考虑多种因素的近红外光谱血糖预测模型对比 下载: 995次
王晓飞, 张欣怡, 徐馨荷. 考虑多种因素的近红外光谱血糖预测模型对比[J]. 激光与光电子学进展, 2019, 56(4): 041701.
Xiaofei Wang, Xinyi Zhang, Xinhe Xu. Comparison of Multi-Factor-Considered Blood Glucose Prediction Models by Near-Infrared Spectroscopy[J]. Laser & Optoelectronics Progress, 2019, 56(4): 041701.
[1] 杨星, 季忠, 杨力, 等. 基于近红外光谱法的无创血糖检测原理与研究现状[J]. 生物医学工程学杂志, 2013, 30(1): 204-207.
[2] 王晓飞, 赵文俊. 基于动态光谱法的多波长脉搏血氧饱和度测量[J]. 光谱学与光谱分析, 2014, 34(5): 1323-1326.
[3] 张洋, 倪敬书, 张元志, 等. 组织固有荧光光谱复原算法及其在糖尿病筛查中的应用研究[J]. 中国激光, 2018, 45(7): 0707001.
[4] 李东明, 贾书海. 基于多光谱应用BP人工神经网络预测血糖[J]. 激光与光电子学进展, 2017, 54(3): 031703.
[5] 孙凯, 周华, 杨膺琨, 等. 血糖监测系统的研究进展[J]. 中国激光, 2018, 45(2): 0207003.
[6] 李刚, 李哲, 王晓飞, 等. 测量模式的演进与“M+N”理论的提出[J]. 北京信息科技大学学报(自然科学版), 2013, 28(2): 9-13.
[7] 徐馨荷, 王晓飞. 基于“M+N”理论的近红外光谱血糖无创测量方法[J]. 实验室研究与探索, 2018, 37(2): 5-9, 14.
[8] 李丽, 王晓飞, 卢恺. 基于“M+N”理论的近红外光谱血氧饱和度无创测量方法[J]. 生物医学工程学杂志, 2016, 33(5): 885-889.
[9] 周志华. 机器学习[M]. 北京: 清华大学出版社, 2016: 121- 145.
Zhou ZH. Machine learning[M]. Beijing: Tsinghua University Press, 2016: 121- 145.
[10] 李刚, 王慧泉, 赵喆, 等. 动态光谱数据质量的评价[J]. 光谱学与光谱分析, 2010, 30(10): 2802-2806.
[12] 李刚, 熊婵, 王慧泉, 等. 动态光谱的单拍提取[J]. 光谱学与光谱分析, 2011, 31(7): 1857-1861.
[13] 林凌, 李永城, 王蒙军, 等. 基于统计方法的动态光谱差值提取[J]. 光谱学与光谱分析, 2012, 32(11): 3098-3102.
王晓飞, 张欣怡, 徐馨荷. 考虑多种因素的近红外光谱血糖预测模型对比[J]. 激光与光电子学进展, 2019, 56(4): 041701. Xiaofei Wang, Xinyi Zhang, Xinhe Xu. Comparison of Multi-Factor-Considered Blood Glucose Prediction Models by Near-Infrared Spectroscopy[J]. Laser & Optoelectronics Progress, 2019, 56(4): 041701.