發(fā)布時間：2018-01-27 13:13

  本文關鍵詞： 醫(yī)用光學 血糖預測 多光譜 BP神經網絡 克拉克誤差網格分析　出處：《激光與光電子學進展》2017年03期 　論文類型：期刊論文

【摘要】：利用反向傳播(BP)神經網絡預測方法,通過光纖將紅外光譜儀、拉曼光譜儀和旋光測量系統(tǒng)結合在一起,建立了基于多光譜測量血糖含量的分析模型,提出了數據融合的處理方法。選擇了30個人體血液樣品,分別測量旋光光譜、紅外光譜、拉曼光譜。將光譜數據進行了預處理與歸一化處理,建立BP神經網絡模型,預測血液樣品的糖含量值。使用克拉克誤差網格分析法分別分析了三種測量方法和數據融合后的血糖值,結果應用BP人工神經網絡模型預測血糖值的擬合精度為0.9992,預測誤差低于0.2mmol/L,滿足臨床醫(yī)學的精度要求,并且具有較高的穩(wěn)健性和較強的容錯能力。
[Abstract]:Based on the BP neural network prediction method and the combination of infrared spectrometer, Raman spectrometer and optical rotation measurement system, an analytical model based on multispectral measurement of blood sugar was established. A data fusion method was proposed. Thirty human blood samples were selected to measure the optical rotation spectrum, infrared spectrum and Raman spectrum respectively. The spectral data were pretreated and normalized. BP neural network model was established to predict the sugar content of blood samples. Clark error grid analysis method was used to analyze the three methods and the blood sugar value after data fusion. Results the fitting accuracy of BP artificial neural network model was 0.9992, and the prediction error was less than 0.2 mmol / L, which met the requirement of clinical medicine. And it has high robustness and strong fault-tolerant ability.
【作者單位】： 西安石油大學理學院;西安交通大學機械工程學院;
【基金】：國家自然科學基金委員會與中國民航局聯(lián)合資助(U1233116) 西安石油大學博士啟動基金
【分類號】：R587.1;TP183
【正文快照】： 糖尿病是由于內分泌代謝調節(jié)紊亂所造成的疾病,它對循環(huán)系統(tǒng)和血管的影響將會傷害到身體的組織和器官,已經嚴重地威脅人類的健康。Guariguata等[1]調查發(fā)現(xiàn)全世界大約3.8億人患有糖尿病,到2035年將達到5.9億人。為了避免血糖過高或過低,糖尿病患者需要堅持控制飲食,包括含有限

【相似文獻】

相關期刊論文 前8條

1 宮尚寶;郭玉翠;;基于BP人工神經網絡的社區(qū)醫(yī)院選址決策[J];中國科技信息;2009年22期

2 黃德生,周寶森,劉延齡,魏慶t$,李金榮;BP人工神經網絡用于肺鱗癌預后預測[J];中國衛(wèi)生統(tǒng)計;2000年06期

3 鄭能雄;沈波;許旭艷;官陳平;;福州細菌性痢疾流行與氣象關系的BP人工神經網絡模型研究[J];中國預防醫(yī)學雜志;2010年02期

4 杜文聰;陸瑩;葉新華;李倩;俞曉芳;成金羅;馬建華;高燕勤;杜娟;石慧;曹園園;周玲;;應用BP人工神經網絡探討脂聯(lián)素基因多態(tài)性位點間交互作用與漢族人群2型糖尿病遺傳易感性的關系[J];中國糖尿病雜志;2012年01期

5 錢玲,施侶元,程茂金;BP人工神經網絡應用于探討2型糖尿病/糖耐量低減的發(fā)病危險因素[J];中國慢性病預防與控制;2003年04期

6 丁守鑾,王潔貞,崔希友;基于雙曲正切函數HFRS發(fā)病率的BP神經網絡預測模型[J];系統(tǒng)工程理論與實踐;2003年07期

7 范p，

本文編號：1468551