无创检测人体血糖浓度建模及预处理方法研究

作     者：邓高旭 

作者单位：上海工程技术大学 

学位级别：硕士

导师姓名：邓琛

授予年度：2018年

学科分类：100208[医学-临床检验诊断学] 1002[医学-临床医学] 10[医学] 

主      题：无创血糖 数据预处理 偏最小二乘拟合 遗传算法优化 神经网络 

摘      要：近年来,糖尿病的发病率迅猛上升,目前全球尚无根治糖尿病的方法,但是通过医疗手段可以有效的控制糖尿病。在医学上主要采用有创测量手段,不具有测量的连续性,因而国内外都在努力对无创血糖的监测系统进行研究,比较流行的检测技术有微波检测法、光声光谱法和激光拉曼光谱法等。上述方法在应用上有很大的困难,只能停留在实验室研究上,现在普遍开始研究近红外光谱检测法。在应用上近红外光谱分析技术是比较有优势的检测方法,关键点是该技术能够采集高信噪比的光谱信息来分辨血糖中各成分的微弱信号,从而能够利用统计学方法来建立葡萄糖浓度的训练和预测模型。人体血糖高低主要是由血液中的葡萄糖浓度决定,在进行无创血糖检测的研究中,葡萄糖溶液的浓度检测是无创血糖浓度检测的基础。所以本文将着重分析不同浓度的葡萄糖水溶液的近红外光谱特性,对全波长范围内所对应的葡萄糖水溶液的近红外吸光度数据进行详细研究,提取出引起近红外吸光度变化明显的波段,并从物理化学的角度解释了该波段产生特征峰的原因。通过基线校正和标准化处理对葡萄糖水溶液光谱数据作预处理,同时,本文使用化学统计学方法来判别奇异样本点和样本数据矩阵中携带无效信息的波长,主要是利用了得分图进行判别。对浓度范围为1.8%-18%,浓度间隔为1.8%的葡萄糖水溶液样本数据集进行训练和预测。本文采用偏最小二乘拟合法对各个波长所对应的吸光度数据和葡萄糖水溶液浓度建立预测模型,同时验证了模型的可靠性。将葡萄糖溶液的实际值与模型预测值两者的绝对误差、相关性系数作为模型预测结果的评判指标。为了弥补偏最小二乘法不具备非线性拟合的缺陷,选择了BP神经网络模型,但分析发现BP网络的训练速度较慢,平均时长为1分钟。为了提高训练速度同时改变模型输出层函数族为闭集,提高非线性逼近能力,选择了满足要求的RBF径向基函数网络。然后选择验证集样本中接近葡萄糖分子倍频区3个吸收信号波长的吸光度值作为自变量进行建模,验证了模型的可行性。最后利用遗传算法对BP和RBF网络的训练参数进行全局寻优。为了与遗传算法优化前的结果比较,此处使用了相同的数据集。对预测集样本的吸光度值和葡萄糖水溶液浓度值建模,相关性系数R分别为0.99741和0.9984。结果表明:运用统计学的异常样本处理方法和遗传算法优化的RBF神经网络模型可以对模型进行一定程度优化,并验证了近红外光谱数据和葡萄糖浓度之间的定量关系,为人体无创血糖检测的设备研制和测量精度的提高提供了理论依据。