4 无创血糖预测系统的构建

4.1 训练基础数据分析

截至2019年6月27日，总共采集650组无差别血糖数据及对应的红外线热像图。试样血糖范围为 4～16mmol/L，血糖数据最高为 15.8mmol/L，最低为 4.2mmol/L。血糖区间分布情况如图2所示，以0.5mmol/L为一个血糖跨度区间，在血糖大于8mmol/L以后，数据区域较小，分布不明显，不易于区分和观察，为了方便分析与展示，图 2 中直接将8～16mmol/L记为一个血糖跨度区间。图2中，5～5.5mmol/L和5.5～6mmol/L两个区域的血糖分布数量和分布区域所占的比例最大，比较符合和接近目前隐性高血糖患者较多的情况。

图2 血糖区间分布情况
Fig.2 Distribution of Glucose Value Interval

4.2 模型参数设置

本文的训练环境为MATLAB 2019a，采用Deep Network Designer工具箱对模型进行设计和改造，将MobileNetv 2模型的分类层替换为回归层，MobileNetv 2回归网络训练参数如表2所示。

表2 MobileNetv 2回归网络训练参数
Tab.2 MobileNetv 2 Regression Network TrainingParameters

回归测试以520组血糖数据及对应的红外线热像图为训练集，以 130 组血糖数据及对应的红外线热像图为测试集，其计算环境参数如表3所示。

表3 计算环境参数
Tab.3 Calculating environmental parameters

4.3 对比算法说明

对比算法分别采用轻量化网络SqueezeNet^[14]、Xception^[15]来进行对比检测。一般来说，轻量化网络在检测精度上的差异较小，本文采用MATLAB 2019a对三个网络进行训练和对比。表4是MATLAB 2019a中SqueezeNet、Xception、MobileNetv 2的模型结构网络层数和激活函数。

表4 三种网络的网络层数和激活函数
Tab.4 Parameters of three networks

分别采用这三种网络对血糖数据和红外线热像图进行训练，并对测试集的数据进行统计。