5 结果分析

5.1 精度分析

目前，国内对于无创预测血糖数据的分析没有统一的标准，也没有新的标准推出。目前，依照的标准是《体外诊断检验系统自测用血糖监测系统通用技术条件》（ GB/T 19634—2005）。该标准中指出，当血糖浓度大于4.2mmol/L（75.59mg/dL）时，血糖仪的允许偏差不超过±20%。这个标准是比较笼统的，如在血糖浓度大于10mmol/L的情况下，血糖仪的最大允许偏差应该不超过±2mmol/L，这个标准是比较宽泛的；但是当血糖浓度小于10mmol/L时，标准却有所降低，血糖仪的允许偏差应当不超过± 0.83mmol/L （14.93mg/dL）。本组数据最小值为4.2mmol/L，因此不考虑血糖浓度小于4.2mmol/L的情况。对比SqueezeNet、Xception和MobileNetv 2的误差平均值、百分比误差平均值、RMSE等参数判断其算法的预测性能，如表5所示。

表5 不同算法误差对比
Tab.5 Error Comparison of Different Algorithms

可以看出，MobileNetv 2 的预测性能高于SqueezeNet和Xception，在算法稳定性、精度、最大误差等方面都有一定的优势，且对比市面上半有创血糖仪的绝对值 1mmol/L也有更高的稳定性和预测精度。将MobileNetv 2 的预测值和利用有创血糖测得的值进行对比，为了描述和对比误差，将误差以 0.1mmol/L 为一个区间绘制柱状图，结果如图3所示。

图3 误差分布图
Fig.3 Error Distribution Map

从图3可以看出，主要误差分布较均匀，其主要众数集中在0.4～0.49mmol/L和0.5～0.50mmol/L，误差平均值恰好集中在这个区域。而低误差区域也占了较大比例，0～0.49mmol/L区域有65组数据，占总数的50%，与0.50～0.99mmol/L区域的数据持平，检测时的参考价值较高，而高误差组 0.7～0.99mmol/L区域的26组数据和低误差组0～0.29mmol/L区域的24组数据基本持平，拟合情况较好，误差分布较均匀。

血糖网格图因为充分考虑了四个因素而成为对血糖预测精度进行评价必不可少的图。这四个因素分别是：血糖浓度预测值的绝对值、预测值偏离实际值的绝对值、前面两种绝对值的相对偏差、偏差的临床意义。区域A满足实测值和估计值之间的误差在10%以内，具有较高的预测精度；区域B常被称为良性区域，表示实测值和估计值之间的误差在20%。在临床上，分布在区域A和区域B内的点是可以被接受的，分布在区域 C、区域D、区域E内的点因存在较大的风险而不能作为临床的诊断依据，将检测值和实际值绘制成血糖网格图，如图4所示。

图4 血糖网格图
Fig.4 Clark grid of blood sugar

由图4可以看出，MobileNetv 2模型测试集的 130 个血糖预测值都集中分布在区域A 中。结合前面模型预测的绝对误差和百分比误差可以认为，MobileNetv 2模型具有比较理想的精度和稳定性。

5.2 模型大小和检测时间分析

在分析完精度后，需要对三种网络的大小进行分析，深度学习的最终目的就是能在各种设备上进行可移植使用。在使用MATLAB 2019a对三种网络进行训练后，统计模型大小、检测一幅图的血糖值所需的时间，其结果如表6所示。

表6 三种网络的检测时间和大小对比
Tab.6 Comparison of Detection Time and Size ofThree Networks

从表 6 可以看出，MobileNetv 2 对比SqueezeNet、Xception大小更小检测时间更少，在预测集的表现也好于 SqueezeNet 和Xception，综合来看，MobileNetv 2的优势显而易见。