本文關(guān)鍵詞：近紅外無創(chuàng)血糖檢測(cè)關(guān)鍵技術(shù)的研究

  更多相關(guān)文章： 近紅外光譜分析技術(shù) 血糖 提升小波變換 遺傳算法 神經(jīng)網(wǎng)絡(luò)

【摘要】：隨著人們生活質(zhì)量的提高,糖尿病成為了影響人們?nèi)粘Ｉ畹囊环N慢性疾病,目前的血糖檢測(cè)方法也給患者帶來必要的生理疼痛和心理壓力。因此,無創(chuàng)傷的檢測(cè)方法成了國(guó)內(nèi)外的研究熱點(diǎn),與此同時(shí),近紅外光譜技術(shù)與化學(xué)計(jì)量學(xué)方法的快速發(fā)展,推動(dòng)了近紅外光譜技術(shù)在血糖以及醫(yī)學(xué)領(lǐng)域的廣泛應(yīng)用。本文對(duì)近紅外無創(chuàng)血糖檢測(cè)的關(guān)鍵技術(shù)問題進(jìn)行了研究與分析,主要研究?jī)?nèi)容如下:1研究了近紅外光譜分析的理論基礎(chǔ),根據(jù)葡萄糖分子與水的近紅外光譜特征,以及蒙特卡羅模擬方法分析光子的運(yùn)動(dòng)規(guī)律,得出了光子在皮膚組織中的大致運(yùn)動(dòng)軌跡,提出了血糖漫反射的檢測(cè)方案。2研究了光譜信號(hào)預(yù)處理方法,分析了傅立葉變換、短時(shí)傅立葉變換的各自缺陷,引出對(duì)小波變換的分析;為提高小波的運(yùn)算效率,詳細(xì)分析了提升小波變換理論,并提出基于最小均方誤差的自適應(yīng)預(yù)測(cè)算子的提升小波方案;同時(shí)分析了在光譜信號(hào)領(lǐng)域中常用的預(yù)處理方法——Savitzky-Golay平滑方法。通過仿真比較兩種方法,仿真結(jié)果表明提升小波自適應(yīng)方法在光譜信號(hào)中要優(yōu)于常用預(yù)處理方法,更能有效保留光譜信息,提高信噪比。3研究了葡萄糖分子校正模型建立的方法,首先介紹了葡萄糖溶液光譜數(shù)據(jù)的采集方法并分析了在建模時(shí)葡萄糖分子最有效波長(zhǎng)范圍的選取;然后分析偏最小二乘法在模型校正中的應(yīng)用,針對(duì)其樣本集的抗干擾能力差與計(jì)算速度相對(duì)較慢等問題,提出了改進(jìn)的偏最小二乘法——小波偏最小二乘法,同時(shí)提出了基于遺傳算法優(yōu)化的反向傳輸神經(jīng)網(wǎng)絡(luò);把測(cè)得葡萄糖光譜數(shù)據(jù)建立仿真模型,使用文中提出的兩種模型與葡萄糖校正的常用模型——Savitzky-Golay平滑偏最小二乘法對(duì)比分析。仿真結(jié)果表明小波偏最小二乘法與遺傳反向傳輸神經(jīng)網(wǎng)絡(luò)模型的相關(guān)系數(shù)均高于Savitzky-Golay平滑-偏最小二乘法常用模型。4根據(jù)人體生理特性及葡萄糖分子的近紅外光譜特征,設(shè)計(jì)了一種血糖信號(hào)提取模塊,該模塊主要基于TI公司的MSP430芯片,詳細(xì)分析與設(shè)計(jì)了模塊的光路與電路部分,并以此設(shè)計(jì)各個(gè)功能模塊的軟件流程。
【關(guān)鍵詞】：近紅外光譜分析技術(shù) 血糖 提升小波變換 遺傳算法 神經(jīng)網(wǎng)絡(luò)
【學(xué)位授予單位】：電子科技大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2015
【分類號(hào)】：R446.1;TN911.7
【目錄】：

• 摘要5-6
• ABSTRACT6-13
• 縮略詞表13-14
• 第一章 緒論14-20
• 1.1 研究背景與意義14-15
• 1.2 國(guó)內(nèi)外研究現(xiàn)狀15-17
• 1.3 本文的主要貢獻(xiàn)與創(chuàng)新17-18
• 1.4 本文結(jié)構(gòu)安排18-20
• 第二章 近紅外光譜分析技術(shù)20-31
• 2.1 近紅外光譜分析的理論基礎(chǔ)20-25
• 2.1.1 近紅外光的物理特性20-21
• 2.1.2 水與葡萄糖分子的近紅外光譜特征21-22
• 2.1.3 朗伯-比爾定律22-23
• 2.1.4 蒙特卡羅模擬23-25
• 2.2 近紅外光譜分析技術(shù)25-28
• 2.2.1 近紅外光譜分析25
• 2.2.2 近紅外光譜技術(shù)的優(yōu)點(diǎn)25-26
• 2.2.3 多變量分析方法26-27
• 2.2.4 校正模型的評(píng)判標(biāo)準(zhǔn)27-28
• 2.3 血糖漫反射檢測(cè)方案28-30
• 2.3.1 檢測(cè)位置的選擇29
• 2.3.2 波長(zhǎng)的選取29-30
• 2.3.3 數(shù)據(jù)處理30
• 2.4 本章小結(jié)30-31
• 第三章 光譜預(yù)處理優(yōu)化方法研究31-46
• 3.1 小波變換理論31-35
• 3.1.1 傅立葉變換31-32
• 3.1.2 短時(shí)傅立葉變換32
• 3.1.3 小波變換32-33
• 3.1.4 多分辨率分析33-34
• 3.1.5 Mallat算法34-35
• 3.2 提升小波變換35-40
• 3.2.1 提升算法原理36-38
• 3.2.2 提升方法構(gòu)造正交小波38-39
• 3.2.3 自適應(yīng)預(yù)測(cè)算子39-40
• 3.3 Savitzky-Golay平滑方法40-42
• 3.4 提升算法的光譜預(yù)處理42-45
• 3.5 本章小結(jié)45-46
• 第四章 葡萄糖校正模型分析46-63
• 4.1 葡萄糖溶液的近紅外光譜測(cè)量46-47
• 4.1.1 傅立葉變換紅外光譜儀46
• 4.1.2 葡萄糖溶液的光譜測(cè)量46-47
• 4.2 偏最小二乘法47-52
• 4.2.1 PLS原理48-50
• 4.2.2 交叉有效性50-51
• 4.2.3 改進(jìn)的小波偏最小二乘法51-52
• 4.3 基于遺傳算法優(yōu)化的BP神經(jīng)網(wǎng)絡(luò)52-58
• 4.3.1 反向傳輸神經(jīng)網(wǎng)絡(luò)52-54
• 4.3.2 遺傳算法54-55
• 4.3.3 GA-BP算法55-58
• 4.4 兩種模型與常用模型仿真58-62
• 4.4.1 偏最小二乘法建模58-59
• 4.4.2 改進(jìn)的小波偏最小二乘法建模59-60
• 4.4.3 GA-BP算法建模60-62
• 4.5 本章小結(jié)62-63
• 第五章 無創(chuàng)血糖前端信號(hào)提取模塊設(shè)計(jì)63-79
• 5.1 光路部分設(shè)計(jì)63-65
• 5.1.1 光源的選擇63-64
• 5.1.2 光電探測(cè)器64-65
• 5.1.3 測(cè)量探頭的設(shè)計(jì)65
• 5.2 電路部分設(shè)計(jì)65-71
• 5.2.1 MCU控制模塊66-67
• 5.2.2 電源管理模塊67-68
• 5.2.3 發(fā)光二極管驅(qū)動(dòng)模塊68
• 5.2.4 光電二極管驅(qū)動(dòng)模塊68-69
• 5.2.5 信號(hào)調(diào)理模塊69-71
• 5.2.6 串.通信模塊71
• 5.3 PCB設(shè)計(jì)71-73
• 5.3.1 疊層結(jié)構(gòu)72
• 5.3.2 器件布局與PCB布線72-73
• 5.4 軟件詳細(xì)設(shè)計(jì)73-78
• 5.4.1 軟件設(shè)計(jì)方案73-74
• 5.4.2 軟件模塊化設(shè)計(jì)74-78
• 5.5 本章小結(jié)78-79
• 第六章 總結(jié)與展望79-81
• 6.1 總結(jié)79-80
• 6.2 展望80-81
• 致謝81-82
• 參考文獻(xiàn)82-85
• 攻碩期間取得的研究成果85-86

【參考文獻(xiàn)】

中國(guó)博士學(xué)位論文全文數(shù)據(jù)庫(kù) 前1條

1 劉名揚(yáng);化學(xué)計(jì)量學(xué)方法用于復(fù)雜體系中多組分同時(shí)測(cè)定的研究[D];吉林大學(xué);2006年

，

本文編號(hào)：1050469