[发明专利]一种基于时频域综合分析的无创血糖检测方法

权利要求书

1.一种基于时频域综合分析的无创血糖检测方法，其特征在于，包括以下步骤：

步骤1，使用指夹式光电传感器采集人体脉搏波信号，获取的光电容积脉搏波信号中还包含着肌电干扰、运动伪差、呼吸、工频干扰等噪声，同时进行OGTT实验，使用便携式血糖仪采集指尖血糖浓度；

步骤2，通过小波阈值法、曲线拟合法对步骤1获得的光电容积脉搏波信号进行预处理，滤除噪声、基线漂移、偶然误差，获得较为纯净的光电容积脉搏波信号；

步骤3，使用聚类分析从步骤2获得的较为纯净的若干个周期的光电容积脉搏波信号中提取代表波形，消除失真波形对脉搏波时域、频域分析的影响；

步骤4，对步骤3得到的代表波形进行时域分析，提取具有生理意义的特征点及特征参数；使用差分阈值法检测脉搏波中的极值点，通过设定时间阈值，确定拐点出现的位置范围，结合拐点附近斜率的特点确定拐点，当斜率由负到零再到正，其中曲率变化最快的点为拐点：即波谷；反之，当斜率由正到零再到负的过程中，曲率变化最快的点为拐点：即波峰；

步骤5，对步骤3得到的代表波形进行快速傅里叶变换，获取频谱信息及频域特征参数，提取出与血糖有相关性的特征参数；

步骤6，对提取的特征参数与真实血糖值进行相关性分析；

步骤7，使用得到的特征参数与实测血糖值进行机器学习建模，建立遗传算法优化BP神经网络模型，预测血糖浓度，将有创采集的血糖值作为真值，评估模型预测误差；

步骤8，使用国际通用的Parkers网格误差分析预测血糖值与实际血糖值的误差与临床风险。

2.根据权利要求1所述的一种基于时频域综合分析的无创血糖检测方法，其特征在于，所述步骤4中提取3个具有生理意义的特征点及特征参数，单周脉搏波结束时间t_a’，主波波幅h_b，主波上升时间t_b与重搏波起始时间t_e之比t₂。

3.根据权利要求1所述的一种基于时频域综合分析的无创血糖检测方法，其特征在于，所述步骤5中1.17Hz与2.15Hz附近频率的幅值分别表示为A_f1、A_f2，将A_f1、A_f2作为频域分析提取的特征参数，由于不同个体的频率分量与血糖的相关性在一定范围内波动，提取前六个与血糖具有一定相关性的波峰频率及其对应的幅值，使用主成分分析对谱峰信息进行分析，利用两个主成分PC1、PC2作为频域特征参数来表示6个谱峰的主要信息。

4.根据权利要求1所述的一种基于时频域综合分析的无创血糖检测方法，其特征在于，步骤6所述的相关性分析用于判断两个变量间的关联程度，变量满足正态分布，对提取的特征参数与真实血糖值进行相关性分析，其公式为：

其中：X，Y为两个进行相关性分析的变量因素，Cov(X,Y)为X，Y变量之间的协方差；D(X),D(Y)为X,Y的方差；选取的时域特征参数有：单周脉搏波结束时间t_a’，主波波幅h_b，主波上升时间t_b与重搏波起始时间t_e之比t₂；频域特征参数有：1.17Hz附近频率的幅值A_f1，2.15Hz附近频率的幅值A_f2，代表谱峰信息的两个主成分PC1，PC2。

5.根据权利要求1所述的一种基于时频域综合分析的无创血糖检测方法，其特征在于，所述步骤7的具体做法为：

对神经网络的初始权值及阈值以及编码方式进行调整优化，将模型预测的绝对误差和作为适应度值计算每个个体的适应度值，选择操作选择比例选择方法，适应度较优的个体组成新的种群，采用实数交叉法得到新的个体再选取某个个体的某个基因进行变异，得到新的个体，判断结果是否满足约束条件，若不满足将返回确定适应度函数，若满足则记录最优个体适应度，再将进化产生的最优个体作为神经网络的初始权值、阈值预测血糖浓度，将有创采集的血糖值作为真值，评估模型预测误差，使用十折交叉验证确定模型参数，将355组数据分为3：1：1，其中213组训练集，71组验证集，71组测试集，使用训练集与验证集训练模型，将71组测试集投入训练误差最小的模型，分析模型预测结果。