日本最新研究:糙米有助预防糖尿病

<正>新华网东京2月1日电日本一项最新研究发现,糙米中含量丰富的"γ-谷维素",能够调节胰腺"β细胞",帮助胰腺功能恢复正常,从而起到预防糖尿病或减轻糖尿病症状的作用。长期摄入高脂、高糖食物会给胰腺带来负担,导致分泌胰岛素的β细胞功能降低,无法产生必要量的胰岛素来保持血糖稳定,从而导致糖尿病。     

攻能性原料攻克代谢综合征

硫辛酸 长期以来，在德国，硫辛酸被用作处方药来治疗糖尿病性神经病。硫辛酸可以改善胰岛素功能，还是一种功效强大的抗氧化剂。几项大规模临床试验已经证实，即使在血糖水平保持稳定的情况下，硫辛酸仍然有助于改善胰岛素功能，降低胰岛素抵抗。[第一段]     

胰岛素类似物浅介

研究表明，良好的血糖控制能够显著减少和延缓糖尿病慢性并发症的发生和发展。胰岛素补充，替代治疗可以有效地降低血糖，但在临床实践中往往未能及时使用胰岛素治疗，或不能有效地控制血糖。原因之一就是担心治疗过程中可能出现低血糖反应，而严重的低血糖反应是造成糖尿病患者死亡的重要原因之一。糖尿病控制与并发症研究（DCCT）提示，糖化血红蛋白（ObA1c）水平越接近目标值（美国7．0，欧洲6.5），发生低血糖的危险性越大。临床上常因担心低血糖的发生而放宽血糖的控制标准。追究低血糖发生的原因往往是现有的外源性胰岛素方案不能很好地重建正常生理性胰岛素分泌，[第一段]     

金针菇多糖抗2型糖尿病作用的研究

以链脲佐菌素和脂肪乳联合的方法建立2型糖尿病动物模型,观察金针菇多糖对2型糖尿病大鼠空腹血糖,血脂四项,肝、肌糖原,游离脂肪酸和胰岛素水平的影响.结果表明,金针多糖能明显控制糖尿病大鼠空腹血糖,调节血脂紊乱,改善胰岛素抵抗,增加糖原的储备以及降低游离脂肪酸水平.金针菇多糖能改善2型糖尿病大鼠的症状,有明显的抗2型糖尿病作用.     

富金花茯茶水提物对四氧嘧啶诱导糖尿病小鼠的降血糖功效研究

研究富金花茯茶水提物对四氧嘧啶诱导糖尿病小鼠的降血糖功效.采用四氧嘧啶诱发糖尿病小鼠,随机分为模型组、阳性药组、富金花茯茶低剂量组、富金花茯茶高剂量组、黑毛茶低剂量组、黑毛茶高剂量组6个组,另选10只健康小鼠作为空白组.每4 d记录小鼠体重及进食量,每6 d断尾检测空腹血糖值.末次灌胃后禁食16 h,断尾检测空腹血糖值;并摘眼球取血,离心取上清按照试剂盒方法测定血清中TC、TG、HDL、LDL含量.结果表明,富金花茯茶、黑毛茶水提取均能缓解糖尿病小鼠消瘦和多食多尿的症状.富金花茯茶与黑毛茶均能有效降低糖尿病小鼠血糖值（P〈0.05）,其中富金花茯茶高剂量组小鼠血糖值明显低于黑毛茶高剂量组（P〈0.05）;且两组提取物均能降低小鼠血清中TC、TG、HDL浓度,对LDL和肝体比基本无影响.综上所述,富金花茯茶的降糖功效要明显优于原料黑毛茶.     

基于CDMA和2.4G通信的无线远程血糖监护网络

目前,针对糖尿病的主要治疗方法为用血糖仪频繁测量患者体内的血糖含量,据此对患者的血糖代谢进行调节.借鉴无线传感器网络及体域网相关的技术与思想,利用CDMA蜂窝移动通信技术与2.4G射频通信技术设计了一个可用于监护个人及小区域内多人血糖情况的无线远程血糖监护网络系统.此血糖监护网络能够实现糖尿病的远程诊疗,拉近医患距离,减轻患者痛苦.重点介绍了血糖监护网络的网络架构,详细描述了网络节点CDMA和2.4G无线通信功能的设计与实现.     

基于小波去噪的神经网络软测量在血糖浓度估计中的应用

由于皮下间隙液葡萄糖的易测性和测量过程中传感器感染血液的低风险性, 皮下间隙液一直是血糖监测的首选位置. 但皮下间隙液葡萄糖浓度的变化总是滞后于血糖浓度的变化, 而且测量过程中会引入噪声, 不能准确地估测血糖值, 针对这一问题提出了一种基于小波去噪的神经网络软测量方法. 该方法先对与血糖相关的一些辅助变量进行去噪处理, 然后用来训练神经网络, 建立血糖软测量模型. 通过对1号、2号成年人采集的仿真数据进行实验, 结果表明, 运用该方法得到的测量结果比皮下间隙液葡萄糖值具有更小的均方根误差、更好的信噪比、以及更小的测量延时.     

基于无线通信技术的便携式血糖实时监测系统设计

本文采用植入式血糖传感器,结合智能手机和3G网络技术,对糖尿病人的血糖水平进行实时监测,并自动将数据通过手机网络传送到医院的监护中心保存。当血糖水平低于或高于设定的阀值,手机会发出声音报警,并向设定的号码发送短信息显示病人当前情况和所在位置或向医院监护中心报告。     

OCT无创血糖检测图像处理最优化方法研究

为了解决不同的光学相干层析(OCT)图像预处理方式对皮肤真皮层散射系数计算影响的问题,提高无创血糖的测量精确度,提出了一种对OCT图像数据前期处理的最优化方法。在对采集的3维图像数据进行皮肤表面对齐、3维重建、1维平均处理的基础上,分析了背景噪声和数据是否归一化对血糖预测精度的影响,并结合临床实验进行了验证。结果表明,预测误差较预处理之前减小了18.31%。该研究对于提高基于OCT技术的光学无创血糖测量精度具有重要的参考价值。     

基于支持向量机的无创血糖光谱算法

为了实现无创血糖浓度检测,提出了基于支持向量机回归模型的无创血糖光谱算法. 该算法使用光电容积脉搏波（PPG）设备对志愿者指端红光、红外光交替采样得到PPG信号,然后通过微创血糖仪测得血糖浓度. 对采集到的PPG信号进行处理提取特征组成特征矩阵,分别运用不同机器学习模型对特征矩阵和实时血糖浓度进行回归训练,得到特征矩阵与血糖浓度间的关系,并对训练得到的函数关系进行验证,选取出高斯核支持向量机模型为最佳训练模型. 实验证明,与偏最小二乘回归进行对比,本文提出的运用核函数为高斯核的支持向量机算法的预测准确度能提升10%～15%,预测的高低血糖正确率达到98%.