基于神经网络算法的血糖浓度检测方法专利检索-血糖浓度解剖与生理专利检索查询-专利查询网

基于神经网络 算法的血糖浓度检测方法

阅读：585发布：2020-05-13

专利汇可以提供基于神经网络算法的血糖浓度检测方法专利检索，专利查询，专利分析的服务。并且本发明涉及一种基于神经网络算法的血糖浓度检测方法，包括下列步骤：制作人体耳垂模型；配制不同血糖浓度的测试血液；利用第一天线发射超宽带微波信号，第二天线接收穿透耳垂模型的信号；对得到的接收信号进行处理，采用Prony方法提取包括谐振频率和衰减因子在内的信号特征极点，提取到接收信号的18个特征极点值，其中，谐振频率9个，衰减因子9个，共18个为1组；选择BP神经网络进行训练。，下面是基于神经网络算法的血糖浓度检测方法专利的具体信息内容。

权利要求

1.一种基于神经网络算法的血糖浓度检测方法，包括下列步骤：
1)制作人体耳垂模型；
2)配制不同血糖浓度的测试血液，其中用于神经网络训练的浓度为51组，即从0mg/dl-
500mg/dl每间隔10mg/dl配一组共51组，用于测试的血糖浓度为10组，随机浓度即可；
3)利用第一天线发射超宽带微波信号，第二天线接收穿透耳垂模型的信号；
4)对得到的接收信号进行处理，采用Prony方法提取包括谐振频率和衰减因子在内的信号特征极点，提取到接收信号的18个特征极点值，其中，谐振频率9个，衰减因子9个，共18个为1组；
5)选择BP神经网络进行训练，其中神经网络输入层为接收信号的18个特征极点值，神经网络输出层为血糖浓度，神经网络设置两个隐含层，第一个隐含层节点数为12，第二个隐含层节点数为8；
6)对神经网络训练结束后，使用10组随机浓度的接收信号的18个特征极点值对该神经网络进行测试；
7)对待测样本进行血糖浓度测试。

说明书全文

基于神经网络算法的血糖浓度检测方法

技术领域

[0001] 本发明属于微波无损检测技术领域，涉及一种血糖浓度检测方法。

背景技术

[0002] 人体血液中各种化学成分含量的变化能真实反映人体的健康状况,是临床诊断和日常监护所必需的重要信息。寻找一种能够便捷、连续、有效、准确、无创地血液成分的方法,是长期以来人类对抗疾病过程中梦寐以求的理想。由于血液中葡萄糖浓度的实时检测对预防和治疗糖尿病具有重要价值,目前的研究主要集中在对血糖的无创检测上。正在研究的可行的血糖无创检测的方法可分为两大类:一类是光学方法,主要包括近红外光谱法、中红外光谱法、光声光谱法、偏振光测量技术等多种方案。光学方法普遍存在的问题是对人体组织的光学特性认识还不够深入,无法消除血压、体温、皮肤状况、测量部位等因素对测量精度的影响。另一类是非光学方法,主要包括体液采集法、离子反渗透法、电磁阻抗谱法。

发明内容

[0003] 本发明提供一种利用超宽带微波检测系统中对人体血糖浓度进行无损探测的方法。该方法简便快捷，能够通过对接收信号进行神经网络训练对血糖浓度进行判断，避免使用穿刺等对人体有伤害的方法，能够获取足够的信息对血糖浓度进行检测。本发明的技术方案如下：

[0004] 一种基于神经网络算法的血糖浓度检测方法，包括下列步骤：

[0005] 1)制作人体耳垂模型；

[0006] 2)配制不同血糖浓度的测试血液，其中用于神经网络训练的浓度为51组，即从 0mg/dl-500mg/dl每间隔10mg/dl配一组共51组，用于测试的血糖浓度为10组，随机浓度即可；

[0007] 3)利用第一天线发射超宽带微波信号，第二天线接收穿透耳垂模型的信号；

[0008] 4)对得到的接收信号进行处理，采用Prony方法提取包括谐振频率和衰减因子在内的信号特征极点，提取到接收信号的18个特征极点值，其中，谐振频率9个，衰减因子9个，共18个为1组；

[0009] 5)选择BP神经网络进行训练，其中神经网络输入层为接收信号的18个特征极点值，神经网络输出层为血糖浓度，神经网络设置两个隐含层，第一个隐含层节点数为12，第二个隐含层节点数为8；

[0010] 6)对神经网络训练结束后，使用10组随机浓度的接收信号的18个特征极点值对该神经网络进行测试。

[0011] 7)对待测样本进行血糖浓度测试。附图说明

[0012] 图1耳垂组织模型及天线结构示意图。

[0013] 图2模型中部分接收信号的时域波形。

[0014] 图3神经网络训练图。

[0015] 图4测试信号特征极点对应的神经网络输出结果，即测试血糖浓度。

具体实施方式

[0016] 下面首先结合耳垂组织模型，对本发明的可行性进行说明。然后再结合实施例说明本发明的技术方案。

[0017] 由于耳垂中组织结构简单，可以将毛细血管分布等效为一层血液层，不同血糖浓度时有不同的电磁特性参数。当一侧天线发射的超宽带微波穿过耳垂被另一侧的天线接收得到，再通过对接收信号提取特征极点值即可得到神经网络输入，使用神经网络对已知血糖浓度的接收信号的特征极点进行训练。训练结束之后，将未知血糖浓度的接收信号的特征极点输入神经网络进行计算，最终神经网络的输出即为血糖浓度值。因此该方法简便快捷，避免了对人体的伤害，能够对人体的血糖浓度进行检测。非常适合于血糖浓度的检测。

[0018] 图1为探测系统所采用的天线阵列结构和耳垂组织结构的模型，模型中只用了血液层，脂肪层，皮肤层和空气层，来验证该方法的可行性及有效性。其中天线在皮肤层的两侧，脂肪层在血液层的两侧，血液层的浓度范围为0-500mg/dl。图2为血糖浓度为0mg/dl-300mg/dl，每间隔10mg/dl的接收信号的时域图。为满足探测分辨率的要求采用中心频率为
5GHz、带宽为10GHz的一阶导高斯信号，信号波形如图2所示。

[0019] 具体过程如下：

[0020] 1.首先使用耳垂组织模型(图1)进行实验，天线A1发射超宽带微波信号，天线A2 接收穿透耳垂的信号。

[0021] 2.简单模型中接收到信号的时域波形如图2所示。从图2中可以看出，不同血糖浓度得到的31组信号是相同的，其中看不出差别。

[0022] 3.提取0-500mg/dl，每间隔10mg/dl得到51组信号。对51组信号提取特征极点值，得到51组特征极点值，每组信号可以提取到18个特征极点值。再随机得到10组信号用于测试，这10组信号的血糖浓度为155mg/dl，175mg/dl，195mg/dl，215mg/dl，235mg/dl， 255mg/dl，305mg/dl，355mg/dl，405mg/dl，455mg/dl，得到这10组信号的特征极点值，每组信号可以提取到18个特征极点值。

[0023] 4.选择并设置神经网络。这里选择BP神经网络对已知数据进行训练。其中神经网络输入层为接收信号的18个特征极点值，神经网络输出层为血糖浓度，如0mg/dl。神经网络设置两个隐含层，第一个隐含层节点数为12，第二个隐含层节点数为8，具体如表1-1 所示；

[0024] 表1-1神经网络各个变量的设置值

[0025]

[0026] 5.对神经网络训练结束后，使用10组随机浓度的接收信号的18个特征极点值作为神经网络的输入，对该神经网络进行测试，对比神经网络输出的结果是否是相对应的血糖浓度值。

[0027] 6.如图3所示为神经网络的最终输出结果，表1-2所示为输出血糖浓度值与期望血糖浓度值对比，从误差率中可以看出，误差十分小。

[0028] 表1-2输出血糖浓度值与期望血糖浓度值对比

[0029]

[0030]

[0031] 7.以上结果得出，使用神经网络对血糖浓度进行检测的方法具有很高的可行性及有效性。

[0032] 下面总结一下本发明的检测方法：

[0033] 1)制作人体耳垂模型；

[0034] 2)配制不同血糖浓度的测试血液；

[0035] 3)利用第一天线发射超宽带微波信号，第二天线接收穿透耳垂模型的信号；

[0036] 4)对得到的接收信号进行处理，提取接收信号的18个特征极点值，共61组特征极点值，其中51组用于神经网络输入，使用随机浓度的接收信号的特征极点值用于神经网络输入，检测血糖浓度；

[0037] 5)选择并神经网络，这里选择BP神经网络进行训练，其中神经网络输入层为接收信号的18个特征极点值，神经网络输出层为血糖浓度，如0mg/dl。神经网络设置两个隐含层，第一个隐含层节点数为12，第二个隐含层节点数为8；

[0038] 6)对神经网络训练结束后，使用随机浓度的接收信号的18个特征极点值对该神经网络进行测试，检测血糖浓度。

[0039] 该方法可以简便地确定血糖浓度，同时对身体不产生损害。实验结果证实该方法十分可行有效。

标题	发布/更新时间	阅读量
一种血糖浓度检测装置及其检测方法	2020-05-12	699
一种无创伤动态血糖浓度预警系统	2020-05-12	13
一种测量血糖浓度的方法及便携式设备	2020-05-13	621
血糖浓度的无创测量系统	2020-05-12	752
判断血糖浓度的方法	2020-05-11	187
一种血糖浓度快速检测仪	2020-05-12	339
一种测量血糖浓度的方法及便携式设备	2020-05-14	582
调节血糖血脂的高浓度乳酸菌冻干粉	2020-05-11	533
基于超宽带微波S11参数的血糖浓度检测方法	2020-05-13	32
一种无创伤动态血糖浓度预警系统	2020-05-14	965

基于神经网络算法的血糖浓度检测方法

基于神经网络算法的血糖浓度检测方法

技术领域

背景技术

发明内容

具体实施方式

该功能需要专业版企业版VIP权限，您可以：