开放科学（资源服务）标识码（OSID）：
1 研究背景
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。根据这一情况，对血糖的便捷安全的实时检测显得非常重要[1]。
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[2]。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。
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，化学计量学也得到充分的发展。这些都为红外线光的信息有效提取与排除背景干扰逐渐得到优化打下了坚实的基础，继而研究出波长组合的高信噪比筛选方法，搭建出精度高、效果好的定量分析模型。目前，近红外线光谱分析技术在生产生活以及医药领域得到了非常广泛的应用。比如，药品的质量检测与生产过程控制，乳癌检测、人体血清中的脂蛋白含量检测、人体内血氧饱和度的检测等。除此之外近红外光不会伤害检测物体，能实现活体无创检测。并且能实时反馈结果，便捷又安全。
近年来，大量近红外线在这一领域的相关研究[3-8]为基于近红外线的无创血糖检测实现的可能性提供了保障。本课题利用光谱波长与吸光度之间的对应关系，将高信噪比的波长组合转化为吸光度，达到光谱降维的目的和实现信息波段高效提取。
2 近红外无创血糖检测原理
2.1 近红外光谱分析原理
19世纪初，英国天文学家首次发现近红外光，这是一种波长约为780nm-2500nm的电磁波，能在有机物含有的一些官能团伸缩振动、转动时产生倍频现象或者被合频吸收。根据这一原理可以对有机物做定性与定量分析，这类分析被命名为近红外光谱分析技术。
近红外光谱分析技术应运而生。是一种集光谱测量技术、计算机技术、化学计量学技术的综合分析技术，具有高效、快速、无创、成本低、精确度高等优点。近年来随着计算机、化学计量学、信息处理等领域研究的深入，近红外光谱分析技术得以迅速发展。
2.2 比尔—朗伯（Beer-Lambert）定律
样品采集的波段直接影响模型建立的效果，光谱数据的预处理和所采用的化学计量学方法是提高信噪比获得好的分析结果的关键。其理论依据如公式所示的
朗伯-比尔定律：
则吸光度为：
式中， A为介质的吸光度，[Io（λ），I（λ）] 分别为介质的入射光强和出射光强 ，ᵋ为介质的吸光系数，c为介质的浓度。
当被测介质为含有 n 中组分的溶液，假设仍然满足朗伯-比尔定律，它在介质的组成成分之间就会建立简单的线性关系。
式中，[εi]为第i种吸收物在特定波长下的吸光系数;[ci] 为相应介质的浓度;L为光程长。由该定律可知，样品的吸光度与待测成分浓度之间具有很好的相关性， 样品成分的浓度变化会引起光谱特征吸收的变化。
而且，当样品中两种物质有不同吸光度且相互干扰时，朗伯定律仍然适用。
3 系统设计
3.1 需求分析
本课题测量血糖的原理是根据近红外线光谱法建立血糖浓度与近红外光谱之间的定量数学模型（标准模型）;再取另一组已知血糖浓度的样品作为预测集，将预测样品的近红外光谱书记代入校准方程得到预测值，用预测值和化学测定值的相关系数和相对标准偏差来衡量所建模型的可靠程度;然后用稳定可靠的模型来对未知样品进行测定，并建立好标准模型之后引入实际测量血糖该模型进行校正，不断提高血糖预测模型精度。
基于现有的Android开发技术，可实现一个实时管理个人血糖的移動客户端。光子无创血糖检测系统的主要功能应该包括：
1） 注册登录
本课题研究软件由每个用户单独使用，需要对用户信息进行加密保护。该功能有利于管理用户的个人信息与血糖光度数据。
2） 数据处理
数据处理分为移动前端处理和服务器后台处理两部分。移动端由用户录入血糖与光度的原始数据，这部分数据的收集对研究血糖与光度有着非常重要的意义。除此之外，用户还可以定期对设备测量的光度转化成的血糖值进行校正，这样的校正有利于提高血糖光度对应关系的正确率。而后台的数据处理则是将收集起来的血糖光度素材通过大数据处理形成具有较高准确率的血糖光度关系对应表，再下发到设备，作为之后测量血糖的标准。
3） 与端检测设备交互
本课题所研究的智能医疗系统旨在让医疗设备更加与时俱进，便捷通用。手机是现代人生活中不可或缺的一部分，使用频率非常高，而且APP能分摊很多联网的功能，有利于设备功能的简化，降低开发与生产成本。所以客户端和设备用低功率蓝牙连接之后，需要下发的数据有设置设备参数指令、血糖光度关系表，需要上传的数据有含有日期、时间、血糖、光度、时间类别5要素的数据。
3.2 系统架构
通过对光子无创血糖检测系统的设计目的和设计需求的分析，本课题提出了光子无创血糖检测系统的系统架构，如下图所示。
该系统前端在Android Studio平台上开发，后台数据由MySQL存储。
3.3 客户端详细设计
1）主页功能设计
由于系统的易用性要求，因此主页的设计风格简洁明快。点击APP图标首先进入的就是主页。主页分为上下两部分，上半部分为背景图片，顶端为登录图标、APP名称、设备连接状态从左到右依次排列;下半部分为九宫格自定义组件，每个空格内都有一个独立的功能按钮，点击可以跳转到新的页面。登录界面放置在右拉抽屉界面里，点击登录图标也会弹出抽屉界面，该界面未登录状态下顶部显示“你好”+用户名，登录成功后用户名则会由用户ID替代。如果想要退出账户或者重新登录，点击抽屉菜单中的退出按钮即可。
2）登录功能设计
进入登录界面之后，如果是新用户，那么点击注册按钮跳转到注册界面。如果已经注册过了，输入用户名和密码无误后点击登录，登录成功后会有弹窗提示，并返回到主页面。登录的时候可以选择记住密码，下次就可以直接登录该账号。
3）注册功能设计
进入注册界面之后，需填写个人信息与基本信息。其中，个人信息为必填信息，分别为用户名、手机号、省份、城市、密码，用户名、手机号密码手动填写，省份城市通过下拉框选择。这几项如果为空则系统会自动判别注册失败并弹出弹框提示。而且手机号必须符合真实手机号的格式，密码必须在6到20位，否则也会导致注册失败。基本信息为选填信息，分别为真实姓名、性别、年龄、身高、体重、机器名（设备ID）、是否有糖尿病史、其他病史。性别与是否有糖尿病史通过双选按钮选择，其余的手动输入。年龄、身高和体重范围在0-300，单位按照国际标准单位计算。这部分数据可以不填，但是填写错误提交后也会弹框提示并导致注册失败。注册成功成功会弹框提示并返回登录界面。
4）搜索蓝牙功能设计
搜索光度采集设备蓝牙信号分为自动搜索和手动输入两种。该界面底部有扫描、停止、手动输入三个按钮。点击扫描按钮开始自动扫描，当手机搜到血糖光度检测仪设备的蓝牙信号（该设备蓝牙名称开头为固定特殊字符串）时会以列表形式显示在界面中。这样可以过滤掉无关蓝牙设备信号。点击停止按钮则手机会停止扫描。点击手动输入按钮会弹出一个对话框，输入血糖光度检测仪设备的Mac地址并确定，然后手机就会和设备蓝牙互联，蓝牙连接状态会在主页右上角显示，Mac地址首次输入后会自动保存，之后会自动连接。与设备的成功交互必须保证手机与设备的蓝牙已连接。
5）召测数据功能设计
召测数据即将血糖光度检测仪设备采集的数据传到APP中，并通过手机将数据传到服务器中。在手机与设备蓝牙连接成功的状态下，点击召测按钮，设备中存储的数据就会传到手机中，再次点击召测按钮，数据就会上传到服务器中。数据中的信息包括日期、时间、光度、类别（测量是在早中晚哪个阶段进行的）、“测量血糖”。此外，点击时间设置按钮，就会同步手机与设备的当前时间。
6）快速录入数据功能设计
进入快速录入数据界面，首先在日历控件中选择录入数据的日期，点击开始录入按钮，就会显示出当天六个时间类别的空白数据表格。在手动录入时间、真实血糖、光度值之后点击发送按钮，数据表就会发送到服务器。发送成功会弹出成功的弹框，反之，则会弹出失败提示框并说明原因。失败原因有用户未登录。新上传表格会将原有的数据覆盖，服务器中每天有早餐前、早餐后1小时、午餐前、午餐后1小时、午餐后两小时、其他六个时间类别，每个类别仅仅有一条数据。因此如果录入错误，重新上传即可。
7）校正申请功能设计
校正申请是用于校正预测血糖与实际血糖误差。选择日期之后点击获取按钮就可以得到当天的血糖光度数据表，并且会新增“录入血糖”一列空白表格。这列表格需要手动录入用设备测量血糖同一时间通过有创血糖仪检测到的血糖数据。录入完成后点击发送按钮即可将真实的血糖值发送到服务器用于血糖预测模型的算法校正。
8）校正算法功能设计
校正算法用于将管理端搭建的血糖预测模型转化为血糖光度关系对应表下发到血糖光度检测仪设备中去。点击获取数据表，数据表会下发到血糖监测设备中去。长按光子血糖仪图片按钮会出现增加激光数据、减少激光数据、增加检测数据、减少检测数据四个选项用于增删数据管理。这些功能都是在设备与手机蓝牙已连接的基础上，否则会弹框报错。
4 总结
近红外无创血糖检测系统旨在让使用者和患者更加智能便捷的测量自己的血糖，而且区别于传统的穿刺皮肤采集血样这样对身体有一定损伤和安全隐患的采样方式。这一进步能很大程度的减轻患者痛苦，非常具有市场推广价值。
参考文献：
[1] 李东升.血糖检测装置最新发展动态[J].上海生物医学工程，2005， 26（1）：33-36.
[2] Chang Youngchung， Winarta Handani. Method of using enzyme electrode[J].Biotechnology Advances，1997，13（4）：739.
[3] 艾新.血糖仪的发展简史[J].糖尿病之友，2007（1）：83-85.
[4] Cho Ok Kyung， Kim Yoon Ok， Hiroshi Mitsumaki，et al. Noninvasive Measurement of Glucose by Metabolic Heat Conformation Method [J]. Clinical Chemistry， 2004，50（10）： 1894.
[5] 劉吉，周汉昌，姜三平.自我监测血糖仪的发展现状[J].医疗保健器具，2007（1）：16-17.
[6] 中国行业研究网：国产血糖仪市场发展现状及前景分析[EB/OL].（2012-08-01）. http：///news/20120801/534021.html.
[7] 吴云江.近红外无创血糖检测关键技术的研究[D].成都：电子科技大学，2015.
[8] 谢志斌.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].镇江：江苏大学，2016.
[9] 代娟.近红外光谱无创血糖检测模型研究[D]. 重庆：重庆大学，2018.
【通联编辑：代影】