一种无创血红蛋白浓度检测方法及系统技术方案

本发明专利技术公开了一种无创血红蛋白浓度检测方法及系统，涉及无创检测技术领域。所述无创血红蛋白浓度检测方法包括：采集目标使用者的光电容积脉搏波描记信号；对所述光电容积脉搏波描记信号进行特征提取，得到血红蛋白浓度特征信息；所述特征提取包括手动特征提取和自动特征提取；根据所述血红蛋白浓度特征信息和血红蛋白浓度预测模型，得到所述目标使用者的血红蛋白浓度；所述血红蛋白浓度预测模型包括多层回归器。本发明专利技术通过多特征提取方法和多次回归预测，提高了模型的拟合效果和泛化能力，解决了既有无创检测技术中连续、实时检测时检测结果的准确度不高的问题。结果的准确度不高的问题。结果的准确度不高的问题。

【技术实现步骤摘要】
一种无创血红蛋白浓度检测方法及系统


[0001]本专利技术涉及无创检测
，特别是涉及一种无创血红蛋白浓度检测方法及系统。

技术介绍

[0002]血红蛋白是红细胞内运输氧气的特殊蛋白质，是人体血液的重要组成成分。正常情况下，人体的血红蛋白浓度应当在一定范围内，当人体出现一些疾病时，血红蛋白浓度将高于或低于正常范围，因此，血红蛋白浓度可反映出人体的健康状况。
[0003]目前，检测血红蛋白浓度的方法可分为有创检测和无创检测两种。有创血红蛋白浓度检测方法包括氰化高铁血红蛋白检测法和即时检验法，都需要先对受测者进行取血采样，再通过血细胞分析仪进行分析得到血红蛋白浓度值。虽然此类检测方法所得结果的准确度较高，但存在一些不足：检测时间无法达到连续、实时效果，不能做到对重症患者的情况及时了解；容易引发伤口感染，还可能使受测者产生内心恐惧。而无创血红蛋白浓度检测方法不再需要取血采样这一过程，而是直接将受测者的手指放在仪器上，便能实时的获得其血红蛋白的浓度指标。此类方法可以较好的解决有创血红蛋白浓度检测方法存在的不足，可实现对人体的血红蛋白浓度的连续、实时的检测。
[0004]随着技术的不断发展与完善，数值处理以及预测模型的建模成为近期的研究热点，支持向量回归、反向传播人工神经网络、径向基人工神经元网络、基于B样条函数的回归、极限学习机等方法均被用来尝试构建无创血红蛋白检测模型，虽然大部分方法可以获得更快的训练速度、更高的精度，但是都由于容易过拟合、泛化能力弱等问题而导致检测准确度不高，阻碍了无创血红蛋白检测技术在实际中的应用。因此现有的大部分无创血红蛋白浓度检测方法的准确性仍存在较大的改进空间，需要一种提高血红蛋白浓度检测能力的无创血红蛋白浓度检测方法及系统。

技术实现思路

[0005]本专利技术的目的是提供一种无创血红蛋白浓度检测方法及系统，能够显著提升提高血红蛋白浓度连续、实时检测的准确度。
[0006]为实现上述目的，本专利技术提供了如下方案：
[0007]一种无创血红蛋白浓度检测方法，包括：
[0008]采集目标使用者的光电容积脉搏波描记信号；
[0009]对所述光电容积脉搏波描记信号进行特征提取，得到血红蛋白浓度特征信息；所述特征提取包括手动特征提取和自动特征提取；
[0010]根据所述血红蛋白浓度特征信息和血红蛋白浓度预测模型，得到所述目标使用者的血红蛋白浓度；所述血红蛋白浓度预测模型包括多层回归器。
[0011]可选地，所述采集目标使用者的光电容积脉搏波描记信号，具体包括：
[0012]获取反射信号；所述反射信号为采用多路不同波长的光源对所述目标使用者的检
测区域进行照射，后经所述目标使用者的检测区域对所述光源进行反射的信号；
[0013]对所述反射信号依次进行放大处理、滤波处理和模数转化处理，得到光电容积脉搏波描记信号。
[0014]可选地，所述对所述光电容积脉搏波描记信号进行特征提取，得到血红蛋白浓度特征信息，具体包括：
[0015]对所述光电容积脉搏波描记信号依次进行滤除处理及自相关运算，得到多路处理信号；
[0016]对多路所述处理信号进行手动特征提取，得到手动特征信息；
[0017]对多路所述处理信号进行自动特征提取，得到自动特征信息；
[0018]采用贝叶斯的数据关联算法对所述手动特征信息和所述自动特征信息进行数据融合，得到血红蛋白浓度特征信息。
[0019]可选地，所述对所述光电容积脉搏波描记信号依次进行滤除处理及自相关运算，得到多路处理信号，具体包括：
[0020]对所述光电容积脉搏波描记信号依次进行高频噪声滤除、运动伪迹滤除和基线漂移滤除，得到多路滤除信号；
[0021]对多路所述滤除信号进行自相关运算，得到多个自相关系数；
[0022]将小于设定阈值的自相关系数对应的滤除信号剔除，得到多路处理信号。
[0023]可选地，所述对多路所述处理信号进行手动特征提取，得到手动特征信息，具体包括：
[0024]根据多路所述处理信号和比尔
‑
朗伯特定律建立血红蛋白浓度检测方程；
[0025]根据所述血红蛋白浓度检测方程确定血红蛋白浓度与所述处理信号之间的特征映射关系，并基于所述特征映射关系确定手动特征信息。
[0026]可选地，所述对多路所述处理信号进行自动特征提取，得到自动特征信息，具体包括：
[0027]获取第一训练数据；所述第一训练数据包括已使用者的光电容积脉搏波描记信号和对应的血红蛋白浓度；
[0028]构建卷积神经网络模型；
[0029]将所述第一训练数据输入所述卷积神经网络模型，根据第一设定迭代次数对所述卷积神经网络模型进行训练，将训练好的神经网络模型确定为自动特征提取模型；
[0030]将多路所述处理信号输入所述自动特征提取模型，得到自动特征信息。
[0031]可选地，所述根据所述血红蛋白浓度特征信息和血红蛋白浓度预测模型，得到所述目标使用者的血红蛋白浓度，具体包括：
[0032]将所述目标使用者的血红蛋白浓度特征信息输入所述血红蛋白浓度预测模型的第一层回归器，所述第一层回归器输出初步预测结果；
[0033]将所述初步预测结果输入所述血红蛋白浓度预测模型的第二层回归器，所述第二层回归器输出所述目标使用者的血红蛋白浓度。
[0034]可选地，所述第一层回归器的确定方法为：
[0035]获取第二训练数据；所述第二训练数据包括已使用者的血红蛋白浓度特征信息和对应的血红蛋白浓度；
[0036]构建多机器学习模型；
[0037]将所述第二训练数据输入所述多机器学习模型进行训练，将训练好的多机器学习模型确定为所述血红蛋白浓度预测模型中的第一层回归器。
[0038]可选地，所述第二层回归器的确定方法为：
[0039]获取第三训练数据；所述第三训练数据包括已使用者的初步预测结果和对应的血红蛋白浓度；
[0040]构建随机森林模型；
[0041]将所述第三训练数据输入所述随机森林模型进行训练，将训练好的随机森林模型确定为所述血红蛋白浓度预测模型中的第二层回归器。
[0042]本专利技术还提供了一种无创血红蛋白浓度检测系统，包括：
[0043]数据采集单元，用于采集目标使用者的光电容积脉搏波描记信号；
[0044]特征提取单元，用于对所述光电容积脉搏波描记信号进行特征提取，得到血红蛋白浓度特征信息；所述特征提取包括手动特征提取和自动特征提取；
[0045]血红蛋白浓度预测单元，用于根据所述血红蛋白浓度特征信息和血红蛋白浓度预测模型，得到所述目标使用者的血红蛋白浓度；所述血红蛋白浓度预测模型包括多层回归器。
[0046]根据本专利技术提供的具体实施例，本专利技术公开了以下技术效果：
[0047]本专利技术公开了一种无创血红蛋白浓度检测方法及系统，其中所述无创血红蛋白浓度检测方法通过对目本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种无创血红蛋白浓度检测方法，其特征在于，包括：采集目标使用者的光电容积脉搏波描记信号；对所述光电容积脉搏波描记信号进行特征提取，得到血红蛋白浓度特征信息；所述特征提取包括手动特征提取和自动特征提取；根据所述血红蛋白浓度特征信息和血红蛋白浓度预测模型，得到所述目标使用者的血红蛋白浓度；所述血红蛋白浓度预测模型包括多层回归器。2.根据权利要求1所述的无创血红蛋白浓度检测方法，其特征在于，所述采集目标使用者的光电容积脉搏波描记信号，具体包括：获取反射信号；所述反射信号为采用多路不同波长的光源对所述目标使用者的检测区域进行照射，后经所述目标使用者的检测区域对所述光源进行反射的信号；对所述反射信号依次进行放大处理、滤波处理和模数转化处理，得到光电容积脉搏波描记信号。3.根据权利要求1所述的无创血红蛋白浓度检测方法，其特征在于，所述对所述光电容积脉搏波描记信号进行特征提取，得到血红蛋白浓度特征信息，具体包括：对所述光电容积脉搏波描记信号依次进行滤除处理及自相关运算，得到多路处理信号；对多路所述处理信号进行手动特征提取，得到手动特征信息；对多路所述处理信号进行自动特征提取，得到自动特征信息；采用贝叶斯的数据关联算法对所述手动特征信息和所述自动特征信息进行数据融合，得到血红蛋白浓度特征信息。4.根据权利要求3所述的无创血红蛋白浓度检测方法，其特征在于，所述对所述光电容积脉搏波描记信号依次进行滤除处理及自相关运算，得到多路处理信号，具体包括：对所述光电容积脉搏波描记信号依次进行高频噪声滤除、运动伪迹滤除和基线漂移滤除，得到多路滤除信号；对多路所述滤除信号进行自相关运算，得到多个自相关系数；将小于设定阈值的自相关系数对应的滤除信号剔除，得到多路处理信号。5.根据权利要求3所述的无创血红蛋白浓度检测方法，其特征在于，所述对多路所述处理信号进行手动特征提取，得到手动特征信息，具体包括：根据多路所述处理信号和比尔
‑
朗伯特定律建立血红蛋白浓度检测方程；根据所述血红蛋白浓度检测方程确定血红蛋白浓度与所述处理信号之间的特征映射关系，并基于所述特征映射关系确定手动特征信息。6.根据权利要求3所述的无创血红蛋白浓度检测...

【专利技术属性】
技术研发人员：彭福来，赵嘉辉，张宁玲，陈财，王海滨，
申请(专利权)人：山东中科先进技术有限公司，
类型：发明
国别省市：