近红外光谱无创血糖检测方法及其检测网络模型训练方法
专利类型：发明专利
语 言：中文
申 请 号：CN201710359335.6
申 请 日：20170519
申 请 人：重庆大学
申请人地址：400044 重庆市沙坪坝区沙正街174号
公 开 日：20170922
公 开 号：CN107192690A
代 理 人：黄河
代理机构：重庆博凯知识产权代理有限公司 50212
摘 要：本发明提供了一种近红外光谱无创血糖检测方法及其检测网络模型训练方法，通过先利用近红外光谱数据及其对应的有创血糖浓度数据训练获得多个人工神经网络，并优选其中两个人工神经网络为基本结构，在此基础上利用粒子群算法优化两个人工神经网络的权重系数得到检测网络模型，并利用权重系数调整检测网路模型中两个人工神经网络的贡献比例来克服单个个体每天生理规律的差异性和个体差异性；利用本发明所得的检测网络模型进行近红外光谱无创血糖检测时，只需要对待测个体对象进行人体血糖的近红外光谱数据采集，便能够得到近红外光谱无创血糖检测结果，利用该检测网络模型进行近红外光谱无创血糖检测具有较高检测精度，能够很好的满足临床应用需求。
主 权 项：用于近红外光谱无创血糖检测的检测网络模型训练方法，其特征在于，包括如下步骤：1）针对指定的多个个体对象，在不同检测时段分别对各个个体对象进行人体血糖的近红外光谱检测和有创血糖浓度检测，将每个个体对象检测获取的近红外光谱数据和有创血糖浓度数据作为相应个体对象的血糖样本数据组，从而得到多个个体对象的血糖样本数据组，并将其中一部分个体对象的血糖样本数据组作为训练样本数据组，剩余个体对象的血糖样本数据组作为测试样本数据组；2）针对训练样本数据组所对应的每个个体对象，将该个体对象在同一检测时段内检测获得的近红外光谱数据及其对应的有创血糖浓度数据分别作为自变量和因变量输入到人工神经网络，并对该人工神经网络进行训练，进而得到一个参数和结构均确定的人工神经网络；从而，针对训练样本数据组所对应的每个个体对象的每个检测时段、以及各个不同个体对象的每个检测时段，分别训练得到多个参数和结构均确定的人工神经网络；3）将各测试样本数据组分别输入到训练所得的各个人工神经网络中，分别计算各个测试样本数据组中的近红外光谱数据分别输入到各个人工神经网络所得的血糖浓度预测值，并分别计算各个测试样本数据组输入到每个人工神经网络所得的血糖浓度预测值相应测试样本数据组中的有创血糖浓度数据值所存在的均方根误差和相对误差，用以分别判断每个人工神经网络的血糖浓度预测准确性，选取其中血糖浓度预测准确性最优和次最优的两个人工神经网络，分别标记为Netm和Netn；4）构建用于近红外光谱无创血糖检测的检测网络模型Net=a*Netm+(1?a)*Netn，其中a为检测网络模型Net的比例参数；5）以每个测试样本数据组中的有创血糖浓度数据值与相应测试样本数据组中的近红外光谱数据输入到检测网络模型Net所得血糖浓度预测值之间的均方根误差为目标函数，以在[0,1]的解空间内取值的比例参数a作为粒子的位置向量，利用粒子群算法优化求解比例参数a，得到以目标函数值最小为目标的比例参数a的取值，从而确定用于近红外光谱无创血糖检测的检测网络模型Net，所得到的检测网络模型Net用于指示进行人体无创血糖检测的近红外光谱数据与血糖浓度数据值之间的对应关系。
关 键 词：
法律状态：公开
IPC专利分类号：G01N21/359