基于LabVIEW的血糖浓度检测系统设计

王楚 王亚刚 李文帅·

摘 要：目前人体血糖浓度检测方法往往需要取血测量，不仅费时费力，更加重了糖尿病患者痛苦。为减轻患者痛苦，实现人体血糖浓度快速检测，基于LabVIEW平台设计一种无创血糖浓度检测系统。该系统选用3个固定波长的LED光源生成近红外信号，采用USB-6008数据采集卡进行数据接收与处理，并通过软件设计完成人体血糖浓度检测与显示。实验结果表明，该检测系统可以有效测量、保存人体血糖浓度数据，并实现人体血糖浓度实时监测。

关键词：人体血糖;近红外;USB-6008;LabVIEW;偏最小二乘法

DOI：10. 11907/rjdk. 182702 开放科学（资源服务）标识码（OSID）：

中图分类号：TP319文献标识码：A 文章编号：1672-7800（2019）007-0108-04

Design of Blood Glucose Concentration Detection System Based on LabVIEW

WANG Chu1，WANG Ya-gang1，LI Wen-shuai2

（1. College of Optical-Electrical and Computer Engineering，

University of Shanghai for Science and Technology，Shanghai 200093，China;

2. Hangzhou HuiXin Medical Technology Co.， Ltd.， Hangzhou 310006，China）

Abstract：Nowadays， the detection method of human blood glucose concentration often first needs to extract blood for measurement. This method not only takes time and energy， but also increases the pain of diabetic patients. In order to alleviate patients' pain and realize rapid detection of human blood glucose concentration， a non-invasive blood glucose concentration detection system was designed based on LabVIEW platform. The system adopts three fixed wavelength LED light sources to generate near-infrared signals， uses usb-6008 data acquisition card to receive and process data， and completes the detection and display of human blood glucose concentration through software design. After experimental verification， the detection system can effectively measure and preserve the data of human blood glucose concentration and realize real-time monitoring of human blood glucose concentration.

Key Words：blood glucose; near infrared; USB-6008;LabVIEW; PLS

基金项目：国家自然科学基金项目（61074087）

作者简介：王楚（1994-），男，上海理工大学光电信息与计算机工程学院硕士研究生，研究方向为人工智能与机器视觉;王亚刚（1967-），男，博士后，上海理工大学光电信息与计算机工程学院教授，研究方向为系统辨识、自适应控制。

0 引言

糖尿病是危害人类建康的“三大杀手”之一，中国是全球糖尿病第一大国[1]。据统计，2015年全球20-79岁的人中有约4.15亿人患糖尿病，其中中国就有1.09亿患者。至今尚无根治糖尿病的方法，只能通过频繁检测患者血糖浓度调整注射胰岛素用量进行治疗[2]。传统血糖检测方法需提取血液，不仅消耗时間而且增加患者痛苦，因此无创血糖检测成为目前血糖检测技术研究热点[3]。1992年，Futrex[4]公司在美国Oak-Ridge会议上展出其研制的无创血糖检测样机Dream Beam，但是该仪器推出后用户评价较差;在德国，以Heise[5]为首的研究小组采用近红外光漫反射的方式，取波长范围在1110nm-1835nm近红外光，以口腔为检测对象进行血糖浓度检测;2000年，徐可欣[6]在天津大学成立无创血糖测量小组，进行近红外人体无创血糖浓度测量专项研究。在系统设计方面，2017年，郭力等[7]采用红外激光二极管，利用光纤搭建光学系统，通过Arduino单片机进行电信号处理，实现了一种简易的无创血糖检测系统。在信号提取方面，2018年，韩广等[8]提出差动浮动基准参考测量方法，验证了差动浮动基准参考测量方法在提取有效糖信号方面的可行性，经该方法处理后模型效果大幅提高，其校正集校正误差均方根降低了39.37%，相关系数也有所提高。

以上相关研究在一定程度上解决了近红外无创血糖检测系统面临的问题，但是仍存在检测方式不便、测量误差大、成本高等缺陷。因此本文在已有研究的基础上，深入分析近红外血糖检测采用的各个波段[9]，以3个特定波长的 LED 灯作为近红外光源，结合信号获取模块与数据处理模块设计一种简易的近红外无创血糖检测系统。该系统不仅测量速度快、稳定性高、成本更低，且可为高精度近红外血糖分析仪的研制提供可靠依据。

1 近红外光谱分析

近红外光谱技术是一种黑盒技术[10]，进行定量分析或定性分析时，不需过度关注内部具体情况，只需根据输入、输出、矫正模型即可得到结果。红外区被分为3个波段，近红外波段为14 000cm-1-4 000cm-1，中红外波段为           4 000cm-1-400cm-1，远红外波段为400cm-1-100cm-1。本文采取近红外透射分析法，其原理主要是利用样品被测成分的一些基团对近红外光谱特性做有机物分析[11]，采用合理的化学计量算法定量或定性分析样品成分。采用ABS模式测量血糖溶液近红外光谱，如图1所示。

图1 血糖溶液光谱

近红外光谱分析技术是根据已知样品光谱数据建立光谱与待测物质成分的校正模型[12]，将待测样品光谱数据输入校正模型，得到待测样品物质成分[13]。对于近红外光谱分析技术在血糖浓度定量检测的应用，需配置建模训练集。正常血糖浓度为3.9mmol/L～6.1mmol/L，超过7mmol/L为高血糖，本文配置的样品集选为2mmol/L～25.5mmol/L。通过光谱仪采集其光谱数据，对部分数据进行预处理[14]，减少无用的光谱信息干扰，然后选取合适的化学计量算法建立校正模型。该模型可反映血糖浓度与光谱数据的数学关系，计算一定范围内未知浓度样品的血糖浓度[15]。

2 检测系统模型构建

采用偏最小二乘法对近红外光谱数据及血糖浓度建模，相比于其它方法，偏最小二乘法在预测未知的血糖浓度时可得较好结果。利用该方法建模时首先对[Y]（血糖浓度矩阵）和[X]（光谱吸光度矩阵）进行分解。

[X=TP+E] （1）

[Y=UQ+F] （2）

其中[T]为光谱矩阵[X]的得分矩阵，[U]为浓度矩阵[Y]的得分矩阵，[P]为光谱矩阵[X]的载荷矩阵，[Q]为浓度矩阵[Y]的载荷矩阵，[E]为光谱矩阵[X]的PLS拟合残差矩阵，[F]为浓度矩阵[Y]的PLS拟合残差矩阵，之后将[T]和[U]进行线性回归可得：

[U=TB]     （3）

利用模型进行血糖浓度预测时，根据测得的近红外光谱矩阵[Xn]与模型光谱矩阵的载荷矩阵[P]，求出得分矩阵[Tn]，最后得到预测浓度[Yn=TnBQ]。血糖预测模型的核心是主成分分析，对庞大吸光度数据进行降维，提取光谱矩阵中最有效信息，求出关联矩阵，通过吸光度预测对应的血糖浓度。本文根据不同浓度的血糖溶液和其对应吸光度谱图建立模型，采用对应的光谱预处理方法去除噪声，进行模型修正时去除部分误差点[16]，最终得到一个较优的模型，相关系数为0.966 277 35，模型效果如图2[17]所示，其中横坐标为血糖浓度实际值，纵坐标为血糖浓度预测值。

图2 预测模型效果

3 系统硬件设计

使用 1 050nm、1 550nm、和1 750nm的发光二极管作为近红外光源，产生近红外光源透射过测量室[18]，近红外光源模块利用TSPS63020 芯片实现稳定的电压输出，即使输入电压发生较大上下波动时，仍可以输出稳定的电压，并且该输出电压可以通过外围电路进行调节。光电检测器采用HSE 1050-L512、HSE 1550-L512与HSE 1750- L512检测出射光，将光信号转换成微弱的电流信号[19];再通过IV转换电路将其转换成便于采集、处理的电压信号，通过放大电路和滤波电路进一步处理[20];然后将信号送入USB-6008信号采集卡，完成AD转换及存储;最终将数字信号送至PC端进行处理和显示，从而测得血糖浓度[21]。检测系统设计如图3所示。

图3 检测系统

4 系统软件设计

系统软件框架主要包括信号获取、信号处理和数据处理3部分。上位机软件先通过DAQ通道采集电压信号，并通过Butterworth滤波器进行软件滤波与处理，目的是消除硬件部分测得的异常数据。通过数据处理模块计算对应的吸光度，将处理完成的数据进行保存并对应血糖浓度数据进行PLS建模分析，完成人体血糖预测[22]。

4.1 信號获取

信号获取部分主要完成信号的采集与处理，由 USB-6008数据采集卡建立物理通道，根据硬件电路生成的电压信号进行DAQmax参数配置，如图4所示。任务输入指输入端输入的电压信号，根据硬件电路的输出设置其最大值与最小值，硬件电路部分完成光信号转换与处理，产生5V以内的电压信号，因此可以设置通道测量电压为0-5v，采样频率为500Hz。任务输出的是经过A/D转换后得到的数字信号，输入接线端配置指定通道的默认接线端配置，分别为差分模式、非参考单端模式、伪差分模式、参考单端模式[23]。

图4 DAQmax配置

4.2 信号处理

选用Butterworth滤波器对信号进行滤波处理，巴特沃斯滤波器最先由英国工程师斯蒂芬·巴特沃斯在1930年提出，它具有最平坦的频响曲线，也被称为最平坦滤波器，即通频带的频率响应曲线最大限度平坦，没有起伏，在阻频带则逐渐下降为零。滤波器类型指定滤波器的通带，有Lowpass、Highpass、Bandpass、Bandstop 4种类型，本文选用Bandpass类型进行设置，在该模式下高截止频率必须大于低截止频率且满足Nyquist准则，高截止频率与低截止频率必须符合下列条件：

[0

其中[fl]为低截止频率，[fh]高截止频率，[fs]为采样频率，本文高截止频率设为10Hz，低截止频率为0.1Hz，采样频率为500Hz。经过Butterworth滤波器处理后得到比较平滑的信号曲线，再经均值处理并通过波形图表显示对应幅值，如图5所示。

图5 滤波处理模块

4.3 数据处理

LabVIEW通过NI数据采集卡 USB-6008 将光电信号采集到 PC 端，然后利用比尔定律计算吸光度。比尔定律是吸光光度法、比色分析法和光电比色法的定量基础，公式为：

[lnIIo=-ECL]    （4）

其中，[Io]为入射光强度，[I]为出射光强度，[E]是消光系数，[C]是吸光物质浓度，[L]是吸收层光路长度。

本文将转换之后的电压信号作为近红外光谱检测中的光强，将通过背景血糖溶液的透射光强作为入射光强，将通过被测血糖溶液的透射光强作为出射光强[24]，可以求出该样品以水或者人体血液为背景的吸光度为：

[A=lnIIo]     （5）

血糖检测系统有3个不同波长的近红外光源，透射不同浓度的血液后计算出对应吸光度[A]，处理并保存数据后结合偏最小二乘法建立血糖浓度预测模型，完成血糖浓度检测，实现整个血糖浓度检测系统设计。

5 结语

本文提出了一种近红外血糖浓度检测系统，利用光电检测器采集透射人体近红外光，硬件电路对光信号进行光电转换及转换后信号处理，软件部分利用LabVIEW平台实现了血糖检测系统数据处理[25]，最终完成系统设计。该血糖检测系统解决了传统测量方式的弊端，同时测量速度快、成本低且不会造成任何创伤，但是测量精度稍逊于采血测量。下一步研究内容为光源模块改进与多信息融合，以期进一步提升测量精度。

参考文献：

[1] 张婉洁. 无创血糖检测与科学技术[J]. 中国化工贸易，2017，9（12）：21-25.

[2] WANG B B，DU J，ZHU Z，et al. Evaluation of parotid salivary glucose level for clinical diagnosis and monitoring type 2 diabetes mellitus patients [J]. BioMed Research International，2017，19（3）：60-64.

[3] 林优国. 血糖与尿糖检验诊断糖尿病的应用价值探究[J]. 心理医生，2016，22（15）：94-95.

[4] BORCHERT M S，STORRIE-LOMBARDI M C，LAMBERT？J L. A non-invasive glucose monitor：preliminary results in rabbits[J]. Diabetes Technology Therapeutics，1999，1：145-151.

[5] HEISE H M，BITTNER A. Multivariate calibration for phygiological samples using infrared spectra with choice of different intensity data[J]. Journal of Molecular Structure，1995，348（2）：127-130.

[6] 杨越. 应用于近红外无创血糖测量的浮动基准位置的基础研究[D]. 天津：天津大学，2008.

[7] 郭力，冯斌，葛松伟. 基于近红外透射法的无创血糖检测系统研制[J]. 科技创新与应用，2017（4）：21-22.

[8] 韩广，刘蓉，徐可欣. 近红外无创血糖检测中基于差动式浮动基准测量的有效信号提取[J]. 光谱学与光谱分析，2018，38（5）：1599-1604.

[9] 朱向荣，李高阳，单杨. 近红外、中红外光谱技术在无机元素分析检测中的应用[J]. 浙江农业学报，2015，27（9）：1677.

[10] 沈學础. 傅里叶变换光谱学—引论和进展[J]. 物理学进展，1982，2（3）：275-322.

[11] 严衍禄，赵龙莲，李军会，等. 现代近红外光谱分析的信息处理技术[J]. 光谱学与光谱分析. 2000，20（6）：777-780.

[12] 陆婉珍. 现代近红外光谱分析技术[M]. 北京：中国石化出版社，2007.

[13] 高苏亚. 红外光谱技术结合化学计量方法在中药研究中的应用[J]. 应用化工，2012，41（2）：324-328.

[14] 许禄. 化学计量学方法[M]. 北京：科学出版社，1997.

[15] ZHANG W J，DU Y Q，WANG M L. Noninvasive glucose monitoring using saliva nano-biosensor[J].  Sensing and Bio-Sensing Research，2015，4（9）：35-40.

[16] 张紫杨，孙迪，刘冰洁. 1000～2500nm宽波段的葡萄糖吸收光谱的测量波长优选[J]. 纳米技术与精密工程，2017，15（3）：199-204.

[17] 李庆波，黄政伟. 净信号预处理结合径向基偏最小二乘回归在血糖无创检测中的应用[J]. 光谱学与光谱分析，2014， 34（2）：494-497.

[18] 李航. 红外无创检测血糖仪研究[D]. 成都：电子科技大学，2016.

[19] HAO Z Q， LI H Z. Study of a weak signal conditioning circuit design method[J]. Journal of Applied Science and Engineering innovation，2014，1（2）：110-113.

[20] 陈真诚，张杨，朱健铭. 近红外无创血糖检测系统设计[J]. 传感器与微系统，2016，35（5）：103-106.

[21] 张洪艳. 近红外光谱技术在人体血糖无创检测中的应用研究[D]. 长春：中国科学院长春光学精密机械与物理研究所，2005.

[22] 王慧文. 偏最小二乘回归的线性与非线性方法[M]. 北京：国防工业出版社，2006.

[23] 陈飞，陈奎，谢启，等. LabVIEW编程与项目开发实用教程[M]. 西安：西安电子科技大学出版社，2016.

[24] 马海涛，丁东，崔继承，等. 近红外光谱在无创血糖监测中的应用[J]. 仪器仪表学报，2002，23（5）：231-233.

[25] 李达波，王钏文，曾成昆，等. 基于LabVIEW的非接触式LED结温测试系统[J]. 科技展望，2016，26（3）：120-121.

（责任编辑：江 艳）