一、无创血糖检测方法研究(论文文献综述)
夏瑞轩[1](2021)在《多波长红外无创血糖测试技术研究》文中研究指明糖尿病是一种以慢性高血糖为特征的代谢性疾病,目前,全球的糖尿病患者人数呈现激增的态势。然而,伴随糖尿病患者的还有各种并发症,这些都时刻威胁着糖尿病患者的生命安全。糖尿病的发病机制至今不详,因此糖尿病还不能被彻底根治,糖尿病患者自身的血糖监控就显得尤为重要。现有的血糖检测手段以生化检验为主,糖尿病患者需要频繁地采集血液样本,长此下去,不仅带给了糖尿病患者生理上的疼痛,还提升了其被感染的风险。通过前期大量的文献调研,本文搭建了基于近红外光谱解析法的多波长红外无创血糖测试系统。该系统选取了四种不同波段的发光二极管作为光源,发光二极管均采用程控电源控制,即每一种波段的发光二极管按照一定的时间间隔轮流工作;本文设计了由石英平凸镜和光纤耦合镜构成的光路耦合模块,将发光二极管的辐射光耦合进一根四合一的石英光纤,光纤出射光穿透人体耳垂被另一端的光电二极管感测;本文通过前置放大电路、低通滤波电路以及锁相放大电路完成了耳垂透射光的弱信号检测,进而得到了各波段的光谱吸光度。本文还引入了口服葡萄糖耐量试验(OGTT)来构建多波长红外无创血糖测试系统的校正模型:首先,邀请一位健康受试者,并使用传统采血式血糖仪、本文搭建的无创血糖测试系统分别测量其在空腹状态下体内的血糖浓度值、耳垂处不同波段光谱的吸光度值;然后,受试者将事先准备好的糖水一饮而尽,并在此后的半小时、一小时和两小时分别再次测量其体内的血糖浓度值、耳垂处不同波段光谱的吸光度值;最后,整合试验样本数据,将样本数据划分为训练集和测试集,运用神经网络算法建立训练集样本数据中光谱吸光度与血糖值的数学模型,并使用测试集样本数据对已建模型的预测性能展开了分析评估。结果表明,本文搭建的多波长红外无创血糖测试系统,可以初步预测受试者体内血糖浓度的变化趋势,血糖预测值与真实值之间的决定系数可达0.813,为今后应用于临床上,基于近红外光谱解析法无创血糖测试系统的进一步研发奠定了基础。
李孟泽,季忠,程锦绣,杜玉宝,代娟[2](2021)在《基于非线性自回归神经网络和双波长的无创血糖检测方法实现》文中进行了进一步梳理利用无创技术进行血糖检测,有助于减轻糖尿病患者有创检测时的痛苦,降低检测成本,实现血糖的实时监测和有效控制。针对市场上现有微创或有创血糖检测方法存在的检测精度低、成本高、操作复杂等问题,本文基于课题组已研制的无创血糖检测仪样机结构组成,结合市场可供选择的激光光源的波长和成本,提出以血糖吸收较强的1 550 nm波长作为测量光用于采集血糖信息,以血液中水分子吸收较强的1 310 nm波长作为参考光用于去除水分子的影响,利用敏感度分析方法和带有外部输入的非线性自回归神经网络,研究基于双波长近红外光漫反射的无创血糖检测方法。通过对十四名志愿者进行在体实验,结果证明,利用该方法得到的无创血糖测量值分布在克拉克误差网格中A区域的比重为90.27%、B区域的比重为9.73%,均符合临床要求,证实了本文研究的基于非线性自回归神经网络和双波长近红外光漫反射的无创血糖检测方法具有较为理想的测量精度和稳定性。
严波文[3](2020)在《人体胰岛素分泌水平评估及无创血糖测量研究》文中研究说明根据世界卫生组织的调查发现,糖尿病已成为仅次于心血管疾病和肿瘤疾病的第三大杀手。糖尿病主要通过有创进行检测诊断,检测过程易给患者带来生理及心理上的痛苦,且伤口会因保护措施不到位而受到感染。无创血糖测量技术因具有无创伤、无感染和可实时监控等特点而成为近年来热门的研究课题。基于能量代谢守恒法研制的血糖仪可以用于糖尿病的检测识别,该类血糖仪有操作简单和无创伤等特点,能够实现对患有糖尿病人群的血糖水平进行实时监测的功能。本文对胰岛素的评价预测进行了研究,探究其作用在无创血糖检测中的能量代谢守恒法数学模型的影响。提出了基于人工神经网络的方法研究胰岛素评价预测模型,并对几种人工神经网络所得到预测效果进行了对比,具体工作如下。首先,以2型糖尿病患者以及正常糖耐量人群作为研究对象,组织其进行口服葡萄糖耐量试验,获取包括糖化血红蛋白、血糖和胰岛素等多个生理参数,针对所获得的数据进行相应的处理;其次,绘制了血糖水平和胰岛素水平曲线,进一步分析了2型糖尿病患者和正常糖耐量人群曲线之间的差异;再次,搭建人工神经网络模型,将样本的生理参数输入该模型进行训练,不断地调整模型参数,获得最好的预测效果;最后,利用搭建好的模型预测胰岛β细胞功能指数与胰岛素抵抗指数。实验结果表明,基于人工神经网络的人体胰岛素评价模型得到胰岛素评价指标的预测值与真值有较好的相关性,其中胰岛β细胞功能指数相关性到达了近90%,表明该模型能较好地评价胰岛素分泌情况。进一步地,根据胰岛素作用对基于能量代谢守恒法的无创血糖检测算法模型提出修正方法,为其优化提供了新思路。
戴荣徽[4](2020)在《基于Android的近红外线无创血糖检测系统》文中研究指明近年来,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;对人体有利采集血糖数据实际情况与仪器使用符合人体工学情况的综合考量,确定了实验的检测位置和测量方式;检验光度数据的有效性与重复性,确保接下来的实验的有效性。(2)本研究建立了一种基于XGB-LGB-catboost的近红外无创血糖检测模型。本课题在原有XGBoost模型基础上采取了诸多改进提升,使其可以较别的梯度提升的算法速度更快,RMSE后经过调优降为0.631,结果较为理想。为了进一步减小均方根误差系数提高预测准确率,模型融合了基于LightGBM算法的预测模型与基于catBoost算法的预测模型,RMSE降为0.698,模型性能优于融合之前。另外,XGB-LGB-catBoost模型只需通过训练1个样本数据来调整权重系数以克服由于肤色、性别等导致的个体差异性。(3)近红外线无创检测系统在Android Studio平台上建立客户端,通过低功率蓝牙连接采集器、收集信号的光度数据;支持手动上传实验中采集的室温、湿度、高压、低压、心率、体温等相关参数到后台数据库。在Visual Studio平台上建立管理端,用于管理用户个人信息以及上传到后台的健康数据。将通过管理端获取到的健康数据通过机器学习算法训练成个人血糖预测模型,之后凭借实时测量的光度数据与相关健康数据即可预测实时血糖参考值。本文通过对近红外光谱无创血糖检测模型进行研究,提升了模型的精度和稳健性,在一定程度上推动了无创血糖检测技术的进步。并且根据市场情况对基于Android的血糖健康系统软件进行了设计,为无创血糖检测运用于市场,做出了一系列探索。
甘建虹[5](2020)在《基于统计机器学习的血液光谱分析》文中研究指明近年来,基于统计机器学习的人工智能技术已经发展成为许多领域的强大工具.随着光谱技术的飞速发展,毫无疑问,使用先进的统计机器学习方法对光谱数据进行预测分析将成为光谱分析领域发展的新方向.本文中,主要从动物离体血液荧光光谱识别分类和无创血糖光谱检测两方面对统计机器学习在光谱分析领域中的应用进行了探讨,致力于研究出更准确、更高效的未知血液样本识别分类方法以及血糖浓度预测方法.在动物血液荧光光谱识别分类工作中,针对采集到的荧光光谱数据,本文研究了基于传统机器学习和DBN的种属识别方法.研究过程中,首先利用了小波阈值去噪对光谱数据进行预处理,去除了光谱数据的噪声.然后针对传统机器学习分类模型,利用主成分分析法对光谱数据进行了特征提取.最后构建了LR、DT、GBDT以及DBN模型进行了识别分类,且利用交叉验证法对模型进行了评价.此外,本文中提出了一种新的动物离体血液荧光光谱数据识别分类方法.此方法中将DBN作为特征提取器,提取了每个血液样本光谱数据的200个深度特征.然后将区分度统计量筛选后的特征作为模型的输入,进行识别再分类,即区分度统计量“+”深度特征“+”传统机器学习方法的识别分类模型.结果表明,与单一的传统机器学习分类模型和DBN分类模型相比,无论是识别效率还是识别准确率都得到了大大提升.因此可知,DBN可以对特征进行有效提取,从而实现更好的分类.本文提出的方法在法医调查,野生动植物调查和进出口检测中对动物血液光谱数据进行分类具有很大的潜力.在无创血糖光谱检测工作中,针对采集到的近红外光谱数据,研究了基于SVR的血糖浓度预测方法.研究过程中,首先考虑到人体背景信息和噪声对光谱数据的影响,提出了一种位置平均结合小波阈值去噪的光谱数据预处理方法,此方法能有效消除背景信息和光谱噪声.然后针对不同被测对象建立了相应的SVR预测模型,对血糖浓度进行了预测.结果表明,SVR模型对血糖浓度预测的精确性较传统预测模型得到了有效提升.其中,两个被测对象的模型拟合优度分别为0.95和0.947,预测值分布落在克拉克误差网格中A区的百分比分别为98.82%和97.65%.该结果在临床上具有较高的有效性,为统计机器学习在无创血糖光谱检测的进一步应用打下了基础.
殷彤[6](2020)在《基于阻抗谱的无创血糖监测方法研究》文中指出随着生活质量的提升,糖尿病患病率呈现快速上升的趋势。作为一种终身性疾病,在其慢性病程中,会引起一些其他并发症,病死率极高。目前广泛采用的血糖检测方法是点式检测,通过餐前、餐后进行针刺测量血糖值,并指导胰岛素用量,降低糖尿病并发症的可能性,长期的针刺采血给患者带来极大的痛苦。除此之外,Ⅰ型糖尿病患者会突发低血糖,严重时会昏迷甚至危害生命,因此需要实时、连续地对血糖进行监测。考虑到长期针刺对患者带来的痛苦及无法实现实时、连续的血糖监测,本文提出基于阻抗谱的无创血糖监测方法,并开展了如下工作:1.理论研究了血糖值与阻抗参数之间的对应关系。考虑皮肤接触阻抗和细胞膜导电特性,在MATLAB的Simulink环境下,搭建了人体等效电路模型,获得了 1Hz-20MHz频率下该模型的阻抗参数,采用Cole-Cole理论进行了分析。结果表明,特征频率fc与血糖值Cglu呈负相关关系,即血糖值Cglu越高时,阻抗谱对应的fc的值越小。2.基于无线传输技术的DAS系统升级及移动端APP开发。在实验室已开发设计的基于S3C6410处理器和AD5933阻抗测量芯片的便携式阻抗测量仪(TUST-LAB made Impedance Measurement Instrument,TUST-LAB IMI)的基础上进行系统升级。通过增加ORICO BTA-403蓝牙模块,实现了数据无线传输(Bluetooth-based TUST-LAB IMI)。开发了基于阻抗谱的血糖监测APP,实现了接收蓝牙数据、计算数据、实时显示数据情况、历史记录存储及显示的功能,完成血糖监测的网络化数字化管理。3.设计并实施了动物实验,验证血糖及阻抗参数之间的对应关系。本实验选用雄性昆明小鼠,使用Bluetooth-based TUST-LABIMI,WK6500B阻抗分析仪和鱼跃580血糖测量仪,分别进行皮肤表面无创阻抗测量,血液阻抗测量和血糖值测量,研究了阻抗值、相位值、阻抗实部、阻抗虚部、介电常数实部、介电常数虚部、电导率实部、电导率虚部在频域上的变化规律。实验分析结果表明,Cglu和fc之间呈负相关关系,即随着频率的增加,血糖值降低,与理论分析结论一致,从而验证了无创测量所得阻抗谱反映血糖值变化的可行性。
吕亚帅[7](2019)在《无创血糖检测系统的研究与设计》文中提出随着中国社会经济的快速发展,工作压力的增大使得加班族越来越多,不良的作息时间及饮食结构导致他们的身体处于亚健康状态,越来越多的人患有慢性疾病,其中糖尿病的发展尤为迅速,已经成为危害人体健康的世界三大疾病之一,而糖尿病的特征之一就是血糖浓度的升高,因此人体血糖浓度的实时检测就显得非常重要。目前人们常用的血糖检测仪器均为有创或微创检测,这样一来就会让患者产生生理和心理负担,还会增加不必要的感染风险。因此为了满足患者无痛实时监控血糖的需求,一款无创血糖检测仪器就被广大患者所需要。本文以近红外光谱分析技术及能量代谢守恒法为理论基础,建立起无创血糖检测系统模型,并提出了一种新型的基于RNN神经网络的无创血糖算法。本文主要由以下几个部分构成:1.对无创血糖检测理论基础进行研究。主要介绍了光电法测血糖的原理--朗伯比尔定律,并对血糖方程进行推导,由于人体模型和系统误差导致精度偏低,进而提出利用能量代谢守恒法对血糖值进行修正,接着对测量过程提出了需求,包括修正参数的选取以及检测部位、方式、波长的选取等等。2.对无创血糖检测系统硬软件进行设计。其中硬件包括嵌入式微处理器模块、传感器模块、信息处理模块以及网络通信模块四个部分;软件模块主要包括滤波、特征提取、血糖修正等算法以及基于C#的可视化上位机设计。3.对无创血糖检测系统算法的研究。首先单片机通过网络通信模块将信息上传至上位机进行滤波分离等工作,然后介绍了人体几项特征参数的求取,接着介绍了四种不同的血糖修正算法,并且通过系统装置获取多项人体特征值,组成特征矩阵,同时结合有创血糖仪所测得血糖浓度参考值进行数据分析。4.实验验证。选取合适的实验环境以及实验器材,在MATLAB中进行数据模型仿真实验,选择性能最优的血糖修正算法模型并在上位机中写入。5.提出本文的不足和欠缺之处,同时提出了下一步的研究方向。
郭玲兴[8](2019)在《人体散射不敏感位置的估计及在无创血糖测量中的初步应用》文中认为基于近红外光谱法的无创血糖测量有望实现对糖尿病人血糖水平的无创伤、连续监测,具有好的应用前景和社会价值。测量常采用皮肤作为被测对象,皮肤组织的散射差异会给测量带来较大影响。在课题组先前的研究中,曾发现了一个特殊的光源-探测器距离,在该距离下出射的漫反射光强对皮肤的散射差异不敏感,被称为“散射变化不敏感位置”。在该位置处测量可以获得吸收差异的信息。然而,该方法在实际应用中却受到了限制,因为散射不敏感位置在人体皮肤上是未知的,且该位置随被测皮肤不同而不同,且随波长不同而不同,这给实际应用带来困难。针对此问题,本文提出了一种人体皮肤散射不敏感位置的快速确定方法,它可以根据皮肤的漫反射光谱直接确定出该皮肤的散射不敏感位置,并用于无创血糖测量。本文的主要工作如下:1)对基于散射不敏感位置的漫反射光谱测量理论进行了研究,基于漫反射光衰减度随光源-探测器距离呈现线性变化的规律,给出了采用两个固定距离间接获得散射不敏感位置处光谱的策略,实现了对不同组织、不同波长使用同一测量装置的目的。2)提出了一种人体皮肤散射不敏感位置的快速确定方法。具体采用神经网络算法,研究皮肤的有效衰减系数光谱与散射不敏感位置之间的关联,并进行机器学习,最终获得了快速预测散射不敏感位置的模型。3)将基于散射不敏感位置的测量理论应用于无创血糖检测,监测皮肤组织吸收特性的差异或变化,并推测皮肤组织可能发生的状态改变,据此进行了血糖测量的校正。采用蒙特卡罗模拟和人体实验验证了校正的效果。综上,本文改进了基于散射不敏感位置的人体皮肤光谱测量方法,使其在实际测量应用中更加灵活和便利,将其应用于无创血糖测量中的干扰监测,提高了血糖测量的精度水平。该方法还可广泛应用于其他散射介质的成分测量领域。
奚梦婷[9](2020)在《基于裂环谐振腔的无创血糖介电特性研究》文中提出糖尿病是危害人类健康的一大杀手,目前在医学上无具体的方法可以根治;血糖的监测是糖尿病综合治疗中不可缺少的重要环节。市面上的商用血糖检测仪不仅存在血液感染的风险,使患者病情加重,还会令患者因为疼痛产生恐慌感而抵触监测,为血糖采集工作增加了负担。近年来,无创血糖技术应运而生。该技术既能满足医生专业辅助治疗的需求,更能缓解患者的恐慌心理,推进治疗。其中基于射频微波理论的无创血糖监测技术成为新的研究热点。目前,该研究还存在着如下几个问题:1、主要针对不同浓度的葡萄糖溶液进行研究,很少在人体上进行实验。葡萄糖溶液与人体血液仍存在较大差别,影响研究结果的可靠性与准确性;2、用于分析的射频参数较为单一,不具多样性,其携带的生理病理信息较少;3、实验研究仅仅针对采集的数据进行分析,忽略人体差异性,不具有普遍适用性。因此,本文针对上述问题,基于1.15GHz裂环结构的无创血糖监测谐振器,开展了如下工作:(1)基于微波射频理论的监测基础和基于谐振腔的血糖监测原理,设计了一套基于裂环谐振腔结构的人体腹部血糖介电特性采集系统。对裂环谐振腔的结构和参数进行了优化。该系统谐振频率为1.15GHz,可实现无创血糖介电常数的测量。(2)分析了生物组织的介电特性及测量原理,建立了生物介电特性仿真模型,并基于不同脂肪层厚度以及不同血糖浓度的人体腹部生物模型进行了介电特性仿真,提出了正向传输系数S21的谐振频率、3d B带宽和脂肪层厚度三种进行介电特性估算的参数。(3)对本文所提的S21的谐振频率、3d B带宽和脂肪层厚度三种参数,提出了单参数(3d B带宽)和多参数的线性回归算法,并在此基础上提出了基于高斯过程回归和神经网络回归模型的多参数血糖介电特性估算方法,通过仿真实验验证,三种方法均可完成血糖介电常数复杂条件下的回归计算,实现了高精度连续血糖介电特性检测,其中基于高斯过程回归的模型无需先验条件,且性能更优。(4)利用本文的裂环谐振腔血糖介电特性测量系统,进行不同脂肪层厚度条件下的猪肉葡萄糖注射实验以及人体葡萄糖耐受实验。实验结果表明,针对摄入葡萄糖的猪肉进行介电常数测量的测量准确率达99%;针对摄入葡萄糖的人体耐受实验的血糖测量准确率达81%以上,实验结果验证了本系统的可行性与准确性,并为进一步探究人体腹部介电特性与血糖浓度的关系提供了基础,以最终实现无创血糖监测。
李晓莉[10](2019)在《近红外无创血糖检测有效光谱信号提取关键技术研究》文中提出糖尿病是一种由于胰岛素分泌缺陷或其生物学作用障碍引起的以高血糖为特征,伴有能量代谢障碍的疾病。糖尿病并发症累及全身各器官并伴随病变,可导致残疾和死亡,严重影响患者的生命和生活质量。血糖浓度是糖尿病诊断和治疗所依据的重要指标,所以血糖浓度检测是糖尿病治疗过程中必不可少的关键步骤之一。目前医学上通常通过静脉抽血或指尖采血,用酶催化法来进行血糖检测,这种方法不能实现连续实时的血糖浓度检测,并且会给糖尿病患者增加精神上的痛苦和经济上的负担。因此,对无创血糖检测相关技术进行研究具有重要的意义。近红外无创血糖检测方法是无创血糖检测领域研究的热点之一。近红外光可以穿透皮肤且血糖浓度与其近红外吸收光谱有很好的相关性,但是血糖浓度信号微弱、近红外光谱数据维数大,增加了近红外无创血糖检测的难度。本文针对近红外无创血糖检测方法的相关技术难点进行探讨,旨在:针对噪声干扰造成血糖浓度预测模型精度低的问题,探索一种自适应信号去噪方法;针对血糖近红外全光谱数据建模预测精度较差的问题,研究一种有效的光谱变量选择方法;针对光谱数据存在非线性相关性造成模型建立复杂的问题,探索一种有效的光谱变量特征提取方法。基于以上目的,本文的研究工作主要包括以下几个部分:针对近红外无创血糖检测过程中光谱数据存在噪声干扰,影响建立血糖浓度预测模型精度的问题,提出一种基于自适应噪声的总体集合经验模态分解(CEEMDAN)和离散弗雷歇距离评价准则的近红外光谱信号去噪方法。概述了近红外光谱检测相关理论,结合CEEMDAN和离散弗雷歇距离理论,根据近红外光谱信号分解后获得的多个本征模态函数分量(IMF)中噪声和信号的频率差异,实现噪声和信号的自适应分离;利用离散弗雷歇距离评价准则对IMF进行分类,确定干扰噪声和有用信号各自主导的IMF;最后将有用信号主导的IMF求和,重构出近红外光谱信号,减轻与葡萄糖浓度信息无关的噪声干扰的影响。实验结果表明:该方法运用到不同葡萄糖浓度离体溶液近红外光谱实验中,去噪后综合评价指标值最大提高了0.1;运用到不同浓度葡萄糖2%Intralipid仿体溶液近红外光谱实验中,去噪后综合评价指标值最大提高了0.09,本文所提出的方法与传统光谱去噪方法相比,重构信号的结果精度更高,滤波性能更稳定,实现了信号与噪声的有效分离,具有良好的自适应性。针对某些光谱波段与血糖浓度信息缺乏相关性,导致全光谱数据建模预测精度低的问题,提出一种基于排列熵的近红外光谱变量选择方法。通过分析光谱变量选择的物理基础和必要性,提出用滑动窗口分割去噪后的近红外全光谱数据,计算每个光谱波长区间的排列熵,以排列熵值作为特征参数进行光谱变量选择。实验结果表明,将新方法应用于不同葡萄糖浓度离体溶液和不同葡萄糖浓度的2%Intralipid仿体溶液,与传统光谱变量选择方法对比,新方法选择出的光谱变量分别缩减到全光谱变量的13.9%和14.7%,远远小于全谱1867个波长数据。对于离体溶液,SVR建模后相关系数最大提高10.1%,预测均方根误差最大降低13.7%,PLSR建模后相关系数最大提高18.5%,预测均方根误差最大降低4.2%;对于仿体溶液,SVR建模后相关系数最大提高13.4%,预测均方根误差最大降低12.4%,PLSR建模后相关系数最大提高14.3%,预测均方根误差最大降低10.8%,说明所提出的方法可以选择出与葡萄糖浓度信息相关的光谱变量,减少无关光谱变量对模型预测能力的影响,有效改善全光谱数据建模预测精度低的问题。针对近红外无创血糖浓度检测中光谱数据存在非线性相关的问题,提出一种基于最大信息系数(MIC)的主成分分析光谱变量特征提取方法。通过分析传统主成分分析方法的理论模型,并根据近红外光谱数据的特点,引入最大信息系数概念,对光谱数据的非线性相关进行度量。新方法首先结合传统主成分分析模型和MIC相关理论,对近红外光谱数据进行标准化处理,计算变量之间的最大信息系数;然后通过MIC矩阵计算其特征值和特征向量,采用阈值法选择主成分,对近红外光谱变量进行特征提取。实验结果表明,该方法运用到不同葡萄糖浓度离体溶液近红外光谱实验中,PSO-SVR建模后相关系数最大提高10.8%,预测均方根误差最大降低15.1%;运用到不同葡萄糖浓度2%Intralipid仿体溶液近红外光谱实验中,PSO-SVR建模后相关系数最大提高9.4%,预测均方根误差最大降低17%。说明新方法所提取的主成分可以有效反映葡萄糖光谱信息,降低了模型的复杂程度,改善了模型的预测能力。
二、无创血糖检测方法研究(论文开题报告)
(1)论文研究背景及目的
此处内容要求:
首先简单简介论文所研究问题的基本概念和背景,再而简单明了地指出论文所要研究解决的具体问题,并提出你的论文准备的观点或解决方法。
写法范例:
本文主要提出一款精简64位RISC处理器存储管理单元结构并详细分析其设计过程。在该MMU结构中,TLB采用叁个分离的TLB,TLB采用基于内容查找的相联存储器并行查找,支持粗粒度为64KB和细粒度为4KB两种页面大小,采用多级分层页表结构映射地址空间,并详细论述了四级页表转换过程,TLB结构组织等。该MMU结构将作为该处理器存储系统实现的一个重要组成部分。
(2)本文研究方法
调查法:该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法:用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法:通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法:通过调查文献来获得资料,从而全面的、正确的了解掌握研究方法。
实证研究法:依据现有的科学理论和实践的需要提出设计。
定性分析法:对研究对象进行“质”的方面的研究,这个方法需要计算的数据较少。
定量分析法:通过具体的数字,使人们对研究对象的认识进一步精确化。
跨学科研究法:运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法:这是社会科学用来分析社会现象的一种方法,从某一功能出发研究多个方面的影响。
模拟法:通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
三、无创血糖检测方法研究(论文提纲范文)
(1)多波长红外无创血糖测试技术研究(论文提纲范文)
摘要 |
abstract |
第一章 绪论 |
1.1 开展无创血糖检测研究的背景与意义 |
1.2 微创血糖检测国内外的研究现状 |
1.3 无创血糖检测国内外的研究现状 |
1.3.1 直接检测 |
1.3.2 间接检测 |
1.4 本文的研究内容及技术路线 |
1.5 本文的结构安排 |
第二章 基于近红外光谱无创血糖检测的理论基础 |
2.1 近红外光谱分析技术 |
2.1.1 发展历程 |
2.1.2 物理基础 |
2.1.3 技术优势 |
2.2 朗伯比尔定律 |
2.3 血糖的光谱学特性 |
2.4 人工神经网络(ANN) |
2.4.1 感知器模型 |
2.4.2 反向传播算法的多层感知器 |
2.5 本章小结 |
第三章 多波长红外无创血糖测试系统的搭建 |
3.1 系统总体框架图 |
3.2 光发射模块 |
3.2.1 器件选型 |
3.2.2 驱动控制 |
3.2.3 方波调制 |
3.2.4 光路耦合 |
3.3 光接收模块 |
3.3.1 器件选型 |
3.3.2 驱动控制 |
3.4 信号调理模块 |
3.4.1 低通滤波 |
3.4.2 锁相放大 |
3.5 整体装配模块 |
3.5.1 样机设计 |
3.5.2 数据读取 |
3.6 本章小结 |
第四章 无创血糖检测系统的校正模型 |
4.1 口服葡萄糖耐量试验(OGTT) |
4.2 建模过程 |
4.3 性能评估 |
4.4 本章小结 |
第五章 总结与展望 |
5.1 工作总结 |
5.2 展望 |
致谢 |
参考文献 |
攻读硕士学位期间的研究成果 |
(2)基于非线性自回归神经网络和双波长的无创血糖检测方法实现(论文提纲范文)
引言 |
1 方法研究 |
1.1 原理 |
1.1.1 基于近红外光光谱法的无创血糖检测方法 |
1.1.2 BP神经网络 |
1.1.3 敏感度分析方法 |
1.1.4 带有外部输入的非线性自回归神经网络 |
1.2 基于SA-NARX的无创血糖检测模型 |
2 实验验证 |
2.1 实验平台 |
2.2 实验 |
2.2.1 受试对象纳入标准及排除标准 |
2.2.2 实验方案 |
3 结果 |
3.1 均方根误差 |
3.2 相关系数 |
3.3 克拉克误差网格 |
4 结论 |
(3)人体胰岛素分泌水平评估及无创血糖测量研究(论文提纲范文)
摘要 |
ABSTRACT |
第一章 绪论 |
§1.1 课题研究背景及意义 |
§1.2 国内外研究现状 |
§1.3 课题研究内容及论文结构 |
第二章 能量代谢守恒法及血糖和胰岛素等的理论介绍 |
§2.1 能量代谢的相关介绍 |
§2.1.1 能量理论基础 |
§2.1.2 代谢热整合法数学模型 |
§2.1.3 能量代谢守恒法数学模型 |
§2.2 能量代谢守恒法参数获取算法 |
§2.2.1 获取机体局部代谢率方法 |
§2.2.2 获取机体局部血流量方法 |
§2.2.3 动脉血氧饱和度计算方法 |
§2.2.4 脉率计算方法 |
§2.2.5 机体指部血糖浓度的计算方法 |
§2.3 血糖与胰岛素 |
§2.3.1 血糖的基本理论 |
§2.3.2 胰岛素的基本理论 |
§2.3.3 血糖和胰岛素的关系 |
§2.4 胰岛素评价 |
§2.4.1 胰岛素抵抗 |
§2.4.2 胰岛β细胞功能 |
§2.5 糖化血红蛋白 |
§2.6 本章小结 |
第三章 口服葡萄糖耐量试验及过程 |
§3.1 口服糖耐量试验理论 |
§3.1.1 OGTT原理 |
§3.1.2 OGTT结果判读 |
§3.1.3 OGTT在糖尿病中的意义 |
§3.2 试验准备及过程 |
§3.2.1 试验对象及分组 |
§3.2.2 试验操作流程 |
§3.2.3 样本检测设备及方法 |
§3.3 试验结果与分析 |
§3.4 本章小结 |
第四章 胰岛素预测模型及其在能量代谢守恒法中的探究 |
§4.1 胰岛素作用评估指标 |
§4.2 实验数据预处理 |
§4.2.1 异常及缺失数据的分析及处理 |
§4.2.2 样本的数据规范化处理 |
§4.3 基于人工神经网络的胰岛素评价指标预测 |
§4.3.1 生物神经元与人工神经元模型 |
§4.3.2 BP与RBF神经网络的介绍 |
§4.3.3 模型的性能评价指标 |
§4.3.4 模型的搭建及预测过程和结果 |
§4.4 结果分析 |
§4.5 无创血糖检测算法修正及验证 |
§4.5.1 无创血糖检测算法及其修正 |
§4.5.2 修正后的无创血糖检测算法验证实验 |
§4.6 结论 |
§4.7 本章小结 |
第五章 总结与展望 |
§5.1 总结 |
§5.2 展望 |
参考文献 |
致谢 |
作者在攻读硕士期间的主要研究成果 |
(4)基于Android的近红外线无创血糖检测系统(论文提纲范文)
摘要 |
Abstract |
第1章 引言 |
1.1 研究背景及意义 |
1.2 国内外研究现状 |
1.3 论文研究概述 |
1.4 本章小结 |
第2章 近红外无创血糖检测系统原理 |
2.1 近红外光分析技术原理与优缺点 |
2.2 比尔—朗伯(Beer-Lambert)定律 |
2.3 XGBoost算法的发展历史与组成 |
2.4 本章小结 |
第3章 近红外线无创血糖检测模型探究 |
3.1 无创血糖检测实验设计相关问题研究 |
3.2 近红外线光子检测血糖流程 |
3.3 近红外线光度值有效性与重复性验证 |
3.4 近红外无创血糖检测模型评价指标 |
3.5 本章小结 |
第4章 无创血糖检测模型研究 |
4.1 模型的算法构建 |
4.2 数据采集 |
4.3 建立模型过程 |
4.4 模型的评价 |
4.5 本章小结 |
第5章 基于Android的无创血糖检测系统的设计与实现 |
5.1 .需求分析 |
5.2 系统总体设计 |
5.3 客户端详细设计与实现 |
5.4 管理端设计与实现 |
5.5 数据库设计 |
5.6 系统测试 |
5.7 本章小结 |
第6章 总结与展望 |
6.1 总结 |
6.2 展望与不足 |
参考文献 |
致谢 |
(5)基于统计机器学习的血液光谱分析(论文提纲范文)
摘要 |
Abstract |
第1章 绪论 |
1.1 研究背景及意义 |
1.2 国内外研究现状 |
1.3 论文主要内容 |
第2章 相关统计学与机器学习理论 |
2.1 小波阈值去噪 |
2.2 特征提取方法 |
2.2.1 主成分分析 |
2.2.2 区分度统计量 |
2.3 传统机器学习分类算法 |
2.3.1 逻辑回归 |
2.3.2 决策树 |
2.3.3 梯度提升树 |
2.4 支持向量回归 |
2.5 深度信念网络 |
2.5.1 受限玻尔兹曼机 |
2.5.2 深度信念网络 |
2.5.3 深度信念网络的训练 |
2.6 小结 |
第3章 光谱数据采集及分析 |
3.1 动物血液荧光光谱数据采集 |
3.2 动物血液荧光光谱数据分析 |
3.2.1 正态性检验 |
3.2.2 相关性分析 |
3.2.3 最大均值差异分析 |
3.3 血糖近红外光谱数据及血糖浓度数据采集 |
3.4 无创血糖检测近红外光谱数据分析 |
3.4.1 近红外光谱数据校正 |
3.4.2 实验数据分析 |
3.5 小结 |
第4章 基于统计机器学习的动物荧光光谱识别分类研究 |
4.1 光谱数据预处理 |
4.2 基于统计机器学习的动物血液荧光光谱识别分类 |
4.3 深度特征提取和再分类 |
4.3.1 深度特征提取 |
4.3.2 深度特征识别再分类 |
4.4 深度特征再选择 |
4.5 小结 |
第5章 基于支持向量回归的无创血糖浓度检测 |
5.1 光谱数据预处理 |
5.2 基于偏最小二乘回归的无创血糖浓度检测 |
5.2.1 模型建立与参数选择 |
5.2.2 回归预测以及模型评价 |
5.3 基于支持向量回归的无创血糖浓度检测 |
5.3.1 模型的建立与参数选择 |
5.3.2 回归预测与模型评价 |
5.4 小结 |
第6章 总结与展望 |
6.1 总结 |
6.2 展望 |
参考文献 |
攻读硕士学位期间取得的成果 |
致谢 |
(6)基于阻抗谱的无创血糖监测方法研究(论文提纲范文)
摘要 |
Abstract |
1 绪论 |
1.1 研究背景及意义 |
1.2 国内外研究现状 |
1.2.1 体液监测 |
1.2.2 光谱法 |
1.2.3 能量代谢守恒法 |
1.2.4 阻抗谱法 |
1.3 论文的组织结构框架 |
2 血糖值与参数的对应关系研究 |
2.1 血糖值与细胞膜电容的关系 |
2.2 构建人体等效电路模型 |
2.3 Cole-Cole理论分析 |
3 TUST-LAB IMI阻抗测量仪升级 |
3.1 TUST-LAB IMI简介 |
3.2 Bluetooth-based TUST-LAB IMI硬件系统 |
3.3 Windows系统下基于Qt的GUI编写 |
3.3.1 软件主界面 |
3.3.2 测量界面及流程 |
3.4 Linux系统下基于QT的GUI编译 |
3.4.1 开发系统搭建 |
3.4.2 TFTP、NFS服务器的搭建 |
3.4.3 Linux编译器GCC |
3.4.4 Linux端Qt开发环境搭建 |
3.4.5 Qt程序Linux系统移植 |
3.5 ARM平台应用与测试 |
3.5.1 向ARM平台移植、使用和配置蓝牙协议栈Bluez |
3.5.2 Linux操作系统开发板移植 |
4 基于阻抗谱的血糖监测APP设计及实现 |
4.1 APP整体流程设计 |
4.1.1 APP思维导图设计 |
4.1.2 无创血糖APP流程设计 |
4.2 无创血糖APP原型设计 |
4.3 APP应用软件实现 |
4.3.1 导航栏设计 |
4.3.2 主页面设计 |
4.3.3 历史记录页面 |
4.3.4 数据计算 |
5 实验及结果分析 |
5.1 实验设计 |
5.1.1 标定仪器简介 |
5.1.2 实验小鼠准备 |
5.1.3 血液采集方法及材料准备 |
5.1.4 阻抗测量方法及材料准备 |
5.2 数据采集 |
5.2.1无创阻抗测量 |
5.2.2 血液阻抗测量 |
5.2.3 血糖测量 |
5.3 实验结果分析 |
5.3.1 数据计算 |
5.3.2 血液阻抗测量结果分析 |
5.3.3 无创阻抗测量结果分析 |
5.3.4 血糖值与特征频率关系的验证 |
6 结论 |
6.1 全文总结 |
6.2 论文的创新点 |
6.3 论文的不足之处 |
7 展望 |
8 参考文献 |
9 攻读硕士学位期间发表论文情况 |
10 致谢 |
(7)无创血糖检测系统的研究与设计(论文提纲范文)
摘要 |
abstract |
第一章 绪论 |
1.1 课题的研究意义 |
1.2 国内外研究现状 |
1.3 本文的主要结构和内容安排 |
第二章 无创血糖检测理论基础研究 |
2.1 脉搏波的产生 |
2.2 光电容积脉搏波波形特征 |
2.3 朗伯比尔定律 |
2.4 无创血糖检测基础性问题研究 |
2.4.1 无创血糖检测修正参数 |
2.4.2 检测部位 |
2.4.3 检测方式 |
2.4.4 测量波长和参考波长 |
2.5 本章小结 |
第三章 无创血糖检测系统硬软件设计 |
3.1 无创血糖检测系统模型设计 |
3.1.1 系统设计思想 |
3.1.2 系统总体框架设计 |
3.2 系统硬件部分设计 |
3.2.1 硬件系统框架 |
3.2.2 信息处理模块 |
3.2.3 微处理器接口模块 |
3.2.4 光电容积脉搏波电路设计 |
3.2.5 温度检测电路设计 |
3.2.6 网络通信电路设计 |
3.2.7 系统的防干扰优化设计 |
3.3 系统软件部分设计 |
3.3.1 上位机软件的设计 |
3.4 系统检测血糖流程 |
3.5 本章小结 |
第四章 无创血糖数据分析方法研究 |
4.1 波形预处理 |
4.1.1 光电信号的数字滤波 |
4.1.2 信号分离 |
4.2 血糖检测修正参数提取 |
4.2.1 血氧饱和度 |
4.2.2 心率参数 |
4.2.3 体表温度及辐射能量 |
4.3 血糖修正算法 |
4.3.1 多元线性回归 |
4.3.2 主成分回归分析 |
4.3.3 偏最小二乘回归 |
4.3.4 RNN神经网络模型 |
4.4 本章小结 |
第五章 实验验证 |
5.1 实验器材 |
5.2 实验过程设计 |
5.3 实验模型评价指标 |
5.4 实验结果 |
5.5 本章小结 |
第六章 总结与展望 |
参考文献 |
附录1 攻读硕士学位期间获奖情况 |
附录2 攻读硕士学位期间申请的专利 |
附录3 攻读硕士学位期间参加的科研项目 |
致谢 |
(8)人体散射不敏感位置的估计及在无创血糖测量中的初步应用(论文提纲范文)
摘要 |
abstract |
第1章 绪论 |
1.1 人体无创血糖检测的意义 |
1.1.1 无创血糖检测方法介绍 |
1.1.2 近红外光谱法的国内外研究现状 |
1.1.3 近红外光谱法无创血糖检测所面临的问题 |
1.2 本课题的研究意义和目的 |
1.3 本文的主要内容及结构安排 |
第2章 人体散射不敏感位置及其光谱测量方法 |
2.1 散射不敏感位置的理论推导 |
2.1.1 无限介质散射不敏感位置推导 |
2.1.2 半无限介质散射不敏感位置推导 |
2.2 人体散射不敏感位置的蒙特卡罗模拟 |
2.2.1 蒙特卡罗模拟介绍 |
2.2.2 三层皮肤模型的模拟结果 |
2.2.3 皮肤光学参数对散射不敏感位置的影响 |
2.3 散射不敏感位置处吸收光谱的含义及测量方法 |
2.3.1 散射不敏感位置处吸收光谱的物理意义 |
2.3.2 散射不敏感位置处光谱的间接获取方法 |
2.4 基于位置差分的漫反射光谱测量理论 |
2.5 小结 |
第3章 基于神经网络的人体散射不敏感位置估计方法研究 |
3.1 神经网络理论 |
3.1.1 神经元模型 |
3.1.2 感知机与多层网络 |
3.1.3 误差逆传播算法 |
3.2 神经网络在快速推测散射不敏感位置中的应用 |
3.2.1 散射不敏感位置训练过程 |
3.2.2 人体皮肤的散射不敏感位置快速预测实验 |
3.3 本章小结 |
第4章 散射不敏感位置理论用于人体无创血糖连续监测中的干扰因素分析 |
4.1 人体无创血糖测量干扰因素分析 |
4.1.1 有效衰减系数光谱在人体血糖检测中的应用 |
4.1.2 干扰因素 |
4.2 基于散射不敏感位置的人体皮肤吸收光谱测量 |
4.2.1 散射不敏感位置的预测及吸收光谱的测量 |
4.2.2 葡萄糖预测模型的建立 |
4.2.3 基于吸收光谱的干扰变量分析 |
4.2.4 无创血糖测量结果的校正方法 |
4.3 基于蒙特卡罗模拟的实验 |
4.3.1 散射不敏感位置预测 |
4.3.2 多干扰下的吸收光谱分析 |
4.3.3 葡萄糖测量的结果校正 |
4.4 小结 |
第5章 人体无创血糖测量实验 |
5.1 实验介绍 |
5.1.1 实验系统介绍 |
5.1.2 仪器信噪比与测量精度分析 |
5.1.3 单次实验方法和流程 |
5.2 人体散射不敏感位置估计结果 |
5.3 长时间连续OGTT实验结果 |
5.4 小结 |
第6章 总结与展望 |
6.1 本文研究内容总结 |
6.2 未来研究工作展望 |
参考文献 |
发表论文和参加科研情况说明 |
致谢 |
(9)基于裂环谐振腔的无创血糖介电特性研究(论文提纲范文)
摘要 |
Abstract |
1 绪论 |
1.1 研究背景及意义 |
1.2 无创血糖监测技术的研究现状 |
1.3 论文结构安排 |
2 基于裂环谐振腔的血糖监测基础 |
2.1 微波监测基础 |
2.2 谐振腔监测血糖原理技术 |
2.2.1 谐振腔测量原理及模式选择 |
2.2.2 谐振频率和介电常数的关系 |
2.3 裂环谐振腔设计 |
2.3.1 裂环谐振腔结构原理 |
2.3.2 裂环参数选取 |
2.4 本章小结 |
3 基于裂环谐振腔的生物模型仿真及测试 |
3.1 生物组织的介电特性及测量原理 |
3.1.1 电介质极化理论 |
3.1.2 基于血糖变化的生物介电特性的数学模型 |
3.2 生物介电特性仿真模型建立 |
3.2.1 人体腹部的Cole-Cole生物模型 |
3.2.2 基于人体腹部脂肪层厚度的介电特性仿真 |
3.3 基于血糖变化的人体介电特性仿真 |
3.4 本章小结 |
4 基于介电特性的血糖估计方法 |
4.1 多元线性回归模型的单参数多参数血糖估算模型 |
4.1.1 多元线性回归的建立 |
4.1.2 单参数的算法模型仿真 |
4.1.3 多参数的算法模型仿真 |
4.2 基于高斯过程回归算法的多参数的血糖估算模型 |
4.2.1 高斯过程回归算法模型的建立 |
4.2.2 高斯过程回归模型仿真及分析 |
4.3 基于神经网络回归算法的多参数血糖估算模型 |
4.3.1 神经网络回归算法模型的建立 |
4.3.2 神经网络回归模型仿真及分析 |
4.4 本章小结 |
5 血糖介电特性测量实验及结果分析 |
5.1 血糖介电常数实验方案的设计与实现 |
5.1.1 实验测量系统组成及仪器介绍 |
5.1.2 猪肉葡萄糖注射实验设计方案 |
5.1.3 人体葡萄糖耐受实验设计方案 |
5.2 实验数据处理与结果分析 |
5.2.1 猪肉葡萄糖注射实验结果分析 |
5.2.2 人体葡萄糖耐受实验结果分析 |
5.3 本章小结 |
6 总结与展望 |
致谢 |
参考文献 |
(10)近红外无创血糖检测有效光谱信号提取关键技术研究(论文提纲范文)
摘要 |
ABSTRACT |
第1章 绪论 |
1.1 课题研究的背景与意义 |
1.2 血糖浓度检测的主要方法 |
1.2.1 有创血糖浓度检测方法 |
1.2.2 微创血糖浓度检测方法 |
1.2.3 无创血糖浓度检测方法 |
1.3 无创血糖浓度检测技术的国内外研究现状 |
1.3.1 无创血糖浓度检测技术的国外研究现状 |
1.3.2 无创血糖浓度检测技术的国内研究现状 |
1.3.3 近红外光谱数据处理方法研究现状 |
1.4 本领域存在的科学问题和关键技术 |
1.5 本文主要研究内容 |
第2章 基于CEEMDAN算法的光谱去噪方法研究 |
2.1 引言 |
2.2 光谱去噪相关理论 |
2.2.1 近红外光谱检测的化学机理及葡萄糖分子光谱特性 |
2.2.2 近红外光谱分析方法 |
2.3 基于CEEMDAN算法的光谱去噪方法 |
2.3.1 CEEMDAN算法 |
2.3.2 基于CEEMDAN和离散弗雷歇距离评价法则的光谱去噪方法 |
2.4 实验结果与分析 |
2.4.1 仿真实验结果与分析 |
2.4.2 近红外光谱实验结果与分析 |
2.5 本章小结 |
第3章 基于排列熵的光谱变量选择方法研究 |
3.1 引言 |
3.2 光谱变量选择的物理基础和必要性 |
3.3 基于排列熵的光谱变量选择方法 |
3.3.1 熵的相关理论及排列熵 |
3.3.2 排列熵的性能分析 |
3.3.3 基于排列熵的光谱变量选择算法 |
3.4 实验结果与分析 |
3.4.1 离体溶液近红外光谱实验结果与分析 |
3.4.2 葡萄糖2%Intralipid仿体溶液近红外光谱实验结果与分析 |
3.5 本章小结 |
第4章 基于最大信息系数的光谱变量特征提取方法研究 |
4.1 引言 |
4.2 基于最大信息系数的主成分分析特征提取方法 |
4.2.1 传统主成分分析方法 |
4.2.2 基于最大信息系数的主成分分析算法 |
4.3 基于粒子群优化的支持向量回归模型 |
4.3.1 支持向量回归模型 |
4.3.2 基于粒子群优化的SVR模型 |
4.4 实验结果与分析 |
4.4.1 基于MIC的主成分分析特征提取方法性能对比 |
4.4.2 葡萄糖溶液近红外光谱实验结果与分析 |
4.5 本章小结 |
结论 |
参考文献 |
攻读博士学位期间发表的论文及其它成果 |
致谢 |
个人简历 |
四、无创血糖检测方法研究(论文参考文献)
- [1]多波长红外无创血糖测试技术研究[D]. 夏瑞轩. 电子科技大学, 2021(01)
- [2]基于非线性自回归神经网络和双波长的无创血糖检测方法实现[J]. 李孟泽,季忠,程锦绣,杜玉宝,代娟. 生物医学工程学杂志, 2021(02)
- [3]人体胰岛素分泌水平评估及无创血糖测量研究[D]. 严波文. 桂林电子科技大学, 2020(04)
- [4]基于Android的近红外线无创血糖检测系统[D]. 戴荣徽. 西南大学, 2020(01)
- [5]基于统计机器学习的血液光谱分析[D]. 甘建虹. 长春理工大学, 2020(02)
- [6]基于阻抗谱的无创血糖监测方法研究[D]. 殷彤. 天津科技大学, 2020(08)
- [7]无创血糖检测系统的研究与设计[D]. 吕亚帅. 南京邮电大学, 2019(02)
- [8]人体散射不敏感位置的估计及在无创血糖测量中的初步应用[D]. 郭玲兴. 天津大学, 2019(01)
- [9]基于裂环谐振腔的无创血糖介电特性研究[D]. 奚梦婷. 南京理工大学, 2020(01)
- [10]近红外无创血糖检测有效光谱信号提取关键技术研究[D]. 李晓莉. 哈尔滨工业大学, 2019(01)