一种基于四元卷积网络的无创血糖估计方法

本发明涉及血糖检测，更具体的，涉及一种基于四元卷积网络的无创血糖估计方法。

背景技术：

1、糖尿病是现代生活常见的慢性疾病，不同类型的糖尿病可能有不同的主要病因，但无论是哪种类型，都可能导致血糖水平过高，从而引发严重的健康问题，伴随着严重的并发症。因此，糖尿病的诊断和治疗都需要严密检测血糖水平。传统的血糖监测需要通过对手指穿刺进行采血，再放置到预测试纸，并通过仪器来监测血糖值。但这种侵入式的血糖检测的手段，对于受试者来说，太不舒服，也太痛苦，还存在感染的风险，不适合经常使用。并且从长期的角度开看，血糖试纸作为消耗品是十分昂贵的。因此越来越多糖尿病患者期待通过无创的方法实现血糖监测。近红外光谱法是一种目前主流的无创血糖监测方法。利用光的物理特性来监测血液中的葡萄糖水平。由于皮肤对不同波长的光有不同的吸收特性，其中近红外光谱通过皮肤的表皮的传输率为90-95％，可以更好地获取葡萄糖信息。而光电容积脉搏波信号(ppg)可以通过借助光电信息来反映人体血管中血液容积随着心脏收缩而变化的一种信号。通过将近红外光源放在指尖，利用透射的原理将透过皮肤组织的光变化传递到光电探测器中，获取带有葡萄糖信息的光信号。

2、目前市场中也有许多可穿戴设备实现无创血糖估计。但仍存在以下问题：在采集光电容积脉搏波信号时，存在着噪声，导致难以检测；用户运动时，外部光线、温度变化等环境因素会对传感器信号产生干扰，影响测量结果；当前传感器技术在监测微量的血糖变化时，灵敏度和精度仍然不足；需要针对个体差异进行算法优化，以提高数据的准确性和个体化适应能力。

技术实现思路

1、本申请提供了一种基于四元卷积网络的无创血糖估计方法，用于解决现有技术中同时满足高精度和抗干扰的需求，其可以使用在可穿戴设备上用于血糖监测。

2、有鉴于此，本申请提供了一种基于四元卷积网络的无创血糖估计方法，包括：

3、使用波长为660nm的近红外光，信号的采样率为1000hz，采集的时长为60s的设备获取目标对象的光电容积脉搏波信号(ppg)；

4、对所有采集的ppg信号进行预处理，使用离散小波变换去除信号的基线漂移和高频噪声，从而提升后续信号处理的准确性和可靠性；

5、提取预处理的ppg信号的对数mel滤波器组系数部分，首先通过对ppg信号进行加窗处理，选择的窗口为汉明窗，汉明窗能有效减少边缘效应，提供光滑的边缘。在加窗后可以保证ppg信号在短时间内是准静态的；

6、

7、其中w[n]时窗函数在第n个样本处的值。n时窗的长度(总样本数)，n为窗函数的样本索引。

8、对每个窗口进行离散傅里叶变换(dft)，得到幅度图；

9、

10、其中，x[n]是加窗后的第n个离散时间信号，x[k]是变换后的第k个离散频率信号，是复指数基函数。

11、将幅度图通过mel的三角滤波器，得到mel谱；

12、使用离散余弦变换(dct)应用于对数mel谱的得到mel频谱系数(mfcc)；

13、

14、其中，x[n]是加窗后的第n个离散时间信号，x[k]是变换后的第k个离散频率信号。

15、对mel频谱系数进行多次求导，得到一阶、二阶和三阶导系数，将其并行表示为四元数信号；

16、

17、其中q(f,t)表示不同频率f和不同时间t的四元数信号。e(f,t)表示mel光谱系数(mfcc)，而和分别表示mfcc的一阶、二阶和三阶导数，i，j和k表示四元数的三个虚部分量。

18、所述的四元数卷积网络是在基于四元数代数和卷积网络构建的，其包括：四元卷积层、四元池化层、四元密集层和密集层。

19、所述的四元数卷积网络通过汉密尔顿积实现权重共享，减少了网络所需的参数，更适用于有限资源的可穿戴设备的使用。

20、本发明具有以下优点：

21、第一，利用离散小波变化(dwt)进行信号的去噪处理，同时提供信号的时间和频率信息，通过多尺度的分析方式，使得在高频部分具有高时间分辨率，而在低频部分具有高频率分辨率。通过多分辨率分析，dwt可以有效捕捉信号中的细节信息，适用于各种复杂信号的处理。

22、第二，使用mel频谱系数(mfcc)作为特征，该特征能够有效捕捉信号中的频域特征，这对于分析ppg(光体积描记)信号中的血糖相关信息非常重要。通过一阶、二阶和三阶导数，可以捕捉信号随时间变化的动态特征，这对检测血糖水平的变化尤为重要。mfcc在处理噪声和干扰方面表现出色，能够从包含噪声的信号中提取出有效的特征，有助于提高无创血糖估计的准确性。

23、第三，基于四元数和卷积神经网络提出了一种四元卷积网络，通过使用四元数网络学习mfcc的不同阶导数之间的内在联系，实现无创血糖的精确估计。

技术特征：

1.一种基于四元卷积网络的无创血糖估计方法，其特征在于，包括：

2.根据权利要求1所述的一种基于四元卷积网络的无创血糖估计方法，其特征在于：所述的采集ppg信号的设备是采用波长为660nm的近红外光，信号的采样率为1000hz，采集的时长为60s。

3.根据权利要求1所述的一种基于四元卷积网络的无创血糖估计方法，其特征在于：所述离散小波变换将信号分解为不同尺度的子带系数，去除低频分量和高频分量后，对处理后的系数进行逆小波变换，得到去除高频噪声和基线飘逸的信号。

4.根据权利要求1所述的一种基于四元卷积网络的无创血糖估计方法，其特征在于：提取预处理的ppg信号的对数mel滤波器组系数部分，首先通过汉明窗减少边缘效应，对每个窗口进行离散傅里叶变换(dft)，得到幅度图，将幅度图通过一组mel滤波器,取对数得到mel频谱系数(mfcc)。并求解多阶导数，将其表示为单位四元数信号。

5.根据权利要求1所述的一种基于四元卷积网络的无创血糖估计方法，其特征在于：使用四元数卷积神经网络是基于四元数代数的卷积神经网络的扩展，使用该网络可以探索更多隐藏信息。

技术总结
本发明提出一种基于四元卷积网络的无创血糖估计方法，包括以下步骤：利用近红外光技术采集手指指尖的光电容积脉搏波(PPG)信号，这些信号包含了反映血液变化的重要信息。接着对所有采集的PPG信号进行预处理，使用离散小波变换去除信号的基线漂移和高频噪声，从而提升后续信号处理的准确性和可靠性。提取预处理的PPG信号的对数Mel滤波器组系数，并计算一阶、二阶和三阶导数，将其转换为四元数信号并进行归一化处理。按比例划分为训练集和测试集。然后构建四元数卷积神经网络，使用训练集和损失函数对构建的四元神经网络进行训练。最后将待检测的PPG信号数据进行相同的处理后，输入到训练好的神经网络中进行回归预测，最后得到无创血糖估计的结果。

技术研发人员：冯靖恒,凌永权,李嘉其
受保护的技术使用者：广东工业大学
技术研发日：
技术公布日：2024/11/18