第34卷，第5期 2014年5月
光谱学与光谱分析 Spectroscopy and Spectral Analysis
Vol. 34 ,No. 5 -pp1327-1331
May,2014
网
李飞，王贻坤1，2，朱灵1，2，张元志，计敏，张龙，刘勇1，2*，王安
1，中国科学院安徽光学精密机械研究所，安徽合肥230031 2，皖江新兴产业技术发展中心，安徽铜陵244061
摘要晚期糖基化终末产物在人体皮肤组织中的浓度与高血糖水平密切相关，且具有自发荧光特性。使用自行研制的光学无创检测装置对人体皮肤组织的自体荧光光谱进行测量，建立神经网络模式识别模型对检测对象患有糖尿病的可能性进行风险评估。利用检测装置获取荧光光谱后对光谱数据进行主成分分析，选取前4个主成分作为光谱的特征，建立一个具有4个输人层节点、6个隐层节点、1个输出节点的神经网络模式识别模型。选取在安徽省立医院测量的487例对象数据训练该模型，以70%数据作为训练集，15%数据作为验证集，15%数据作为测试集。模型可给出测试对象罹患糖尿病的风险，或直接给出是否糖尿病的判断。结果显示该模型的受试者工作特性曲线的线下面积为0.81，标准误差为0.02：以模型输出0.5为分类界限时的敏感性为72.4%，特异性为77.6%，整体准确率为74.9%。本研究首次提出使用皮肤组织自体荧光结合神经网络模式识别模型对糖尿病进行无创风险评估，实验结果表明该方法的筛查效果优于目前常用的空腹静脉血浆血糖值法和糖化血红蛋白法。
关键词医用光学；神经网络；模式识别；晚期糖基化终末产物；荧光光谱；糖尿病
中图分类号：R318.5
引言
文献标识码：A
DOI: 10. 3964/j. issn. 1000-0593(2014 )05-1327-05
命、量子产率、激发/发射波长等参数提高选择性，涉及的仪器设备相对简单廉价，在多种行业得到了广泛应用。晚期糖基化终末产物（advanced glycation end products，AGEs)是生
2010年的调查结果显示1），糖尿病（diabetesmellitus，
DM已成为当今中国一种主要的公共健康间题，中国成人糖尿病和糖尿病前期的患病率分别为9.7%和15.5%，也即患者总数分别已达到9240方和1.48亿。糖尿病及其多种并发症严重损害了人们的健康，对糖尿病的早发现、早诊断、早治疗十分重要。目前糖尿病的诊断主要依靠空腹静脉血浆血糖值（fastingplasmaglucose，FPG）、口服葡萄糖耐量试验(oralgluoosetolerancetest，OGTT)后两小时静脉血浆血糖值（2hourplasmaglucose，2hPG）、糖化血红蛋白（HbAlc）等方法2]。然而这些方法都需要抽血化验，不利于快速筛查且存在一定感染风险。因此人们希望找到一种快速、准确、无创的糖尿病筛查方法。目前广泛研究的糖尿病无创筛查方法主要有3：荧光分析法、近红外光谱法、泪液测量法、电化学法等。
荧光分析法灵敏度高、线性范围宽，可采用时间分辨、相分辨、偏振、同步等多种测量方法，而且能够通过荧光寿收稿日期：2013-07-17，修订日期：2013-11-23
基金项目：国家自然科学基金项目(21203203)资助
物体内蛋白质、氨基酸、脂类等大分子在非酶环境下经一系列复杂反应生成的多种稳定终末产物的混合物，与胶原蛋白、晶体蛋白等紧密交联，浓度和高血糖环境密切相关，可用于血糖水平的监控。AGEs具有自发荧光特性，自20世纪 90年代起人们便尝试测量其荧光值以反映AGEs水平，最常用的激发/发射波长为370/440nm。在AGEs自发荧光特性的基础上自制了一套检测装置，通过测量皮肤自体荧光实现了对人体的无创血糖检测。本工作提出使用人体皮肤组织自体荧光结合神经网络模式识别模型进行糖尿病无创风险评估。在安徽省立医院对487例对象进行了测量，并使用主成分分析提取了皮肤自体荧光光谱的4个主成分，将其作为神经网络的输入。将测试对象患有糖尿病的风险作为神经网络的输出，并对该神经网络模式识别模型进行训练。结果表明，皮肤自体荧光与神经网络模式识别相结合可用于糖尿病无创风险评估，对快速、无创筛查糖尿病具有重要意义。
作者简介：李飞，1982年生，中国科学院安徽光学精密机械研究所博士研究生
e-mail,liuyong@aiofm.ac.cn
%通讯联系人
e-mail : sume, er@ gmail. com