[发明专利]一种基于血红蛋白浓度分析预测系统及其设备

说明书

本发明提供了一种基于血红蛋白浓度分析预测系统及其设备，包括数据采集单元、模型构建单元、模型优化单元和输出单元；数据采集单元，采用无创NIR光谱检测待测人员的在体血样本，获取在体血样本对近红外光的吸收光谱和化学值浓度，并构建相应的矩阵；模型构建单元，根据获取的在体血样本对近红外光的吸收光谱和化学值浓度的矩阵，构建样本库，并利用样本库的参数建立最小二乘PLS模型；模型优化单元，对建立的偏最小二乘PLS模型的参数进行遍历，评价并选取最优的局部最小二乘PLS模型；输出单元，输出相应的血红蛋白浓度预测结果。

技术领域

本发明涉及大数据分析技术领域，尤其涉及一种基于血红蛋白浓度分析预测系统及其设备。

背景技术

人体血红蛋白的正常参考值是成人100-160g/L，青少年110-160g/L。血红蛋白检测是血常规检查和血液流变学检查的项目，可以用于贫血的鉴别、营养状况判断等。传统的血红蛋白检测需要离体检测，即获取人血样后采用多组化学试剂进行测定，效率较低。许多检测时需要无创进行血红蛋白检测，手术时需要连续检测血红蛋白水平，因此传统的离体检测无法在需要连续检测血红蛋白的场合使用，无需试剂、无创的进行血红蛋白水平的实时检测或者实时预测是非常必要的。

机器学习可以根据合理预设的模型，结合对上述大量采集的训练数据进行迭代学习，必然能够进行精确、快速及无创的预测，满足血红蛋白实时预测的需要。

发明内容

有鉴于此，本发明提出了一种能够对血红蛋白浓度进行合理预测、挑选合适输出结果的基于血红蛋白浓度分析预测系统及其设备。

本发明的技术方案是这样实现的：

一方面，本发明提供了一种基于血红蛋白浓度分析预测系统，包括数据采集单元、模型构建单元、模型优化单元和输出单元，输出采集单元的输出端与模型构建单元的输入端信号连接；模型构建单元的输出端与模型优化单元的输入端信号连接，模型优化单元的输出端与输出单元信号连接；

数据采集单元，采用无创NIR光谱检测待测人员的在体血样本，获取在体血样本对近红外光的吸收光谱和化学值浓度，并构建相应的矩阵；

模型构建单元，根据获取的在体血样本对近红外光的吸收光谱和化学值浓度的矩阵，构建样本库，并利用样本库的参数建立最小二乘PLS模型；

模型优化单元，对建立的偏最小二乘PLS模型的参数进行遍历，评价并选取最优的局部最小二乘PLS模型；

输出单元，输出相应的血红蛋白浓度预测结果。

在以上技术方案的基础上，优选的，所述获取的在体血样本对近红外光的吸收光谱和化学值浓度并构建相应的矩阵，是获取各待测人员在体血样本对近红外光的吸收光谱构建的矩阵X和对应的各待测人员在体血样本的化学值浓度矩阵Y后，对构建的吸收光谱矩阵X和化学浓度矩阵Y分解：Y＝UQ+F；X＝TP+E；其中U和T分别是化学浓度矩阵Y和吸收光谱矩阵X的得分矩阵；Q和P分别是化学浓度矩阵Y和吸收光谱矩阵X的荷载矩阵；F和E为建立偏最小二乘PLS模型拟合化学浓度矩阵Y和吸收光谱矩阵X引入的误差；对得分矩阵U和T进行线性回归，得到关联矩阵B，B＝(T^TT^-1)T^TU；样本的预测值模型为：Y^*＝T^*BQ；Y^*和T^*分别是待预测样本的化学浓度矩阵和吸收光谱矩阵的得分矩阵；通过吸收光谱矩阵X、化学浓度矩阵Y和待预测样本的化学浓度矩阵Y^*构建样本库。