从近红外NIR光谱数据中去除基线漂移以获得无漂移光谱特征；基于所述无漂移光谱特征来获得全局特征集合；以及通过使用所述全局特征集合进行回归来估计所述血液化合物浓度。

【技术特征摘要】
2018.02.23 IN 201841006969;2019.01.10 KR 10-2019-01.一种估计血液化合物浓度的方法，所述方法包括：从近红外NIR光谱数据中去除基线漂移以获得无漂移光谱特征；基于所述无漂移光谱特征来获得全局特征集合；以及通过使用所述全局特征集合进行回归来估计所述血液化合物浓度。2.根据权利要求1所述的方法，其中，从所述NIR光谱数据中去除所述基线漂移包括：使用主分量分析PCA来从所述NIR光谱数据中去除所述基线漂移。3.根据权利要求1所述的方法，其中，从所述NIR光谱数据中去除所述基线漂移包括：计算所述NIR光谱数据的多个主分量；根据所述多个主分量获得漂移近似；针对每个光谱特征，依据光谱特征的幅值，根据所述漂移近似获得光谱漂移近似；以及从每个光谱特征中去除相应的光谱漂移近似，以获得所述无漂移光谱特征。4.根据权利要求3所述的方法，其中，根据所述多个主分量获得所述漂移近似包括：基于所述主分量随时间的变化来从所述多个主分量之中选择表征所述基线漂移的主分量；以及获得所选的主分量的预定义程度的多项式近似作为所述漂移近似。5.根据权利要求4所述的方法，其中，选择表征所述基线漂移的主分量包括：从所述多个主分量之中选择第一主分量作为表征所述基线漂移的所述主分量。6.根据权利要求4所述的方法，其中，获得所选的主分量的预定义程度的多项式近似作为所述漂移近似包括：获得使所述多项式近似与所述基线漂移之间的最小均方误差最小化的多项式近似作为所述漂移近似。7.根据权利要求3所述的方法，其中，根据所述漂移近似获得所述光谱漂移近似包括：归一化所述漂移近似；以及通过将归一化的漂移近似缩放所述光谱特征的幅度跨度，获得所述光谱漂移近似。8.根据权利要求7所述的方法，其中，归一化所述漂移近似包括：将所述漂移近似除以所述漂移近似的幅度跨度，以获得所述归一化的漂移近似。9.根据权利要求1所述的方法，其中，获得所述全局特征集合包括：获得每个无漂移光谱特征与化合物矢量的相似度值；使用所述相似度值来获得每个无漂移光谱特征的相似度度量；基于所述相似度度量对所述无漂移光谱特征进行排序；以及选择预定义数量的无漂移光谱特征作为...

【专利技术属性】
技术研发人员：苏伊特·乔斯，西里坎特·马拉瓦拉普·拉马，基兰·贝纳姆，李昭英，戈里什·阿加沃尔，
申请(专利权)人：三星电子株式会社，
类型：发明
国别省市：韩国,KR