[發明專利]血液中葡萄糖成分的復合型拉曼光譜數據分析方法及系統

在審

• 申請號: 202310543084.2
• 申請日: 2023-05-15
• 公開（公告）號: CN116559143A
• 公開（公告）日: 2023-08-08
• 發明（設計）人: 王爽;王裕;黃小軍;邵凱艦
• 申請（專利權）人: 西北大學
• 主分類號: G01N21/65
• 分類號: G01N21/65;G06N3/0464;G06N3/048;G06N3/08
• 代理公司: 北京盛詢知識產權代理有限公司 11901
• 代理人: 陳巍

1.血液中葡萄糖成分的復合型拉曼光譜數據分析方法，其特征在于，包括以下步驟：

對活體或離體測量所得血糖拉曼光譜數據進行預處理；

從預處理后的所述血糖拉曼光譜數據中，量化提取血液中葡萄糖拉曼光譜特征信息；

根據所獲葡萄糖拉曼光譜特征信息，預測血液中葡萄糖含量。

2.根據權利要求1所述的血液中葡萄糖成分的復合型拉曼光譜數據分析方法，其特征在于，對活體或離體測量所得血糖拉曼光譜數據進行預處理的方法包括：

對所述血糖拉曼光譜數據選擇性進行拉曼光譜波長插值；

對所述血糖拉曼光譜數據的光譜范圍進行剪切；

消除所述血糖拉曼光譜數據的熒光背景、宇宙射線，以及其他由于儀器和環境引起的噪聲干擾。

3.根據權利要求1所述的血液中葡萄糖成分的復合型拉曼光譜數據分析方法，其特征在于，從預處理后的所述血糖拉曼光譜數據中，量化提取血液中葡萄糖拉曼光譜特征信息的方法包括：

對預處理后的所述血糖拉曼光譜數據進行平滑、歸一化處理和均值中心化，識別、提取血糖拉曼光譜特征信息。

4.根據權利要求1所述的血液中葡萄糖成分的復合型拉曼光譜數據分析方法，其特征在于，根據所獲葡萄糖拉曼光譜特征信息，預測血液中葡萄糖含量的方法包括：

將所述血糖拉曼光譜特征信息切割成用于不同目標的數據集，并選擇性的對數據集進行數據擴充；

構建血糖拉曼光譜模型識別拉曼光譜特征數據；

利用所述數據集對所述血糖拉曼光譜模型進行訓練；

利用通過訓練的所述血糖拉曼光譜模型提取血糖拉曼光譜共性量化信息，預測體內葡萄糖含量。

5.根據權利要求4所述的血液中葡萄糖成分的復合型拉曼光譜數據分析方法，其特征在于，所述血糖拉曼光譜模型采用卷積神經網絡、反饋人工神經網絡或支持向量回歸機進行構建。

6.根據權利要求5所述的血液中葡萄糖成分的復合型拉曼光譜數據分析方法，其特征在于，采用卷積神經網絡構建所述血糖拉曼光譜模型的方法包括：

將血糖拉曼光譜數據進行張量的轉化，將二維的血糖拉曼光譜數據信息轉化為被卷積神經網絡識別的三維數據，歸一化后再進行卷積；

卷積層從歸一化數據中提取血糖拉曼光譜特征，并為下一層創建新的特征數據輸出入；

卷積層的輸出將通過激活函數實現非線性變換，并將數據傳入池化層；

采用最大池化方法保留數據中的正相關關系，再在全連接層將各個特征圖的信息進行連接，在回歸層得到回歸數值；

在得到最后一層的輸出后，將得到的誤差值作為判別標準，反饋誤差大小的信息至前一層，更改前一層的閾值和偏差值，直至逐漸調整至最前一層，對各個位置的神經元進行優化參數調整；

向前的誤差調整后的網絡再次正向計算，重復先前步驟得到輸出的誤差效果，直至所得到的誤差符合要求。

7.根據權利要求5所述的血液中葡萄糖成分的復合型拉曼光譜數據分析方法，其特征在于，采用反饋人工神經網絡構建所述血糖拉曼光譜模型的方法包括：

在輸入層輸入數據樣本后，經過隱藏層的神經元上閾值和偏差計算后進行特征捕捉和投票，自前向后的逐級計算得到隱藏層各個神經元參數和輸出層預測值；

計算預測值與真實值的誤差，根據設置的誤差允許范圍判斷是否需要繼續迭代計算。

8.根據權利要求5所述的血液中葡萄糖成分的復合型拉曼光譜數據分析方法，其特征在于，采用支持向量回歸機構建所述血糖拉曼光譜模型的方法包括：

在參考支持向量機部分的原理基礎上，加入回歸模型分析，將拉曼光譜這樣的高維度信息作為支持向量機待訓練的自變量。

9.根據權利要求1所述的血液中葡萄糖成分的復合型拉曼光譜數據分析方法，其特征在于，運用統計分析與克拉克網格分析方法，結合血糖儀測量葡萄糖結果，評價預測的血液中葡萄糖含量的準確性。

10.血液中葡萄糖成分的復合型拉曼光譜數據分析系統，其特征在于，包括：預處理模塊、特征提取模塊和預測模塊；

所述預處理模塊用于對活體或離體測量所得血糖拉曼光譜數據進行預處理；

所述特征提取模塊用于從預處理后的所述血糖拉曼光譜數據中，量化提取血液中葡萄糖拉曼光譜特征信息；

所述預測模塊用于根據所獲葡萄糖拉曼光譜特征信息，預測血液中葡萄糖含量。