Identificación de longitudes de onda en las regiones NIR y MIR para la medición no invasiva de glucosa en sangre

• Autores: I.D. Castro, J.E. Vargas, Faruk Fonthal Rico
• Localización: Óptica pura y aplicada, ISSN-e 2171-8814, Vol. 45, Nº. 3 (Especial XII ENO - III CANCOA), 2012, págs. 323-334
• Idioma: español
• Títulos paralelos:
  • Wavelength identification in NIR and MIR regions for non invasive blood glucose measurement
• Enlaces
  • Texto completo
• Resumen
  • español

    En este documento se presenta un análisis cuantitativo de espectros en las regiones del Infrarrojo cercano (NIR) y medio (MIR) correspondientes a muestras de diferente complejidad (agua, plasma y sangre entera) con concentraciones conocidas de glucosa, con el fin de identificar las características de procesamiento y regresión óptimas para la medición de glicemia. Utilizando técnicas de filtrado y corrección de línea base para los espectros, algoritmos de extracción de parámetros (Información Mutua y Factor de Mérito) y de regresión para construcción de modelos matemáticos (PLS, LR, PCR), se obtuvieron 180 modelos que fueron evaluados a partir del error de validación cruzada (RMSECV). Se encontraron diferentes longitudes de interés en las regiones comprendidas entre 648 cm[superíndice -1] y 1250 cm[superíndice -1] , y entre 2350 cm[superíndice -1] y 2565 cm[superíndice -1] (region MIR), y entre 11100 cm[superíndice -1] y 11950 cm[superíndice -1] , y entre 5190 cm[superíndice -1] y 5700 cm[superíndice -1] (Región NIR).

  • English

    This document presents a quantitative analysis of Near Infrared (NIR) Region and Medium Infrared (MIR) Region spectra corresponding to increasing complexity matrices (water, plasma and whole blood) with known concentrations, in order to identify processing and regression characteristics to obtain a good blood glucose measurement. Using filtering and baseline correction techniques, parameter extraction algorithms (Mutual Information and Merit Factor), and regression algorithms (PLS, LR, PCR), 180 models were obtained and tested using root mean square error of cross validation (RMSECV). In the MIR spectrum, wavelengths between 648 cm[superíndice -1] -1250 cm[superíndice -1] and between 2350 cm[superíndice -1] -2565 cm[superíndice -1] were identified as potential predictors, while in the NIR spectrum wavelengths between 11100 cm[superíndice -1] -11950 cm[superíndice -1] , and between 5190 cm[superíndice -1] -5700 cm[superíndice -1] were outstanding.