本發(fā)明涉及血糖檢測領域，具體涉及一種光學無創(chuàng)血糖檢測二維相關性標定方法。

背景技術：

糖尿病是一種發(fā)病率高且并發(fā)癥多的慢性終身性疾病，血糖檢測是糖尿病的重要檢測指標之一，為了避免并發(fā)癥的發(fā)生，病人需要實時自我監(jiān)測血糖。因此，血糖濃度水平的監(jiān)控和檢測對糖尿病的預防和治療具有重要意義。

基于光學相干層析(opticalcoherencetomography,oct)的無創(chuàng)血糖監(jiān)測技術主要是利用近紅外光對人體皮膚作斷層掃描成像，根據(jù)組織內(nèi)部葡萄糖值不同所造成的皮膚光學參數(shù)變化來計算出人體葡萄糖濃度。無創(chuàng)技術的優(yōu)點是使用方便，不用刺傷肌體比如采集體液等，而且可以進行長期的連續(xù)監(jiān)測。因此,無創(chuàng)血糖監(jiān)測技術具有很大的研究和實用價值。

在組織光學中，一般將皮膚組織看成是一個層狀的模型，可以簡單的將皮膚組織分成三層：皮膚表層、棘細胞層和真皮層。同時認為皮膚在層內(nèi)的組成結(jié)構是相同的，因此可以通過光在深度方向上的傳播來描述皮膚組織中的傳播，即可以通過計算皮膚組織在深度上的光學參數(shù)，例如散射系數(shù)。已經(jīng)有研究證明，當人體中的血糖濃度值發(fā)生變化時，皮膚組織的光學參數(shù)會發(fā)生變化。因此可以通過使用oct檢測皮膚組織內(nèi)部光學參數(shù)的微小變化，建立皮膚內(nèi)部光學參數(shù)與血糖濃度值之間的函數(shù)關系，并利用該函數(shù)關系實現(xiàn)血糖濃度值的檢測。但是由于皮膚內(nèi)部結(jié)構是非常復雜的，在其內(nèi)部不同位置組織對血糖濃度值變化的敏感程度不同。因此考慮到這個因素，建立皮膚內(nèi)部光學參數(shù)與血糖濃度值之間的函數(shù)關系需要尋找與血糖濃度值最相關的皮膚組織區(qū)域的光學參數(shù)，而尋找與血糖濃度值最相關的皮膚組織區(qū)域位置的光學參數(shù)過程，一般被稱為血糖檢測標定。

針對皮膚組織內(nèi)部結(jié)構隨機分布的問題，現(xiàn)階段普遍采用的方式是使用oct三維數(shù)據(jù)在水平方向上平均得到皮膚組織在深度方向上的一維信號，再通過一維信號獲得皮膚組織內(nèi)部的光學參數(shù)。然后通過一定的算法得到不同深度區(qū)域的皮膚組織光學參數(shù)與血糖相關性分布圖。通過對相關性分布圖的分析，可以找到光學參數(shù)與血糖最相關的皮膚深度區(qū)域來進行無創(chuàng)血糖檢測。但是，在此深度區(qū)域內(nèi)仍可能會存在與血糖相關性較差的組織，如相關性不高的毛囊、汗腺、淋巴等。因此，雖然一維相關性分析算法從統(tǒng)計平均的層面可以找到光學參數(shù)與血糖最相關的皮膚深度區(qū)域，但仍不是一種最優(yōu)的無創(chuàng)血糖相關性分析模型及標定方法，會造成無創(chuàng)血糖測量的不準確。

技術實現(xiàn)要素：

本發(fā)明的目的就是提供一種光學無創(chuàng)血糖檢測二維相關性標定方法及系統(tǒng)，以解決現(xiàn)有標定方法及系統(tǒng)測量血糖不準確的問題。

本發(fā)明的目的是通過以下技術方案實現(xiàn)的：一種光學無創(chuàng)血糖檢測二維相關性標定方法，包括以下步驟：

(a)確定檢測區(qū)域；

(b)調(diào)控被測對象的血糖濃度變化；

(c)在被測對象的血糖濃度變化過程中，采集不同時刻的血糖值及其對應時刻的oct皮膚圖像；

(d)將oct皮膚圖像沿水平方向進行二維平均，得到對應的二維圖像和光學參數(shù)；

(e)分析計算所測血糖值與光學參數(shù)的相關系數(shù)，得到二維分布的標定區(qū)域；

(f)根據(jù)標定區(qū)域，計算出光學參數(shù)與對應血糖值的函數(shù)關系。

本發(fā)明中，所述光學參數(shù)為散射系數(shù)或折射率。

本發(fā)明步驟(b)中，通過口服葡萄糖耐量測試或血糖鉗夾實驗，使被測試者血糖達到預設的變動幅度。

本發(fā)明步驟(d)中，獲得光學參數(shù)的具體步驟為：將每一幅二維圖像都分成若干連續(xù)的二維區(qū)域ai11，ai12，…，aipq，計算每個區(qū)域的對應光學參數(shù)為μi11，μi12，…，μipq。

本發(fā)明步驟(e)中，采用皮爾森積差相關法計算出血糖值與不同區(qū)域光學參數(shù)的相關系數(shù)r，

其中，變量μ為光學參數(shù)，g為血糖值。

本發(fā)明步驟(e)中，所述相關系數(shù)的絕對值越接近1，光學參數(shù)與血糖值的線性關系越強，光學參數(shù)所對應的二維區(qū)域即為標定區(qū)域。

本發(fā)明步驟(f)中，通過線性擬合方法，算出所述標定區(qū)域上對應光學參數(shù)與血糖值的函數(shù)關系，所述線性擬合方法為最小二乘法或偏最小二乘法。

一種光學無創(chuàng)血糖檢測二維相關性標定系統(tǒng)，包括：

檢測區(qū)域確定模塊，用于確定檢測區(qū)域；

血糖采集模塊，用于采集不同時刻的血糖值；

oct圖像采集模塊，用于在血糖采集模塊采集血糖的同時采集檢測區(qū)域的oct皮膚圖像；

相關性分析模塊，用于將oct皮膚圖像沿水平方向進行二維平均，并分析計算不同二維區(qū)域的光學參數(shù)與血糖值的相關系數(shù)，得到二維分布的標定區(qū)域；

函數(shù)關系計算模塊，用于根據(jù)標定區(qū)域，計算出光學參數(shù)與對應血糖值的函數(shù)關系。

本發(fā)明系統(tǒng)中，所述相關性分析模塊包括：

圖像處理單元，用于將oct皮膚圖像沿水平方向進行二維平均，并將每一幅二維圖像都分成若干連續(xù)的二維區(qū)域ai11，ai12，…，aipq；

計算單元，用于計算每個所述二維區(qū)域的對應光學參數(shù)為μi11，μi12，…，μipq，并采用皮爾森積差相關法計算出血糖值與不同區(qū)域光學參數(shù)的相關系數(shù)r，

其中，變量μ為光學參數(shù)，g為血糖值。

本發(fā)明系統(tǒng)中，所述相關性分析模塊中，相關系數(shù)的絕對值越接近1，光學參數(shù)與血糖值的線性關系越強，光學參數(shù)所對應的二維區(qū)域即為標定區(qū)域。

本發(fā)明所提供的標定方法和系統(tǒng)能更為精確地區(qū)分光學參數(shù)與血糖濃度相關性組織區(qū)域，且能進行快速計算得出二維標定區(qū)域，在后續(xù)測量血糖時所得結(jié)果更加準確。

附圖說明

圖1為皮膚光學參數(shù)與血糖值二維相關性標定方法流程圖；

圖2為對oct皮膚圖像沿水平方向進行二維平均示意圖，其中，左圖為oct三維圖像，右圖為平均后的二維圖像。

圖3為oct二維平均圖像內(nèi)部區(qū)域劃分方法示意圖。

圖4為皮膚光學參數(shù)與血糖值的二維相關性標定分析圖。

圖5為本發(fā)明標定系統(tǒng)的構架圖。

具體實施方式

下面結(jié)合具體實施例對本發(fā)明的技術方案進行詳細說明。在下面的描述中闡述了很多具體細節(jié)以便于充分理解本發(fā)明，但是本發(fā)明能夠以很多不同于在此描述的其它方式來實施，本領域技術人員可以在不違背本發(fā)明內(nèi)涵的情況下做類似改進，因此本發(fā)明不受下面公開的具體實施例的限制。本發(fā)明實施例以散射系數(shù)與血糖濃度二維相關性的計算方法進行具體的描述，也可以選用折射率等其他光學參數(shù)進行說明。

在進行光學無創(chuàng)血糖檢測前，均需要進行單獨標定，且標定數(shù)據(jù)僅適用于個人而不能通用，這是由于人的個體差異性及皮膚內(nèi)部組織物質(zhì)分布的隨機性所決定的。

如圖1所示，本發(fā)明所提供的光學無創(chuàng)血糖檢測二維相關性標定方法，包括以下步驟：

(a)確定檢測區(qū)域；

本步驟是在待檢測人身上確定檢測區(qū)域，一般會在手前臂的內(nèi)側(cè)面上選擇一塊區(qū)域固定為檢測區(qū)域。

(b)調(diào)控被測對象的血糖濃度變化；

在本步驟中，可以通過口服葡萄糖耐量測試(ogtt)或血糖鉗夾實驗，使被測試者血糖在短時間內(nèi)產(chǎn)生較大幅度的變動，血糖濃度變動幅度一般至少在2～3mmol/l。

(c)在被測對象的血糖濃度變化過程中，采集不同時刻的血糖值及其對應時刻的oct皮膚圖像；

在血糖濃度值變化過程中的t1，t2，…，tn時刻(以5分鐘為間隔)分別依次采集oct皮膚圖像img1，img2，…，imgn和血糖值g1，g2，…，gn。

(d)將oct皮膚圖像沿水平方向進行二維平均，得到對應的二維圖像和散射系數(shù)；

將oct皮膚圖像img1，img2，…，imgn沿水平方向(x方向或y方向)進行二維平均，得到對應的二維圖像s1，s2，…，sn，如圖2所示。

分別對每一幅二維圖像(s1，s2，…，sn)，取邊長為l×m的方形區(qū)域，如圖3所示，得到若干連續(xù)的二維區(qū)域{a111，a112，…，a1pq}，{a211，a212，…，a2pq}，…，{an11，an12，…，anpq}，計算每個區(qū)域的對應散射系數(shù)為{μ111，μ112，…，μ1pq}，{μ211，μ212，…，μ2pq}，…，{μn11，μn12，…，μnpq}。其中l(wèi)為125微米，m為50微米。

(e)分析計算所測血糖值與散射系數(shù)的相關系數(shù)，得到二維分布的標定區(qū)域；

已知測得的血糖值為g1，g2，…，gn，且由oct測量得到的對應采血時刻二維圖像內(nèi)不同區(qū)域散射系數(shù)為{μ111，μ112，…，μ1pq}，{μ211，μ212，…，μ2pq}，…，{μn11，μn12，…，μnpq}。則根據(jù)皮爾森積差相關法(personproduct-momentcorrelation)可以計算得到不同區(qū)域的散射系數(shù)與血糖的相關系數(shù)r11，r12，…，rpq。

其中，變量μ為散射系數(shù)，g為血糖值。相關系數(shù)的變化范圍為-1到1，相關系數(shù)的絕對值越大，越接近于1，則說明散射系數(shù)與血糖值的線性關系越強。在確定標定區(qū)域時，可選擇相關系數(shù)的絕對值最大(即為散射系數(shù)與血糖的線性關系最強)的對應的皮膚深度區(qū)域為標定區(qū)域。還可以預先設定某一對比值(例如設定對比值為0.8)，選取所有相關系數(shù)的絕對值大于該對比值的對應的皮膚區(qū)域作為標定區(qū)域。

(f)根據(jù)標定區(qū)域，計算出散射系數(shù)與對應血糖值的函數(shù)關系。

上述步驟已經(jīng)確定標定區(qū)域，即對血糖的變化具有高度敏感的二維面積區(qū)域。通過線性擬合方法，算出標定區(qū)域上對應散射系數(shù)與測得的血糖值的函數(shù)關系，該得到的函數(shù)關系可用于后續(xù)的無創(chuàng)血糖檢測。具體的，線性擬合方法可為最小二乘法或偏最小二乘法方法。

如圖4所示，本實施例標定計算范圍為水平x方向25-1275微米和皮下深度205-955微米?？v坐標表示所計算相關區(qū)域的水平方向范圍，橫坐標表示為所計算相關區(qū)域的深度范圍，計算的單位為方形二維區(qū)域125×50微米。

如圖5所示，本發(fā)明還提供了一種光學無創(chuàng)血糖檢測二維相關性標定系統(tǒng)，該系統(tǒng)包括檢測區(qū)域確定模塊100、血糖采集模塊120、oct圖像采集模塊130、相關性分析模塊140以及函數(shù)關系計算模塊150。檢測區(qū)域確定模塊100用于確定檢測區(qū)域；血糖采集模塊120用于采集不同時刻的血糖值；oct圖像采集模塊130用于在血糖采集模塊120采集血糖的同時采集檢測區(qū)域的oct皮膚圖像；相關性分析模塊140用于將oct皮膚圖像沿水平方向進行二維平均，并分析計算不同二維區(qū)域的光學參數(shù)與血糖值的相關系數(shù)，得到二維分布的標定區(qū)域；函數(shù)關系計算模塊150用于根據(jù)標定區(qū)域，計算出光學參數(shù)與對應血糖值的函數(shù)關系。

血糖采集模塊120用于采集不同時刻的血糖值，為使標定更加快速準確，通常通過口服葡萄糖耐量測試(ogtt)或血糖鉗夾實驗，使被測試者血糖在短時間內(nèi)產(chǎn)生較大幅度的變動，血糖濃度變動幅度一般至少在2～3mmol/l。在血糖濃度值變化過程中，血糖采集模塊120采集t1，t2，…，tn時刻(以5分鐘為間隔)的血糖值g1，g2，…，gn，同時，oct圖像采集模塊130采集oct皮膚圖像img1，img2，…，imgn。血糖采集模塊可采用常規(guī)的方法或得血糖值，如指血和靜脈血檢測等。

所述相關性分析模塊140包括圖像處理單元和計算單元，其中，圖像處理單元用于將oct皮膚圖像沿水平方向(x方向或y方向)進行二維平均，并將每一幅二維圖像都分成若干連續(xù)的二維區(qū)域ai11，ai12，…，aipq。計算單元計算每個所述二維區(qū)域的對應光學參數(shù)為μi11，μi12，…，μipq，并采用皮爾森積差相關法計算出血糖值與不同區(qū)域光學參數(shù)的相關系數(shù)r，

其中，變量μ為光學參數(shù)，g為血糖值。相關系數(shù)的絕對值越接近1，光學參數(shù)與血糖值的線性關系越強，光學參數(shù)所對應的二維區(qū)域即為標定區(qū)域。

函數(shù)關系計算模塊150根據(jù)標定區(qū)域，通過線性擬合方法，計算出光學參數(shù)與對應血糖值的函數(shù)關系，該函數(shù)關系可用于后續(xù)的無創(chuàng)血糖檢測。具體的，線性擬合方法可為最小二乘法或偏最小二乘法方法。

用上述標定方法和系統(tǒng)對兩名測試者進行標定，同時與一維相關性標定方法進行對比，結(jié)果如表1所示。

表1：

通過整體相關性來比較二者的準確度。整體相關性為實驗過程中，通過相關區(qū)域計算得到的皮膚組織散射系數(shù)與人體血糖值的相關系數(shù)大小。對于測試者1，其通過一維相關性算法計算得到的最優(yōu)整體相關性為0.6(對應的相關區(qū)域為所有相關系數(shù)大于0.8的區(qū)域)；而通過二維相關性算法計算得到的最優(yōu)整體相關性為0.72(對應的相關區(qū)域為所有相關系數(shù)大于0.6的區(qū)域)。由表1可以看出，二維相關性算法準確度要優(yōu)于一維算法。