[논문]근적외선 분광법 기반 비침습식 혈당 수치 추정 알고리즘 연구

강영만; 한순희

doi:10.13067/jkiecs.2023.18.6.1353

[국내논문] 근적외선 분광법 기반 비침습식 혈당 수치 추정 알고리즘 연구
Research on a Non-invasive Blood Glucose level Estimation Algorithm based on Near- infrared Spectroscopy 원문보기

한국전자통신학회 논문지 = The Journal of the Korea Institute of Electronic Communication Sciences, v.18 no.6, 2023년, pp.1353 - 1362

강영만 (전남대학교 문화콘텐츠학부) , 한순희 (전남대학교 문화콘텐츠학부)

초록
AI-Helper

혈당 수치를 확인하기 위해 사용하는 채혈식 혈당 측정기의 불편함을 해소하기 위한 다양한 방법이 시도되고 있다. 본 논문에서는 근적외선 센서를 이용하여 획득한 스펙트럼 데이터로부터 머신러닝 기술을 사용하여 비침습적으로 혈당 수치를 추정하고자 하였다. 연구에 사용한 비침습식 혈당측정기는 가시광선을 포함하여 총 6개로 구성된 근적외선 발광부와 이를 수신하는 수광부를 가지는데, 손가락과 같은 인체의 특정 부위에 대한 스펙트럼 데이터를 수집하기 위해 만든 기기이다. 혈당 수치에 따라 유의미한 차이가 있는지를 검증하기 위해 머신 러닝 알고리즘들을 통해 혈당 수치 추정을 시도하였다. 수집한 데이터에 5가지 머신 러닝 알고리즘 기법을 적용하면서 다양한 하이퍼 파라미터를 조정한 결과, 서포트 벡터 회귀 알고리즘이 가장 좋은 성능을 나타냄을 확인하였다.

Abstract ▼ AI-Helper

Various methods are being attempted to resolve the inconvenience of blood glucose meters used to check blood sugar levels. In this paper, we attempted to estimate blood sugar levels non-invasively using machine learning technology from spectral data acquired using a near-infrared sensor. The non-invasive blood glucose meter used in the study has a total of six near-infrared ray emitters, including visible rays, and a light receiver that receives them. It is a device created to collect spectral data on specific parts of the human body, such as the fingers. To verify whether there was a significant difference depending on blood sugar level, we attempted to estimate blood sugar level through machine learning algorithms. As a result of applying five machine learning algorithm techniques to the collected data and adjusting various hyper parameters, it was confirmed that the support vector regression algorithm showed the best performance.

Keyword

표/그림 (8)

그림 그림 1. 혈당 측정기와 센서부 Fig. 1 Blood glucose meter and sensor unit
그림 그림 2. 광원 상태에 따른 스펙트럼 데이터 예시 (a: All, b: White, c: Far-Red 735, d: NIR 810, e: NIR 850, f: NIR 880, g: NIR 940) Fig. 2 Spectral data example according to light source status
그림 그림 3 실험 데이터의 혈당 수치 구간별 분포도 Fig. 3 Distribution chart of blood glucose level by section of experimental data
표 표 1. 유효 파장 범위와 특성 개수 Table 1. Effective wavelength range and number of features
표 표 2. 실험 데이터 Table 2. Experimental data
그림 그림 4. Parkes 오차 그리드 분석 Fig. 4 Parkes error grid analysis
표 표 3. 각 알고리즘별 평가 결과 Table 3. Evaluation results for each algorithm
표 표 4. SVR 알고리즘 오차 그리드 분석 결과 Table 4. Error grid analysis results of SVR algorithm

참고문헌 (21)

L. Tang, S.-J. Chang, C.-J. Chen and J.-T. Liu, "Non-lnvasive Blood Glucose Monitoring？Technology: A Review," Sensors, vol. 20, 2020,？pp. 6925.
A. Hina and W. Saadeh, "Noninvasive Blood？Glucose Monitoring Systems Using？Near-Infrared Technology-A Review," Sensors,？vol. 22, 2022, pp. 4855.

상세보기
M. Syafrudin, G. Alfian, N. L. Fitriyani, I.？Fahrurrozi, M. Anshari, and J. Rhee, "A？Personalized Blood Glucose Prediction Model？Using Random Forest Regression," In Proc.？2022 ASU Int. Conf. in Emerging Technologies？for Sustainability and Intelligent Systems,？Manama, Bahrain, June 2022, pp. 295-299.
M.-M. Enric, "Non-invasive estimate of blood？glucose and blood pressure from a？photoplethysmograph by means of machine？learning techniques," Artificial Intelligence in？Medicine, vol. 53, no. 2, Oct. 2011, pp. 127-38.

상세보기
J. Baek, N. Kang, Y.Woo, and H. Kim,？"Compensation of Variation from Long-Term？Spectral Measurement for Non-invasive Blood？Glucose in Mouse by Near-Infrared？Spectroscopy," J. of the Pharmaceutical Society？of Korea, vol. 48. no. 3, pp. 177-181.
Y. Kang and S. Han, "Non-invasive Blood？Glucose Detection Sensor System Based on？Near-Infrared Spectroscopy," J. of the Korea？Institute of Electronic Communication Sciences,？vol. 16, no. 5, 2021, pp. 991-1000.
R. Asmund, F. Berg, and S. Engelsen, "Review？of the most common pre-processing？techniques for near-infrared spectra," TrAC？Trends in Analytical Chemistry, vol. 28, no. 10,？2009, pp. 1201-1222.

상세보기
F. Jansson, "Comparing machine learning？algorithms for detecting behavioural？anomalies," Master's Thesis, Blekinge Institute？of Technology, Faculty of Computing, 2023.
U. Khaire and R. Dhanalakshmi, "Stability of？feature selection algorithm: A review," J. of？King Saud University-Computer and Information？Sciences, vol. 34, no. 4, 2022, pp. 1060-1073.
K. Kim, S. Han, T. Kim, S. Jung, S. Kim, H.？Ceong, and J. Park, "Pattern Analysis of？Clinical Signs in Cultured Olive Flounder,？Paralichthys Olivaceus, with Edwardsielosis？using the Decision Tree Technique," J. of the？Korea Institute of Electronic Communication？Sciences, vol. 16, no. 4, 2021, pp. 661-674.
A. E. Hoerl and R. W. Kennard. "Ridge？Regression: Biased Estimation for？Nonorthogonal Problems," Technometrics, vol.？42, no. 1, 2000, pp. 80-86.

상세보기
R. Tibshirani, "Regression Shrinkage and？Selection via the Lasso," J. of the Royal？Statistical Society. Series B (Methodological), vol.？58, no. 1, 1996, pp. 267-288.
L. Breiman, "Random Forests," Machine？Learning, Springer Nature, vol. 45, Oct. 2001,？pp. 5-32.
A. J. Smola and B. Scholkopf, "A tutorial on？support vector regression," Statistics and？Computing, vol. 14, 2004, pp. 199-222.

상세보기
H. Kurt, S. Maxwell and W. Halbert,？"Multilayer feedforward networks are？universal approximators," Neural Networks,？vol. 2, no. 5, 1989, pp. 359-366.

상세보기
G. Geladi and B. R. Kowalski, "Partial？least-squares regression: a tutorial," Analytica？Chimica Acta, vol. 185, 1986, pp. 1-17.
J. Bergstra and Y. Bengio, "Random search？for hyper-parameter optimization," J. of？Machine Learning Research. vol. 13, 2012, pp.？281-305.
D. Chicco, M.-J. Warrens, and G. Jurman,？"The coefficient of determination R-squared is？more informative than SMAPE, MAE, MAPE,？MSE and RMSE in regression analysis？evaluation," PeerJ Computer Science. vol. 7,？2021, pp. e623.
ISO/TC 212/SC, Int. Std. ISO 15197, In vitro？diagnostic test systems, Geneva, Switzerland:？ISO, 2003.
G. Freckmann, J. Mende, S. Pleus, D.？Waldenmaier, A. Baumstark, N. Jendrike, and C. Haug, "Mean Absolute Relative Difference？of Blood Glucose Monitoring Systems and？Relationship to ISO 15197," J. of diabetes？science and technology, vol. 16, no. 5, 2022,？pp. 1089-1095.
D. Nimmagadda and B. Potluri, "Assessment？of Parkes Error Grid through Machine？learning techniques," Master's Thesis, Blekinge？Institute of Technology, Faculty of Computing,？2020.

저자의 다른 논문 :

활용도 분석정보

상세보기

다운로드

내보내기

활용도 Top5 논문

해당 논문의 주제분야에서 활용도가 높은 상위 5개 콘텐츠를 보여줍니다.
더보기 버튼을 클릭하시면 더 많은 관련자료를 살펴볼 수 있습니다.

내보내기 구분	파일저장 인쇄 메일전송
구성항목	기본정보 상세정보 관리번호, 논문명, 저널/프로시딩명, 저자 , 발행년, 권, 호, 시작페이지, 끝페이지, 발행기관 관리번호, 논문명, 대등논문명, 저자 , 저널/프로시딩명, 발행기관, 발행년, 발행언어, 권, 호, 시작페이지, 끝페이지, ISBN, ISSN, 주제분야, 키워드, 초록(한글), 초록(영문), 저자(소속기관)
저장형식	Text(ASCII format) Excel format RefWorks Direct Export RIS format (for Reference Manager, ProCite, EndNote), Scholar's Aids, Mendeley
메일정보	받는사람 (필수) @ 보내는사람 (선택) @ 제목 내용 KISTI 검색결과 이메일 서비스
안내	총 건의 자료가 검색되었습니다. 다운받으실 자료의 인덱스를 입력하세요. (1-10,000) 검색결과의 순서대로 최대 10,000건 까지 다운로드가 가능합니다. 데이타가 많을 경우 속도가 느려질 수 있습니다.(최대 2~3분 소요) 다운로드 파일은 UTF-8 형태로 저장됩니다. 파일의 내용이 제대로 보이지 않을실 때는 웹브라우저 상단의 보기 -> 인코딩 -> 자동선택 여부를 확인하십시오. ~ Text(ASCII format) Excel format

연합인증