糖尿病是一種由于胰島素分泌缺陷或其生物學(xué)作用障礙引起的以高血糖為特征,伴有能量代謝障礙的疾病。糖尿病并發(fā)癥累及全身各器官并伴隨病變,可導(dǎo)致殘疾和死亡,嚴(yán)重影響患者的生命和生活質(zhì)量。血糖濃度是糖尿病診斷和治療所依據(jù)的重要指標(biāo),所以血糖濃度檢測(cè)是糖尿病治療過(guò)程中必不可少的關(guān)鍵步驟之一。目前醫(yī)學(xué)上通常通過(guò)靜脈抽血或指尖采血,用酶催化法來(lái)進(jìn)行血糖檢測(cè),這種方法不能實(shí)現(xiàn)連續(xù)實(shí)時(shí)的血糖濃度檢測(cè),并且會(huì)給糖尿病患者增加精神上的痛苦和經(jīng)濟(jì)上的負(fù)擔(dān)。因此,對(duì)無(wú)創(chuàng)血糖檢測(cè)相關(guān)技術(shù)進(jìn)行研究具有重要的意義。近紅外無(wú)創(chuàng)血糖檢測(cè)方法是無(wú)創(chuàng)血糖檢測(cè)領(lǐng)域研究的熱點(diǎn)之一。近紅外光可以穿透皮膚且血糖濃度與其近紅外吸收光譜有很好的相關(guān)性,但是血糖濃度信號(hào)微弱、近紅外光譜數(shù)據(jù)維數(shù)大,增加了近紅外無(wú)創(chuàng)血糖檢測(cè)的難度。本文針對(duì)近紅外無(wú)創(chuàng)血糖檢測(cè)方法的相關(guān)技術(shù)難點(diǎn)進(jìn)行探討,旨在:針對(duì)噪聲干擾造成血糖濃度預(yù)測(cè)模型精度低的問(wèn)題,探索一種自適應(yīng)信號(hào)去噪方法;針對(duì)血糖近紅外全光譜數(shù)據(jù)建模預(yù)測(cè)精度較差的問(wèn)題,研究一種有效的光譜變量選擇方法;針對(duì)光譜數(shù)據(jù)存在非線性相關(guān)性造成模型建立復(fù)雜的問(wèn)題,探索一種有效的光譜變量特征提取方法。基于以上目的,本文的研究工作主要包括以下幾個(gè)部分:針對(duì)近紅外無(wú)創(chuàng)血糖檢測(cè)過(guò)程中光譜數(shù)據(jù)存在噪聲干擾,影響建立血糖濃度預(yù)測(cè)模型精度的問(wèn)題,提出一種基于自適應(yīng)噪聲的總體集合經(jīng)驗(yàn)?zāi)B(tài)分解(CEEMDAN)和離散弗雷歇距離評(píng)價(jià)準(zhǔn)則的近紅外光譜信號(hào)去噪方法。概述了近紅外光譜檢測(cè)相關(guān)理論,結(jié)合CEEMDAN和離散弗雷歇距離理論,根據(jù)近紅外光譜信號(hào)分解后獲得的多個(gè)本征模態(tài)函數(shù)分量(IMF)中噪聲和信號(hào)的頻率差異,實(shí)現(xiàn)噪聲和信號(hào)的自適應(yīng)分離;利用離散弗雷歇距離評(píng)價(jià)準(zhǔn)則對(duì)IMF進(jìn)行分類,確定干擾噪聲和有用信號(hào)各自主導(dǎo)的IMF;最后將有用信號(hào)主導(dǎo)的IMF求和,重構(gòu)出近紅外光譜信號(hào),減輕與葡萄糖濃度信息無(wú)關(guān)的噪聲干擾的影響。實(shí)驗(yàn)結(jié)果表明:該方法運(yùn)用到不同葡萄糖濃度離體溶液近紅外光譜實(shí)驗(yàn)中,去噪后綜合評(píng)價(jià)指標(biāo)值最大提高了0.1;運(yùn)用到不同濃度葡萄糖2%Intralipid仿體溶液近紅外光譜實(shí)驗(yàn)中,去噪后綜合評(píng)價(jià)指標(biāo)值最大提高了0.09,本文所提出的方法與傳統(tǒng)光譜去噪方法相比,重構(gòu)信號(hào)的結(jié)果精度更高,濾波性能更穩(wěn)定,實(shí)現(xiàn)了信號(hào)與噪聲的有效分離,具有良好的自適應(yīng)性。針對(duì)某些光譜波段與血糖濃度信息缺乏相關(guān)性,導(dǎo)致全光譜數(shù)據(jù)建模預(yù)測(cè)精度低的問(wèn)題,提出一種基于排列熵的近紅外光譜變量選擇方法。通過(guò)分析光譜變量選擇的物理基礎(chǔ)和必要性,提出用滑動(dòng)窗口分割去噪后的近紅外全光譜數(shù)據(jù),計(jì)算每個(gè)光譜波長(zhǎng)區(qū)間的排列熵,以排列熵值作為特征參數(shù)進(jìn)行光譜變量選擇。實(shí)驗(yàn)結(jié)果表明,將新方法應(yīng)用于不同葡萄糖濃度離體溶液和不同葡萄糖濃度的2%Intralipid仿體溶液,與傳統(tǒng)光譜變量選擇方法對(duì)比,新方法選擇出的光譜變量分別縮減到全光譜變量的13.9%和14.7%,遠(yuǎn)遠(yuǎn)小于全譜1867個(gè)波長(zhǎng)數(shù)據(jù)。對(duì)于離體溶液,SVR建模后相關(guān)系數(shù)最大提高10.1%,預(yù)測(cè)均方根誤差最大降低13.7%,PLSR建模后相關(guān)系數(shù)最大提高18.5%,預(yù)測(cè)均方根誤差最大降低4.2%;對(duì)于仿體溶液,SVR建模后相關(guān)系數(shù)最大提高13.4%,預(yù)測(cè)均方根誤差最大降低12.4%,PLSR建模后相關(guān)系數(shù)最大提高14.3%,預(yù)測(cè)均方根誤差最大降低10.8%,說(shuō)明所提出的方法可以選擇出與葡萄糖濃度信息相關(guān)的光譜變量,減少無(wú)關(guān)光譜變量對(duì)模型預(yù)測(cè)能力的影響,有效改善全光譜數(shù)據(jù)建模預(yù)測(cè)精度低的問(wèn)題。針對(duì)近紅外無(wú)創(chuàng)血糖濃度檢測(cè)中光譜數(shù)據(jù)存在非線性相關(guān)的問(wèn)題,提出一種基于最大信息系數(shù)(MIC)的主成分分析光譜變量特征提取方法。通過(guò)分析傳統(tǒng)主成分分析方法的理論模型,并根據(jù)近紅外光譜數(shù)據(jù)的特點(diǎn),引入最大信息系數(shù)概念,對(duì)光譜數(shù)據(jù)的非線性相關(guān)進(jìn)行度量。新方法首先結(jié)合傳統(tǒng)主成分分析模型和MIC相關(guān)理論,對(duì)近紅外光譜數(shù)據(jù)進(jìn)行標(biāo)準(zhǔn)化處理,計(jì)算變量之間的最大信息系數(shù);然后通過(guò)MIC矩陣計(jì)算其特征值和特征向量,采用閾值法選擇主成分,對(duì)近紅外光譜變量進(jìn)行特征提取。實(shí)驗(yàn)結(jié)果表明,該方法運(yùn)用到不同葡萄糖濃度離體溶液近紅外光譜實(shí)驗(yàn)中,PSO-SVR建模后相關(guān)系數(shù)最大提高10.8%,預(yù)測(cè)均方根誤差最大降低15.1%;運(yùn)用到不同葡萄糖濃度2%Intralipid仿體溶液近紅外光譜實(shí)驗(yàn)中,PSO-SVR建模后相關(guān)系數(shù)最大提高9.4%,預(yù)測(cè)均方根誤差最大降低17%。說(shuō)明新方法所提取的主成分可以有效反映葡萄糖光譜信息,降低了模型的復(fù)雜程度,改善了模型的預(yù)測(cè)能力。
【學(xué)位單位】：哈爾濱工業(yè)大學(xué)
【學(xué)位級(jí)別】：博士
【學(xué)位年份】：2019
【中圖分類】：R446.1;O657.33
【部分圖文】：

據(jù)國(guó)際糖尿病組織(International Diabetes Federation, IDF)發(fā)布的調(diào)查止至 2017 年，全球大概有 4.249 億糖尿病患者，估計(jì)到 2045 年將 億，圖 1-1 是 IDF 統(tǒng)計(jì)的全球糖尿病患者分布圖。根據(jù) 2017 年的數(shù)據(jù)尿病患者人數(shù)位居世界首位，約 1.144 億人，另外還有 4.86 千萬(wàn)人]。

2-口腔感染，3-心，6-神經(jīng)損傷，7-糖尿病ations (1-eye disease, 2-oncy complications, 6-nerv現(xiàn)上沒(méi)有任何明顯癥。血糖濃度是糖尿病診分辨并確診糖尿病。重要的作用。目前還沒(méi)有徹底降低體血糖濃度會(huì)隨著飲要是通過(guò)對(duì)血糖進(jìn)行食、保持健康的生活葡萄糖濃度檢測(cè)對(duì)糖的檢測(cè)方法通常是在

供的有創(chuàng)血糖檢測(cè)儀，圖 1-4 為幾種常規(guī)血糖儀。.1mmol/L 之間，血糖檢測(cè)儀的檢測(cè)結(jié)果與自動(dòng)生化測(cè)良好的相關(guān)性。血糖檢測(cè)儀測(cè)得的血糖結(jié)果誤差小于得的靜脈血漿葡萄糖結(jié)果誤差為 3%[12]。
【參考文獻(xiàn)】

相關(guān)期刊論文 前10條

1 魯麗;顏國(guó)正;趙凱;許飛;;基于集合經(jīng)驗(yàn)?zāi)B(tài)分解的人體結(jié)腸動(dòng)力分析[J];光學(xué)精密工程;2015年06期

2 肖曉;徐啟華;;基于SVM與BP的分類與回歸比較研究[J];新型工業(yè)化;2014年05期

3 焦有權(quán);馮仲科;趙禮曦;徐偉恒;曹忠;;PSO嵌入SVM算法的活立木材積預(yù)報(bào)研究[J];光譜學(xué)與光譜分析;2014年01期

4 余振芳;邱琪;郭勇;蘇君;;光學(xué)旋光法的血糖濃度測(cè)量[J];激光雜志;2013年05期

5 范雪莉;馮海泓;原猛;;基于互信息的主成分分析特征選擇算法[J];控制與決策;2013年06期

6 羅玉昆;羅詩(shī)途;羅飛路;潘孟春;;激光超聲信號(hào)去噪的經(jīng)驗(yàn)?zāi)B(tài)分解實(shí)現(xiàn)及改進(jìn)[J];光學(xué)精密工程;2013年02期

7 金翠云;崔瑤;王穎;;粒子群優(yōu)化的SVM算法在氣體分析中的應(yīng)用[J];電子測(cè)量與儀器學(xué)報(bào);2012年07期

8 李欣;梅德慶;陳子辰;;基于經(jīng)驗(yàn)?zāi)B(tài)分解和希爾伯特-黃變換的精密孔鏜削顫振特征提取[J];光學(xué)精密工程;2011年06期

9 李剛;周梅;吳紅杰;林凌;;無(wú)創(chuàng)人體血糖檢測(cè)光學(xué)方法的研究現(xiàn)狀與發(fā)展[J];光譜學(xué)與光譜分析;2010年10期

10 劉慧;謝洪波;和衛(wèi)星;王志中;;基于模糊熵的腦電睡眠分期特征提取與分類[J];數(shù)據(jù)采集與處理;2010年04期

相關(guān)博士學(xué)位論文 前4條

1 孫凱;用于體內(nèi)血糖監(jiān)測(cè)的可植入型熒光聚合物點(diǎn)傳感器的研究[D];吉林大學(xué);2018年

2 余振芳;光學(xué)無(wú)創(chuàng)血糖檢測(cè)技術(shù)研究[D];電子科技大學(xué);2017年

3 楊越;近紅外無(wú)創(chuàng)血糖測(cè)量[D];天津大學(xué);2011年

4 陳文亮;近紅外無(wú)創(chuàng)血糖測(cè)量—信號(hào)拾取的理論和實(shí)驗(yàn)研究[D];天津大學(xué);2005年

相關(guān)碩士學(xué)位論文 前7條

1 陳玥洋;人眼房水葡萄糖濃度的近紅外光譜分析技術(shù)研究[D];南京理工大學(xué);2017年

2 劉洋洋;基于反離子電滲透原理的無(wú)創(chuàng)血糖檢測(cè)研究[D];重慶理工大學(xué);2013年

3 王娟;基于近紅外光譜無(wú)創(chuàng)血糖數(shù)據(jù)處理研究[D];長(zhǎng)春工業(yè)大學(xué);2012年

4 馬琳;無(wú)線遙感電感傳感器的研發(fā)及在生物化學(xué)檢測(cè)方面的應(yīng)用[D];湖南大學(xué);2010年

5 孫岳;組織液的透皮抽取與血糖預(yù)測(cè)技術(shù)研究[D];天津大學(xué);2009年

6 白鴿;血糖濃度變化的近紅外光譜測(cè)量與分析[D];華中科技大學(xué);2008年

7 劉曉宣;近紅外光譜定性定量技術(shù)在中藥質(zhì)量控制中的應(yīng)用研究[D];浙江大學(xué);2004年

本文編號(hào)：2870003