本发明专利技术公开了一种无创血糖仪的红外发射器及血糖仪，包括：集成无创传感器、光电转换模块、智能管控平台和血糖检测终端；智能管控平台控制集成无创传感器向人体皮肤组织发出红外光，红外光透过人体皮肤组织扩散反射出光谱信号，光电转换模块将接收的光谱信号转化为电信号，智能管控平台将电信号转化为数字信号后对数字信号进行特征提取和参数分析，获取血糖浓度，用户通过血糖检测终端查看血糖浓度。选用红外光进行血糖测量，可使人体皮肤组织不需经过预处理即可测量，凭借红外光较强的穿透能力与散射效应，集成无创传感器直接对人体皮肤组织进行测量，从而实现快速高效的分析效率，该测试成本低，还能够较好的反映出血糖的变化趋势。趋势。趋势。
【技术实现步骤摘要】
一种无创血糖仪的红外发射器及血糖仪
[0001]本专利技术涉及无创血糖检测
，尤其涉及一种无创血糖仪的红外发射器及血糖仪。
技术介绍
[0002]糖尿病是一种对人体器官造成一系列严重影响并伴有并发症的慢性新陈代谢紊乱。这种疾病的并发症可以通过规律的血糖浓度检测，并且通过药物或其他手段控制血糖浓度所防止。市场上大多数的可用血糖检测设备都是有创或者微创的。有创血糖检测设备使用不方便而且会伴有疼痛感，微创血糖检测设备使用的可持续性和稳定性也是有限的。因此，对于一种经济的，简单的，无痛苦的和便携的无创血糖检测设备的研制是有必要的，随着红外分析技术的飞速发展，将红外技术和无创血糖检测进行结合，从而更有效地对血糖浓度进行预测。
技术实现思路
[0003]本专利技术提供了一种无创血糖仪的红外发射器及血糖仪，以解决现有技术中存在的糖尿病是一种对人体器官造成一系列严重影响并伴有并发症的慢性新陈代谢紊乱。这种疾病的并发症可以通过规律的血糖浓度检测，并且通过药物或其他手段控制血糖浓度所防止。市场上大多数的可用血糖检测设备都是有创或者微创的。有创血糖检测设备使用不方便而且会伴有疼痛感，微创血糖检测设备使用的可持续性和稳定性也是有限的。因此，对于一种经济的，简单的，无痛苦的和便携的无创血糖检测设备的研制是有必要的，随着红外分析技术的飞速发展，将红外技术和无创血糖检测进行结合，从而更有效地对血糖浓度进行预测的上述问题。
[0004]为了达到上述目的，本专利技术提供如下技术方案：
[0005]一种无创血糖仪，其特征在于，包括：集成无创传感器、光电转换模块、智能管控平台和血糖检测终端；
[0006]智能管控平台控制集成无创传感器向人体皮肤组织发出红外光，红外光透过人体皮肤组织扩散反射出光谱信号，光电转换模块将接收的光谱信号转化为电信号，智能管控平台将电信号转化为数字信号后对数字信号进行特征提取和参数分析，获取血糖浓度，用户通过血糖检测终端查看血糖浓度。
[0007]其中，所述集成无创传感器包括：若干红外发射器、若干红外接收器和若干人体生理参数检测器；
[0008]基于双光路光谱测量法，将若干红外发射器分为两路，第一路红外发射器发射出的红外光为不经过人体组织的参考光，第二路为经过人体组织扩散反射的测量光，若干红外接收器将参考光和测量光进行分组接收，获取采集的红外光谱信号；
[0009]若干人体生理参数检测器通过接触人体皮肤采集与人体代谢相关的生理参数，生理参数包括环境温湿度、人体体表温湿度以及脉搏波参数。
[0010]其中，智能管控平台包括：数据处理模块、云数据库和机器学习模块；
[0011]所述数据处理模块用于将电信号转化为数字信号后进行特征提取操作；
[0012]所述云数据库用于将大量的血糖检测数据以及人体生理参数检测数据进行分级存储；
[0013]所述机器学习模块用于基于云数据库的数据建立训练集，对训练集进行优化和训练，建立血糖红外吸收谱与血糖浓度间的映射关系。
[0014]其中，所述数据处理模块包括：信号调理子模块和特征提取子模块；
[0015]所述信号调理子模块用于对电信号进行预处理后将电信号转化为数字信号；
[0016]所述特征提取子模块用于对数据信号进行特征提取，提取多种波长光谱下的血糖吸收谱，在特征提取的过程中，将抖动、基线漂移的影响进行滤波。
[0017]其中，所述云数据库包括：数据智能分层模块和数据调取模块；
[0018]数据调取模块从云服务端调取大量基于传统有创测量的血糖浓度数据，基于传统有创测量的血糖浓度数据的同一类人群，调取通过特征提取子模块处理后的数字信号数据，其中，将传统有创测量的血糖浓度数据划分为测试集；
[0019]通过数据智能分层模块将云数据库根据血糖浓度值的范围、用户性别以及用户年龄进行等级划分，等级划分包括若干级存储层。
[0020]其中，所述机器学习模块包括：训练算法模型；
[0021]将调取的传统有创测量的血糖浓度数据和数字信号数据输入至训练算法模型中进行训练处理，通过训练处理建立光谱信号和血糖浓度之间的关系模型；
[0022]将采集的光谱信号作为训练集后输入关系模型，获取血糖浓度的预测值，基于预测值和实测血糖值的相关系数与相对标准偏差来测量对应准确值，基于对应准确值优化训练算法模型，获取优化训练模型；通过多次对优化训练模型进行优化和训练，形成血糖红外吸收谱与血糖浓度间的映射关系，基于映射关系构建血糖浓度预测模型。
[0023]其中，电信号通过信号调理子模块进行预处理，去除电信号的环境噪声并保留有用信号频带，再将电信号进行前置放大、低通滤波处理，获取预处理后的电信号；
[0024]将预处理后的电信号接入锁相放大器，通过锁相放大器检测信号的微弱程度，若锁相放大器的输出信号与设置参考信号频率不同时，则将当前电信号剔除，若锁相放大器的输出信号与设置参考信号频率相同时，则锁相放大器输出直流信号，将输出的直流信号幅值通过AD转换器转换为数字信号。
[0025]一种无创血糖仪的红外发射器，红外发射器连接对应的红外接收器，红外发射器包括：发光器件、红外发射驱动模块、脉冲调制模块和光路耦合模块；
[0026]基于血糖的光谱学特性，选取具有血糖特异性吸收敏感的光谱波段的发光器件，红外发射驱动模块将发光器件的光谱展宽调整为设定的标准光谱展宽后驱动发光器件发送红外光，红外光经过脉冲调制模块消除背景光、杂散光以及暗电流的干扰，然后通过光路耦合模块对红外光进行光纤耦合补偿吸光介质中不同光源光程路径的差异，最后由红外接收器接收红外光。
[0027]其中，红外发射驱动模块包括：锯齿波发生器；
[0028]发光器件选用穿透人体真皮层强的中心波长为700nm、1350nm、1450nm、1550nm的发光二极管作为红外发射器辐射光源；
[0029]红外发射驱动模块控制锯齿波发生器电压锁定，使锯齿波发生器输出的电压为恒值，从而控制红外发射器发射的红外光强度不变。
[0030]其中，脉冲调制模块包括：选频子模块；
[0031]基于选频子模块，将红外光有用的频率信号进行保留，同时阻止干扰频率信号，获取高效的信噪比；
[0032]基于血糖检测浓度和信噪比，通过计算建立信噪比与血糖检测极限浓度之间的关系，基于信噪比与血糖检测极限浓度之间的关系确定红外光的可控范围，通过红外发射驱动模块对发光器件进行驱动控制。
[0033]与现有技术相比，本专利技术具有以下优点：
[0034]一种无创血糖仪，包括：集成无创传感器、光电转换模块、智能管控平台和血糖检测终端；智能管控平台控制集成无创传感器向人体皮肤组织发出红外光，红外光透过人体皮肤组织扩散反射出光谱信号，光电转换模块将接收的光谱信号转化为电信号，智能管控平台将电信号转化为数字信号后对数字信号进行特征提取和参数分析，获取血糖浓度，用户通过血糖检测终端查看血糖浓度。选用红外光进行血糖测量，可使本文档来自技高网...
【技术保护点】
【技术特征摘要】
1.一种无创血糖仪，其特征在于，包括：集成无创传感器、光电转换模块、智能管控平台和血糖检测终端；智能管控平台控制集成无创传感器向人体皮肤组织发出红外光，红外光透过人体皮肤组织扩散反射出光谱信号，光电转换模块将接收的光谱信号转化为电信号，智能管控平台将电信号转化为数字信号后对数字信号进行特征提取和参数分析，获取血糖浓度，用户通过血糖检测终端查看血糖浓度。2.根据权利要求1所述的一种无创血糖仪，其特征在于，所述集成无创传感器包括：若干红外发射器、若干红外接收器和若干人体生理参数检测器；基于双光路光谱测量法，将若干红外发射器分为两路，第一路红外发射器发射出的红外光为不经过人体组织的参考光，第二路为经过人体组织扩散反射的测量光，若干红外接收器将参考光和测量光进行分组接收，获取采集的红外光谱信号；若干人体生理参数检测器通过接触人体皮肤采集与人体代谢相关的生理参数，生理参数包括环境温湿度、人体体表温湿度以及脉搏波参数。3.根据权利要求1所述的一种无创血糖仪，其特征在于，智能管控平台包括：数据处理模块、云数据库和机器学习模块；所述数据处理模块用于将电信号转化为数字信号后进行特征提取操作；所述云数据库用于将大量的血糖检测数据以及人体生理参数检测数据进行分级存储；所述机器学习模块用于基于云数据库的数据建立训练集，对训练集进行优化和训练，建立血糖红外吸收谱与血糖浓度间的映射关系。4.根据权利要求3所述的一种无创血糖仪，其特征在于，所述数据处理模块包括：信号调理子模块和特征提取子模块；所述信号调理子模块用于对电信号进行预处理后将电信号转化为数字信号；所述特征提取子模块用于对数据信号进行特征提取，提取多种波长光谱下的血糖吸收谱，在特征提取的过程中，将抖动、基线漂移的影响进行滤波。5.根据权利要求3所述的一种无创血糖仪，其特征在于，所述云数据库包括：数据智能分层模块和数据调取模块；数据调取模块从云服务端调取大量基于传统有创测量的血糖浓度数据，基于传统有创测量的血糖浓度数据的同一类人群，调取通过特征提取子模块处理后的数字信号数据，其中，将传统有创测量的血糖浓度数据划分为测试集；通过数据智能分层模块将云数据库根据血糖浓度值的范围、用户性别以及用户年龄进行等级划分，等级划分包括若干级存储层。6.根据权利要求3所述的一种无创血糖仪，其特征在于，所述机器学习模块包括：训练算法模型；将调取的传统有创测量的血糖浓度数据和数字信号数...
【专利技术属性】
技术研发人员：肖开龙，方可，姜春莲，
申请(专利权)人：深圳市彩鸿虚拟现实科技有限公司，
类型：发明
国别省市：
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。