[发明专利]基于神经网络算法的血糖浓度检测方法

说明书

本发明涉及一种基于神经网络算法的血糖浓度检测方法，包括下列步骤：制作人体耳垂模型；配制不同血糖浓度的测试血液；利用第一天线发射超宽带微波信号，第二天线接收穿透耳垂模型的信号；对得到的接收信号进行处理，采用Prony方法提取包括谐振频率和衰减因子在内的信号特征极点，提取到接收信号的18个特征极点值，其中，谐振频率9个，衰减因子9个，共18个为1组；选择BP神经网络进行训练。

技术领域

本发明属于微波无损检测技术领域，涉及一种血糖浓度检测方法。

背景技术

人体血液中各种化学成分含量的变化能真实反映人体的健康状况,是临床诊断和日常监护所必需的重要信息。寻找一种能够便捷、连续、有效、准确、无创地血液成分的方法,是长期以来人类对抗疾病过程中梦寐以求的理想。由于血液中葡萄糖浓度的实时检测对预防和治疗糖尿病具有重要价值,目前的研究主要集中在对血糖的无创检测上。正在研究的可行的血糖无创检测的方法可分为两大类:一类是光学方法,主要包括近红外光谱法、中红外光谱法、光声光谱法、偏振光测量技术等多种方案。光学方法普遍存在的问题是对人体组织的光学特性认识还不够深入,无法消除血压、体温、皮肤状况、测量部位等因素对测量精度的影响。另一类是非光学方法,主要包括体液采集法、离子反渗透法、电磁阻抗谱法。

发明内容

本发明提供一种利用超宽带微波检测系统中对人体血糖浓度进行无损探测的方法。该方法简便快捷，能够通过对接收信号进行神经网络训练对血糖浓度进行判断，避免使用穿刺等对人体有伤害的方法，能够获取足够的信息对血糖浓度进行检测。本发明的技术方案如下：

一种基于神经网络算法的血糖浓度检测方法，包括下列步骤：

1)制作人体耳垂模型；

2)配制不同血糖浓度的测试血液，其中用于神经网络训练的浓度为51组，即从0mg/dl-500mg/dl每间隔10mg/dl配一组共51组，用于测试的血糖浓度为10组，随机浓度即可；

3)利用第一天线发射超宽带微波信号，第二天线接收穿透耳垂模型的信号；

4)对得到的接收信号进行处理，采用Prony方法提取包括谐振频率和衰减因子在内的信号特征极点，提取到接收信号的18个特征极点值，其中，谐振频率9个，衰减因子9个，共18个为1组；

5)选择BP神经网络进行训练，其中神经网络输入层为接收信号的18个特征极点值，神经网络输出层为血糖浓度，神经网络设置两个隐含层，第一个隐含层节点数为12，第二个隐含层节点数为8；

6)对神经网络训练结束后，使用10组随机浓度的接收信号的18个特征极点值对该神经网络进行测试。

7)对待测样本进行血糖浓度测试。

附图说明

图1耳垂组织模型及天线结构示意图。

图2模型中部分接收信号的时域波形。

图3神经网络训练图。

图4测试信号特征极点对应的神经网络输出结果，即测试血糖浓度。

具体实施方式

下面首先结合耳垂组织模型，对本发明的可行性进行说明。然后再结合实施例说明本发明的技术方案。

由于耳垂中组织结构简单，可以将毛细血管分布等效为一层血液层，不同血糖浓度时有不同的电磁特性参数。当一侧天线发射的超宽带微波穿过耳垂被另一侧的天线接收得到，再通过对接收信号提取特征极点值即可得到神经网络输入，使用神经网络对已知血糖浓度的接收信号的特征极点进行训练。训练结束之后，将未知血糖浓度的接收信号的特征极点输入神经网络进行计算，最终神经网络的输出即为血糖浓度值。因此该方法简便快捷，避免了对人体的伤害，能够对人体的血糖浓度进行检测。非常适合于血糖浓度的检测。