[发明专利]血液中葡萄糖成分的复合型拉曼光谱数据分析方法及系统

权利要求书

1.血液中葡萄糖成分的复合型拉曼光谱数据分析方法，其特征在于，包括以下步骤：

对活体或离体测量所得血糖拉曼光谱数据进行预处理；

从预处理后的所述血糖拉曼光谱数据中，量化提取血液中葡萄糖拉曼光谱特征信息；

根据所获葡萄糖拉曼光谱特征信息，预测血液中葡萄糖含量。

2.根据权利要求1所述的血液中葡萄糖成分的复合型拉曼光谱数据分析方法，其特征在于，对活体或离体测量所得血糖拉曼光谱数据进行预处理的方法包括：

对所述血糖拉曼光谱数据选择性进行拉曼光谱波长插值；

对所述血糖拉曼光谱数据的光谱范围进行剪切；

消除所述血糖拉曼光谱数据的荧光背景、宇宙射线，以及其他由于仪器和环境引起的噪声干扰。

3.根据权利要求1所述的血液中葡萄糖成分的复合型拉曼光谱数据分析方法，其特征在于，从预处理后的所述血糖拉曼光谱数据中，量化提取血液中葡萄糖拉曼光谱特征信息的方法包括：

对预处理后的所述血糖拉曼光谱数据进行平滑、归一化处理和均值中心化，识别、提取血糖拉曼光谱特征信息。

4.根据权利要求1所述的血液中葡萄糖成分的复合型拉曼光谱数据分析方法，其特征在于，根据所获葡萄糖拉曼光谱特征信息，预测血液中葡萄糖含量的方法包括：

将所述血糖拉曼光谱特征信息切割成用于不同目标的数据集，并选择性的对数据集进行数据扩充；

构建血糖拉曼光谱模型识别拉曼光谱特征数据；

利用所述数据集对所述血糖拉曼光谱模型进行训练；

利用通过训练的所述血糖拉曼光谱模型提取血糖拉曼光谱共性量化信息，预测体内葡萄糖含量。

5.根据权利要求4所述的血液中葡萄糖成分的复合型拉曼光谱数据分析方法，其特征在于，所述血糖拉曼光谱模型采用卷积神经网络、反馈人工神经网络或支持向量回归机进行构建。

6.根据权利要求5所述的血液中葡萄糖成分的复合型拉曼光谱数据分析方法，其特征在于，采用卷积神经网络构建所述血糖拉曼光谱模型的方法包括：

将血糖拉曼光谱数据进行张量的转化，将二维的血糖拉曼光谱数据信息转化为被卷积神经网络识别的三维数据，归一化后再进行卷积；

卷积层从归一化数据中提取血糖拉曼光谱特征，并为下一层创建新的特征数据输出入；

卷积层的输出将通过激活函数实现非线性变换，并将数据传入池化层；

采用最大池化方法保留数据中的正相关关系，再在全连接层将各个特征图的信息进行连接，在回归层得到回归数值；

在得到最后一层的输出后，将得到的误差值作为判别标准，反馈误差大小的信息至前一层，更改前一层的阈值和偏差值，直至逐渐调整至最前一层，对各个位置的神经元进行优化参数调整；

向前的误差调整后的网络再次正向计算，重复先前步骤得到输出的误差效果，直至所得到的误差符合要求。

7.根据权利要求5所述的血液中葡萄糖成分的复合型拉曼光谱数据分析方法，其特征在于，采用反馈人工神经网络构建所述血糖拉曼光谱模型的方法包括：

在输入层输入数据样本后，经过隐藏层的神经元上阈值和偏差计算后进行特征捕捉和投票，自前向后的逐级计算得到隐藏层各个神经元参数和输出层预测值；

计算预测值与真实值的误差，根据设置的误差允许范围判断是否需要继续迭代计算。

8.根据权利要求5所述的血液中葡萄糖成分的复合型拉曼光谱数据分析方法，其特征在于，采用支持向量回归机构建所述血糖拉曼光谱模型的方法包括：

在参考支持向量机部分的原理基础上，加入回归模型分析，将拉曼光谱这样的高维度信息作为支持向量机待训练的自变量。

9.根据权利要求1所述的血液中葡萄糖成分的复合型拉曼光谱数据分析方法，其特征在于，运用统计分析与克拉克网格分析方法，结合血糖仪测量葡萄糖结果，评价预测的血液中葡萄糖含量的准确性。

10.血液中葡萄糖成分的复合型拉曼光谱数据分析系统，其特征在于，包括：预处理模块、特征提取模块和预测模块；

所述预处理模块用于对活体或离体测量所得血糖拉曼光谱数据进行预处理；

所述特征提取模块用于从预处理后的所述血糖拉曼光谱数据中，量化提取血液中葡萄糖拉曼光谱特征信息；

所述预测模块用于根据所获葡萄糖拉曼光谱特征信息，预测血液中葡萄糖含量。