一种基于分数傅里叶变换分析的无创血糖检测方法及系统技术方案

本发明专利技术公开了一种基于分数傅里叶变换分析的无创血糖检测方法及系统，包括：通过PPG信号传感器采集人体的血流信号，同时通过血糖仪测量指尖血糖浓度，使得血流信号对应指尖血糖浓度；对血流信号进行预处理后，进行分数阶离散傅里叶变换分析，提取能量谱作为数据特征，并根据指尖血糖浓度构建数据集；基于随机森林回归模型，通过数据集进行训练，并评估模型预测误差和预测血糖值准确度后，构建血糖预测模型；基于血糖预测模型，通过采集待测目标的血流信号，获取待测目标的指尖血糖浓度；本发明专利技术通过分数傅里叶变换得到信号的时间域和频率域之间的动态特征，很好地弥补了经典傅里叶变换的缺点，最大限度上保留了原始数据中包含的有用的信息。有用的信息。有用的信息。

【技术实现步骤摘要】
一种基于分数傅里叶变换分析的无创血糖检测方法及系统


[0001]本专利技术涉及血糖预测
，具体而言，涉及一种基于分数傅里叶变换分析的无创血糖检测方法及系统。

技术介绍

[0002]近年来，由于快速的经济发展、城市化和营养转型，每天久坐的生活方式已经变成人们的日常。不管是发达国家还是发展中国家，糖尿病和肥胖症患者的数量都大幅增加。而主要负担现在是在发展中国家，大约80％的糖尿病患者生活在低收入和中等收入国家和社区。糖尿病患者的平均年龄也逐渐降低。糖尿病作为一种全球流行病，它对人类健康和全球经济的威胁在国际卫生议程上排名很高。依靠目前的医疗水平，我们并不能完全治愈糖尿病，只能依靠药物或者化学治疗来抑制病情不再继续恶化。通过了解糖尿病患者的病史并预测未来可能的结果，将会帮助医生更好地了解患者的情况，并提供更好、更高质量的治疗。所以，糖尿病患者的带病干预就显得尤为重要。研究表明，如果糖尿病患者每天坚持适当的饮食和药物的治疗，糖尿病将会被有效控制，此时就需要连续血糖监测，糖尿病患者可以根据自己的血糖情况来调整三餐饮食摄入量。现阶段检测血糖主要是有创检测，但有创检测不仅每次检测都需要使用采血针和试纸，造成了环境污染，而且每次测试都需要从指尖提取血液，患者伤口难以及时愈合，而且会产生使伤口感染病菌的风险。尽管有创检测的结果是精确的，可作为诊断糖尿病的重要依据，但无论从病人还是医疗器械的角度来看该方法还是不适合连续监测糖尿病患者。
[0003]基于有创血糖监测的种种弊端，大多数糖尿病患者希望能通过无创的方法进行血糖监测。现有技术公开了一种时频域综合分析无创血糖测量方法，该方法首先获取指尖的PPG信号，对其进行去噪处理，用快速傅里叶变换对信号进行分析，提取有意义的时域和频域特征，最后通过建立随机森林模型来预测血糖值，实现血糖的无创预测。但PPG信号多为非平稳信号，暴露了经典傅里叶变换的局限性。对于非平稳信号而言，只选择时域或者频域的特征去进行血糖预测，难免会丢失大量处于时域和频域中间的有效特征，导致血糖预测结果不够准确，因此，急需一种基于分数傅里叶变换分析的无创血糖检测方法及系统，用于解决上述技术问题。

技术实现思路

[0004]为了解决上述有效特征丢失问题，本专利技术提出了一种基于离散分数傅里叶变换的无创血糖测量方法及系统，通过结合近红外光谱法和光电容积脉搏波描记法，对信号进行离散分数傅里叶变换分析，提取相关特征参数并进行建模回归预测。
[0005]为了实现上述技术目的，本申请提供了一种基于分数傅里叶变换分析的无创血糖检测方法，包括以下步骤：
[0006]通过PPG信号传感器采集人体的血流信号，同时通过血糖仪测量指尖血糖浓度，使得血流信号对应指尖血糖浓度；
[0007]对血流信号进行预处理后，进行分数阶离散傅里叶变换分析，提取能量谱作为数据特征，并根据指尖血糖浓度构建数据集；
[0008]基于随机森林回归模型，通过数据集进行训练，并评估模型预测误差和预测血糖值准确度后，构建血糖预测模型；
[0009]基于血糖预测模型，通过采集待测目标的血流信号，获取待测目标的指尖血糖浓度。
[0010]优选地，在对血流信号进行预处理的过程中，通过经验模态分解来滤除基线漂移所造成的影响，并使用奇异谱分析方法来去除噪声，将原有信号的主要成分留下。
[0011]优选地，在对血流信号进行经验模态分解的过程中，通过经验模态分解，将血流信号分解为有限个本征模函数，所分解出来的各IMF分量包含了原信号的不同时间尺度的局部特征信号。
[0012]优选地，在对血流信号进行经验模态分解的过程中，根据血流信号的第一信号序列的极大值点，使用三次样条插值拟合血流信号的上包络线；
[0013]根据信号序列的极小值点，使用三次样条插值拟合血流信号的下包络线；
[0014]获取上包络线和下包络线的均值，将第一信号序列减去均值后，获取用于表示本征模函数的第二信号序列，其中，本征模函数满足以下条件：
[0015]条件1：函数在整个时间范围内，局部极值点和过零点的数目相等，或相差一个；
[0016]条件2：在任意时刻点，上包络线和下包络线的平均小于所设定的阈值。
[0017]优选地，在获取第二信号序列的过程中，第一信号序列减去均值后生成第三信号序列不是本征模函数，则定义第三信号序列为新的信号序列，并获取第三信号序列的上包络线、下包络线，以及上包络线和下包络线的均值，直至获取第二信号序列，其中，根据第二信号序列，定义残差，若残差为固有函数或者单调函数，则表示完成了血流信号的经验模态分解。
[0018]优选地，在对预处理后的血流信号进行分数阶离散傅里叶变换分析的过程中，分数阶离散傅里叶变换分析的过程为：
[0019]步骤S1：令变换阶数p＝0；
[0020]步骤S2：对第二信号序列进行p阶离散分数傅里叶变换，获取频域信息及频域特征参数，提取中间能量集中的谱集作为数据特征；
[0021]步骤S3：令p＝p+0.1，重复步骤S2，直到p＝1。
[0022]步骤S4：把上述11次个数据特征拼接成一个向量，作为总的特征向量，并依据血流信号对应的指尖血糖浓度，构建数据集。
[0023]优选地，在构建血糖预测模型的过程中，基于随机森林回归模型，将数据集随机打乱后平均分成5等份，使用五折交叉验证，并依据5次所得结果的平均值，作为最终的回归结果，对数据集进行分类回归后，构建用于血糖无创检测的血糖预测模型。
[0024]本专利技术还公开了一种基于分数傅里叶变换分析的无创血糖检测系统，包括：
[0025]数据采集模块，用于通过PPG信号传感器采集人体的血流信号，同时通过血糖仪测量指尖血糖浓度，使得血流信号对应指尖血糖浓度；
[0026]数据处理模块，用于对血流信号进行预处理后，进行分数阶离散傅里叶变换分析，提取能量谱作为数据特征，并根据指尖血糖浓度构建数据集；
[0027]血糖检测模块，用于基于随机森林回归模型，通过数据集进行训练，并评估模型预测误差和预测血糖值准确度后，构建血糖预测模型，并基于血糖预测模型，通过采集待测目标的血流信号，获取待测目标的指尖血糖浓度。
[0028]本专利技术公开了以下技术效果：
[0029]本专利技术通过分数傅里叶变换得到信号的时间域和频率域之间的动态特征，很好地弥补了经典傅里叶变换的缺点，最大限度上保留了原始数据中包含的有用的信息。
附图说明
[0030]为了更清楚地说明本专利技术实施例或现有技术中的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本专利技术的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
[0031]图1是本专利技术实施例所述的基于离散分数傅里叶变换分析的无创血糖监测方法的过程；
[0032]图2是本专利技术实施例所述的分数傅里叶变换在时频面上的旋转过程。
具体实施本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于分数傅里叶变换分析的无创血糖检测方法，其特征在于，包括以下步骤：通过PPG信号传感器采集人体的血流信号，同时通过血糖仪测量指尖血糖浓度，使得所述血流信号对应所述指尖血糖浓度；对所述血流信号进行预处理后，进行分数阶离散傅里叶变换分析，提取能量谱作为数据特征，并根据所述指尖血糖浓度构建数据集；基于随机森林回归模型，通过所述数据集进行训练，并评估模型预测误差和预测血糖值准确度后，构建血糖预测模型；基于所述血糖预测模型，通过采集待测目标的血流信号，获取所述待测目标的指尖血糖浓度。2.根据权利要求1所述一种基于分数傅里叶变换分析的无创血糖检测方法，其特征在于：在对血流信号进行预处理的过程中，通过经验模态分解来滤除基线漂移所造成的影响，并使用奇异谱分析方法来去除噪声，将原有信号的主要成分留下。3.根据权利要求2所述一种基于分数傅里叶变换分析的无创血糖检测方法，其特征在于：在对血流信号进行经验模态分解的过程中，通过所述经验模态分解，将所述血流信号分解为有限个本征模函数，所分解出来的各IMF分量包含了原信号的不同时间尺度的局部特征信号。4.根据权利要求3所述一种基于分数傅里叶变换分析的无创血糖检测方法，其特征在于：在对血流信号进行经验模态分解的过程中，根据所述血流信号的第一信号序列的极大值点，使用三次样条插值拟合所述血流信号的上包络线；根据所述信号序列的极小值点，使用三次样条插值拟合所述血流信号的下包络线；获取所述上包络线和所述下包络线的均值，将所述第一信号序列减去所述均值后，获取用于表示本征模函数的第二信号序列，其中，所述本征模函数满足以下条件：条件1：函数在整个时间范围内，局部极值点和过零点的数目相等，或相差一个；条件2：在任意时刻点，所述上包络线和所述下包络线的平均小于所设定的阈值。5.根据权利要求4所述一种基于分数傅里叶变换分析的无创血糖检测方法，其特征在于：在获取第二信号序列的过程中，所述第一信号序列减去所述均值后生成第三...

【专利技术属性】
技术研发人员：邓兴华，凌永权，袁昊，蔡志鸿，
申请(专利权)人：迈德医疗科技深圳有限公司，
类型：发明
国别省市：