[發明專利]基于自組織競爭神經網絡模型和紅外光譜的血糖檢測方法

有效

• 申請號: 201810472902.3
• 申請日: 2018-05-17
• 公開（公告）號: CN108542402B
• 公開（公告）日: 2020-07-31
• 發明（設計）人: 劉春宇;蔡紅星;韓穎;姚治海
• 申請（專利權）人: 吉林求是光譜數據科技有限公司
• 主分類號: A61B5/1455
• 分類號: A61B5/1455;A61B5/00
• 代理公司: 吉林省長春市新時代專利商標代理有限公司 22204
• 代理人: 石岱

1.基于自組織競爭神經網絡模型和紅外光譜的血糖檢測方法，其特征在于，包括以下步驟：

步驟1：利用便攜式紅外光譜儀對人體皮膚表面進行光譜采集，采集大量人體皮膚表面血糖紅外光譜，建立基礎數據庫；

步驟2：對步驟1采集的光譜進行預處理，利用歐氏距離判斷離散點，并剔除無效光譜，利用小波變換去噪法去干擾噪聲，采用峰谷點扯平、偏置扣減、微分處理和基線傾斜方法去基線，對被測樣品紅外光譜進行歸一化處理，歸一化后光譜數據強度在-1到1之間；

步驟3：將處理后的光譜建立光譜數據庫，數據庫中至少600個有效光譜；按照傳統血液檢測法對受試者進行血糖值檢測，記錄數值，并對相應受試者紅外光譜進行標定，建立血糖紅外光譜數據與傳統血液血糖檢測數值匹配模型；

步驟4：根據血糖數值對數據庫紅外光譜進行分類，共分為6個子數據庫：(1)血糖值5.0mmol/L；(2)血糖值在5.1～6.0mmol/L之間；(3)血糖值在6.1～7mmol/L之間；(4)血糖值在7.1～8.0mmol/L之間；(5)血糖值在8.1～9.0mmol/L之間；(6)血糖值在9.1～10.0mmol/L之間；

步驟5：將光譜數據進行格式轉換，利用自組織競爭神經網絡對血糖數據庫進行深度學習和訓練，建立其神經網絡模型；所述自組織競爭神經網絡分為輸入層和競爭層，網絡競爭層的各神經元通過競爭來獲取對輸入模式的響應機會，最后只有一個神經元成為勝利者，并將與獲勝神經元的各聯接權值向著更有利于其競爭的方向調整；

其中，所述輸入層由N個神經元構成，競爭層有M個神經元；網絡的連接權值為w_ij(i＝1，2，…，N；j= 1，2，…，M)，且滿足約束條件

輸入層輸入樣本為二值向量，各元素取值0或者1，競爭層神經元j的狀態的計算方式如下：

式(1)中，x_i為輸入樣本向量的第i個元素，根據競爭機制，競爭層中具有最大加權值的神經元k贏得競爭勝利，輸出為

競爭后的權值按照如下方式進行修正，

式(2)中，a為學習參數，0＜a＜＜1；m為輸入層中輸入為1的神經元個數，即

權值調整公式中的項表示當x_i為1時，權值增加；而當x_i為0時，權值減小；當x_i活躍時，對應的第i個權值就增加，否則就減小，當達到預設的迭代次數，結束算法；

步驟6：按照與步驟1同樣的方法對待測血糖的糖尿病患者人體皮膚表面進行光譜采集；

步驟7：按照與步驟2同樣的方法對采集的光譜進行預處理，并將處理后的光譜數據輸入步驟5構建的神經網絡模型，即輸出血糖數值。