view in publisher's site

A Single LED Photoplethysmography-Based Noninvasive Glucose Monitoring Prototype System

Continuous glucose monitoring is essential for patients to avoid complications of both hypoglycemia and hyperglycemia. This paper presents a novel non-invasive continuous blood glucose monitoring system based on a single wavelength near-infrared (NIR) spectroscopy. The analog frontend of the system is designed with a single NIR LED to record the Photoplethysmographic (PPG) signal from the fingertip with motion artifacts removal and a bias current rejection up to 20uA. The proposed digital backend extracts 10 discriminating features from the PPG signal to predict the blood glucose level using (Exponential Gaussian Process) machine learning regression. To realize the feature extraction on FPGA, a novel two-dimensional structure of 256-point Fast Fourier Transform (FFT) is implemented which achieves a 47% reduction in complex multiplications compared to the conventional Radix-2 algorithm. The performance of the proposed system is validated using 200 patients PPG recordings and glucose levels measured via a commercial glucometer. It successfully predicts the glucose level with a mean absolute relative difference (mARD) of 8.97%.

یک سیستم نمونه اولیه نظارت بر گلوکز غیر تهاجمی مبتنی بر عکاسی LED

پایش مداوم گلوکز برای بیماران ضروری است تا از عوارض هیپوگلیسمی و هیپرگلیسمی اجتناب کنند. این مقاله یک سیستم جدید پایش پیوسته غیر تهاجمی قند خون را براساس یک طیف‌سنجی تک طول‌موج نزدیک به مادون‌قرمز (NIR)ارائه می‌دهد. نمای آنالوگ سیستم با یک LED NIR واحد برای ثبت سیگنال فوتوپلیتیسموگرافی (PPG)از نوک انگشتان با حذف مصنوعات حرکتی و رد جریان بایاس تا ۲۰ uA طراحی شده‌است. پیشینه دیجیتال پیشنهادی ۱۰ ویژگی متمایز کننده از سیگنال PPG را برای پیش‌بینی سطح گلوکز خون با استفاده از رگرسیون یادگیری ماشینی استخراج می‌کند. برای درک استخراج ویژگی در FPGA، یک ساختار دو بعدی جدید از تبدیل فوریه سریع ۲۵۶ نقطه‌ای (FFT)اجرا می‌شود که به کاهش ۴۷ درصدی در ضرب‌های پیچیده در مقایسه با الگوریتم معمولی شعکس - ۲ دست می‌یابد. عملکرد سیستم پیشنهادی با استفاده از ۲۰۰ بیمار ضبط PPG و سطوح گلوکز اندازه‌گیری شده از طریق گلوکومتر تجاری تایید شده‌است. این روش با موفقیت سطح گلوکز را با اختلاف نسبی متوسط مطلق ۸.۹۷ % پیش‌بینی می‌کند.
ترجمه شده با

سفارش ترجمه مقاله و کتاب - شروع کنید

95/12/18 - با استفاده از افزونه دانلود فایرفاکس و کروم٬ چکیده مقالات به صورت خودکار تشخیص داده شده و دکمه دانلود فری‌پیپر در صفحه چکیده نمایش داده می شود.