陈真诚，张　杨，徐北平，朱健铭

(1.桂林电子科技大学 生命与环境科学学院，广西 桂林 541004；2.桂林电子科技大学 电子工程与自动化学院，广西 桂林 541004)

近红外无创血糖检测系统设计*

陈真诚1，张杨2，徐北平2，朱健铭1

(1.桂林电子科技大学 生命与环境科学学院，广西 桂林 541004；2.桂林电子科技大学 电子工程与自动化学院，广西 桂林 541004)

摘要:根据近红外无创血糖检测技术，设计一种小型近红外无创血糖检测系统。以系统检测探头对人体食指采取透射方式探测，由光电传感器采集四路不同波长近红外光的脉搏波信号。提出一种脉搏波预处理方法，采用经验模态分解和三次样条插值算法去除原始脉搏波的高频噪声和基线漂移。运用动态光谱频域提取法提取对数脉搏波的基波分量。采用偏最小二乘法交叉验证的方法，预测人体血糖浓度。对实验结果进行分析，此系统预测血糖值与真实血糖值的相关性达到了86.5 %,预测均方根误差为0.56 mmol/L，证明系统检测结果精度较高。

关键词:近红外光谱；光电容积脉搏波；无创血糖检测；脉搏波预处理；偏最小二乘法

0引言

糖尿病是威胁人类健康的世界性流行性疾病[1]。由于糖尿病的发病呈上升趋势，而传统的有创人体血糖检测需求采血会增加病人痛苦，不利病情控制治疗。所以，实现无创伤检测人体血糖浓度[2]是当今世界的研究热点。动态光谱频域提取法[3,4]是近红外无创检测人体血糖领域的主要发展方向。

本文设计一种基于近红外光谱分析技术的人体血糖浓度无创检测系统，并提出人体容积脉搏波预处理算法[5～8]和血糖浓度预测模型[9,10]，实现人体血糖浓度的无创检测，经实验验证，该系统达到较高检测精度[11]。

1检测原理

1.1动态光谱法

动态光谱法根据吸光度和动脉饱和水平之间的关系实现血糖浓度的检测，其优势是去除不同个体之间的差异。近红外光穿透人体之后光强度的变化必然会随着脉搏血流量的变化而变化。动脉血管血流量最小和最大的时刻对应最强和最弱出射光强，可作为朗博—比尔定律中的入射光强 I0和出射光强I，继而计算浓度，如式(1)所示

(1)

式中Aλ为脉动动脉血液吸光度，Imax为最强出射光强，Imin为最弱出射光强，a(λ)为测试样品对光的吸收系数，l为脉动动脉血液最大充盈状态下的等效光程长，C为吸收物质浓度,mg/dL。

1.2动态光谱频域提取原理

由于脉搏波信号信噪比较低和采样率的局限性等，动态光谱时域处理法提取波形的峰峰值会存在较大误差。本文采用频域处理方法，信噪比阈值比时域处理有所降低。将对数脉搏波信号做傅里叶变换，得出的基波和各次谐波分量与对应信号峰峰值呈线性比例关系。基波分量幅值的信噪比是最大的，可作为动态光谱数据。结合式(1)，可以精确地推导出人体血糖浓度，如式(2)

(2)

式中X(1)为基波幅度值，k为比例系数，其他参数和式(1)相同。

2硬件系统设计

2.1检测系统构成

系统以MSP430单片机为核心，搭建了包含四波长近红外LED 的测量系统。由光源驱动电路、光电传感器前置电路、信号放大电路、滤波电路、控制电路等部分组成。LED的驱动电路基于正弦波振幅光调制技术，根据光电脉搏波信号的波长调节频率范围，尽可能保证动态光谱法要求的高采样率。系统选取透射式的测量方式获取手指脉搏波信号，继而使用相关算法计算人体血糖浓度。图1是实验装置的框图。

图1　系统硬件结构Fig 1　System hardware structure

2.2光电传感器

检测探头中的光电传感器采用灵敏度高、噪声系数低的光电倍增管，产生人体脉搏波的电流信号，再通过I/V转换电路将电流信号转换为达到检测识别幅度电压信号。电路采用单电源供电的LM358运放将近百纳安的电流转换为毫伏级的电压。电路图如2所示。

图2　I/V转换电路Fig 2　I/V converting circuit

2.3放大电路

系统电压放大电路采用AD603运放，将I/V转换电路的mV级电压放大为V级电压，以供MSP430控制器输入。电路图如图3所示。

图3　电压放大电路Fig 3　Voltage amplifier circuit

3脉搏波信号预处理

本文提出一种脉搏波预处理方法，处理流程如图4所示。

图4　脉搏波信号预处理流程Fig 4　Pretreatment process of pulse wave signal

首先，经验模态分解(EMD)算法自动将原始脉搏波信号(图5)分解成为7个内在模式函数(IMF)分量和一个剩余分量res，如图6所示。

图5　原始脉搏波信号波形Fig 5　Waveform of original pulse wave signal

图6　EMD分解图Fig 6　EMD decomposition figure

然后，根据人体脉搏信号的频率主要分布在0.5～10 Hz，依次计算每个IMF分量的频谱，使用EMD时空滤波法滤除只包含高频噪声的分量IMF1和IMF2。对剩余的IMF分量依次进行软阈值去噪再重构。继而采用三次样条插值算法消除原始信号中存在的基线漂移，得到最终的平稳平滑的脉搏波信号，如图7。

图7　去除基线漂移的脉搏波信号Fig 7　Pulse wave signal removing baseline drift

4系统性能分析与建模研究

4.1实验数据采集

对10名志愿者进行实验，年龄22～26岁不等，实验过程中保持静息状态。连续采集20组数据，早上8点进行一次空腹血糖测量，中午11点进行餐后2 h的血糖测量。每次测量都用3次的光谱测量结果的平均值对应一次微创血糖仪定标值。对照血糖值采用德国罗氏诊断公司的逸动型血糖仪Accu-Chek®Mobile，操作简单，能极大程度减少人为操作误差。

4.2实验结果分析

根据以上分析，对所测得的20组不同波长脉搏波数据依次进行预处理，获取其相应的动态光谱图。采用偏最小二乘法对脉搏波预处理之后得到的基波分量数据和微创血糖仪测得的血糖值进行交叉验证建模。血糖浓度的拟合结果及内部交叉验证结果如图8和表1所示。经计算，相关系数为86.5 %，预测均方根误差为0.56 mmol/L。

图8　血糖真实值与预测值对比图Fig 8　Comparison figure of real and predicted values of blood glucose

类别预测值/(mmol/L)真实值/(mmol/L)绝对误差/(mmol/L)相对误差/%15.615.80-0.19-3.2825.554.900.6513.3335.375.40-0.030.5645.515.400.112.0456.326.10.223.5765.876.10-0.23-3.7777.177.40-0.23-3.1186.997.10-0.11-1.5597.418.50-1.09-12.82108.228.90-0.68-7.68

5结论

本文设计一种基于近红外方法无创检测人体血糖浓度的系统。对20组临床实验结果进行分析，结果表明：本系统的检测精度较高，测量相关系数达到了86.5 %,验证了近红外方法无创检测人体血糖浓度的可行性。后续的研究工作中，将会进一步优化系统性能，同时探寻更多适宜人体光电容积脉搏波预处理和近红外检测人体血糖浓度的算法，达到将该技术应用于临床的标准。

参考文献:

[1]王弟亚,陈真诚,朱健铭,等.基于无创血糖检测的传感器集成设计[J].传感器与微系统,2009,28(12):74-79.

[2]Sandeep K V.Non-invasive glucose monitoring technology in diabetes management:A review[J] .Analytica Chimica Acta,2012,750(10):16-27．

[3]陈玲玲.近红外无创血糖浓度检测技术的初步研究[D].哈尔滨：黑龙江大学,2010.

[4]王焱,杨威,许轶.近红外动脉血液检测中压力对脉搏波的影响[J].传感器与微系统,2010,29(11):67-69.

[5]Miguel P，Hermann L T，Werner M.Infrared spectroscopic ana-lysis of human interstitial fluid in vitro and in vivo using FT-IR spectroscopy and pulsed quantum cascade lasers(QCL):Establishing a new approach to non-invasive glucose measurement[J].Spectrochimica Acta Part A:Molecular and Bio-molecular Spectroscopy,2012,85(1):61-65.

[6]行鸿彦,许瑞庆.基于经验模态分解的脉搏信号去噪[J].计算机应用与软件,2009,26(8):156-158.

[7]林凌,李威,周梅.EMD算法在动态光谱无创测量血红蛋白浓度中的应用[J].光谱学与光谱析,2014,34(8):2106-2111.

[8]胡爱琴,袁洪福,宋春风,等.近红外离散波长光谱基线漂移校正方法研究[J].光谱学与光谱分析,2014,34(10):2606-2611.

[9]傅谊,张拥军,陈华才.基于偏最小二乘法的板栗近红外光谱分析模型的建立[J].食品科技,2012,37(5):42-43.

[10] 李朋成,朱军桃,马云栋.基于偏最小二乘法的近红外光谱分析应用[J].测绘地理信息,2015,40(2):53-56.

[11] Chen Z C,Jin X L,Zhu J M,et al.Non-invasive glucose mea-suring apparatus based on conservation of energy method[J].J Cent South Univ Technol,2009,16:982-986.

Design of non-invasive blood glucose detecting system based on near-infrared*

CHEN Zhen-cheng1,ZHANG Yang2,XU Bei-ping2,ZHU Jian-ming1

(1.School of Life and Environmental Sciences,Guilin University of Electronic Technology,Guilin 541004,China;2.School of Electronic Engineering and Automation,Guilin University of Electronic Technology,Guilin 541004,China)

Abstract:According to near-infrared non-invasive blood glucose detection technology,miniature near-infrared non-invasive blood glucose detection system is designed.Use system detection probe to detect index finger adopting mode of transmission,collect pulse wave signal of four paths different wavelengths near-infrared light by photoelectric sensor.A pulse wave preprocessing method is proposed,which uses empirical mode decomposition and three times spline interpolation method to delete high frequency noise and baseline drift.Fundamental component of logarithmic pulse wave is extracted by dynamic spectrum frequency domain method.Adopt cross validation method based on partial least square to predict human blood glucose.Analysis on experimental results,correlation of system predicted and real blood glucose reach 86.5 %,predicted RMSEP is 0.56 mmol/L,precision of system is verified to be high.

Key words:near infrared spectroscopy;photoplethysmography;non-invasive blood glucose detection;pulse wave preprocessing;partial least square method

DOI:10.13873/J.1000—9787(2016)05—0103—04

收稿日期：2015—08—19

*基金项目：国家自然科学基金资助项目(61271119)；国家科技支撑计划资助项目(2013BAI03B01)；广西自动检测技术与仪器重点实验室主任基金资助项目(YQ14116)；广西高等学校科学研究项目(KY2015YB096)

中图分类号:TP 274

文献标识码:A

文章编号:1000—9787(2016)05—0103—04

作者简介:

陈真诚(1965-)，男，湖南永州人，教授，博士生导师，主要研究方向为生物医学传感技术、生物医学电子系统等。

朱健铭，通讯作者，E—mail：zjmcsu@126.com。