基于Android的近红外线无创血糖检测系统
发布时间：2021-06-11 18:06
近年来,随着中国经济的高速发展、社会环境的迅速变化、人们生活与消费方式的不断升级,人们受高血糖带来的糖尿病以及其并发症的严重困扰,患病比例与病情因糖尿病恶化致死的比例逐年增加。除此之外,某些疾病患者会出现低血糖症状,有晕厥和猝死的危险。因此,血糖实时便捷的检测在今天对于提高人们的生活健康保障显得尤为重要。目前市面上大多数的血糖检测手段是通过指血与试纸的电化学反应来预测,该方法每次测量都需要损坏皮肤,造成患者身心不适,尤其增加了糖尿病患者伤口感染的风险。基于这一现状,国内外专家学者纷纷在无创血糖检测领域日夜耕耘,根据研究对象来划分检测方法分为体液检测法、能量代谢守恒法、近红外光谱法、皮下植入传感器的动态监测法、微波检测法等。鉴于以上情况,本课题研究设计一种基于Android的近红外光的血糖检测系统,目的是能够通过近红外线无创检测血糖的在体实验,建立近红外线无创血糖检测模型,并通过校验进一步提高模型的准确率。本课题工作安排如下:（1）通过对现有无创血糖检测技术的现状调研,本课题的研究方向确定为近红外线无创检测;对近红外线与组织液各成分的吸收情况的综合考量,确定了光度数据采集器测量波长;对人...
【文章来源】：西南大学重庆市 211工程院校 教育部直属院校
【文章页数】：91 页
【学位级别】：硕士
【部分图文】：
015成人糖尿病患者数量在前10位的国家（数据源于IDF网站）
西南大学工程硕士论文2图1-12015成人糖尿病患者数量在前10位的国家（数据源于IDF网站）由图1-1可知，中国占全世界患糖尿病人数三成，远高于其他国家和地区。中国不仅仅是糖尿病患者基数大，呈逐年迅速递增趋势,而且还有大量潜在糖尿病患者。67%的糖尿病患者对血糖的控制没有到位或者没有正确的血糖控制手段。除此之外，糖尿病相关辅助治疗仪器的覆盖比例较欧美发达国家相距甚远[1]。虽然该病并不会马上威胁患者生命，但是其并发症却时时刻刻折麽着患者的身心健康，降低他们的生活品质。因为糖尿病是慢性疾病,不了解相关健康知识的人群发病初期容易忽略病情,由高血糖进一步恶化为糖尿病,随后引发各种并发症。而且由于国内居民的健康管理的疏忽,人们忽视了身体对于健康生活的需要。我国生活水平的提高在改善物质生活质量方面取得了非常显著的效果，同时却因这丰富的物质生活给身体带来了极大的负担。所以糖尿病也被人们戏称为“富贵脖。由此可见，人们应该提早使用家用血糖仪进行定时检测。图1-2中国近年来患糖尿病人数（百万人）
西南大学工程硕士论文3到目前为止，在世界范围内，中国的受糖尿病威胁以及有潜在的病变风险的人数仅次于美国。医学界现在仅仅只能用控制碳水化合物的摄入、服用降糖药、往肚子上注射胰岛素的方法来控制病情。在这一过程中，定期测量血糖水平是判断患者病情、及时治疗的必要保障。由于人们的健康意识的增强和医疗生活水平的提高，家用血糖检测仪器的市场也在迅速拓展。由我国市场调查网发布的相关资料可知，家用血糖检测仪器[12]的渗透率预计已由2010年的不足10%提升到20%以上。虽然这一结果令人欣慰，但是我国家用血糖检测仪器的渗透率远落后于欧美国家的90%，还有很大的提升空间。未来几年，国内血糖监测系统市场仍有望保持20%以上的增速。目前临床和市面上的血糖检测方法大多需要采集静脉血或者指血，通过电化学方法将试纸与血液反应产生的电信号转化为血糖预测值[20]。这种方法能较准确的检测出血糖值，所花时间为几秒到半分钟之间。但是这种方法会破坏人体皮肤，对患者身心造成反复的折磨，带来压力。同时还有伤口感染的风险，并且糖尿病患者伤口不易愈合，有创检测对这类患者的伤害更为严重。因为试纸是一次性用品，有创检测需要持续投入，检测成本高。这可能加重低收入患者经济负担。图1-3指血采集预测血糖场景同理，对于那些患有因病导致低血糖而引发生命安全危险的患者，血糖的实时检测同样重要，本文在此不再赘述。因此，对于无创的血糖检测方法的研究是非常有必要的，该方法能推动血糖检测仪器的发展，开拓新领域，具有很大市场价值。计算机技术经过近年来的高速发展，随之产生了数字化分析设备，化学计量
【参考文献】：
期刊论文
[1]基于CatBoost算法的糖尿病预测方法[J]. 苗丰顺,李岩,高岑,王美吉,李冬梅. 计算机系统应用. 2019(09)
[2]基于集成学习的糖尿病分析预测[J]. 黄朴文. 电子制作. 2018(22)
[3]基于随机森林法的2型糖尿病合并非酒精性脂肪肝预测模型[J]. 陈霆,蒋伏松,朱兴敏,郑西川. 中国数字医学. 2018(11)
[4]基于多层感知神经网络的糖尿病并发症预测研究[J]. 刘迷迷,蔡永铭. 软件. 2018(10)
[5]2型糖尿病危险因素及患病风险预测模型研究[J]. 陈渝,宗会娟,李伟. 昆明理工大学学报(自然科学版). 2018(02)
[6]基于XGBoost算法的2型糖尿病精准预测模型研究[J]. 张洪侠,郭贺,王金霞,徐岩艳,吕斌,闫东,常佳,胡光瑞,王雪,李洪军,刘天戟,李燕林,赵志强,牛晓强. 中国实验诊断学. 2018(03)
[7]基于支持向量机的糖尿病预测模型研究[J]. 刘阳,孙华东,张艳荣,赵志杰. 哈尔滨商业大学学报(自然科学版). 2018(01)
[8]基于决策树预测糖尿病合并冠心病患病风险的中医人格体质特征研究[J]. 吕航,杨秋莉,杜渐,王昊,刘媛,赵智强. 南京中医药大学学报. 2017(06)
[9]基于XGBoost算法的用电电量预测的实践应用[J]. 黄达文,方芃岚. 现代信息科技. 2017(04)
[10]糖尿病不同阶段人群经络值特点及预测模型的构建[J]. 黄鹂,梁咏竹,林立宇,樊少仪,徐福平,杨志敏,林嬿钊. 广东医学. 2017(17)
博士论文
[1]近红外无创血糖测量—信号构成和拾取的理论及实验研究[D]. 刘蓉.天津大学 2006
硕士论文
[1]社区居民糖尿病风险预测系统的设计与实现[D]. 苗丰顺.中国科学院大学(中国科学院沈阳计算技术研究所) 2019
[2]基于改进邻域粗糙集和随机森林算法的糖尿病预测研究[D]. 胡玮.首都经济贸易大学 2018
[3]基于随机森林算法的人体运动模式识别研究[D]. 刘玉琪.北京邮电大学 2018
[4]机器学习在肾脏病临床决策支持系统中的应用[D]. 孔宁.大连理工大学 2018
[5]基于机器学习的肝硬化疾病预测研究[D]. 陈志屹.湖南大学 2018
[6]基于电子病历的疾病预测方法研究及应用[D]. 李慧林.郑州大学 2018
[7]基于BP神经网络的心血管病预测系统的研究与实现[D]. 李小敏.宁夏大学 2018
[8]近红外光谱无创血糖检测模型研究[D]. 代娟.重庆大学 2018
[9]基于机器学习算法的糖尿病预测模型研究[D]. 洪烨.哈尔滨工业大学 2016
[10]神经网络软测量模型优化方法在血糖浓度预测中的应用[D]. 谢志斌.江苏大学 2016
本文编号：3225025
【文章来源】：西南大学重庆市 211工程院校 教育部直属院校
【文章页数】：91 页
【学位级别】：硕士
【部分图文】：
015成人糖尿病患者数量在前10位的国家（数据源于IDF网站）
西南大学工程硕士论文2图1-12015成人糖尿病患者数量在前10位的国家（数据源于IDF网站）由图1-1可知，中国占全世界患糖尿病人数三成，远高于其他国家和地区。中国不仅仅是糖尿病患者基数大，呈逐年迅速递增趋势,而且还有大量潜在糖尿病患者。67%的糖尿病患者对血糖的控制没有到位或者没有正确的血糖控制手段。除此之外，糖尿病相关辅助治疗仪器的覆盖比例较欧美发达国家相距甚远[1]。虽然该病并不会马上威胁患者生命，但是其并发症却时时刻刻折麽着患者的身心健康，降低他们的生活品质。因为糖尿病是慢性疾病,不了解相关健康知识的人群发病初期容易忽略病情,由高血糖进一步恶化为糖尿病,随后引发各种并发症。而且由于国内居民的健康管理的疏忽,人们忽视了身体对于健康生活的需要。我国生活水平的提高在改善物质生活质量方面取得了非常显著的效果，同时却因这丰富的物质生活给身体带来了极大的负担。所以糖尿病也被人们戏称为“富贵脖。由此可见，人们应该提早使用家用血糖仪进行定时检测。图1-2中国近年来患糖尿病人数（百万人）
西南大学工程硕士论文3到目前为止，在世界范围内，中国的受糖尿病威胁以及有潜在的病变风险的人数仅次于美国。医学界现在仅仅只能用控制碳水化合物的摄入、服用降糖药、往肚子上注射胰岛素的方法来控制病情。在这一过程中，定期测量血糖水平是判断患者病情、及时治疗的必要保障。由于人们的健康意识的增强和医疗生活水平的提高，家用血糖检测仪器的市场也在迅速拓展。由我国市场调查网发布的相关资料可知，家用血糖检测仪器[12]的渗透率预计已由2010年的不足10%提升到20%以上。虽然这一结果令人欣慰，但是我国家用血糖检测仪器的渗透率远落后于欧美国家的90%，还有很大的提升空间。未来几年，国内血糖监测系统市场仍有望保持20%以上的增速。目前临床和市面上的血糖检测方法大多需要采集静脉血或者指血，通过电化学方法将试纸与血液反应产生的电信号转化为血糖预测值[20]。这种方法能较准确的检测出血糖值，所花时间为几秒到半分钟之间。但是这种方法会破坏人体皮肤，对患者身心造成反复的折磨，带来压力。同时还有伤口感染的风险，并且糖尿病患者伤口不易愈合，有创检测对这类患者的伤害更为严重。因为试纸是一次性用品，有创检测需要持续投入，检测成本高。这可能加重低收入患者经济负担。图1-3指血采集预测血糖场景同理，对于那些患有因病导致低血糖而引发生命安全危险的患者，血糖的实时检测同样重要，本文在此不再赘述。因此，对于无创的血糖检测方法的研究是非常有必要的，该方法能推动血糖检测仪器的发展，开拓新领域，具有很大市场价值。计算机技术经过近年来的高速发展，随之产生了数字化分析设备，化学计量
【参考文献】：
期刊论文
[1]基于CatBoost算法的糖尿病预测方法[J]. 苗丰顺,李岩,高岑,王美吉,李冬梅. 计算机系统应用. 2019(09)
[2]基于集成学习的糖尿病分析预测[J]. 黄朴文. 电子制作. 2018(22)
[3]基于随机森林法的2型糖尿病合并非酒精性脂肪肝预测模型[J]. 陈霆,蒋伏松,朱兴敏,郑西川. 中国数字医学. 2018(11)
[4]基于多层感知神经网络的糖尿病并发症预测研究[J]. 刘迷迷,蔡永铭. 软件. 2018(10)
[5]2型糖尿病危险因素及患病风险预测模型研究[J]. 陈渝,宗会娟,李伟. 昆明理工大学学报(自然科学版). 2018(02)
[6]基于XGBoost算法的2型糖尿病精准预测模型研究[J]. 张洪侠,郭贺,王金霞,徐岩艳,吕斌,闫东,常佳,胡光瑞,王雪,李洪军,刘天戟,李燕林,赵志强,牛晓强. 中国实验诊断学. 2018(03)
[7]基于支持向量机的糖尿病预测模型研究[J]. 刘阳,孙华东,张艳荣,赵志杰. 哈尔滨商业大学学报(自然科学版). 2018(01)
[8]基于决策树预测糖尿病合并冠心病患病风险的中医人格体质特征研究[J]. 吕航,杨秋莉,杜渐,王昊,刘媛,赵智强. 南京中医药大学学报. 2017(06)
[9]基于XGBoost算法的用电电量预测的实践应用[J]. 黄达文,方芃岚. 现代信息科技. 2017(04)
[10]糖尿病不同阶段人群经络值特点及预测模型的构建[J]. 黄鹂,梁咏竹,林立宇,樊少仪,徐福平,杨志敏,林嬿钊. 广东医学. 2017(17)
博士论文
[1]近红外无创血糖测量—信号构成和拾取的理论及实验研究[D]. 刘蓉.天津大学 2006
硕士论文
[1]社区居民糖尿病风险预测系统的设计与实现[D]. 苗丰顺.中国科学院大学(中国科学院沈阳计算技术研究所) 2019
[2]基于改进邻域粗糙集和随机森林算法的糖尿病预测研究[D]. 胡玮.首都经济贸易大学 2018
[3]基于随机森林算法的人体运动模式识别研究[D]. 刘玉琪.北京邮电大学 2018
[4]机器学习在肾脏病临床决策支持系统中的应用[D]. 孔宁.大连理工大学 2018
[5]基于机器学习的肝硬化疾病预测研究[D]. 陈志屹.湖南大学 2018
[6]基于电子病历的疾病预测方法研究及应用[D]. 李慧林.郑州大学 2018
[7]基于BP神经网络的心血管病预测系统的研究与实现[D]. 李小敏.宁夏大学 2018
[8]近红外光谱无创血糖检测模型研究[D]. 代娟.重庆大学 2018
[9]基于机器学习算法的糖尿病预测模型研究[D]. 洪烨.哈尔滨工业大学 2016
[10]神经网络软测量模型优化方法在血糖浓度预测中的应用[D]. 谢志斌.江苏大学 2016
本文编号：3225025
本文链接：https://www.wllwen.com/yixuelunwen/swyx/3225025.html
