Неинвазивное определение уровня глюкозы в крови с использованием усовершенствованного алгоритма поиска в сочетании с экстремальными обучающими машинами на основе спектроскопии в ближнем инфракрасном диапазоне
Аннотация
Для неинвазивного определения уровня глюкозы в крови человека предложен усовершенствованный алгоритм поиска (ISSA) с целью оптимизации начальных весов и порогов машин экстремального обучения (ELM). Карта палаточного хаоса использована для улучшения разнообразия SSA, обратное обучение — для инициализации популяции и расширения диапазона поиска популяции, что повышает производительность SSA. Результаты модели ISSA-ELM являются более точными и обобщающими по сравнению с моделью SSA-ELM. Анализ сетки ошибок Кларка показывает, что доля предсказанных образцов, попадающих в область А, составляет 90 %, в область В — 10 %, что соответствует клиническим требованиям.
Об авторах
Q. LiКитай
Li Qing-bo.
Пекин
Y. Wang
Китай
Wang Yun-hui.
Пекин
Список литературы
1. The Tenth Edition of the IDF Diabetes Atlas, International Diabetes Federation (2021).
2. S. Guo, H. Su, X. C. Huang, Chin. Optics, 12, 1235-1248 (2019).
3. F. M. Stephen, L. R. Timothy, B. B. Thomas, Clin. Chem, 45, 1651-1658 (1999).
4. K. Sumaporn, Y. P. Du, Chemometrics and Intell. Lab. Systems, 82, 97-103 (2006).
5. D. W. Zhang, G. Zhao, R. J. Hong, Opt. Instrum., 39, 87-94 (2017).
6. X. D. Chen, J. Gao, H. Q. Ding, Chin. Optics, 5, 317-326 (2012).
7. K. V. Sandeep, Anal. Chim. Acta, 750, 16-27 (2012).
8. M. R. Robinson, R. P. Eaton, D. M. Haaland, Clin. Chem., 38, 1618-1622 (1992).
9. E. F. Carlos, W. Benhard, Med. Eng. Phys., 30, 541-549 (2008).
10. Q. B. Li, G. W. Huang, Spectrosc. and Spectr. Analysis, 34, 494-497 (2014).
11. G. B. Huang, H. M. Zhou, X. J. Ding, R. Zhang, IEEE Trans. Syst. Man Cybern. B: Cybern, 42, 513-529 (2012).
12. C. A. Engelbrecht, Nuclear Instruments and Methods, 93, 103-107 (1971).
13. J. K. Xue, B. Shen, Systems Science & Control Engineering, 8, 22-34 (2020).
14. Y. M. Fang, X. D. Zhao, P. Zhang, Control Theory & Applications, 37, 1644-1654 (2020).
15. X. W. Xia, J. N. Liu, Y. X. Li, J. Software, 9, 350-357 (2014).
16. Q. H. Mao, Q. Zhang, J. Frontiers of Computer Science and Technology, 15, 1155-1164 (2021).
17. T. Fearn, NIR News, 13, 12-14 (2002).
18. P. C. Williams, American Association of Cereal Chemists, St Paul, MN, USA, 164 (2001).
19. W. L. Clarke, D. Cox, L. A. Gonderfrederick, Diabetes Care, 23, 622-628 (1987).
Рецензия
Для цитирования:
Li Q., Wang Y. Неинвазивное определение уровня глюкозы в крови с использованием усовершенствованного алгоритма поиска в сочетании с экстремальными обучающими машинами на основе спектроскопии в ближнем инфракрасном диапазоне. Журнал прикладной спектроскопии. 2023;90(3):522-1-522-6.
For citation:
Li Q., Wang Yu. Non-Invasive Blood Glucose Detection Using an Improved Sparrow Search Algorithm Combined with an Extreme Learning Machine Based on Near-Infrared Spectroscopy. Zhurnal Prikladnoii Spektroskopii. 2023;90(3):522-1-522-6.