基于光声光谱联合主成分回归法的血糖浓度无损检测研究

任 重，刘国栋，黄 振，熊志华

1. 江西科技师范大学光电子与通信重点实验室，江西 南昌 330038 2. 南昌大学机电工程学院，江西 南昌 330031

基于光声光谱联合主成分回归法的血糖浓度无损检测研究

任 重1,2，刘国栋1*，黄 振1，熊志华1

1. 江西科技师范大学光电子与通信重点实验室，江西 南昌 330038 2. 南昌大学机电工程学院，江西 南昌 330031

利用可调谐脉冲激光器激发联合聚焦超声探测器前向探测模式搭建了一套血糖光声无损检测实验装置。为了测试该装置的可靠性，实验中利用532 nm泵浦Nd∶YAG调Q脉冲激光器激发不同浓度的葡萄糖水溶液产生实时光声信号； 采用脉冲激光在近红外波段1 300～2 300 nm内固定间隔波长10 nm扫描方式激发不同浓度的葡萄糖水溶液，获取了不同波长下的葡萄糖光声峰峰值，利用差谱方法筛选出了多个葡萄糖的特性波长； 然后采用主成分回归算法优选了三个特性波长，并建立了浓度梯度与对应三个优选波长光声峰峰值之间的数学校正模型。实验表明，葡萄糖水溶液的光声信号符合弱吸收介质的柱状光声源模型； 利用建立的校正模型对校正集和预测集的葡萄糖浓度预测结果表明，葡萄糖浓度的校正和预测均方根误差均小于10 mg·dl-1，相似系数为0.993 6。

光声光谱; 无损检测; 可调谐脉冲激光器; 葡萄糖浓度; 主成分回归

引 言

糖尿病已经成为继心脑血管疾病和恶性肿瘤之后，危及人类生存质量的第三大杀手。目前医学还不能彻底根治糖尿病，主要是通过频繁地监测血糖浓度来调整口服降糖药物和胰岛素的用量，从而控制血糖值。因此有效地监测患者的血糖浓度已成为糖尿病诊断和治疗的关键。常规检测是通过手指针刺和静脉采血等，这种方式不免给病患带来一定的身体、心理和经济负担，甚至导致二次感染等，因此血糖无损检测技术倍受关注。目前最具代表性的血糖光学无损检测技术有： 近/中红外光谱[1]、偏振光、光学相干、拉曼光谱等，虽然取得了一定成效，但是组织散射光干扰及光景深不足等因素的影响尚在进一步研究中。由于光声检测技术兼具光学和声学的优点，利用光致超声原理及对超声信号的获取，在一定程度上可以克服组织散射光干扰，已成为血糖无损检测研究的热点。

从光声技术应用于血糖检测以来，国内外有许多学者对此进行了较深入的研究。MacKenzie等[2]利用可调谐Nd∶YAG激光器光声系统来检测血糖。Shen等[3]使用了类似的激光激励系统以及时域光声技术测量了葡萄糖溶液的光吸收系数。Zhao[4-5]利用波长905 nm激光器对牛奶溶液、组织样本和人体血液的光声机理进行了较系统的研究，并利用激光二极管和超声探测器实现了血糖浓度的离体和在体检测。Matti[6]使用脉冲激发光声技术对猪全血的浓度在532和1 064 nm波长下进行了离体检测。Christison等[7]首次使用了中红外波段的光声技术来检测血糖浓度，但由于组织的强吸收和穿透深度低，检测效果不太理想。Kottmann和Rafael[8-11]利用中红外光声技术对明胶水溶液和人体表皮进行了检测。沈耀春等[12]利用脉冲光声技术在血液中测定了葡萄糖浓度，在1 700 nm波长处的测量误差为18 mg·L-1。肖啸[13]利用光声技术对血糖无创检测仪进行了研究。钱志余等[14]利用光声光谱技术实现了对血糖浓度的检测。曾吕明等[15]设计了一种便携式光声无损血糖检测系统，该系统采用激光二极管激发联合多环超声探测器阵列实现血糖浓度检测。高丽丽[16]利用调制脉冲激光器光声光谱技术对葡萄糖粉末和葡萄糖水溶液进行了检测。

以上研究大多是采用固定波长方式对样品激发产生光声信号，并且是以光声幅值为信号分析对象，由于实时采集血糖光声信号时，光声幅值信号容易受到仪器稳定性和环境等因素干扰，从而影响了血糖测量准确度。本文利用波长可调谐脉冲激光器作为激发光源，采用聚焦超声探测器前向探测模式构建了一套用于血糖光声无损检测的装置。在此基础上，实现了不同浓度、不同波长下葡萄糖水溶液实时光声信号的探测； 并且通过固定间隔的波长扫描方法，得到不同浓度下扫描波长对应的光声峰峰值，采用差谱技术筛选了多个葡萄糖特性吸收波长，利用主成分分析算法优选出了3个特性波长，再采用多元线性回归算法对三个波长对应的光声峰峰值与被测浓度梯度之间建立了校正模型，对校正集和预测集样品测试表明，该校正模型具有很好的预测能力，校正集和预测集均方根误差均小于10 mg·dl-1。同时验证了低浓度和弱光吸收的葡萄糖溶液的光声源符合柱状模型，时域光声信号轮廓走势符合双极性的正弦波形。经实验验证，该血糖无损检测装置、光声峰峰值分析方法及主成分回归校正模型具有很好的效果。

1 光声检测原理及与浓度关系

光声原理主要基于光声效应和热弹性机制。一些学者已经对光声机理进行了深入地研究，并提出了一些分析模型，如： 平面模型、圆柱模型和球模型。文献[17-22]对光声信号影响的确切理论进行了详细描述，但是与之不同的是，本文采用光声峰峰值作为数据分析对象。

一介质被脉冲激光器辐射，在被测介质内部形成光声激发源，由于能量的聚集和释放，产生振动超声波。当热传导时间长于超声波通过声源的传输时间，以及粘性的影响和散射效应可以忽略不计时，光声信号的形成可以用波动方程[17]式(1)表示

(1)

式(1)中，H是热沉积在单位体积和时间的介质函数，p为光声值，β是体积膨胀系数，Cp是定压比热，v是声波在介质中速度。

根据朗伯比尔定律，并忽略散射光的影响，介质吸收的光强度见式(2)

(2)

式(2)中，I0为入射光强度，It为透射光强度，k=a0b,a0为吸收系数，b为光程长度，c为溶液浓度。将式(2)按泰勒级数展开取其中前两项，可得式(3)

(3)

脉冲激光强度的表达式[23]见式(4)

(4)

式(4)中，I0为距离光束轴r处的光强度，E为激光脉冲的能量，W0是激光束的光束宽度，τp为脉冲强度降到1/e时间宽度。由于脉冲激光照射到溶液中，溶液吸收能量后，立即释放出热量，所以在液体中可以形成热源，根据式(3)得到式(5),

(5)

将式(5)代入式(1)可得，

(6)

由式(6)解出光声信号幅值[23]，即

(7)

(8)

由式(8)可知, 光声值与溶液浓度可用线性关系来描述。

2 实验部分

实验装置原理图如图1所示。

图1 实验装置

选用Nd∶YAG泵浦的OPO可调谐脉冲激光器(OPOletteTM, 532Ⅱ, OPOTEK Inc., USA)作为血糖光声信号激发光源，输出波长范围为600～2 500 nm的连续可调，脉冲能量最大为3.7 mJ，脉冲重复频率最大20 Hz, 脉冲持续时间约10 ns，激光器输出的激光束经过光阑去除高频杂散光后，依次进行准直和聚焦处理，将聚焦后的光直接入射至石英微量流动池中的葡萄糖水溶液中，经激发产生的超声波由聚焦超声探测器(I1P10NF40, Doppler, China, 中心频率为9.52 MHz)接收转换成相应幅值的电信号； 经过信号放大器(5678, Olympus, Japan，增益40 db，带宽50 kHz～40 MHz)放大、数字示波器(54642D, Agilent, USA，带宽500 MHz，最高采样速率为2 GSa·s-1)进行采集； 再由GPIB I/O数字卡(GPIB-USB-HS, NI, USA)将数字信号传输至计算机。在整个装置中，与流动池相连接的是一套葡萄糖水溶液循环装置，该装置由一小型水泵、硅胶软管(内直径约2 mm)、样品池和烧杯(200 mL)连接构成, 用于模仿人体血管中流动的血液。

预备科研级D葡萄糖粉末(1 000 g)和蒸馏水(1 L)用于稀释成一定浓度的葡萄糖水溶液。为了保证整个实验不受外界温度影响，实验环境温度控制在(20±0.5) ℃。

3 结果与讨论

3.1 不同葡萄糖浓度实验

为了验证所搭建的光声血糖检测装置的有效性、血糖光声信号产生的机理和时域光声信号的形貌特点，首先来探测葡萄糖水溶液的光声信号。利用循环装置的水泵将配置好的0，50，100，150，200，250和300 mg·dl-1的葡萄糖水溶液注入流动池，每次更换不同浓度葡萄糖水溶液之前，用纯净蒸馏水充分冲洗干净。开启脉冲激光器，激光器触发信号发出约8 ms后，超声探测器探测到了葡萄糖光声信号。波长1 940 nm的不同浓度葡萄糖光声信号如图2所示。实验中，每次采集的光声数据均通过512次平均。

图2 不同浓度葡萄糖水溶液的光声信号

从图2可知，在同一波长下，不同浓度的葡萄糖水溶液光声信号的形貌走势相同。葡萄糖光声信号符合双极性正弦曲线形式，即在一个光声信号周期内存在一个先上升后下降，然后再上升的走势。该结论与文献[24-25]结果一致。但是从图2也可以看出，随着溶度增大，光声信号的幅值有所增大，并且光声信号峰值位置向左移约0.2 μs。由于在激励波长不变的前提下，光声激发源位置相对固定不变，由此可推导出，随着葡萄糖浓度的增大，声音在葡萄糖溶液的传播速度增大了。经测量超声探测器到流通池前壁面的距离约为12.76 mm，因此可以推算出葡萄糖水溶液浓度从0 mg·dl-1增大到300 mg·dl-1，声速增大约33.7 m·s-1。

3.2 不同激励波长实验

为了探究不同波长激励下葡萄糖光声信号的变化情况，对浓度为200 mg·dl-1的葡萄糖水溶液，利用脉冲激光器输出波长分别为1 470，1 510，1 890，1 940，2 020和2 130 nm进行入射，得到光声信号如图3(a)所示。从图3(a)可知，同一浓度的葡萄糖水溶液，受不同波长脉冲激光器激励，其产生的光声信号形貌会发生显著变化，其表现在双极性正弦波第一个上升坡度的斜率上，对图3(a)中的时域光声信号取对数，如图3(b)所示。从图3(b)中可知，对于不同的波长而言，其产生的光声信号在第一个上升正弦波取对数后呈线性上升趋势，并且不同的激励波长，斜率各不相同，其斜率大小可以表明葡萄糖溶液对不同激励波长的吸收程度。根据式(9)

(9)

v为溶液的声速，可以根据3.1节中光声信号峰值时间和光声源与探测器之间的距离来确定。因此，可以用式(9)中光声信号对数值的斜率大小来推导被测葡萄糖溶液对不同激励波长的吸收系数。

图3 不同激励波长下光声信号

3.3 光声峰峰值实验

为了获取葡萄糖光声特性波长，将浓度分别为0，100，200和300 mg·dl-1的葡萄糖水溶液，采用脉冲激光器在波长范围1 300～2 300 nm以间隔10 nm进行波长扫描，得到的光声信号峰峰值如图4所示。

从图4可知，随着浓度增大，光声峰峰值的走势基本不变，但是幅度却随之增大。且从图中可知，所有光声峰峰值曲线中有2处明显突起的波峰(1 470和1 940 nm)。根据文献[23]，可以判定这2处特征峰为水的吸收峰。

由于从图4中较难找出葡萄糖的特性波长，采用差谱技术，即： 将葡萄糖水溶液的光声峰峰值减去纯水的光声峰峰值，得到的光声峰峰值差谱图如图5所示。

图4 不同浓度葡萄糖水溶液的光声峰峰值

图5 葡萄糖水溶液光声峰峰值差谱图

从图5可知，经差谱处理后，葡萄糖光声峰峰值曲线出现了突起峰，可以将一些较明显的突起峰作为葡萄糖的特性吸收波长，这些波长分别为： 1 410，1 430，1 510，1 530，1 890和2 020 nm。

图6 特性波长下不同葡萄糖浓度光声峰峰值

Fig.6 Photoacoustic peak-to-peak values of glucose solutions at different characteristic wavelengths

将上述特性波长分别对浓度为0～250 mg·dl-1以浓度间隔为50 mg·dl-1的葡萄糖水溶液进行激发产生的光声峰峰值如图6所示。

3.4 葡萄糖浓度预测校正模型

为了实现对未知葡萄糖浓度的预测，对上述特性波长及其得到的光声峰峰值利用主成分回归算法[24]，即： 先对特性波长利用主成分分析算法进行筛选，然后再利用多元线性回归算法建立光声峰峰值与浓度梯度之间的数学校正模型。

根据图6中每个浓度下的特性波长对应的光声峰峰值(数据矩阵X)可得到特征向量(V)式(10)和特征值(λ)式(11)

(10)

(11)

式(11)中特征值[0.188 5，5.772 9]的累计方差贡献率达到了99.36%，根据这两个特征值对应的特征向量，可以得到第2，5和6行累计载荷贡献率较大，由此可以得到1 430，1 890和2 020 nm为最优特性波长。

利用多元线性回归算法对上述优选的三个特性波长的光声峰峰值与浓度梯度之间建立校正模型，见式(12)

c=-688.234 2+0.778 7p1 430-

0.234 7p1 890-0.617 3p2 020

(12)

式(12)中，c为预测的葡萄糖浓度，p1 430,p1 890和p2 020分别为特性波长1 430，1 890和2 020 nm的光声峰峰值。

根据式(12)和校正集样本的光声峰峰值，反演得到对应的预测葡萄糖浓度如图7所示, 根据预测浓度值与实际值，得到校正集样本的预测均方根误差(RMSEC)约为9.7 mg·dl-1，相似度为0.993 6。

图7 葡萄糖浓度预测值与实际值

为了验证校正模型对未知溶度的预测准确度，通过实验获得了浓度为180，220和300 mg·dl-1葡萄糖水溶液在三个优选特性波长下的光声峰峰值如表1所示。

表1 3个预测集光声峰峰值及预测浓度值

根据式(12)可得其预测浓度分别为176.86，225.05和308.13mg·dl-1，其预测误差均小于10 mg·dl-1。根据校正集和预测集的预测结果及实验可知，浓度预测误差易受系统稳定性、测量环境和建模算法等影响，因此在后续血糖在体检测时需要重点进行研究。

4 结 论

作为血糖光声无损检测的探索，首先搭建了一套用于血糖光声检测装置，对不同浓度的葡萄糖水溶液进行检测，得到了与光声理论相一致的实时光声形貌，并利用可调谐波长扫描的方式得到不同葡萄糖浓度在近红外波段的光声峰峰值。利用差谱方法得到葡萄糖光声特性波长，并利用主成分分析方法得到三个优选特性波长，再利用多元线性回归算法得到浓度梯度与三个特性波长光声峰峰值之间的校正模型，通过对校正集和预测集样品的浓度预测表明，该血糖光声检测装置、特性波长选取方法和校正模型预测能力效果较理想，具有一定的研究和参考价值。

[1] SUN Chang-yue，CAO Yu-zhen，YU Song-lin，et al(孙长月, 曹玉珍, 余松林，等). Spectroscopy and Spectral Analysis(光谱学与光谱分析), 2014, 31(10): 2775.

[2] MacKenzie H A, Ashton H S, Spiers S, et al. Clinical Chemistry, 1999，45(9): 1587.

[3] Shen Y, Lu Z, Spiers S, et al. Applied Optics, 2000, 39(22): 4007.

[4] Zhao Z, Myllylä R. Measurement Science and Technology, 2001, 12(12): 2172.

[5] Zhao Z, Myllylä R. Applied Optics, 2005, 44(36): 7845.

[6] Matti Kinnunen，Risto Myllylä. Journal of Physics D: Applied Physics, 2005, 38: 2654.

[7] Christison G B. MacKenzie H A, Med. Biol. Eng. Comput.，1993, 31(3): 284.

[8] Kottmann J, Rey J M, Sigrist M W. Review of Scientific Instruments, 2011, 82: 084903.

[9] Kottmann J, Rey J M, Luginbühl J, et al. Biomedical Optics Express, 2012, 3(4): 667.

[10] Kottmann J，Grob U, Rey J M, et al. Sensors, 2013, 13(1): 535.

[11] Pleitez Rafael M, Lieblein T, Bauer A, et al. Analytical Chemistry, 2013, 85(2): 1013.

[12] SHEN Yao-chun, WANG Chun, MacKenzie H A，et al(沈耀春, 王 春, MacKenzie H A，等). Journal of Nanjing University·Natural Science(南京大学学报·自然科学), 2000, 36(5): 632.

[13] SHI Xiao-wei, XIAO Xiao(石小巍, 肖 啸). Infrared(红外), 2009, 30(1): 20.

[14] LING Ming-sheng, QIAN Zhi-yu(凌明胜, 钱志余). Journal of Biomedical Engineering Research(生物医学工程研究), 2006, 4： 217.

[15] ZENG Lv-ming, LIU Guo-dong, REN Zhong, et al. Proc. SPIE, 2009, 7280： 72802F.

[16] GAO Li-li, TAO Wei, ZHAO Hui(高丽丽, 陶 卫, 赵 辉). Optical Instruments(光学仪器), 2012, 34(6): 1.

[17] Diebold G J，Sun T. Acustica, 1994, 80(4): 339.

[18] Tam A C. Reviews of Modern Physics, 1986, 58: 381.

[19] Patel C K N. Reviews of Modern Physics, 1981, 53(3): 517.

[20] Nelson E T, Patel C K N. Optics Letters, 1981, 6(7): 354.

[21] Lai H M, Young K. Journal of the Acoustical Society of America, 1982, 72(6): 2000.

[22] Zhao Z, Nissilä S, Ahola O, et al. IEEE Transactions on Instrumentation and Measurements, 1998, 47(2): 578.

[23] ZHANG Xiao-feng, CAO Hui, SHANG Zhi-yuan(张小凤, 曹 辉, 尚志远). Journal of Shanxi Normal University·Natural Sciences(陕西师范大学学报·自然科学版), 1999, 27(3): 50.

[24] Seppo N, Onni A, Harri K, et al. Proc. SPIE, 1998, 3199: 2.

[25] Shen Y C, MacKenzie H A, Lindberg J, et al. Proc. SPIE, 1999, 3863: 167.

(Received Jan. 22, 2015; accepted May 5, 2015)

* Corresponding author

Non-Invasive Detection of Blood Glucose Concentration Based on Photoacoustic Spectroscopy Combined with Principle Component Regression Method

REN Zhong1,2, LIU Guo-dong1*, HUANG Zhen1, XIONG Zhi-hua1

1. Key Laboratory of Optic-electronic Communication, Jiangxi Science and Technology Normal University, Nanchang 330038, China 2. College of Mechanical and Electrical Engineering, Nanchang University, Nanchang 330031, China

This paper presents a photoacoustic noninvasive setup of detecting blood glucose based on the tunable pulsed laser coupled with the confocal ultrasonic transducer and the forward detection model. To validate the reliability of the setup, in the experiments, the different concentrations of glucose aqueous solution are excitated by the Q-switched 532 nm pumped Nd∶YAG pulsed laser to generate the time-resolved photoacoustic signals. And the glucose aqueous solutions are scanned by the tunable pulsed laser in the infrared waveband from 1 300 to 2 300 nm with the interval of 10nm and the photoacoustic peak-to-peak values are gotten. The difference spectral method is used to get the characteristic wavelengths of glucose, and the principle component regression algorithm is used to determine three optimal wavelengths and establish the correction mathematical model between the photoacoustic peak-to-peak values and the concentrations. The experimental results demonstrate that the mechanism of the photoacoustic signal is agreement with the cylindrical model, and the predicted results of the correction and prediction samples based on the established correction model demonstrate that the root-mean-square error of correction and prediction are all less than 10 mg·dl-1, the correlation coefficient reaches 0.993 6.

Photoacoustic spectroscopy; Noninvasive detection; Tunable pulsed laser; Glucose concentration; Principle component regression

2015-01-22，

2015-05-05

国家自然科学基金项目(61068002)，江西省自然科学基金项目(20151BAB202011)，江西省科技支撑计划基金项目(20132BBG70103)，江西科技师范大学校级创新团队基金项目(2013CXTD001)和校级青年拔尖人才自然科学基金项目(2014QNBJRC004)资助

任 重，1981年生，江西科技师范大学光电子与通信重点实验室副教授 e-mail: renzhong0921@163.com * 通讯联系人 e-mail: liuguodong95@163.com

O433.4

A

10.3964/j.issn.1000-0593(2016)06-1674-06