阅读说明：本技术 人工智能无创血糖检测系统 (Artificial intelligence noninvasive blood glucose detection system ) 是由 秦绮玲 刘亚平 周琦 于 2021-09-15 设计创作，主要内容包括：本发明提供一种人工智能无创血糖检测系统,由患者检测装置通过互联网与前端人工智能检测系统连接组成。所述患者检测装置通过患者手指放入所述指型检测装置,检测所引起的光谱透射、调频连续波散射、温度和湿度特征数据变化,再通过所述工智能检测系统检测血糖值。本发明的人工智能无创血糖检测系统,在检测技术方面综合采用了现有的光谱分析技术、调频连续波激光雷达技术和能量代谢守恒法,采用人工智能特征提取和分类检测算法,实现精准无创血糖检测,解决了现有单一无创血糖检测方法检测精度不高的问题。对于用于临床解除糖尿病患者检测血糖的痛苦,控糖和保证身体健康,具有重大意义。(The invention provides an artificial intelligent noninvasive blood sugar detection system which is formed by connecting a patient detection device with a front-end artificial intelligent detection system through the Internet. The patient detection device is placed into the finger-type detection device through a finger of a patient, spectral transmission, frequency modulation continuous wave scattering, temperature and humidity characteristic data changes caused by detection are detected, and then the blood glucose value is detected through the intelligent detection system. The artificial intelligent noninvasive blood glucose detection system disclosed by the invention comprehensively adopts the existing spectral analysis technology, the frequency modulation continuous wave laser radar technology and the energy metabolism conservation method in the aspect of detection technology, adopts the artificial intelligent feature extraction and classification detection algorithm, realizes accurate noninvasive blood glucose detection, and solves the problem of low detection precision of the existing single noninvasive blood glucose detection method. Has great significance for clinically relieving the pain of the diabetic patients in detecting the blood sugar, controlling the sugar and ensuring the body health.)

人工智能无创血糖检测系统

技术领域

本发明属于人工智能、医学领域，特别涉及一种人工智能无创血糖检测系统。

背景技术

糖尿病是一种常见的代谢性疾病，以慢性高血糖为主要特征，并能引发糖类，脂肪，蛋白质，电解质和水等的代谢紊乱，严重危害人类健康。2019年统计，全球约4.63亿20-79岁成人患糖尿病，中国糖尿病患者人数为1.164亿，所以血糖检测是糖尿病患者控糖效果检测的有效手段，有巨大的市场需求，特别是简单方便的家庭血糖仪具有不断增长的需求。

现有的家用血糖仪都是有创检测血糖仪，通过采集患者的微量血液，用试纸分析其葡萄糖含量确定血糖检测值。一方面，这种有创血糖检测方法在血糖检查时，给患者带极大痛苦和心理负担，特别是那些需要每日都要多次检测血糖，通过药物、饮食和运动控制血糖的糖尿病严重患者，反复有创取血液带来的痛苦尤甚。另一方面，检测血糖试纸是耗材，造成需要反复检测血糖患者的高昂费用支出。

为解决有创血糖检测必须取血液和耗材消耗问题，减少由于取血液给患者带来的痛苦，人们早就开始研发无创血糖仪，经过了数十年的不懈努力，仍然没有找到满足家用血糖仪精度要求的检测方法和产品。无创血糖检测是指结合多种原理和方法对患者机体血液、体液或者其他生理成分进行检测，不引起患者机体损伤和疼痛便可得到所需的血糖检测值。现有报告的无创血糖检测方法包括：光谱分析技术，通过发光二极管(LED)发射光信号，使其通过机体角质层、真皮、表皮、皮下组织、间质液及血管，以透过光或反射光形式收集来间接检测血糖；调频连续波（FMC W）激光雷达技术，通过检测皮肤对调频连续波散射来间接测量血糖浓度的变化；能量代谢守恒法，通过检测手指局部热传导，热辐射，热对流和热蒸发等途径散失的能量，间接测量血糖浓度的变化。目前，上述任何一种单一方法，检测的血糖值精度都无法达到有创血糖仪的检测精度。

本发明要解决的技术问题是，提供一种人工智能无创血糖检测系统，综合上述多种无创血糖检测技术，解决现有技术检测精度不够的问题，使患者无需采血样，就可以精确检测患者血糖值。。

发明内容

为解决上述技术问题，本发明提供的人工智能无创血糖检测系统，包括：患者检测装置、互联网和人工智能检测系统：

所述患者检测装置，用于检测当患者把手指放入指型检测装置后，由于其血糖值不同而引起的检测数据变化；

所述互联网，用于连接所述患者检测装置和所述人工智能检测系统，完成数据传送；

所述人工智能血糖检测系统，用于将所述检测数据用人工智能算法进行特征提取，并通过血糖数值分类模型判断其血糖检测值。

根据本发明的一个方面，所述患者检测装置，包括：指型检测装置、红外光谱检测单元、调频连续波激光雷达检测单元、能量代谢守恒检测单元、数据处理单元、数据传输单元：

所述指型检测装置，是一个可以放入患者手指的夹具，在壁的周边安装红外发光管和接收管、调频连续波激光雷达收发天线、温度和湿度传感器等；

所述红外光谱检测单元，用于检测患者手指放入所述指型检测装置前后引起的红外光谱透射变化；

所述调频连续波激光雷达检测单元，用于检测患者手指放入所述指型检测装置前后引起的调频连续波激光雷达散射波变化；

所述能量代谢守恒参数检测单元，用于检测患者手指放入所述指型检测装置前后空间各点温度和湿度变化；

所述数据处理单元，用于处理由所述检测单元检测的实时数据；

所述数据传输单元，用于将处理好的数据传送给所述人工智能血糖诊断系统。

优选地，所述红外光谱检测单元，至少有两组以上不同波长的发光二极管和接收二极管，利用患者手指对不同波长的吸收率差检测血糖变化、血氧饱和度、脉搏。

优选地，所述能量代谢守恒参数检测单元，具有多个温度和湿度传感器，分别采集所述指型检测装置空间各点，由于患者手指放入所述指型检测装置前后的温度和湿度变化。

优选地，红外光谱检测单元、调频连续波激光雷达检测单元、能量代谢守恒检测单元、数据处理单元、数据传输单元都安装在所述指型检测装置上，构成所述的患者检测装置。

根据本发明的另一方面，所述人工智能血糖检测系统是一个人工智能多分类器，由神经网络和Softmax N分类器组成。

优选地，在所述神经网络的最后几层，采用全连接网络。

进一步，所述神经网络构成的多分类器，采用大量的检测数据训练，以实现精准血糖检测。

根据本发明的再一方面，所述的人工智能血糖检测系统是一个按照血糖检测范围，以检测精度设定的多分类模型：

是第j级分类，∆V是分类精度，总分类级数N为：

其中，血糖检测范围为： mmol/L。

根据本发明的再一方面，所述人工智能血糖检测系统的训练数据收集与标注方法，包括如下步骤：

步骤1、患者将手指放入所述患者检测装置，获取患者无创血糖检测数据，并以文件方式存储在前端；

步骤2、用标准有创血糖仪检测所述患者的血糖值；

步骤3、步骤2检测的所述血糖检测值为步骤1检测的所述无创血糖检测数据的标注值，所述数据和所述标注值用于训练所述人工智能血糖检测系统。

优选地，无创血糖检测值分为多级，形成人工智能血糖检测值的多级分类。为达到一定精度，需要大量的标注数据。可以用本发明所述方法，采集和标注大量患者数据。

进一步，随着训练数据量的不断增加，所述人工智能无创血糖检测系统检测的血糖值越准确。

有益效果

本发明的人工智能无创血糖检测系统，不用抽取患者血液样本，就可以检测患者血糖值，减少了患者痛苦和感染风险。所述系统，不需要耗材，可反复多次使用，为患者节约血糖检测成本。所述系统采用多种综合方法，用人工智能检测，具有检测精度高，使用简单便捷的优点。能满足广大糖尿病患者血糖检测和控糖的需求，具有广阔的市场应用前景。

附图说明

为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作一简单地介绍，显而易见地，下面描述中的附图是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其它的附图。

图1是本发明实施例优选的系统原理图；

图2是本发明实施例优选的人工智能神经网络结构；

图3是本发明实施例优选的患者检测装置模块化结构原理；

图4是本发明实施例优选的数据采集与标注方法步骤图。

具体实施方式

为使本发明实施例的目的、技术方案和优点更加清楚，下面将结合本发 明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。

图1是本发明实施例优选的系统原理图。如图1所示，一种人工智能无创血糖检测系统，包括：患者检测装置1、互联网2、人工智能血糖检测系统3：

所述1、用于检测患者把手指放入指型检测装置后，由于血糖值不同而引起的数据，并将所述检测数据通过所述2送给所述3；

所述2，用于将1的检测数据传送给3；

所述3，用于通过人工智能多分类模型处理所述1送来的数据，给出人工智能血糖检测值。

图2是本发明实施例优选的人工智能神经网络结构。如图2所示，神经网络模型由 神经网络21、全连接层22、23、24和Softmax多分类器25组成：所述21，可以采用任意层和不 同结构的神经网络；所述22、23、24，分别为多层全连接层的第1、第2和第3层，最后一层的神 经元数与分类数一致。所述21的输入数据为{}；所述25的输出数 据为{},表示不同的血糖测量值。所述的神经网络经过所述无 创血糖检测装置采集的数据和标准血糖检测仪检测标注组成的训练数据训练，可以到达所 需血糖检测精度。

图3是本发明实施例优选的患者检测装置模块化结构原理。如图3所示，31是所述 红外光谱检测单元，所述单元由多组不同波长的红外发光二极管和接收二极管组成，用于 检测患者手指放入所述指型检测装置后的透射光变化；32是所述调频连续波激光雷达检测 单元，用于检测患者手指放入所述指型检测装置后引起的所述调频连续波激光雷达散射波 变化；33是能量代谢守恒检测单元，由多个点部署的温度和湿度传感器组成，用于检测患者 手指放入所述指型检测装置后引起空间环境温度和湿度变化；34是数据处理单元，用于处 理各检测单元检测的数据；35是所述数据传输单元，用于将所述数据通过网络传输给所述 人工智能血糖检测系统。在本发明优先选择实例中，所述检测装置检测输出一组检测数据， {}，其中代表不同检测单元31、32和33的检测方法检测出来的 数据值。

图4是本发明实施例优选的数据采集与标注方法步骤图。如图4所述的方法包括如下步骤：

S41、患者将手指放入所述无创血糖指型检测装置；

S42、所述无创血糖检测装置将检测数据送给所述人工智能血糖检测系统，并以文件方式存储；

S43、用标准有创血糖仪检测所述患者的血糖值，并送给所述人工智能血糖检测系统；

S44、所述血糖检测值为所述无创血糖检测数据的标注值，并将所有标注值在范围 [的数据放入类。

优选地，所述数据是用所述无创血糖检测装置检测患者血糖时获得的，经标注血糖仪检测标注的数据，用于训练所述人工智能无创血糖检测系统中的所述神经网络。经训练完成的所述神经网络，用于人工智能无创血糖检测。在检测时，患者将手指放入所述指型检测装置，完成数据采集、传输与人工智能血糖自动检测，直接从所述人工智能血糖检测系统获得血糖检测结果。

最后应说明的是：以上各实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述各实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分或者全部技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的范围。