Construcción de un estimador portátil no invasivo de

glucosa

Anamaria Miranda Rodrı́guez

Universidad Distrital Francisco José de Caldas

Facultad de Ingenierı́a
Proyecto Curricular de Ingenierı́a Electrónica
Bogotá D.C.
2019
Construcción de un estimador portátil no invasivo de
glucosa

Anamaria Miranda Rodrı́guez Código: 20122005039

Trabajo de grado para optar al tı́tulo de:

Ingeniera Electrónica en la modalidad de monografı́a

Director:
Ing. Msc. Edmundo Vega Osorio

Lı́nea de Investigación:
Bioingenierı́a
Grupo de Investigación:
Bionanotecnologı́a

Universidad Distrital Francisco José de Caldas

Facultad de Ingenierı́a
Proyecto Curricular de Ingenierı́a Electrónica
Bogotá D.C.
2019
Agradecimientos

Quiero agradecer a mis padres por todo su amor, esfuerzo y apoyo durante este proceso, por
darme ánimo cuando creı́a que no podrı́a. A mis compañeros y docentes, por compartir sus
conocimientos, en especial al profesor Edmundo Vega, director de este proyecto, gracias por
su guı́a. A Jorge Useche y Javier Arevalo por toda la ayuda prestada para llevar a cabo este
proyecto.

Finalmente, agradezco a los voluntarios que participaron en las pruebas del proyecto y al
personal de laboratorios de la facultad de Ingenierı́a, por tener siempre la mejor disposición.
Contenido

Lista de figuras XI

Lista de tablas XV

1. Introducción 1

2. Planteamiento del problema 3

3. Justificación 7

4. Objetivos 10
4.1. General . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 10
4.2. Especı́ficos . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 10

5. Marco teórico 11
5.1. Diabetes Mellitus . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 11
5.1.1. Diabetes Mellitus tipo 1 . . . . . . . . . . . . . . . . . . . . . . . . . 12
5.1.2. Diabetes Mellitus tipo 2 . . . . . . . . . . . . . . . . . . . . . . . . . 12
5.1.3. Prediabetes . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 13
5.1.4. Diabetes Mellitus gestacional . . . . . . . . . . . . . . . . . . . . . . 13
5.1.5. Complicaciones de la DM . . . . . . . . . . . . . . . . . . . . . . . . 13
5.1.6. Diagnóstico . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 14
5.1.6.1. Glucemia en ayunas . . . . . . . . . . . . . . . . . . . . . . 15
5.1.6.2. Prueba de tolerancia oral a la glucosa . . . . . . . . . . . . 15
5.1.6.3. Examen de hemoglobina A1C . . . . . . . . . . . . . . . . . 15
5.1.7. Tratamiento . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 15
5.2. Espectroscopia . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 16
5.2.1. Espectroscopia de infrarrojo cercano NIR y MIR . . . . . . . . . . . . 17
5.2.2. Absorción . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 18
5.2.3. Dispersión de Raman . . . . . . . . . . . . . . . . . . . . . . . . . . . 18
5.2.4. Dispersión de Rayleigh . . . . . . . . . . . . . . . . . . . . . . . . . . 20
5.3. Sensores . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 20
 viii CONTENIDO

5.3.1. Sensores ópticos . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 20

5.3.1.1. Diodo emisor . . . . . . . . . . . . . . . . . . . . . . . . . . 20
5.3.2. Fotodiodo . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 21
5.3.3. Fototransistor . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 22
5.4. Análisis de datos . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 23
5.4.1. Transformada de rápida Fourier . . . . . . . . . . . . . . . . . . . . . 23
5.4.2. Redes neuronales . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 23

6. Estado del arte 25

6.1. Dispositivos invasivos . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 25
6.1.1. Glucómetro . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 25
6.1.2. Espectrofotómetro . . . . . . . . . . . . . . . . . . . . . . . . . . . . 27
6.2. Dispositivos mı́nimamente invasivos . . . . . . . . . . . . . . . . . . . . . . . 28
6.2.1. Parches . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 28
6.2.2. Reloj o smartwatch . . . . . . . . . . . . . . . . . . . . . . . . . . . . 31
6.3. Comparación de costos . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 31
6.4. Dispositivos no invasivos . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 32
6.4.1. Basados en la espectroscopia Raman . . . . . . . . . . . . . . . . . . 32
6.4.2. Basados en la espectroscopia de absorción . . . . . . . . . . . . . . . 33
6.4.3. Espectroscopia de impedancia . . . . . . . . . . . . . . . . . . . . . . 33
6.4.4. Iontoforesis . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 34
6.4.5. Medidor ocular . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 36

7. Propuesta metodológica 37
7.1. Metodologı́a . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 37
7.2. Hipótesis . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 38
7.2.1. Hipótesis experimental . . . . . . . . . . . . . . . . . . . . . . . . . . 38
7.3. Técnica para la adquisición de señales ópticas y muestras . . . . . . . . . . . 39

8. Elección de sensórica y variables relacionadas a la estimación de la glucosa 40

8.1. Variables a sensar . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 46
8.2. Elección de preguntas para la base de datos . . . . . . . . . . . . . . . . . . 46

9. Construcción del dispositivo estimador de glucosa 49

9.1. Hardware . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 49
9.1.1. Circuitos de acondicionamiento . . . . . . . . . . . . . . . . . . . . . 49
9.1.1.1. Acondicionamiento para sensor de luz . . . . . . . . . . . . 49
9.1.1.2. Acondicionamiento para sensor de temperatura . . . . . . . 51
9.1.2. Diseño del filtro pasa bajo a 10 Hz . . . . . . . . . . . . . . . . . . . 52
9.1.3. Sensor de temperatura . . . . . . . . . . . . . . . . . . . . . . . . . . 53
9.1.4. Elección de microcontrolador . . . . . . . . . . . . . . . . . . . . . . 54
CONTENIDO ix

9.1.5. Fuente de poder . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 55

9.1.6. Construcción fı́sica del dispositivo . . . . . . . . . . . . . . . . . . . . 56
9.2. Software . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 57
9.2.1. Adquisición de señales . . . . . . . . . . . . . . . . . . . . . . . . . . 58
9.2.2. Análisis de los datos . . . . . . . . . . . . . . . . . . . . . . . . . . . 59
9.2.3. Herramientas . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 60
9.2.3.1. Adquisición y comprensión de los datos . . . . . . . . . . . . 60
9.2.3.2. Modelado . . . . . . . . . . . . . . . . . . . . . . . . . . . . 61
9.2.3.3. Implementación . . . . . . . . . . . . . . . . . . . . . . . . . 61

10.Descripción y análisis de la base de datos 63

10.1. Descripción de los datos . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 63
10.2. Perceptrón multicapa . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 64

11.Resultados 67
11.0.1. Experimentos preliminares . . . . . . . . . . . . . . . . . . . . . . . . 67
11.1. Pruebas en diferentes partes del cuerpo . . . . . . . . . . . . . . . . . . . . . 71
11.2. Resultados de la base de datos . . . . . . . . . . . . . . . . . . . . . . . . . . 75
11.3. Resultados de la red neuronal . . . . . . . . . . . . . . . . . . . . . . . . . . 77

12.Conclusiones y trabajos futuros 79

12.1. Conclusiones . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 79
12.2. Trabajos futuros . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 80

Bibliografı́a 81

13.Anexos 88
Lista de figuras

2-1. Número estimado de personas en el mundo con DM por región en el 2017 y

proyección a 2045. Datos para adultos entre 20 y 79 años [1]. . . . . . . . . . 4
2-2. Número de casos registrados por el sistema general de salud de DM en Co-
lombia para el año 2014 2-2a [2] y en el mundo para el año 2017 2-2b [1]. . . 5

3-1. Gasto sanitario total en personas con diabetes (20 a 79 años)[1]. Aumento del
gasto en miles de millones de dólares desde el año 2006 al 2017 en el mundo. 8
3-2. Absorción de luz láser en sección cruzada de la piel humana dependiendo
de la longitud de onda. Los porcentajes indican las fracciones de radiación
absorbida.[3]. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 8

5-1. Evolución de la glucosa en sangre luego de ingerir una concentración determi-

nada de glucosa [4]. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 14
5-2. Descripción de regiones en el espectro electromagnético. [5]. . . . . . . . . . 16
5-3. Esquema general de un espectrómetro [6]. . . . . . . . . . . . . . . . . . . . 19
5-4. Espectro Raman de la glucosa en agua destilada con un láser fuente de 514
nm [7]. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 19
5-5. Espectro de un emisor LED y Láser. [5]. . . . . . . . . . . . . . . . . . . . . 21
5-6. (a) Fotodiodo p–n inversamente polarizado. (b) Variación de la potencia ópti-
ca dentro del fotodiodo. (c) Diagrama de bandas de energı́a mostrando el
movimiento de cargas por arrastre (drift) y difusión [8] . . . . . . . . . . . . 22

6-1. Imágenes del medidor ACCU-CHEK Nano 6-1a, Tiras reactivas ACCU-CHEK
6-1b, Dispositivo de punción ACCU-CHEK FastClix 6-1c y Lancetas ACCU-
CHEK FastClix 6-1d [9]. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 26
6-2. Espectrofotómetro marca Rayleigh con detector fotodiodo de silicio [10]. . . . 27
6-3. Esquema general de un espectrofotómetro [10]. . . . . . . . . . . . . . . . . . 28
6-4. Parche FreeStyle Libre en brazo anterior [10]. . . . . . . . . . . . . . . . . 29
6-5. Ilustración de prototipo de reloj K’Track midiendo la glucosa, el usuario
presiona el reloj para que tome una muestra sobre la piel [11]. . . . . . . . . 30
6-6. Dispositivo Pendra tipo reloj, el cual analiza el espectro de impedancia [12]. 34
6-7. Tatuaje basado en iontoforesis [13]. . . . . . . . . . . . . . . . . . . . . . . . 35
 xii LISTA DE FIGURAS

6-8. Lente Triggerfish [14]. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 36

8-1. Espectro Raman de la glucosa en agua destilada con un láser fuente de 514
nm en longitud de onda[7] . . . . . . . . . . . . . . . . . . . . . . . . . . . . 40
8-2. Envases de vidrio utilizados y balanza. . . . . . . . . . . . . . . . . . . . . . 43
8-3. Fotografı́as de base y sensor para la medida de transmisión. . . . . . . . . . . 44
8-4. Configuraciones tı́picas para sensores ópticos. Tomado de [15]. . . . . . . . . 45
8-5. Factores relacionados con la DM [1]. . . . . . . . . . . . . . . . . . . . . . . 47

9-1. Amplificador inversor con fotodiodo polarizado en inverso [16] pp 69 sección

2.1. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 50
9-2. Amplificador de transimpedancia con entrada de fotodiodo cortocircuitado
[15] pp 7. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 51
9-3. Amplificador en configuración no inversora [16]. . . . . . . . . . . . . . . . . 52
9-4. Espectro obtenido para una señal de transmisión en el dedo. . . . . . . . . . 52
9-5. Filtro pasabajo propuesto sintonizado a 10 Hz. . . . . . . . . . . . . . . . . . 53
9-6. Sensor de temperatura TMP102 implementado. . . . . . . . . . . . . . . . . 53
9-7. Microcontrolador y ADC elegidos para la obtención de señales. . . . . . . . . 54
9-8. Esquema de comunicación I 2 C con el microcontrolador como maestro y dos
esclavos. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 55
9-9. Regulador de voltaje POLOLU 2118. . . . . . . . . . . . . . . . . . . . . . . 55
9-10.Medidor construido. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 56
9-11.Pictórico del flujo de datos para el software en la etapa de implementación. . 57
9-12.Diagrama de flujo de lógica para la adquisición de las señales. . . . . . . . . 58
9-13.Diagrama de componentes para la adquisición de señales. . . . . . . . . . . . 59
9-14.Diagrama general para el análisis de datos. . . . . . . . . . . . . . . . . . . . 59
9-15.Pycharm en modo depuración . . . . . . . . . . . . . . . . . . . . . . . . . . 60
9-16.PlatformIO en IDE Visual Studio Code . . . . . . . . . . . . . . . . . . . . . 61
9-17.IDE Visual Studio Code usando el framework Ionic programando la interfaz
de créditos y visualizando el resultado en el navegador web Mozilla Firefox . 62

10-1.Perceptrón multicapa con una capa oculta [17]. . . . . . . . . . . . . . . . . 64

11-1.Sensibilidad relativa espectral contra longitud de onda del fotodiodo VEMD6060X01

de 820 nm. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 71
11-2.Ubicación de emisor y receptor óptico. . . . . . . . . . . . . . . . . . . . . . 71
11-3.Localización de medidas de reflexión en la muñeca. . . . . . . . . . . . . . . 72
11-4.Localización de medidas de reflexión en el brazo. . . . . . . . . . . . . . . . . 72
11-5.Resultados con diodo emisor apuntando a la uña. . . . . . . . . . . . . . . . 73
11-6.Resultados con diodo emisor apuntando a la yema del dedo. . . . . . . . . . 73
11-7.Resultados de mediciones de la muñeca con respecto a la frecuencia. . . . . . 74
LISTA DE FIGURAS xiii

11-8.Resultados de mediciones en el brazo con respecto a la frecuencia. . . . . . . 75

11-9.Señales obtenidas con el microcontrolador en el voluntario 3. . . . . . . . . . 77
11-10.
Histograma de la cantidad del error RMSE. . . . . . . . . . . . . . . . . . . 78
Lista de tablas

6-1. Precios para cada dispositivo . . . . . . . . . . . . . . . . . . . . . . . . . . . 31

8-1. Descripción de los dispositivos adquiridos para la toma de muestras ópticas

en el rango del infrarrojo cercano. . . . . . . . . . . . . . . . . . . . . . . . . 41
8-2. Descripción eléctrica de los dispositivos adquiridos. . . . . . . . . . . . . . . 41
8-3. Concentraciones de glucosa grandes y masa necesaria para 10 ml. . . . . . . 43
8-4. Concentraciones de glucosa posibles en sangre y masa necesaria para 25 ml. . 44

11-1.Pruebas de transmisión con envase transparente. Emisor y receptor de 950 nm 67

11-2.Pruebas de transmisión con envase ámbar. Emisor y receptor de 950 nm . . . 68
11-3.Pruebas de transmisión con envase transparente. Emisor de 820 nm. . . . . . 69
11-4.Pruebas de transmisión con envase ámbar. Emisor de 820 nm. . . . . . . . . 69
11-5.Pruebas de transmisión con envase transparente. Par emisor y receptor de 860
nm. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 70
11-6.Pruebas de transmisión con envase ámbar. Par emisor y receptor de 860 nm. 70
11-7.Correlación de las variables de entrada con la glucosa . . . . . . . . . . . . . 76

13-1.Pruebas de transmisión en envase transparente. Emisor de 940 nm y 3 mm de

diámetro. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 145
13-2.Pruebas de transmisión en envase ámbar. Emisor de 940 nm, y 3 mm de
diámetro. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 145
13-3.Pruebas de transmisión con envase transparente. Emisor de 940 nm y 5 mm
de diámetro. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 146
13-4.Pruebas de transmisión con envase ámbar. Emisor de 940 nm y 5 mm de
diámetro. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 146
13-5.Pruebas de transmisión con envase transparente. Emisor de 850 nm. . . . . . 146
13-6.Pruebas de transmisión con envase ámbar. Emisor de 850 nm. . . . . . . . . 147
 1
Introducción

La Diabetes Mellitus se ha posicionado como la segunda enfermedad no contagiosa con mayor

responsabilidad de muertes a nivel mundial por las enfermedades asociadas a ésta, para el
año 2017 según los cálculos de la Federación Internacional de la Diabetes (FID) [1], murieron
alrededor de cuatro millones de personas en el mundo. Esta enfermedad no tiene cura y su
tratamiento consiste en el monitoreo frecuente de los niveles de azúcar en sangre durante el
dı́a con el objetivo de vigilar la asimilación de la insulina 1 y por ende controlar los alimentos
que se consumen a diario.

Un dispositivo estimador de glucosa no invasivo portátil es una necesidad para las per-
sonas diabéticas, pues les permite obtener niveles de referencia sin necesidad de asistir a un
centro hospitalario y con la ventaja de ser tomada en cualquier momento del dı́a. A partir
de estudios consultados con anterioridad alrededor del tema, se encontraron regiones del
espectro con alta correlación a concentraciones de glucosa conocidas, aprovechando esto es
posible realizar medidas incidiendo en una sección de piel traslucida con un haz de luz mo-
nocromático a la longitud de onda en que la glucosa presenta absorción, es posible mediante
el análisis de la cantidad de luz reflejada y transmitida, determinar el nivel de glucosa en
sangre elaborando una base de datos de entrenamiento con la cual, un proceso de aprendizaje
supervisado detecta diferencias en las señales obtenidas.

Este documento se encuentra divido en cuatro etapas principales, la primera etapa consiste
en una descripción del contexto descrita en los primeros cinco capı́tulos, donde se presenta la
necesidad del dispositivo, justificación social, académica y personal, los principales objetivos
y una compilación de trabajos anteriores alrededor de este tema. Con el propósito de generar
algunos resultados de investigación experimental se propuso dividir el trabajo en seis etapas,
la primera consiste en la elección de variables y sensórica descrita en el capı́tulo 8, seguida
por las etapas de elaboración del prototipo y el acondicionamiento de las señales descritas
en el capı́tulo 9, las siguientes etapas son la descripción y análisis de la base de datos en el
capitulo 10. Finalmente se presentan resultados, conclusiones y trabajos futuros.
1
Insulina: Hormona producida por el páncreas, que se encarga de regular la cantidad de glucosa de la
sangre.
 2
Planteamiento del problema

Ante el aumento de la prevalencia de la Diabetes Mellitus (DM) en la población mundial,

se ha hecho necesario desarrollar técnicas que ayuden a mitigar las consecuencias de esta
enfermedad. La diabetes es una enfermedad no contagiosa que no tiene cura actualmente
[18], la Organización Mundial de la Salud (OMS) ha prendido las alarmas por el aumento
de personas que sufren de esta enfermedad. Desde 1980 a la actualidad se han cuadriplicado
los casos, especialmente dentro de los paı́ses de ingresos bajos y medios[18, 1].

La DM se ha posicionado como la segunda enfermedad no contagiosa con mayor respon-

sabilidad de muertes a nivel mundial por las complicaciones asociadas a ésta, para el año
2017 según los cálculos de la Federación Internacional de la Diabetes (FID) [1], murieron
alrededor de cuatro millones de personas en el mundo y la prevalencia 1 mundial de la DM
es del 8.5 % [18], comprendiendo población entre los 20 y 75 años, es decir, alrededor de 425
millones de personas adultas, las cuales no están diagnosticadas en su totalidad.

Como se observa en la figura 2-1 se estima que en todas las regiones del mundo el número de
habitantes con DM aumentará para el año 2045 un 48 %, es decir, 629 millones de personas,
especialmente en África, Sudeste Asiático y América del Sur y Central con un aumento de
hasta 156 %, pues comprende paı́ses considerados del tercer mundo donde aquellos casos de
personas con ingresos medios y bajos con DM ha aumentado considerablemente con respecto
a los de ingresos altos, ya que los hábitos diarios como la buena alimentación y el deporte
son menores [18].

1
Prevalencia: en epidemiologı́a, es la proporción de personas que sufren una enfermedad con respecto al
total de la población en estudio.
 4 2 Planteamiento del problema

Figura 2-1: Número estimado de personas en el mundo con DM por región en el 2017 y
proyección a 2045. Datos para adultos entre 20 y 79 años [1].

En Colombia según el ministro de la Salud existen alrededor de 2 a 3 millones de pacientes

diagnosticados, ası́ mismo se estima existe 1 millón de personas que la padece y no lo saben
[1], [19]. Para el año 2014 la DM provocó el 14,58 % (70.309) de las defunciones dentro del
grupo de otras causas de mortalidad donde se incluyen enfermedades respiratorias, VIH,
tuberculosis, entre otras; de ese total 40 mil muertes fueron de mujeres y 30 mil de hombres.
La mayor cantidad de casos se presenta en la capital con alrededor del 20,2 % del total de
pacientes diabéticos colombianos. [2]
 5

(a) Colombia (b) El mundo

Figura 2-2: Número de casos registrados por el sistema general de salud de DM en Colombia
para el año 2014 2-2a [2] y en el mundo para el año 2017 2-2b [1].

La DM ha sido caracterı́stica de las poblaciones con edad superior a los 50 años debido
a la disminución de la capacidad del cuerpo para asimilar la insulina de manera eficaz, la
acumulación de malos hábitos durante muchos años y la aparición de afecciones hereditarias
o enfermedades asociadas. En el mundo, es cada vez mayor el número de niños y jóvenes
diagnosticados con la DM tipo 2, en Colombia esta caracterı́stica aún no es tan evidente,
pero el sedentarismo, comidas procesadas, tabaquismo y entre otros factores de riesgo han
aumentado, por lo que es importante estar preparados y tomar medidas preventivas. En la
figura 2-2 se muestra los casos de DM por edades para el caso de Colombia y el mundo.

La principal forma de tratar esta enfermedad es mediante el diagnóstico temprano[18], pues

las complicaciones asociadas a ésta empeoran a medida que avanza el tiempo y pueden afectar
significativamente la calidad de vida de los que la padecen. Cuando se tiene un diagnóstico
temprano es posible mantener los niveles de glucosa normales en sangre mediante una dieta
diaria vigilada, ası́ mismo disminuir los factores de riesgo, como el sobrepeso mediante el
ejercicio diario y en los casos más complicados mediante medicamentos [20]. Con el fin de
tratar adecuadamente la enfermedad, es de gran relevancia los dispositivos de ayuda en ca-
sa, los medidores de glucosa aceptados actualmente para la venta en el mercado, consisten
en métodos mı́nimamente invasivos o invasivos [21, 22, 9, 23], lo cual implica cortes en la
piel de la persona para obtener una muestra de sangre; métodos que son molestos para los
pacientes e implican riesgos como: infecciones, transmisión de enfermedades y dolor, pues
las punciones deben realizarse varias veces al dı́a, todos los dı́as, ya que el paciente debe
conocer si la insulina en su cuerpo se está dosificando adecuadamente, lo que se evidencia
realizando medidas antes y después de las comidas. Ante la cantidad de punciones que debe
hacerse un paciente [24], se hace necesario desarrollar dispositivos de medición que tome
muestras no invasivas asociadas a la glucosa, que puedan llegar a estimar adecuadamente el
nivel de glucosa en sangre. Existen investigaciones alrededor del tema donde se implementan
sensores ópticos y se aprovechan los fenómenos de reflexión y transmisión [25], [26], [27].
 6 2 Planteamiento del problema

Estos trabajos solamente tienen en cuenta esta métrica para la estimación, y al tener otros
factores que inciden en la medida como el color de piel y la temperatura de la misma [28], se
propone incluir estas métricas con el fin de observar la incidencia y mejorar la estimación.

Los métodos descritos anteriormente implican gastos adicionales a los contemplados en la

compra del dispositivo, pues los dispositivos auxiliares deben cambiarse periódicamente, co-
mo las lancetas y las tiras reactivas de los glucómetros tradicionales y los parches que se
instalan en la piel para los dispositivos mı́nimamente invasivos. Las muestras que toman es-
tos dispositivos provienen de las capas más externas de la piel, estas muestras pueden tener
grandes diferencias con respecto a la glucosa en sangre, por lo que las normas aceptan hasta
un 20 % de error en la medida otorgada de glucosa del dispositivo y la real [29].

El diagnóstico de la enfermedad actualmente se relaciona con aspectos ambientales y fa-

miliares complejos, por lo que conectaron las medidas realizadas con preguntas significativas
dentro de una base de datos, estas medidas pueden generar una alerta temprana del padeci-
miento de la enfermedad. Actualmente las soluciones de este tipo necesitan de software para
ofrecer valor a los datos[1].

¿Es posible construir un estimador de glucosa portátil a partir de medidas no invasivas?

 3

Justificación

Un dispositivo estimador de glucosa no invasivo portátil tiene un gran impacto social pues
como se expuso en el anterior capı́tulo, es importante diagnosticar la enfermedad a tiempo
para poder intervenirla y mitigar el riesgo de sufrir complicaciones que empeoren la calidad
de vida a largo plazo, como lo son: las amputaciones, ceguera, problemas cardiovasculares,
cerebro vasculares, hipertensión, entre otros [1, 18]. Ası́ mismo, le es útil a la persona que
padece la enfermedad para obtener la información del nivel estimado de glucosa en sangre,
sin necesidad de asistir a un centro hospitalario y con la ventaja de ser tomada en cualquier
momento del dı́a. Diferentes estudios demuestran que la diabetes no tiene una cura especı́fica,
por lo que es necesario el cambio de los hábitos diarios como lo son evitar el sedentarismo,
mejorar la dieta y la correcta medicación, los cuales dependen directamente de tener un
monitoreo constante del nivel de glucosa en la sangre [30].

Económicamente hablando en gastos hospitalarios en Colombia para tratar la DM y las

complicaciones asociadas a esta se ha gastado 2.700 millones de dólares en 2007 [31], mien-
tras que en el mundo en gastos sanitarios asociados al seguimiento de la enfermedad se
gastaron alrededor de 727.000 millones de dólares en 2017[1], por lo que reducir el gasto
es primordial evitando la enfermedad. Como se muestra en la figura 3-1 desde el 2004 al
2017 se ha triplicado el gasto sanitario en tratar las complicaciones asociadas a la DM, lo
cuál afecta económicamente al paciente y a la familia. Se estima que los gastos van a seguir
aumentando sino se trata esta afección tempranamente. Ambientalmente, en el caso de tener
un dispositivo no invasivo que estime el nivel de glucosa en sangre, se reducirı́a el consumo
de los implementos hospitalarios usados para la toma de muestras, como lo son las agujas,
almohadillas estériles, tubos de muestra, guantes, entre otros [32].
 8 3 Justificación

Figura 3-1: Gasto sanitario total en personas con diabetes (20 a 79 años)[1]. Aumento del
gasto en miles de millones de dólares desde el año 2006 al 2017 en el mundo.

En el grupo de investigación Bionanotecnologı́a de la Universidad Distrital Francisco José de

Caldas se ha investigado e implementado dispositivos para monitorear problemáticas médicas
[33, 34], por lo que realizar un prototipo que estime la glucosa a partir de varias mediciones
del cuerpo no invasivas, es importante, ya que, la integración de este proyecto a los realizados
pueden otorgarle a la persona más información de forma sencilla, en diferentes momentos
del dı́a, información que puede llevar a su médico tratante.

Para ello se realizaron mediciones de transmisión y reflexión de luz en diferentes regiones

del espectro con el fin de determinar cuál es el fenómeno y región que posee mayor potencia
en la medida y estabilidad, también se realizaron pruebas en distintas partes del cuerpo.
Adicionalmente una medida de temperatura la cual tiene relación con la glucosa en la sangre
[35].

Figura 3-2: Absorción de luz láser en sección cruzada de la piel humana dependiendo de la
longitud de onda. Los porcentajes indican las fracciones de radiación absorbida.[3].
 9

A partir de estudios consultados con anterioridad alrededor del tema, se encontraron regio-
nes del espectro con alta correlación a concentraciones de glucosa conocidas, estas regiones
se encuentran en el rango del infrarrojo cercano e infrarrojo medio 700 nm - 2000 nm [36],
aprovechando esto es posible realizar medidas en la piel pues estas longitudes de onda son ca-
paces de traspasar la piel, en la figura 3-2 se muestra la absorción de luz láser en una sección
cruzada de piel humana, a partir de 600 nm es posible traspasar la piel subcutáneamente
hasta alrededor de 1100 nm, por ello se utilizaron sensores par emisor y receptor infrarrojo
de diferentes tamaños y potencia entre 800 nm y 1000 nm, estos sensores al excitarse con un
emisor de luz entregaron una tensión proporcional a la cantidad de luz que se incide en la
frecuencia de interés.

Se construyó una base datos con mediciones de glucosa en sangre de pacientes voluntarios y
medidas del dispositivo, con esta información la estimación del nivel de glucosa en sangre se
hizo mediante algoritmos de inteligencia computacional, los cuales son usados en problemas
no lineales, donde su solución puede depender de variables exógenas. Éstos algoritmos han
demostrado buenos resultados en áreas como: la salud, donde se usan principalmente para
la detección temprana de enfermedades mediante la identificación de patrones [37]. Las co-
municaciones, donde una de las aplicaciones son novedosos diseños de antenas para mejorar
las caracterı́sticas de ganancia, directividad, ancho de banda, desfase, entre otros [38]. La
economı́a para el entendimiento del comportamiento del mercado en el tiempo [39], entre
otras interesantes aplicaciones que demuestran la versatilidad de los diferentes algoritmos de
inteligencia computacional, por lo que se usaron en este proyecto.
 4
Objetivos

4.1. General
Implementar un dispositivo portátil no invasivo para la estimación de la glucosa.

4.2. Especı́ficos
• Determinar las mediciones no invasivas que tienen relación con la glucosa en la sangre
aplicables en el proyecto.

• Construir un dispositivo para la adquisición de las señales ópticas a la frecuencia de

absorción de la glucosa.

• Realizar una base de datos comparativa de la glucosa en sangre y el prototipo propuesto

de pacientes voluntarios.

• Relacionar un algoritmo de inteligencia computacional con la base de datos construida

y los niveles de glucosa.
 5
Marco teórico

5.1. Diabetes Mellitus

Según la OMS la diabetes Mellitus (DM): “es una grave enfermedad crónica donde el cuerpo
no puede regular la cantidad de azúcar en la sangre, ya sea porque el páncreas no produce
suficiente insulina o porque el organismo no puede usar de manera eficaz la insulina que se
produce.”. Para comprender la DM, es importante entender primero el proceso normal por
el cual el alimento se transforma y es empleado por el cuerpo para obtener energı́a. Depen-
diendo del tipo de alimento que se este consumiendo, el cuerpo libera una hormona llamada
insulina para controlar la cantidad de azúcar en la sangre, los carbohidratos estimulan en
mayor medida la producción de la hormona con respecto a las proteı́nas; esto debido a que
los carbohidratos al ser digeridos ingresan al torrente sanguı́neo en forma de glucosa [40].
Sin embargo, el cuerpo naturalmente produce insulina, el páncreas es el encargado de esta
función la cual se estimula mediante células nerviosas con el solo hecho de pensar en comida.
La insulina es la encargada de estimular las células del cuerpo para que tomen la glucosa
del torrente sanguı́neo; estas utilizan una parte de la glucosa para obtener energı́a y otra
parte la almacenan dependiendo del tipo de célula [41]. Las células musculares almacenan la
glucosa en forma de glucógeno, las células hepáticas almacenan una parte de la glucosa como
glucógeno y convierten otra parte en grasa y los adipocitos almacenan la glucosa en forma
de grasa, aunque en su mayorı́a el hı́gado es el que almacena la glucosa. Por otra parte, el
cerebro por su alta actividad celular necesita de aproximadamente el 20 % de la energı́a deri-
vada de la glucosa [1], la glucosa es el único azúcar que lo alimenta, por tanto, si este detecta
bajos niveles de glucosa puede enviar señales para que el páncreas produzca glucagón, el
cual le da la orden al hı́gado de liberar parte de la glucosa almacenada. Si la acción anterior
no es suficiente, se envı́an señales más fuertes que hacen a la persona sentir la necesidad de
comer, representado como ansiedad, irritabilidad, problemas de visión, mareos o hambre [40].

Las personas con diabetes presentan niveles altos de azúcar en sangre o muy bajos, de-
bido a que su cuerpo no puede movilizar el azúcar desde la sangre hasta las células para
producir grasa y luego quemarla o almacenarla, también cuando el hı́gado produce demasia-
 12 5 Marco teórico

da glucosa y la secreta en la sangre, donde sino hay suficiente insulina para que las células la
procesen, se elevarán los niveles de azúcar o por el contrario, cuando las células no asimilan
la insulina correctamente ası́ se este produciendo con normalidad, lo que genera la misma
consecuencia [42].
Existen dos tipos principales de diabetes. Las causas y los factores de riesgo son diferentes
para cada tipo los cuales se describen en los literales 5.1.1 y 5.1.2.

5.1.1. Diabetes Mellitus tipo 1

Es también conocida como la diabetes insulinodependiente, donde el cuerpo no produce
o produce poca insulina, debido a que las células β (beta) 1 del páncreas que producen
la insulina dejan de trabajar correctamente, en consecuencia, sin la insulina suficiente, la
glucosa se acumula en el torrente sanguı́neo en lugar de entrar en las células. Por lo tanto,
los pacientes que sufren de esta enfermedad deben utilizar inyecciones diarias de insulina [18].

Esta enfermedad se puede presentar a cualquier edad, pero se diagnostica con mayor frecuen-
cia en niños, adolescentes o adultos jóvenes [1]. La causa exacta de la DM tipo 1 se desconoce,
aunque la más probable es un trastorno auto inmune que ocurre cuando el sistema inmuni-
tario ataca por error y destruye el tejido corporal sano. Con la diabetes tipo 1, una infección
o algún otro desencadenante hace que el cuerpo ataque por error las células productoras de
insulina en el páncreas. La tendencia de desarrollar enfermedades auto inmunes, incluyendo
la diabetes tipo 1 pueden padecerse en mayor medida por antecedentes familiares [42].

La DM tipo 1 representa aproximadamente el 5-10 % de la diabetes a nivel mundial. Se

diagnostica en todos los grupos étnicos, pero es más frecuente en los individuos con ascen-
dencia europea [18, 1].

5.1.2. Diabetes Mellitus tipo 2

Es el tipo de DM más común en todo el mundo, representa del 90-95 % de los casos [18];
generalmente se presenta en la edad adulta, pero debido a los grandes cambios que se han
presentado en la forma de alimentación y la actividad diaria en las últimas dos décadas, las
tasas de obesidad a temprana edad han subido de manera alarmante [1], en consecuencia
cada vez son más los casos de DM diagnosticados en niños y jóvenes. Este tipo de DM no
tiene sı́ntomas perceptibles en sus inicios o son muy parecidos a los de la DM tipo 1 pero
menos intensos, por lo que muchas personas la padecen durante años sin percatarsen de
la presencia de la enfermedad; generalmente a quienes se les diagnostica la enfermedad es
porque han sufrido alguna de sus complicaciones [18].

1
Las células β son las encargadas de segregar insulina, estas se ubican en el páncreas [43].
5.1 Diabetes Mellitus 13

La DM tipo 2 ocurre cuando el cuerpo crea resistencia a la insulina, pues existe debili-
dad en las señales nerviosas que estimulan a las células para la captación de glucosa, en
consecuencia no se utiliza la insulina con eficiencia. Existe un defecto adicional, la resisten-
cia a la insulina puede afectar la producción y secreción de insulina en el páncreas, pues las
células β se afectan [40].

5.1.3. Prediabetes
La prediabetes es una etapa intermedia entre no tener diabetes y tener diabetes tipo 2, las
personas que tienen esta condición presentan niveles de azúcar en sangre por encima de lo
normal, pero no tan altos como para cumplir con los criterios de diagnóstico para la diabetes
tipo 2. Una de cada tres personas con pre diabetes llegará a desarrollar diabetes tipo 2 [1].

5.1.4. Diabetes Mellitus gestacional

Esta afección se presenta transitoriamente en algunas mujeres durante el embarazo cuando
los niveles de glucosa son superiores a los normales. Las principales implicaciones son: com-
plicaciones en el parto y aumento de la posibilidad tanto de la madre como el hijo en el
transcurso de su vida sufrir de DM. Los principales factores que pueden incidir para sufrir
este trastorno es el embarazo en edad avanzada y sobrepeso [42].

5.1.5. Complicaciones de la DM
La DM es una enfermedad crónica que no tiene cura, por tanto, sin la intervención de los
niveles de glucosa puede llevar a otros problemas médicos serios que generan altos costos
de manejo en los hospitales, alta mortalidad y detrimento de la calidad de vida [1]. Estos
problemas se conocen como complicaciones de la diabetes e incluyen:

• Problemas oculares, episodios de mareos y disminución progresiva de la visión. El daño

de los pequeños vasos de la retina reiterativamente puede causar ceguera, afección
conocida como retinopatı́a diabética [18].

• Debilitamiento del sistema inmunitario, lo cual puede llevar a frecuentes infecciones

[1].

• Úlceras e infecciones en la pierna o el pie, que de no recibir tratamiento, pueden llevar a

la amputación, además las heridas no se cicatrizan, lo que conlleva a mantener heridas
abiertas que se pueden pudrir, recibir bacterias y suciedad del ambiente con mayor
facilidad [30].

• Insuficiencia renal que requiere de diálisis y trasplante renal, pues los riñones podrı́an
dejar de funcionar de la misma manera o completamente [18].
 14 5 Marco teórico

• Daño a los nervios en el cuerpo causando dolor, hormigueo, pérdida de la sensibilidad,

problemas para digerir el alimento y disfunción eréctil [42].

• Aumento de la probabilidad de sufrir un ataque cardı́aco, accidentes cerebro vasculares

y coma diabético. Pues la presión arterial puede cambiar, ası́ como el aumento del
colesterol [1].

5.1.6. Diagnóstico

Los primeros sı́ntomas que pueden presentarse y generan una alarma para acudir al médico
por pruebas de laboratorio son: visión borrosa, sed excesiva, problemas de sueño, fatiga,
orina frecuente, hambre insaciable, repentina pérdida o ganancia de peso [18]. Los factores
externos de riesgo que pueden influir en el padecimiento de la enfermedad es la obesidad,
hipertensión arterial, tabaquismo, edad, antecedentes familiares y sedentarismo; pueda que
una persona presente algunos o todos los sı́ntomas o presente los factores de riesgo. [42]

La manera de diagnosticar la enfermedad es mediante exámenes de sangre y orina, don-

de se estudie directamente la cantidad de glucosa en las mismas. Si una prueba de sangre
indica un nivel de glucosa superior a 200 mg/dl (11.1 mmol/L), se puede considerar que la
persona padece de DM [1]. Para confirmar el diagnóstico, se deben hacer uno o más de los
siguientes exámenes.

Figura 5-1: Evolución de la glucosa en sangre luego de ingerir una concentración determi-
nada de glucosa [4].
5.1 Diabetes Mellitus 15

5.1.6.1. Glucemia en ayunas

Se diagnostica diabetes si el nivel de glucosa en ayunas es mayor a 126 mg/dl (7.0 mmol/L),
sin embargo si los niveles están entre 100 y 126 mg/dl (5.5 y 7.0 mmol/L) se denominan
alteración de la glucosa en ayunas o prediabetes. Dichos niveles son factores de riesgo para
la diabetes tipo 2 [1].

5.1.6.2. Prueba de tolerancia oral a la glucosa

Como puede observarse en la figura 5-1, el nivel de la glucosa en sangre de una persona
saludable sube cuando ingiere una concentración determinada de glucosa, llegando al máximo
en aproximadamente una hora. Luego de que la glucosa llega a su máximo la insulina empieza
a dar efecto en las células, efecto por el cual baja la glucosa a un nivel normal al termino
de otra hora aproximadamente, como indica la curva roja. Se diagnostica diabetes si el nivel
de glucosa es superior a 200 mg/dl (11.1 mmol/L) luego de 2 ó 3 horas de haber ingerido
la bebida [42], pues como se muestra en la curva verde una persona que padece DM es más
resistente a la insulina, por lo que los niveles de glucosa altos se mantienen más tiempo.

5.1.6.3. Examen de hemoglobina A1C

La hemoglobina es la principal proteı́na de los glóbulos rojos, encargada de transportar el

oxı́geno en la sangre. El nivel normal es menos de 5.7 %, la prediabetes se diagnostica si el
nivel se encuentra entre 5.7 % y 6.4 %, y la DM es 6.5 % o más alto [44].

5.1.7. Tratamiento
El tratamiento tanto de la diabetes tipo 1 como de la diabetes tipo 2 consiste en manejar los
niveles de glucosa a través de una dieta balanceada [18], donde la persona vigile los alimentos
que ingiere diariamente, para ello se requieren dispositivos de medición de glucosa portátiles,
de manera que le permite en la cotidianidad a una persona conocer su nivel de glucosa las
veces que desee sin la necesidad de acudir a un centro hospitalario [30]; también incluye en
el tratamiento, el ejercicio diario para controlar el peso de la persona. En última medida,
solamente si es necesario se utilizan medicamentos para tratar la DM, posiblemente estos
medicamentos incluyan la disminución del colesterol y los niveles de la presión arterial [30].

Con el fin de tratar la DM, el factor más importante es el diagnóstico temprano de ésta, las
auto revisiones de lesiones en ojos, brazos, riñones o pies, ayuda al tratamiento temprano,
pues esta enfermedad en etapas avanzadas es casi imposible de tratar.
 16 5 Marco teórico

5.2. Espectroscopia
La espectroscopia es la ciencia que estudia principalmente la interacción entre la radiación
electromagnética (RE) y la materia, también estudia la interacción de otros tipos de energı́a
con la materia. Las manifestaciones más frecuentes que se estudian de la RE es la luz y el
calor radiante[5]. Mediante la espectroscopia es posible conocer las propiedades de la estruc-
tura interna de la materia, la masa, la temperatura a la que se encuentra y composición
cinética.

La RE puede explicarse por medio de un modelo ondulatorio sinusoidal convencional que

describe frecuencia, amplitud, velocidad y longitud de onda. Para hacer el estudio de la ma-
teria se aprovechan los fenómenos de absorción, dispersión y emisión de energı́a, el modelo
ondulatorio sinusoidal no es capaz de explicar estos fenómenos por lo que es necesario recu-
rrir a un modelo de partı́culas que complementa la explicación de la RE para su aplicación [5].

En el modelo de partı́culas la RE se muestra como una corriente de partı́culas discretas,

partı́culas llamadas fotones. La RE se produce cuando partı́culas excitadas como: átomos,
iones o moléculas, se relajan y pasan a niveles de energı́a inferiores cediendo el exceso de
energı́a en forma de fotones. La excitación puede ser originada por varios medios, como:
bombardeo con electrones u otras partı́culas elementales, las cuales causan la emisión de
radiación ó exposición a una corriente eléctrica, a una fuente intensa de calor lo que produce
radiación ultravioleta, visible o infrarroja [5].
c
v= (5-1)
η

Figura 5-2: Descripción de regiones en el espectro electromagnético. [5].

5.2 Espectroscopia 17

La energı́a de un fotón es proporcional a la frecuencia de la radiación. La radiación elec-

tromagnética no requiere de un medio para su transmisión por lo que se le facilita viajar a
través del vacı́o, la velocidad de propagación de la luz es máxima en el vacı́o y varı́a según
el medio por el que se transporte, la relación se presenta en la ecuación 5-1.

En la figura 5-2 se muestra el espectro radioeléctrico distinguiendo las diferentes zonas en

número de onda, frecuencia y longitud de onda. Como se observa la región más pequeña
es la visible, en consecuencia se observa un conjunto de longitudes a analizar muy grande,
tanto ası́ que la escala es logarı́tmica. El espectro es útil para clasificar las radiaciones de
diferentes cuerpos, estas escalas se basan en calor y color de la RE.

La región del infrarrojo se separa en tres partes, el infrarrojo cercano, medio y lejano que
dependen del fenómeno espectroscópico que provoca la absorción de energı́a por parte de
la materia. La absorción en el infrarrojo lejano es provocado por las rotaciones molecula-
res, mientras que en el medio proviene de las vibraciones moleculares fundamentales, en el
infrarrojo cercano se debe a los armónicos y bandas de combinación de las vibraciones fun-
damentales de las moléculas. Una molécula absorbe radiación infrarroja cuando experimenta
un cambio neto en el momento dipolar como consecuencia de su movimiento de vibración o
rotación. Si esto ocurre, el campo eléctrico asociado a la radiación puede interaccionar con
el campo eléctrico originado por la fluctuación del momento dipolar de la molécula. Si la
frecuencia de radiación iguala a la frecuencia de vibración natural de la molécula, ocurre
una transferencia neta de energı́a que da lugar a un cambio en la amplitud de la vibración
molecular y como consecuencia se absorbe la radiación [5].

Los átomos en una molécula se encuentran en constante movimiento. Dicho movimiento pue-
de aproximarse al de un oscilador armónico. Cuando se produce una vibración, la energı́a
potencial cambia continuamente acercándose a cero cuando los átomos se acercan a la po-
sición de equilibrio y haciéndose máxima cuando la distancia entre los átomos es mı́nima o
máxima. El movimiento de los átomos en la molécula está confinado en un pozo de potencial,
caracterizado por la atracción y repulsión de los mismos. [5]

5.2.1. Espectroscopia de infrarrojo cercano NIR y MIR

La espectroscopia del infrarrojo cercano NIR y MIR han sido utilizadas principalmente en
aplicaciones de colorı́metria para detectar compuestos quı́micos de un material, el interés
principal es conocer cualitativamente y cuantitativamente estos compuestos quı́micos [45],
para ello se aplican técnicas tanto de absorción como de reflexión. La principal ventaja del
infrarrojo cercano es la posibilidad de hacer estudios de diferentes componentes en seres vi-
vos, sin necesidad de hacer biopsias o punciones, ni cirugı́as [46], pues este rango del espectro
presenta baja absorción con respecto a la piel, por lo que permite que un rayo de luz a una
 18 5 Marco teórico

frecuencia determinada se transmita hasta capas profundas donde se encuentran los com-
puestos a detectar [46]. Adicionalmente, mediante la espectroscopia NIR es posible detectar
la saturación de oxı́geno en los tejidos que no es fácil mediante otros métodos. Este método
tiene la ventaja de analizar diferentes compuestos con el solo hecho de cambiar en los equi-
pos de análisis el filtro monocromático, el cual es el que selecciona una longitud de onda a
recibir, lo que permite no incurrir en altos costos de separación de muestras teniendo en cuen-
ta complejas relaciones que pueden incidir en el analito por presencia de otras sustancias [45].

El análisis del infrarrojo medio es usado en su mayorı́a en procesos industriales donde es

de interés la descripción de compuestos orgánicos en el análisis de suelos, control de calidad
en procesos de producción de alimentos, calidad de aire, entre otros [47]. Para aplicaciones
médicas que es de interés en este trabajo de grado, se usarán sensores en la región del es-
pectro cercano, pues el rango de frecuencias de absorción de la de luz descrito en la figura
5-4.

5.2.2. Absorción
La absorción ocurre cuando es conocida la energı́a que se radia de una onda electromagnética
en un material que puede ser sólido, lı́quido o gas. Esta energı́a corresponde a la diferencia
energética entre dos estados vibracionales discretos de la molécula, en este proceso la energı́a
electromagnética incidente se transfiere a los átomos, iones o moléculas del material, es decir
el fotón es absorbido y esta impulsa a las partı́culas a estados excitados de energı́a superior
manifestándose en aumento de la temperatura.

Al traspasar las capas del material, se estudia en el receptor la energı́a restante, donde se
percibe la cantidad absorbida por el material, estas diferencias de energı́a son únicas para
cada elemento, por ende el estudio de la frecuencia de radiación electromagnética absorbida
permite caracterizar los componentes de una muestra. [5]

5.2.3. Dispersión de Raman

Es el fenómeno que se presenta cuando un haz de luz monocromática incide sobre un material
y se dispersan pequeñas cantidades de luz a frecuencias independientes de la frecuencia de
luz incidente; estos rayos dispersados son caracterı́sticos de los compuestos quı́micos del ma-
terial [5] ; es decir, ofrecen tanto información cuantitativa como cualitativa de la composición
del material. Mediante el análisis de la potencia que se dispersa a determinada frecuencia,
es posible saber la cantidad que posee del compuesto quı́mico el material, mientras que la
frecuencia informa el tipo de compuesto.

Un esquema general de un espectrómetro Raman se observa en la figura 5-3 . El espectróme-

5.2 Espectroscopia 19

tro funciona de la siguiente manera. Inicialmente, un rayo de luz monocromática de un láser

incide sobre un material, la luz que se dispersa pasa a través de un filtro óptico que elimina
la luz a la frecuencia del láser, luego del filtro el rayo de luz se lleva a una rejilla de difracción
que separa los componentes espectrales de esta, para impactar a un sensor óptico que analiza
la potencia de luz incidente en diferentes longitudes de onda, estas longitudes se detectan
con arreglos de fotodiodos, los cuales son sensibles a diferentes frecuencias, los dispositivos
controladores eligen toman la potencia eléctrica y describe de esta el espectro óptico captado
por el arreglo.
1 1
∆/cm−1 = − (5-2)
λlaser λRaman

Figura 5-3: Esquema general de un espectrómetro [6].

Figura 5-4: Espectro Raman de la glucosa en agua destilada con un láser fuente de 514 nm
[7].
 20 5 Marco teórico

El espectro Raman de la glucosa se muestra en la figura 5-4 el eje vertical corresponde a

la intensidad y el horizontal el corrimiento Raman que se calcula con la ecuación 5-2, se
encuentran picos donde hay mayor energı́a, por tanto, mayor absorción como lo es 1100
cm−1 (un número de onda de 1100 cm−1 ) que corresponde a 860 nm aproximadamente para
un láser de 514 nm (longitud de onda del haz de luz del láser).

5.2.4. Dispersión de Rayleigh

La dispersión es un proceso fı́sico en el que la luz es desviada de su trayectoria en lı́nea recta.
Este fenómeno ocurre cuando la luz interactúa con la molécula y distorsiona ó polariza la
nube de electrones que rodea al núcleo para formar un “estado virtual”. Este estado es
inestable y el fotón es re-irradiado casi automáticamente. Si sólo una distorsión de la nube
de electrones está involucrada en el proceso de dispersión, los fotones serán dispersados
prácticamente con la misma frecuencia, debido a que los electrones son comparativamente
livianos. Éste es el proceso dominante y se llama dispersión Rayleigh y su eficiencia aumenta
con la cuarta potencia de la frecuencia de la luz incidente. Esta es la razón del color del cielo,
ya que la luz azul es dispersada por la atmósfera de manera más eficiente que la luz roja [5].

5.3. Sensores

5.3.1. Sensores ópticos

Son dispositivos que convierten la radiación electromagnética del rango visible y/o radiacio-
nes de longitudes cercanas en señales eléctricas, la detección de estas longitudes permite el
estudio de diversos fenómenos como lo son la dispersión, emisión, reflexión y absorción de la
luz, mediante los cuales es posible realizar diferentes estudios a la materia; los sensores ópticos
son utilizados fundamentalmente en biologı́a, quı́mica, aplicaciones electrónicas, astronomı́a,
entre otros [48]. Normalmente son utilizados fotodiodos y fototransistores o arreglos de ellos
para estudiar varias regiones del espectro. Los sensores ópticos varı́an su corriente eléctrica
proporcionalmente a la cantidad de luz incidente en la zona fotosensible, los diodos y tran-
sistores sensibles a la luz presentan respuestas más rápidas a los cambios en los fenómenos
ópticos que las fotorresistencias.

5.3.1.1. Diodo emisor

Dispositivo semiconductor fuente de luz caracterizado por la unión de materiales dopados

tipo P y tipo N, donde por efecto fotoeléctrico se producen parejas electrón-hueco suscep-
tibles de ser orientadas apropiadamente para determinación de la magnitud generadora del
fenómeno de luz[48], un diodo emisor normalmente irradia luz en todas las direcciones y
5.3 Sensores 21

con diferentes longitudes de onda, por lo que no se considera una fuente de luz coherente.
Se llama luz coherente a la radiación luminosa en una estrecha longitud de onda, los dio-
dos LÁSER cumplen esta caracterı́stica, pues las ondas que componen el rayo de luz tienen
coherencia tanto temporal como espacial. El color de emisión de estos dispositivos dependen
únicamente de los materiales semiconductores utilizados en su fabricación [49]. En la figura
5-5se muestra la diferencia entre el espectro que describe un diodo láser y un diodo conven-
cional, se puede apreciar que el rango de longitudes que tiene el láser es más estrecho que
el que cubre un diodo, normalmente un diodo LED tiene un ancho de banda de 60-100 nm,
mientras que un diodo láser 5-15 nm.

Figura 5-5: Espectro de un emisor LED y Láser. [5].

5.3.2. Fotodiodo
Son dispositivos que tienen su superficie expuesta, la cual es de un material semiconductor
fotosensible, por el efecto fotoeléctrico es posible que un fotón incida en la unión p-n y tenga
la suficiente energı́a para generar un par electrón hueco [48].
Los diodos de unión p – n deben polarizarse inversamente, donde la región conocida como
región de agotamiento o región de empobrecimiento, se encuentra desprovista de portadores
de carga libres y se establece un fuerte campo eléctrico que se opone al flujo de electrones
del lado n al lado p (y al flujo de huecos del lado p al lado n). Cuando dicha unión p –
n es iluminada con luz en un lado, figura 5-6, se crean pares electrón – hueco por medio
de la absorción óptica. Debido al fuerte campo eléctrico existente, los electrones y los hue-
cos generados dentro de la región de agotamiento se aceleran en direcciones opuestas y son
arrastradas hacia los lados n y p, respectivamente [50]. El flujo resultante de corriente es
proporcional a la potencia óptica incidente. De esta manera, una unión p – n polarizada
inversamente actúa como un fotodetector y se le denomina fotodiodo p – n.
El factor que limita el ancho de banda de un fotodiodo p – n es la presencia de una compo-
nente de difusión en la fotocorriente. El orı́gen fı́sico de dicha corriente se debe a la absorción
 22 5 Marco teórico

de luz incidente fuera de la región de agotamiento. Los electrones que se generan en la re-
gión p tienen que difundirse hacia el lı́mite con la región de agotamiento antes de poder ser
arrastrados hacia el lado n; de manera similar, los huecos generados en la región n deben
difundirsen hacia el lı́mite con la región de agotamiento [51].
En la figura 5-6 se muestra la estructura de un fotodiodo p – n convencional. Puede obser-
varse en la figura 5-6 (b), como la potencia óptica decrece exponencialmente al ser absorbida
la luz incidente en la región de agotamiento. Los pares electrón – hueco generados en la re-
gión de agotamiento sufren un efecto fuerte por el campo eléctrico existente en ella y son
arrastrados (fenómeno llamado drift , en inglés) rápidamente hacia el lado p o el lado n, de-
pendiendo de su carga eléctrica, en la figura 5-6(c). El flujo de corriente eléctrica resultante
es la respuesta del fotodiodo a la potencia óptica incidente.

Figura 5-6: (a) Fotodiodo p–n inversamente polarizado. (b) Variación de la potencia óptica
dentro del fotodiodo. (c) Diagrama de bandas de energı́a mostrando el movimiento de cargas
por arrastre (drift) y difusión [8]

5.3.3. Fototransistor
Un fototransistor es un transistor NPN convencional que posee en su base un material
fotosensible donde recibe la intensidad luminosa proveniente de una fuente, la cual puede
ser un fotodiodo. La luz incidente en la unión colector-base genera parejas electrón-hueco;
los electrones son arrastrados por el campo eléctrico de la unión, hacia el colector y los
huecos van, por el mismo efecto, hacia la base, continuando al emisor [48]; de tal manera
que se reduce la barrera de potencial de la unión base-emisor en función de la cantidad
de luz incidente y la polarización del transistor obteniendo mayor tensión a mayor luz,
contrariamente menor tensión con menor luz, con este tipo de transistor solamente es posible
la conexión emisor común pues la luz únicamente se recibe en la base, la cual no es posible
acceder fı́sicamente.
5.4 Análisis de datos 23

5.4. Análisis de datos

Los métodos de análisis de datos son extensos, en este apartado se describe conceptualmente
las herramientas usadas para el análisis de las señales.

5.4.1. Transformada de rápida Fourier

La transformada rápida de Fourier (FFT) es un algoritmo que permite calcular la transfor-
mada de Fourier discreta. En P ython se emplea las siguientes ecuaciones para Y y X con
una longitud n.
n
X
Y (k) = X(j)Wn(j−1)(k−1) (5-3)
j=1

n
1X
X(j) = Y (k)Wn−(j−1)(k−1) (5-4)
n k=1

Donde Wn = e(−2πi)/n
La FFT permite describir las señales en el dominio de la frecuencia, hallando amplitud y
energı́a respecto a la frecuencia que no es posible determinar fácilmente en el dominio del
tiempo.

5.4.2. Redes neuronales

Una red neuronal artificial emula el funcionamiento de una red de neuronas biológicas, las
cuales representan muchos procesadores conectados entre sı́ por capas, cada una produce
una secuencia de activaciones de valor real. Las unidades de entrada se activan a través de
sensores que perciben el ambiente o datos de entrada, otras neuronas a través de conexiones
con pesos reales de neuronas previamente activas. Algunas neuronas pueden influir en el
entorno desencadenando acciones en otras neuronas, o simplemente mostrar sus datos de sa-
lida. La asignación de aprendizaje consiste en encontrar pesos que hagan que la red neuronal
artificial muestre el comportamiento deseado [52]. Existen problemas de clasificación, donde
el objetivo es situar una serie de datos en un grupo especı́fico. En predicción, se determinan
estados futuros de una señal a partir de estados pasados de la misma señal, los problemas
de estimación convergen a un valor e identificación, donde el fin es encontrar un conjunto de
ecuaciones diferenciales que se comporten similar al problema.

Entre los aprendizajes de máquina usados actualmente se encuentran:

• Entrenamiento supervisado se posee una serie de datos que describen un problema,

se toma una parte de ellos para entrenamiento, con los cuales la red neural crea una
 24 5 Marco teórico

función de predicción [53]. Se debe poseer la mayor cantidad de datos de entrenamiento

posible, a fin de que la red neuronal tenga la capacidad de generalizar y se evite, entre
otras cosas, correlaciones falsas [54].

• Entrenamiento no supervisado a partir de datos sin etiqueta, la red neuronal

autónomamente las clasifica según las caracterı́sticas, correlaciones y regularidades
que encuentre [53].

• Propagación hacia atrás es un método para calcular la contribución de error de

cada neurona después de procesar un conjunto de datos, de esta manera se ajustan
los pesos de cada neurona actuando como una realimentación, este método mejora el
proceso de aprendizaje, asegurando la disminución del error. [54]
 6
Estado del arte

Los dispositivos para la medición de glucosa se dividen en tres clases, los invasivos, mı́ni-
mamente invasivos y no invasivos, a continuación se realiza un estudio de los dispositivos
disponibles en el mercado y algunos artı́culos cientı́ficos donde se proponen prototipos en
especial, los no invasivos, ninguno de los dispositivos no invasivos presentados está acepta-
do actualmente para la venta al público, pues no se ha reducido el error presentado en las
medidas con respecto a los métodos convencionales [55], según la norma ISO 15197 [29] se
establecen los siguientes criterios:

1. El 95 % de los valores de glucosa dados por el dispositivo deben estar comprendidos

dentro de ± 15 mg/dL del promedio de los valores medidos del procedimiento de
medición de referencia para concentraciones de glucosa menores a 100 mg/dL o dentro
de ± 15 % para concentraciones de glucosa mayores a 100 mg/dL.

2. El 99 % de los valores individuales medidos de glucosa deben estar comprendidos dentro

de las zonas A y B de la cuadrı́cula de análisis consensuado de errores (CEG) para la
diabetes tipo I.

6.1. Dispositivos invasivos

Se conoce como dispositivo invasivo a todo aquel que material que se inserta en el cuerpo,
pueden ser agujas, sondas, o cualquier dispositivo mecánico o quı́mico, esto con el fin de
extraer muestras del cuerpo o ingresar algún quı́mico para tratamiento [1].

6.1.1. Glucómetro
Este instrumento a través de una pequeña muestra de sangre extraı́da del paciente mediante
una punción en el dedo otorga un valor de glucosa, esta muestra es tomada por él mismo
sin tener que asistir a un centro especializado. El principio de todos los glucómetros que se
encuentran en el mercado consiste en usar una tira con un compuesto quı́mico que reacciona
con la sangre, esta reacción es interpretada por el dispositivo ópticamente detectando la
 26 6 Estado del arte

absorción del color resultante dando ası́ un valor de glucosa. Uno de los dispositivos más
populares es el ACCU-CHECK Nano.

Este dispositivo consta del medidor y como insumo utiliza las tiras reactivas que vienen
dispuestas en un tubo para su almacenamiento hermético; también se utiliza un dispositivo
de punción ACCU-CHEK FastClix con el que se realizan los pinchazos sobre el dedo y su
consumible son las lancetas que vienen dispuestas en cartuchos de 6. El paciente debe usar
una tira reactiva y una lanceta por cada medición. Se muestra imágenes de todos estos ele-
mentos en la figura 6-1.

Actualmente el dispositivo aceptado para el monitoreo en casa y más usado dentro de los
usuarios, es el glucómetro, lo importante de este tipo de dispositivos comparativamente es su
precisión, para el dispositivo de ejemplo, con una muestra de 100mg tienen una exactitud por
encima del 75 %[56], además es más económico que los dispositivos mı́nimamente invasivos
como los parches, esto se muestra en la tabla 6-1.

(c) Punzador
(a) Medidor (b) Tiras Reactivas con cartucho (d) Lanceta

Figura 6-1: Imágenes del medidor ACCU-CHEK Nano 6-1a, Tiras reactivas ACCU-CHEK
6-1b, Dispositivo de punción ACCU-CHEK FastClix 6-1c y Lancetas ACCU-CHEK FastClix
6-1d [9].

La utilización de este dispositivo es incómodo especialmente para las personas que deben
realizarse varias medidas diariamente por la cantidad de punciones que representa [30], adi-
cionalmente tiene un gran impacto económico para el paciente, pues una tira reactiva puede
usarse una única vez, lo que implica costos continuos para la utilización de este dispositivo.
Adicionalmente, la cantidad de la muestra de sangre debe ser significativa para generar la
reacción que se espera, para ello se ha implementado dispositivos de control como los elec-
trodos, para reducir el error presentado por una cantidad insuficiente de muestra, pero aún
no se asegura una medida completamente confiable. Finalmente, la persona debe tener sus
manos completamente limpias y calibrar el dispositivo según sus muestras, en consecuencia,
el dispositivo idealmente sólo funciona correctamente para su dueño [35].
6.1 Dispositivos invasivos 27

6.1.2. Espectrofotómetro

El espectrofotómetro es el dispositivo más utilizado en las medidas de glucosa realizadas en

laboratorio este se muestra en la figura 6-2, este dispositivo cuenta con lámpara de halógeno
de tungsteno como emisor de luz de diferentes anchos espectrales opcionales (1 nm, 2nm y
5 nm) y un peso es de 18 kg. El esquema de funcionamiento se muestra en la figura 6-3,
el principio es similar al de un glucómetro, se utiliza una tira reactiva que al ponerse en
contacto con la sangre toma un color en particular que depende de la casa fabricante de la
tira, generalmente toma un color verde comprendido entre 400 nm - 500 nm, conociendo la
casa fabricante es posible saber la frecuencia a estudiar, se ajusta un filtro para seleccionar
la frecuencia de interés, aquı́ el dispositivo aprovecha el fenómeno de absorción y reflexión
para realizar una estimación a partir de la potencia de luz recibida.

Figura 6-2: Espectrofotómetro marca Rayleigh con detector fotodiodo de silicio [10].

Tiene como ventaja con respecto a los glucómetros convencionales, el uso de una fuente de
luz blanca que garantiza la emisión de luz coherente, también utiliza un filtro óptico que
permite separar los haces de luz para tomar solamente la región de interés, esta región puede
ser levemente diferente con respecto a las indicaciones de la casa fabricante por reacciones
de los compuestos quı́micos con la sangre de los diferentes individuos, cuando esto ocurre, el
profesional bacteriólogo ajusta el filtro hasta encontrar la región adecuada, algunos equipos
realizan este proceso automáticamente. Finalmente, el receptor sensible a la luz de los espec-
trofotómetros no responde a una única frecuencia, lo que permite realizar ajustes y analizar
diferentes frecuencias de luz.
 28 6 Estado del arte

Figura 6-3: Esquema general de un espectrofotómetro [10].

La principal desventaja de este dispositivo es la necesidad de tener la muestra de sangre,

además de esto la imposibilidad de portarlo para realizar diferentes medidas durante el dı́a.

6.2. Dispositivos mı́nimamente invasivos

Estos dispositivos tienen la particularidad de tomar muestras del cuerpo sin que esto implique
llegar a capas profundas de la piel, el paciente tiene la posibilidad de sentir o no dolor por
su uso. De estos los más conocidos son los parches que insertan micro-agujas en la piel y los
relojes que toman muestras del intersticio1 para medir glucosa.

6.2.1. Parches
Es la forma en como se conoce al conjunto de dispositivos que utilizan un sistema adhesivo
para sujetarse a la piel y tomar medidas de manera continua, el equipo consta de una pequeña
aguja que se introduce generalmente en el brazo o abdomen como se muestra en la figura
6-4 y un equipo lector o medidor. Existen dos tipos, los que son únicamente sensores y los
que contienen sensor y dosificador, estos últimos inyectan metformina o insulina por medio
de agujas hipodérmicas u otras estructuras de micro-agujas. En este campo resaltan muchos
sensores en experimentación que han sido probados en animales y humanos, pero muchos
no poseen las caracterı́sticas necesarias para ser aprobados por las agencias reguladoras co-
1
El intersticio es un espacio contiguo lleno de lı́quido que existe entre la piel y los órganos del cuerpo,
incluidos los músculos y el sistema circulatorio.
6.2 Dispositivos mı́nimamente invasivos 29

rrespondientes (en el caso de Colombia, Ministerio de Salud, IETS e INVIMA). [57], [58], [59].

Figura 6-4: Parche FreeStyle Libre en brazo anterior [10].

Los parches tienen la limitación de ser desechables y durar por lo general máximo 15 dı́as,
esto quiere decir que hay que cambiarlos incurriendo en gastos periódicos, haciéndolos difı́cil-
mente accesibles por personas de bajos ingresos, a lo cuál se le suma que una mala postura
o esfuerzos al dispositivo colocado, pueden generar daños en el parche y en consecuencia el
cambio de éste [10].

En particular uno de los más mencionados entre usuarios de foros para la diabetes es el
FreeStyle Libre, un sistema de medición Flash que consiste en un sensor activo con forma
de parche alimentado por baterı́a y un lector que se conecta vı́a inalámbrica con el sensor
cuando este se encuentra a una pequeña distancia. Este posee la gran ventaja de posibilitar
las actividades acuáticas hasta 1m de profundidad, para realizar mediciones por ejemplo al
salir de nadar. Esto mejora en gran medida la calidad de vida de las personas según expe-
riencias reportadas en el sitio web del producto y en blogs de diabetes [10].

El dispositivo en cuestión es uno de tantos medidores intersticiales, qué posibilitan medir la

glucosa sin generar dolor (o muy poco) en comparación con la medición de sangre mediante
pinchazos. Esta medición de glucosa intersticial tiende a ser más imprecisa que la medición
de glucosa capilar debido a los retrasos del reflejo de glucosa de la primera con respecto a
la segunda, es decir los cambios en la glucosa sanguı́nea tardan entre 5 y 10 minutos en re-
flejarse en el lı́quido intersticial, que genera problemas durante perı́odos de cambios rápidos
de la glucemia. [60].

Otro conjunto de dispositivos prometedores dosifican insulina totalmente controlada, el pri-

mero usa células β para generar producción de glucosa [61], el segundo creado por los in-
 30 6 Estado del arte

vestigadores de la Universidad de Bath, publicada en la revista Nature nanotechnology [62],

se apoya de estructuras de grafeno para el censado de múltiples variables de la piel (pH,
Humedad y Glucosa) y un dosificador térmico mediante micro-agujas. [63]

Para cerrar este tipo de dispositivos, Roche Diabetes Care GmbH diseña el Accu-Chek
Insight CGM y Eversense CGM System el primero consiste en un parche que puede
durar hasta 7 dı́as implantado donde el dispositivo envı́a datos al celular para la visualización
de los niveles de glucosa, el segundo es un dispositivo parecido al parche que se instala en la
piel, este puede durar hasta 90 dı́as instalado, no tiene adhesivos y vibra para que el usuario
acerque su celular para informar el nivel de glucosa, la compañı́a de amplia experiencia en
la industria farmacéutica, posee estudios conforme a sus estándares y asegura predicción de
subida o bajada fuera de lo normal de la glucosa [64], es decir además de la estimación,
ofrece predicción según el histótico del paciente.

Este método permite a los usuarios realizar sus actividades diarias sin mayor complicación,
como desventaja presenta la necesidad de instalar apropiadamente el dispositivo, una mala
ubicación puede generar variaciones significativas en las medidas. La muestras son extraı́das
del lı́quido intersticial, el cual puede presentar atrasos o adelantos con respecto al nivel de
glucosa arterial.

Figura 6-5: Ilustración de prototipo de reloj K’Track midiendo la glucosa, el usuario

presiona el reloj para que tome una muestra sobre la piel [11].
6.3 Comparación de costos 31

6.2.2. Reloj o smartwatch

[11] Actualmente varias empresas trabajan en prototipos muy prometedores, pero estos aún
no se encuentran aprobados como sistema de monitoreo confiable, uno de estos es el K’Track
un gadget 2 predecesor del famoso Glucowatch y otros como Pendra, ImasD Health e
Infravitals. Se basan en micro agujas que se insertan en la piel, al poner el dedo sobre
el reloj y en el análisis del sudor, la ventaja es su practicidad y mejora de la calidad de
vida, pero los retos tecnológicos en la precisión de medición de biomarcadores 3 todavı́a son
grandes y desde la publicación del Glucowatch en 2001 aún no se ha logrado el dispositivo
prometido [11].

6.3. Comparación de costos

Tabla 6-1: Precios para cada dispositivo

Dispositivo Duración Precio semanal consu- Precio anual dispositivo +

consumi- mibles consumibles
bles
ACCU-CHECK 1 solo uso 16.36 USD (47184.37 30.67 + 850.95 = 881.62 USD
Nano (5 veces al COP) (2542706.69 COP)
dı́a) [22]
Parches FreeStyle 14 dı́as 29.94 EUR (101504 COP) 59.90 + 1556.88 = 1616.78 EUR
Libre [23] (5479461.43 COP)
Nota: Esta tabla fue realizada con los precios en las tiendas de paı́ses de origen del producto,
los costes de importación a Colombia podrı́an aumentar el valor al consumidor.
Las conversiones de moneda extranjera a pesos colombianos se hizo el 14 de Mayo de 2018 con
la herramienta de Google Inc. disponible en https://www.google.com/finance/converter.
No se compararon todas las tiendas que venden el producto, solo se usaron de referencia los
precios de las tiendas que recomendaba el fabricante del dispositivo.

2
Gadget: dispositivo que tiene un propósito y una función especı́fica, generalmente de pequeñas
proporciones.[65]
3
Biomarcador: sustancia usada como indicador del proceso y respuesta biológica.
 32 6 Estado del arte

6.4. Dispositivos no invasivos

Los dispositivos no invasivos no se encuentran actualmente en el mercado, solamente se
han presentado diferentes estudios a nivel académico, dentro los cuales existen soluciones
resultado de investigaciones con diferentes tipos de sensores, algunos elaboraron sus propios
sensores como son las nanopaletas [66], otros usan espectrofotómetros de laboratorio [25]
y sensores emisor-receptor de diferentes frecuencias [26, 27]. Como el principal interés es
medir la absorción en el infrarrojo cercano se presentan algunos desarrollos encontrados que
implementan esta solución.

Los métodos no invasivos en general, incluidos los métodos ópticos, al muestrear un volu-
men de tejido reciben señales desde todos los fluidos que contienen glucosa, y por tanto, la
concentración que observa el método es la de la matriz de fluidos y tejidos, y no sólo la de
la sangre [25].

6.4.1. Basados en la espectroscopia Raman

Con esta técnica obtiene el espectro de la glucosa mostrado en la figura 5-4, mediante la
cual se elige las caracterı́sticas de la fuente de luz a implementar, las principales limitaciones
son: la temperatura de la fuente de luz, la cual genera una relación señal a ruido baja, que no
permite distinguir las medidas entre las personas, exponen la importancia de tener un buen
filtro óptico que rechace la frecuencia fundamental de la fuente de luz, los espectros obteni-
dos se realizan con un espectrómetro, lo que implica un gran equipo para la medición, no es
viable tener un dispositivo portátil que funcione como un espectrómetro del mercado [25].
En este trabajo el autor plantea el análisis de la espectroscopia Raman como una solución
para determinar el nivel de glucosa de manera no invasiva en pacientes diabéticos, además
plantean que cualquier medida óptica hecha sobre el cuerpo, ya sea de absorción o reflexión,
solamente obtiene reacciones de glucosa del lı́quido intersticial, por lo que proponen ajustar-
lo con las pulsaciones cardı́acas, de esta manera rechazar las señales provenientes de otros
tejidos. Finalmente, obtuvieron una correlación (R2 ) de 0.854 con un error cuadrático medio
de la predicción (RMSEP) de de 41.16 mg/100 ml entre muestras entre 0 y 400 mg/100 ml,
cabe destacar que estas medidas se realizaron con muestras de cubeta con agua destilada y
glucosa, luego se tomaron los espectros de las diferentes muestras y por el método de mı́ni-
mos cuadrados obtuvieron el modelo con el error mostrado [25].

En [67] un equipo de investigadores muestra los resultados de un experimento realizado uti-

lizando espectroscopia Raman para medir los niveles de glucosa de manera no invasiva. En
este experimento iluminan el antebrazo de 17 personas con un emisor en el espectro NIR,
logrando un error absoluto medio (MAE) para cada persona de 7.8 % ± 1.8 % con un R2
de 0.83 ± 0.10. Para lograr dichos resultados, utilizaron un espectrómetro de laboratorio
6.4 Dispositivos no invasivos 33

especialmente diseñado para la aplicación, se tomaron con este instrumento 461 espectros
Raman durante 2-3 horas donde se presentaron cambios de glucosa en los voluntarios, el valor
de referencia de glucosa es tomado con un glucómetro capilar, el análisis de datos se realiza
por el método PLS. El error entregado fue calculado usando validación cruzada dejando una
de las medidas por fuera.

Es importante destacar que el análisis mediante la espectroscopia Raman, requiere instru-

mentos de detección muy sensibles, pues esta señal es muy pequeña, por ello normalmente se
utilizan espectrómetros de laboratorio, con dispositivos profesionales y de alto costo. Como
uno de los propósitos de esta investigación es desarrollar un dispositivo portátil, no es posible
implementar este tipo de análisis.

6.4.2. Basados en la espectroscopia de absorción

Las soluciones para estimar los niveles de glucosa en sangre mediante la espectroscopia de
absorción, son las más comunes dentro de las publicaciones de investigaciones, solamente
tienen en cuenta esta métrica para la estimación de la glucosa [26, 4], en ambos trabajos
usan únicamente esta entrada al algoritmo de inteligencia computacional. En [26] se realizan
medidas en un grupo de 8 personas y se verifica con el mismo grupo, por lo cual el error es
bajo entre el 1 % y 10 %, descartan muestras fuera de tendencia. La medición se realiza en
el dedo de la persona con un par emisor-receptor, fotodiodo y fototransistor exponen como
mayor dificultad el grosor de la piel. En [4] se toman muestras en 23 personas y se prueba con
una persona diferente a estas, el error absoluto medio presentado es del 22.8, en este trabajo
tratan el ruido del emisor de luz, como principal fuente de error. También probaron con
fuentes de luz en la región visible, el resultado es no detectar cambios entre los voluntarios,
por lo que marca para el proyecto un antecedente para no experimentar en esa región.

6.4.3. Espectroscopia de impedancia

Una de las maneras de medir la impedancia de un tejido es mediante un flujo de corriente de
intensidad conocida a través del mismo. Si el experimento se realiza con diferentes longitu-
des de onda alterna, se puede establecer la impedancia del espectro dieléctrico. El espectro
dieléctrico se mide en el rango de la frecuencia de 100 Hz a 100 MHz. Las variaciones en la
concentración de glucosa en plasma inducen en los glóbulos rojos de la sangre una disminu-
ción en la concentración de iones de sodio, y un aumento en la concentración de iones de
potasio [68]. Los cambios en la concentración de iones de sodio y potasio causan cambios en
el potencial de la membrana de los glóbulos rojos, que se puede estimar mediante la deter-
minación de la permitividad y la conductividad de la membrana celular a través del método
descrito anteriormente [69]. Esta técnica tiene como ventaja la información del comparti-
mento vascular de la glucosa . Sin embargo, la variación de la temperatura, la sudoración y
 34 6 Estado del arte

el movimiento son fuentes de error, además de que esta técnica requiere calibración. Algunos
problemas aún no han sido estudiados en profundidad, como el efecto del agua corporal y la
deshidratación.

Figura 6-6: Dispositivo Pendra tipo reloj, el cual analiza el espectro de impedancia [12].

Además, no se ha evaluado la influencia de algunas enfermedades que afectan a las membra-

nas celulares. El primer estudio del sistema de monitorización continua de glucosa no invasivo
con espectroscopia de impedancia fue publicado por el grupo de Caduff en 2003 [12]. Como
resultado de dicha investigación, la empresa Pendragon desarrolló un monitor de glucosa
situado en la muñeca, llamado Pendra 6-6. El equipo trabajó en un circuito de resonancia
LC de 1 MHz hasta 200 MHz, con la piel trabajando como dieléctrico del condensador. Una
limitación de esta investigación es la necesidad de un proceso de calibrado, el cual implicaba
que el paciente estuviese descansando durante 60 min antes de las mediciones de partida.

6.4.4. Iontoforesis
La iontoforesis inversa se basa en el flujo de una baja corriente eléctrica a través de la piel,
entre un ánodo y un cátodo colocados en la superficie de la misma. Al aplicar un potencial
eléctrico entre el ánodo y el cátodo, se provoca la migración de iones de sodio y cloruro
por debajo de la piel hacia el cátodo y el ánodo respectivamente. [13] En particular, es la
migración de iones de sodio la que genera la corriente. Las moléculas no cargadas, como
la glucosa, son llevadas junto con los iones a lo largo del flujo convectivo (electro ósmosis).
Este flujo hace que la glucosa intersticial sea transportada a través de la piel, quedando
ası́ recogida en el cátodo, donde se coloca un sensor tradicional para obtener la medida de
la concentración de glucosa directamente. Este sensor puede ser, por ejemplo, un electrodo
de platino basado en la glucosa oxidasa7 (GOx), detectando la producción de H2 O2 . Las
6.4 Dispositivos no invasivos 35

concentraciones de glucosa obtenidas en el fluido recogido son 1000 veces menores que las
existentes en el ISF. [13]
Las ventajas principales de esta tecnologı́a sobre otros sistemas basados en electrodos en-
zimáticos es que la concentración de glucosa es baja, ası́ que el suministro de oxı́geno no es
un factor limitante para la glucosa oxidasa. Además, la piel filtra las moléculas más grandes,
por lo que se reduce la probabilidad de que se ensucie el electrodo, y las moléculas activas
electroquı́micamente que pueden causar interferencias, como el urato y el ascorbato, se llevan
lejos del ánodo del sensor. Como inconvenientes, se tiene que la extracción de glucosa tiene
una relación aproximadamente lineal con la densidad y la duración de la corriente ionto-
forética, con lo que, para tener una cantidad suficiente de glucosa para realizar la medición,
son necesarios tiempos de exposición al potencial eléctrico que a menudo tienden a causar
irritación en la piel. Además, es necesario un calentamiento previo de unas 2-3 horas. Los re-
sultados obtenidos no son concluyentes, ya que se producen inexactitudes que podrı́an estar
provocadas porque la cantidad de glucosa existente en el ISF y en el fluido recogido puede
no ser la misma que la de la sangre. Tampoco hay estudios que demuestren que este tipo
de sensores puedan ser capaces de detectar los cambios rápidos del nivel de glucosa en sangre.

Figura 6-7: Tatuaje basado en iontoforesis [13].

Un ejemplo de estos dispositivos es el tatuaje temporal desarrollado en la Universidad de

California, es el primer prototipo probado únicamente en laboratorio donde se ajusta hasta
por 24 horas un circuito como el que se muestra en la 6-7, el cual extrae glucosa intersticial
de la piel y la procesa por el método descrito anteriormente, el medidor es un biosensor
enzimático [13]. Las principales limitaciones de este dispositivo son: el costo de cambiar
diariamente los tatuajes, la ayuda de un profesional en su postura y finalmente, el dispositivo
toma medidas del lı́quido intersticial el cual puede tener adelantos o atrasos con respecto a
la glucosa en sangre.
 36 6 Estado del arte

6.4.5. Medidor ocular

Dentro de los dispositivos no invasivos existe un nuevo campo cuya exploración recién está
iniciando, los ojos, conocidos como la ventana del alma, pueden ser la puerta de entrada
que facilite el diagnóstico y control de diversas enfermedades, no solo diabetes, esto podrı́a
evitar que pacientes diagnosticados con diabetes puedan evitar los punzones repetitivos de
los métodos invasivos, compañı́as como Google, Samsung, Apple y Sensimed se encuentran
trabajando en proyectos que por medio de una luz LED incorporada pueden señalar cuando
una condición requiere atención.

Figura 6-8: Lente Triggerfish [14].

De todos estos proyectos destaca Triggerfish de Sensimed, quienes trabajan en un lente

patentado que puede medir la presión en el ojo del paciente, facilitando el diagnóstico de
glaucoma, esto además de ser muy cómodo facilita la obtención de datos las 24 H a largo
plazo, el dispositivo consiste de delgados y casi transparentes electrodos incrustados en el
material plástico de los lentes de contacto convencional como se muestra en la figura 6-8,
actualmente Sensimed cuenta con una base de datos de 2.000 pacientes. El análisis de la
glucosa supone una reacción de color según niveles bajos, normales o altos de glucosa en las
lágrimas, hasta el momento solamente es una investigación prometedora.
 7
Propuesta metodológica

7.1. Metodologı́a
La metodologı́a seguida durante el proyecto fue la cuasi experimental pues no fue posible
controlar todos los factores externos que podı́an afectar las medidas, además no se tienen
equipos especializados para el desarrollo de la misma como espectrómetros u otros medidores
de luz, balanzas profesionales, agitadores, entre otros, se buscó relacionar las variables enun-
ciadas en el marco teórico experimentalmente con la medida del nivel de glucosa. El diseño
y el desarrollo del dispositivo se ha realizado de forma iterativa, comprobando cada una de
las partes y elaborando modificaciones sobre el mismo. Con esto fue posible obtener menor
cantidad de errores cuando se unieron las soluciones descritas, es por esto que se evitaron
metodologı́as en cascada.

Este trabajo se dividió en 6 etapas para su construcción.

1. Elección de la sensórica: Con un multı́metro de precisión se midieron tensiones

de diferentes concentraciones de glucosa conocidas por el método de transmisión, con
diferentes frecuencias ópticas de funcionamiento y diferentes caracterı́sticas fı́sicas. A
partir de estas medidas se eligieron los sensores que describı́an mayores cambios de
tensión como único criterio.

2. Elaboración de prototipo y mediciones corporales: Se elaboraron tres prototipos

de medición, uno midiendo transmisión óptica en un dedo de la mano de dos voluntarios
y dos midiendo reflexión óptica, uno en la muñeca y otro en el brazo. La comparación
de las señales se realizó mediante el osciloscopio pues la frecuencia de operación de los
sensores elegidos coincide con la frecuencia de detección del pulso cardı́aco, por ende
las señales obtenidas son alternas.

3. Acondicionamiento de las señales para usarlas en el microcontrolador: Luego

de escoger la medición en un dedo de la mano, se estudiaron los datos obtenidos
mediante el osciloscopio, con esto se diseñaron circuitos para acondicionar la salida de
voltaje a la entrada de un microcontrolador.
 38 7 Propuesta metodológica

4. Construcción de una base de datos: Se obtuvo una base de datos con 47 personas
voluntarias, se les tomó una muestra de sangre para obtener una referencia de nivel de
glucosa real, preguntas clave asociadas al alto nivel de glucosa en sangre y mediante
un Script de Python las medidas de tensión de las variables anteriormente descritas.

5. Análisis de los datos: Se analizaron 59 señales ópticas pertenecientes a 48 volun-

tarios, los datos se analizaron tomando diferentes métricas de la señal óptica, media,
máximo, mı́nimo, coeficientes de transformadas, señal pico a pico, entre otros, para
identificar las entradas que se ingresarán al algoritmo de inteligencia computacional
con la temperatura.

6. Dispositivo final: Mediante una aplicación de celular como visualizador se muestran

las estimaciones de glucosa nuevas, para cada usuario se realiza un cuestionario y las
medidas durante 80 segundos donde el usuario debe permanecer tranquilo, el microcon-
trolador envı́a los datos tomados por medio de bluetooth al celular, donde se ejecuta
el algoritmo que mejor se adaptó a la solución del problema.

7.2. Hipótesis

Hipótesis conceptual
Al incidir en una sección de piel traslucida un haz de luz monocromático a la longitud de
onda que la glucosa presenta absorción, es posible mediante el análisis de la cantidad de luz
reflejada y transmitida, determinar el nivel de glucosa en sangre. Esto, teniendo en cuenta
que la absorción se define como la cantidad de luz que capta un compuesto y es liberado
en calor, por lo que para describirlo, se tiene en cuenta la luz que logra traspasar la piel, la
que se devuelve y la que se disipa en el compuesto, por ello adicionalmente es útil medir la
temperatura.

7.2.1. Hipótesis experimental

La relación de un nivel de glucosa real con las señales ópticas de reflexión y transmisión,
junto a la medición de temperatura de la zona donde se incide una luz monocromática a
la frecuencia de absorción de glucosa, permitirá la elaboración de una base de datos de
entrenamiento con la cual, se pueda desarrollar un proceso de aprendizaje supervisado que
detecte diferencias en las señales obtenidas. Adicional a esto, tener en cuenta el padecimiento
de diabetes y factores de riesgo asociados a altos niveles de azúcar en sangre, hacen que el
sistema pueda encontrar variaciones en los datos, que generen la estimación adecuada, pues
se debe tener en cuenta que los tejidos de los diabéticos no funcionan de la misma manera
que los tejidos de una persona con niveles normales de azúcar en sangre.
7.3 Técnica para la adquisición de señales ópticas y muestras 39

7.3. Técnica para la adquisición de señales ópticas y

muestras
El protocolo para la medición permite usar un método general para la obtención de las
señales, dando como resultado medidas uniformes donde se reduzca la cantidad de errores que
se pueden presentar durante las medidas, a continuación se enumeran las 5 etapas propuestas
para las medidas en voluntarios.

1. Realización de cuestionario Al iniciar se le asignó a cada paciente un ID sin tomar

ningún dato personal, luego se tomaron medidas de peso, cintura y talla. Mientras se
contestaba un cuestionario con preguntas asociadas a los altos niveles de glucosa en
sangre. Con esto se busca que la persona de tranquilice antes de las mediciones.

2. Medición no invasiva Se le pidió al voluntario estar sentado durante la prueba,

ofrecer el dedo ı́ndice e introducirlo en el dispositivo hasta un tope, no presionar la
base de vidrio para la medición y permanecer tranquilo durante 2 minutos.

3. Toma de medidas por el microcontrolador Al iniciar la prueba se ejecutó el

comando para el almacenamiento de datos en Python en el computador, luego de esto
se da inició a la adquisición de señales por el microcontrolador, las muestras tomadas
se envı́an vı́a puerto serial USB UART(Transmisor-Receptor Ası́ncrono Universal) al
computador y se guardan automáticamente cuando se han enviado todos los datos
tomados en un archivo el cual se identifica por fecha y hora del guardado.

4. Preparación de la piel Se limpió mediante movimientos circulares tanto la superficie

de la piel donde se punzará como alrededor de esta, se usó un algodón humedecido con
gel antibacterial y luego se dejó secar el alcohol.

5. Toma de nivel de glucosa Se punzó el dedo con una lanceta nueva y estéril, se
presionó levemente el dedo hasta obtener una gota de sangre de unos 3 mm, luego se
alistó una tira nueva en el medidor, se esperó a que el dispositivo solicitara la muestra
de sangre y se puso la gota, finalmente se le asocia el archivo obtenido con el ID del
paciente y el nivel de glucosa medido.
 8
Elección de sensórica y variables relacionadas
a la estimación de la glucosa

Para la etapa 1, con base en la gráfica de absorción de la glucosa en agua destilada mostrada
en la sección 5.2.3, se realizó la transformación del número de onda a la longitud de onda
mediante la ecuación 5-2, como se observa en la imagen 8-1 la mayor absorción de la glucosa
se da entre 810 - 830 nm, con esta información y la disponibilidad del mercado, se adquirieron
parejas emisor-receptor de las siguientes frecuencias: 820 nm, 940 nm, 950 nm, 850nm y
860 nm, con diámetro de: de 3 mm, 5 mm y dispositivos de superficie; esto con el fin de
encontrar la frecuencia que mejor se adapta a la solución del problema. El ancho de banda
de sensibilidad de cada uno se muestra en los anexos en el apéndice 2.

1.0

0.8

0.6
Intensidad

0.4

0.2

0.0

800 850 900 950 1000 1050

Longitud de Onda / nm

Figura 8-1: Espectro Raman de la glucosa en agua destilada con un láser fuente de 514 nm
en longitud de onda[7]
 41

La absorción de la glucosa en sangre es diferente a la mostrada en la figura8-1, pues en la

sangre hay influencia de lı́quidos y otros compuestos, ası́ como la medida in vivo involucra
huesos y piel, por ende se adquirieron sensores a la frecuencia que indican los autores que
han realizado este tipo de medida. Idealmente el diodo debe ser láser y de alta potencia, es
decir, el espectro que describe debe ser lo más estrecho posible en la frecuencia de interés
e incidir la luz suficiente para traspasar la piel, se adquirieron los sensores y emisores LED
que describı́an en su hoja de datos con bajo ancho de banda en el espectro. En la tabla 8-1
se muestran las referencias de los dispositivos adquiridos, en la tabla 8-2 las caracterı́sticas
eléctricas principales, para observar las demás caracterı́sticas se recomienda ver en los anexos
el apéndice 2.

Tabla 8-1: Descripción de los dispositivos adquiridos para la toma de muestras ópticas en
el rango del infrarrojo cercano.

Referencia Descripción Caracterı́stica

SFH 4851 Emisor infrarrojo 860 nm Diámetro 5 mm
VSMS3700-GS08 Emisor infrarrojo 950 nm Dispositivo de superficie
TSHG8400 Emisor infrarrojo 820 nm Diámetro 5 mm
LTE-4206 Emisor infrarrojo 940 nm Diámetro 3 mm
LT 1062 Emisor infrarrojo 940 nm Diámetro 5 mm
IRP8013 Emisor infrarrojo 850 nm Diámetro 8 mm
VEMD6060X01 Fotodiodo 820 nm Dispositivo de superficie
BP 104 FS-Z Fotodiodo 950 nm Dispositivo de superficie
SFH 229 FA Fotodiodo 860 nm Diámetro 3 mm
LTR-4206E Fototransistor NIR Diámetro 3 mm

Tabla 8-2: Descripción eléctrica de los dispositivos adquiridos.

Referencia Corriente inversa Voltaje inverso

SFH 4851 100 mA 2V
VSMS3700-GS08 100 mA 1.7 V
TSHG8400 100 mA 1.8 V
LTE-4206 60 mA 1.6 V
LT 1062 100 mA 1.6 V
IRP8013 60 mA 1.42 V
VEMD6060X01 50 mA 1.1 V
BP 104 FS-Z 100 mA 1.3 V
SFH 229 FA 100 mA 1.3 V
 8 Elección de sensórica y variables relacionadas a la estimación de la
42 glucosa
Materiales
A continuación se listan los equipos y materiales usados para el desarrollo de la primera
etapa del proyecto.

• Multı́metro de precisión.

• Osciloscopio digital.

• Fuente DC.

• Envases de vidrio de 10 y 25 ml.

• Agua destilada.

• Dextrosa en polvo.

• Balanza de bolsillo.

Se realizaron quince muestras en envases de vidrio con el fin de evitar la reacción de los
compuestos a usar con plástico u otros materiales de envase, pues, el vidrio se caracteriza
por ser un material inerte. Con ayuda de una balanza de bolsillo como la que se muestra en
la figura 8-2c, se elaboraron muestras con agua destilada y dextrosa, pues fue el compuesto
en polvo que se encontró en el mercado. La balanza posee dos decimales de precisión y un
error de ± 0,005 gr, con una medida máxima de 2 kg. De las 15 muestras, 6 se hicieron
en frascos de color ámbar de 10 ml y 9 en envases transparentes de 25 ml como los que se
muestran en las figuras 8-2b y 8-2a.

En los envases transparentes se prepararon muestras con concentración de glucosa simi-

lar al rango que se presenta en la sangre, los rangos normales de glucosa se encuentran entre
70 y 200 mg/dL [1], se prepararon concentraciones por encima y por debajo de la referen-
cia del rango normal. Se calculó la cantidad de dextrosa que debe agregarse en cada frasco
conociendo la capacidad máxima del envase la cual es de 25 ml, se tomó la medida de agua
destilada con una jeringa y con las ecuaciones que se muestran a continuación, se realizó el
cálculo de dextrosa necesaria.

mg/ml
mg/dL = (8-1)
100

mg 25ml = mg/ml · 25 ml (8-2)

 43

(a) Envase ámbar de 10 ml. (b) Envase transparente de 25 ml.

(c) Balanza de bolsillo.

Figura 8-2: Envases de vidrio utilizados y balanza.

Las mezclas hechas en los frascos de color ámbar se hicieron con valores de dextrosa muy
grandes, estos envases se utilizan para evitar la reacción del soluto con el sol, pero como
no se mantuvieron mucho tiempo estas mezclas, solamente se tuvieron en cuenta como una
referencia de color para observar el comportamiento de los sensores.

Tabla 8-3: Concentraciones de glucosa grandes y masa necesaria para 10 ml.

Valor deseado / mg/dL Masa en 10 ml /g

450 0.045
900 0.090
1350 0.135
1800 0.180
2250 0.225
2700 0.270

Las concentraciones elaboradas se presentan en las tablas 8-4 y 8-3, los valores mostrados en
 8 Elección de sensórica y variables relacionadas a la estimación de la
44 glucosa
mg/dL corresponden a la cantidad de glucosa que puede encontrarse en sangre tı́picamente
y la cantidad en gramos necesaria para hacer esta concentración en un envase con 25 ml de
agua destilada mediante las ecuaciones 8-1 y 8-2. Esta medida se realizó en la balanza, cabe
destacar que se eligieron estas medidas por la resolución que describe la balanza, como no era
posible realizar medidas distinguiendo por debajo de 0.01 g, se toman valores con intervalo
de 0.01 g, el error máximo entre las medidas es de ± 20 mg/dL. La cantidad de dextrosa
deseada es muy pequeña para diferenciarla solamente poniendo el polvo sobre la plataforma
de la balanza, por tanto, se optó por realizar la medida del envase y agregar dextrosa hasta
medir la diferencia deseada.

Tabla 8-4: Concentraciones de glucosa posibles en sangre y masa necesaria para 25 ml.

Valor deseado / mg/dL Masa en 25 ml /g

40 0.01
80 0.02
120 0.03
160 0.04
200 0.05
240 0.06
280 0.07
320 0.08
360 0.09

(a) Envase transparente. (b) Envase de color ámbar.

Figura 8-3: Fotografı́as de base y sensor para la medida de transmisión.

El circuito de la figura 8-4b tiene como receptor óptico un foto transistor, la resistencia se
halló a partir de la hoja de datos, la señal es obtenida a través del emisor. Las medidas
se hicieron ubicando los sensores como se muestran en la figura 8-3, se conservó la misma
distancia y la dirección de apuntamiento ajustando los sensores a las bases como se aprecia
 45

en la misma, cada par emisor y receptor tenı́a su propia base, como se aprecia en la 8-
3b, el envase de color ámbar es más angosto que el envase transparente, por tanto este es
más susceptible a diferentes ubicaciones que tienen como resultados diferentes medidas, en
especial con rayos de luz incidiendo en los bordes.

(a) Circuito de recepción óptica con fo-

todiodo.

(b) Circuito de recepción óptica

con foto transistor.

Figura 8-4: Configuraciones tı́picas para sensores ópticos. Tomado de [15].

Los circuitos implementados son los mostrados en las figuras 8-4a y 8-4b, el circuito de la
figura 8-4a corresponde a la configuración tı́pica para un emisor y receptor tipo diodo, las
variaciones de luz a la frecuencia óptica de trabajo generan cambios de corriente que junto a
la resistencia revelan cambios de tensión acordes a la cantidad de luz que logra traspasar el
material, en este caso una solución de dextrosa con agua destilada, la señal es tomada luego
del seguidor de tensión, este se usa para no tener efectos de cargabilidad con el medidor,
pues la impedancia del circuito es comparable con la del medidor, mientras la impedancia
de salida del amplificador operacional es del orden de los MΩ.

Los valores de resistencia mostrados en la figura 8-4 se obtuvieron a partir de los valores de
la tabla 8-2. Los cuales se muestran a continuación:

V =I ·R
4
R=
50 · 10−3
R = 80 Ω

Lo cual indica que para el diodo emisor el mı́nimo valor de resistencia es de 80 Ω, para no
 8 Elección de sensórica y variables relacionadas a la estimación de la
46 glucosa
llegar al lı́mite de la corriente se eligió una resistencia de 220 Ω, lo cual genera un máximo
de 18 mA.
Según el cálculo anterior, teniendo en cuenta una corriente de 30 µA, se obtiene:

V =I ·R
4
R=
30 · 10−6
R = 133,33k Ω

De acuerdo a la afirmación anterior, se elige una resistencia de 200 kΩ.

8.1. Variables a sensar

Se eligieron tres variables a medir, la temperatura de los dedos, transmisión y reflexión
óptica, estas últimas dos con el fin de describir la absorción de luz de la glucosa a 950 nm
como se ha justificado en los capı́tulos anteriores. El fenómeno de la absorción es análogo
al de la resonancia, donde el rayo de luz incidente es capaz de hacer vibrar las moléculas
que lo componen, deteniendo la luz en el compuesto, lo que es similar a la resonancia en
un circuito donde al coincidir a una frecuencia las reactancias inductivas y capacitivas,
almacenan toda la energı́a de la fuente. Esta energı́a almacenada puede liberarse en forma
de calor o retransmitirse, por tal motivo se agrega el análisis de la temperatura en la zona
de medida, pues esta también aumenta cuando la persona sufre de diabetes, es por ello que
se tiene una sensación mayor de sed.

8.2. Elección de preguntas para la base de datos

Teniendo en cuenta la revisión realizada en el marco teórico y estado del arte acerca de la dia-
betes, sı́ntomas y caracterı́sticas generales, se planteó junto a las medidas glucosa en sangre,
la realización de preguntas claves con la estimación de la glucosa. Las principales relaciones
que se encuentran con la diabetes y los altos niveles de glucosa en sangre son: antecedentes
familiares, edad, género, ı́ndice de masa corporal (IMC), el cual depende de la estatura y el
peso, medida de la cintura, hábitos diarios, como: consumo alto de bebidas azucaradas, bajo
consumo de agua, práctica baja de deportes y alto consumo de cigarrillo. Además, sensacio-
nes corporales como: micción frecuente o necesidad de orinar frecuentemente, sed excesiva
aún consumiendo lı́quidos, fatiga crónica, visión borrosa y pérdida o ganancia repentina de
peso.

Se diseñó un rápido cuestionario con preguntas cuantitativas y binarias, esto para determi-
nar la posibilidad de catalogar los hábitos con etiquetas como: poco, normal y mucho, ó
simplemente si ó no, que lleguen a tener una relación con la estimación de la glucosa. El
8.2 Elección de preguntas para la base de datos 47

cuestionario esta dividido en medidas antropomórficas y preguntas, las cuales se describen a

continuación:
• Cuantitativas:

− Edad.
− Estatura y peso.
− Cintura.
− Cantidad de hijos.
− Cantidad de cigarrillos diaria.
− Consumo de bebidas azucaradas diaria.
− Practica de deporte diario. Mignición frecuente

• Binarias y generales:

− Sexo.
− Padecimiento de diabetes y el tipo.
− Antecedentes de diabetes en la familia.
− Hábito del cigarrillo.
− Sed excesiva.

(a) Prevalencia de personas con DM por edad y sexo [1].

(b) Estadı́sticas de las causas de la DM en Chile.

Figura 8-5: Factores relacionados con la DM [1].

 8 Elección de sensórica y variables relacionadas a la estimación de la
48 glucosa
La relación de la glucosa con estas caracterı́sticas, se ha consultado en los documentos de
la FID, OMS y las instituciones que analizan la salud en Colombia [1, 18, 2], donde se
encontró que en su mayorı́a las personas que padecen de DM son de la tercera edad, pues los
órganos asociados a la producción de la insulina degradan su funcionamiento, produciendo
menos o de menor calidad, en la figura 8-5a puede observarse esta relación, sin embargo en
los últimos años con el crecimiento de los malos hábitos como lo son: la falta de deporte
diario, alto consumo de bebidas azucaradas y alto consumo de cigarrillo se ha incrementado
el número de casos en jóvenes con la enfermedad, en la figura 8-5b se muestra la relación
de estos hábitos con los altos niveles de glucosa según las estadı́sticas de Chile, como se
observa el 53,55 % de los casos se presentan por sedentarismo, 25,26 % por obesidad y 3,28 %
por consumo de tabaco, mientras que en EEUU se reportó del total de adultos que sufrı́an
de diabetes en el perı́odo del 2011-2014 el 87,5 % sufrı́a de sobrepeso, el 50,4 % consumı́a
tabaco ó habı́a fumado al menos 100 cigarrillos en su vida y 40,8 % era fı́sicamente inactivo
[70]. Estos hábitos pueden describirse con algunas medidas como lo son el IMC y medida
de cintura en cm. Finalmente, hay una relación con los antecedentes familiares y sexo, por
otro lado, el tratamiento de la diabetes con insulina, puede cambiar las estimaciones que se
realicen, por lo que es importante tener estos casos dentro de la base de datos.
 9
Construcción del dispositivo estimador de
glucosa

La construcción del dispositivo esta divida en dos partes, una parte es la construcción del
hardware o fı́sica y otra del software, en la sección 9.1 se describen las decisiones de diseño
para la adquisición de las señales ópticas, circuitos de prueba utilizados, acondicionamiento
y filtrado; finalmente se describe el posicionamiento de los sensores y diseño fı́sico del dis-
positivo. En la sección 9.2 se describen 2 partes para la construcción del dispositivo donde
se realiza la adquisición de las señales, conexión inalámbrica del microcontrolador con el
smartphone y visualización de los datos a través de una app en el celular. La última parte
correspondiente a la construcción del software para el análisis de las señales obtenidas y el
algoritmo de inteligencia computacional implementado se presenta en el siguiente capı́tulo.

9.1. Hardware
9.1.1. Circuitos de acondicionamiento
9.1.1.1. Acondicionamiento para sensor de luz
Los fotodiodos elegidos son sensores de luz que describen cambios de corriente, los niveles de
corriente son pequeños en el orden de µA, midiendo únicamente el sensor con un multı́metro
de precisión y excitándolo con una luz a la frecuencia de operación, es posible medir la
corriente que describe, los rangos encontrados son:

950 nm : 7 nA − 6 µA
820 nm : 15 nA − 7 µA

Teniendo en cuenta los valores descritos anteriormente, se implementa un circuito de transim-

pedancia o convertidor de corriente a voltaje, como se muestra en la figura 9-1, este circuito
se usó durante la elección de la zona a medir con los sensores. Considerando los niveles de
corriente medidos y los mostrados en las hojas de datos, es importante elegir adecuadamente
el amplificador operacional, para este tipo de aplicación la corriente de BIAS en la entrada
 50 9 Construcción del dispositivo estimador de glucosa

tiene que ser del orden de los pA, pues estas corrientes no deben ser comparables con las
corrientes a sensar, por tanto, se eligió el dispositivo TLC 272 el cual tiene dos amplificadores
operacionales en el encapsulado, adicional para evitar más circuitos de acondicionamiento
también se buscó este dispositivo por describir una ventana de operación desde 0 V, lo que
evita el uso de una fuente dual para obtener una mejor ventana, en consecuencia es conve-
niente medir el voltaje voh y definir el valor de la fuente, el rango corresponde a vcc − 0,7 V

Figura 9-1: Amplificador inversor con fotodiodo polarizado en inverso [16] pp 69 sección
2.1.

En la figura 9-1 se muestra una configuración no convencional que permite obtener un diseño
con resistencias comerciales de valores no tan altos, este circuito describe como salida las
ecuaciones 9-1 y 9-2, donde i es la corriente de entrada del fotodiodo.

vo = −k · R · i (9-1)
R2 R2
k =1+ + (9-2)
R1 R
Con una ganancia de 400 k es posible obtener al mayor apuntamiento una salida de aproxi-
madamente 3 V , usando resistencias comerciales la ganancia diseñada es de 405,237k.

Decisiones de diseño

Experimentando con el circuito de la figura 9-1, se encontró que las señales obtenidas tenı́an
baja ganancia pues la mayor parte de la señal es absorbida o reflejada por la piel, además
de esto en ocasiones no tenı́a un buen comportamiento, haciendo un análisis más profundo
de la utilización de los fotodiodos en biomedicina se encontró que la técnica de la polari-
zación inversa para el fotodiodo es conveniente en sistemas con rápida respuesta donde el
principal objetivo es detectar o no presencia de objetos, este tipo de polarización es más
sensible a amplificar la corriente oscura del dispositivo y no la corriente proporcional a la
luz, se encontró que lo más adecuado es utilizar un amplificador de transimpedancia en el
9.1 Hardware 51

que se fuerce un cortocircuito a través del fotodiodo y la amplificación de corriente dependa

únicamente de las variaciones luz. Esto mantiene baja la corriente oscura del fotodiodo y la
desviación asociada de ruido y temperatura, pero da como resultado una mayor capacitancia
del fotodiodo. Por lo tanto, la técnica de polarización cero se usa para sistemas relativamente
lentos como los biológicos donde los niveles de potencia óptica varı́an de muy pequeños a
muy grandes.

Figura 9-2: Amplificador de transimpedancia con entrada de fotodiodo cortocircuitado [15]

pp 7.

La ecuación 9-3 es la que describe el circuito de la figura 9-2, simplemente la corriente i es la

producida por el fotodiodo, para que la salida sea positiva se configura en inverso el fotodiodo.
La resistencia elegida es 1 M Ω para una ganancia de un millón, con esta configuración la
salida de la señal se encontraba en un promedio de 2 V .

vo = −i · R (9-3)

9.1.1.2. Acondicionamiento para sensor de temperatura

El sensor de temperatura que se instaló en la caja de medición es el LM35, este se eligió
porque la resolución necesaria para describir la temperatura ambiente como referencia no
es necesario que sea alta, por cada grado Celsius este entrega 10 mV, además la salida de
este sensor es lineal. Para aprovechar el rango se estableció una medida máxima de 50°C y
teniendo en cuenta que la entrada máxima al microcontrolador es 3,3 V se halla la ganancia
G en la siguiente ecuación
3,3
G= = 6,6
10 · 10−3 · 50
El acondicionador propuesto es el amplificador no inversor mostrado en la figura 9-3, la
realimentación es negativa para asegurar que el circuito sea estable, la señal entra a través
del pin no inversor del amplificador. La ecuación 9-4 es la que describe este circuito, estable-
ciendo R2 como 1,5 kΩ y despejando R1 de la ecuación 9-4, se obtiene R1 como 267,85 Ω,
 52 9 Construcción del dispositivo estimador de glucosa

comercialmente la resistencia más cercana es 240 Ω. Finalmente es necesario balancear el

circuito para que cada entrada del amplificador operacional note la misma impedancia y la
ganancia sea lineal, para esto R3 se calcula como el paralelo de R1 y R2 , obteniendo 206,89 Ω,
el valor comercial más cercano es 200 Ω.
 
R2
vo = vi +1 (9-4)
R1

Figura 9-3: Amplificador en configuración no inversora [16].

9.1.2. Diseño del filtro pasa bajo a 10 Hz

En la figura 9-4 se muestra la gráfica obtenida al aplicar la transformada rápida de Fourier
(FFT) para determinar las componentes frecuenciales que describen la señal de transmisión.
La gráfica describe picos entre 0 - 2 Hz aproximadamente, esta frecuencia depende directa-
mente de las pulsaciones del corazón, por tanto, la máxima pulsación que podrı́a recibirse
es de 4 Hz, para lograr esta frecuencia de corte es necesario valores de resistencia muy al-
tos o condensadores muy grandes, además se busca implementar solamente un amplificador
operacional para simplificar el diseño. Además unos picos de potencia comparable a una
frecuencia cercana a 60 Hz.

0.16

0.14

0.12
Densidad de Potencia Espectral

0.10

0.08

0.06

0.04

0.02

0.00
0 10 20 30 40 50 60
Frecuencia (Hz)

Figura 9-4: Espectro obtenido para una señal de transmisión en el dedo.

9.1 Hardware 53

Se utilizó la herramienta de diseño de circuitos Filter Pro de la Texas Instruments, donde

se eligió el diseño de un filtro de segundo orden con únicamente un amplificador operacional
sintonizado en 10 Hz. El esquema obtenido con los valores de resistencia y condensador se
muestran en la figura 9-5. Este tiene una configuración Sallen Key.

Figura 9-5: Filtro pasabajo propuesto sintonizado a 10 Hz.

Cuando se probó las señales con y sin filtro del dispositivo conectado a una baterı́a, se
eliminaron los picos obtenidos luego de aproximadamente 5 Hz, en consecuencia los picos
observados corresponden a ruido por conexión a la red eléctrica, por lo que se mantiene el
filtro para el caso en que el medidor sea conectado a la red eléctrica.

9.1.3. Sensor de temperatura

La temperatura corporal se caracteriza porque a pequeños cambios de temperatura se tienen
grandes cambios corporales, una temperatura corporal adecuada entre 35°C - 37°C, con
una temperatura entre 37.1 °C - 37.9 °C se considera que la persona se encuentra en un
estado febril, por lo que es necesario utilizar un sensor con una buena resolución. Para ello
se adquirió el sensor TMP102 el cual tiene una resolución de 0.0625 °C, en la figura 9-6
se muestra el dispositivo adquirido, el sensor otorga las medidas mediante la comunicación
I 2 C, la configuración de este se muestra en los anexos, adicional se muestra el código en el
apéndice B.

Figura 9-6: Sensor de temperatura TMP102 implementado.

 54 9 Construcción del dispositivo estimador de glucosa

9.1.4. Elección de microcontrolador

El microcontrolador que se eligió para desarrollar este proyecto es el ESP32, el cual posee un
módulo Bluetooth 4.2/BLE y un módulo WiFi 802.11 b/g/n/e/i para el envı́o de información
inalámbricamente. Adicional a esto tiene una entrada para baterı́a de 3.3 V y permite cargarla
cuando este conectado el microcontrolador por USB a cualquier fuente de energı́a, la principal
limitación de este microcontrolador es que tiene un conversor analógico - digital inestable,
cada voltaje varı́a ±20 cuentas, por este motivo se optó por usar un módulo ADC externo.
Las señales analógicas que recibe están en el rango de 0-3.3 V.

(b) Conversor analógico - di-

(a) Microcontrolador ESP32 gital ADS1015

Figura 9-7: Microcontrolador y ADC elegidos para la obtención de señales.

El módulo ADC elegido es el mostrado en 9-7b, la referencia de este es el ADS1015, este

conversor de precisión esta basado en un conversor ∆Σ según la ganancia configurada el con-
versor es capaz de describir diferentes resoluciones con una descripción de 12 bits, adicional
este acepta tensiones negativas identificadas con el bit más significativo, como este proyecto
solamente contempla tensiones positivas se pueden aprovechar 11 bits, con una resolución
de 2 mV por cada cuenta. El módulo ADC funciona por el protocolo de comunicación serial
I 2 C, las configuraciones necesarias se muestran en las hojas de datos del apéndice A de los
anexos y el código de configuración en el apéndice B.
Para integrar los dos medidores al microcontrolador se utilizó la comunicación I 2 C obtenida
de la hoja de datos, el esquema general se muestra en la figura 9-8, el microcontrolador
actúa como maestro, tiene dos esclavos los cuales son el sensor de temperatura y conversor
analógico-digital.
9.1 Hardware 55

ESP32 ADS 1015

Vcc Vcc
100uF
GND GND

10k Rp

15 SCL SCL
14 SDA SDA

10k Rp ADDR (1001000)

ALRT/RDY
Reflexión (820nm) A0
Transmisión (820nm) A1
Reflexión (950nm) A2
Transmisión (950nm) A3

TMP102
GND
1.4 - 3.6v
SDA
SCL
ALT
ADD0 (10010001)

Figura 9-8: Esquema de comunicación I 2 C con el microcontrolador como maestro y dos

esclavos.

9.1.5. Fuente de poder

El módulo de alimentación consta de 1 baterı́a de biopolı́mero litio de 3V capaz de sumi-
nistrar una corriente de 1000 mAh, donde a la salida del microcontrolador se implementó
un regulador de voltaje, el elegido es el Pololu S7V8A, este es un regulador de conmutación
(también denominado fuente de alimentación de modo conmutado (SMPS) o convertidor de
CC a CC) que utiliza una topologı́a de aceleración. Toma un voltaje de entrada de 2,7 V a
11,8 V y aumenta o disminuye el voltaje a una salida ajustable por el usuario entre 2,5 V
y 8 V con una eficiencia tı́pica de más del 90 %. Para este caso se ajustó el potenciómetro
de tornillo mostrado en la figura 9-9, hasta obtener a la salida 4 V , la salida del microcon-
trolador varı́a entre 3,3 V y 5 V , estas salidas dependen de la conexión del mismo al puerto
USB o a la baterı́a únicamente.

Figura 9-9: Regulador de voltaje POLOLU 2118.

 56 9 Construcción del dispositivo estimador de glucosa

9.1.6. Construcción fı́sica del dispositivo

Para la construcción del medidor se tuvo en cuenta que este no debe tener entrada de luz
ambiental, por lo que se eligió una caja negra con un orificio de cuadrado de 2 x 2 cm, como
se muestra figura 9-10, con esto se garantiza la entrada de dedos con diferentes diámetros;
para disminuir la entrada de luz ambiental a través del orificio se instaló una capa de foami
con cortes en diagonal para que se adapten al tamaño de los diferentes dedos, los materiales
como la espuma se deforman con el uso del dispositivo.

Figura 9-10: Medidor construido.

Se ubicó en la base de la caja, un emisor de luz en paralelo con el fotodiodo, esto para la
medición de reflexión, encima de este se encuentra un vidrio de muestra transparente, el cual
permite el paso de la luz y evita que el usuario al ingresar el dedo tenga contacto directo
con los pines de los dispositivos, como se evidenció las medidas significativas se obtienen con
los sensores haciendo contacto cercano al dedo; por tanto, se instalaron cuatro pivotes que
sostienen una base retráctil donde se encuentran el sensor de temperatura y sensor de luz
para detectar las señales de transmisión. De esta manera se garantiza que el sensor de luz
quedará situado sobre la uña del usuario y el sensor de temperatura en la piel de la primera
falange.
9.2 Software 57

9.2. Software

La programación se usa conforme al ciclo de vida general de la implementación de algoritmos

de aprendizaje [71]:

• Entendimiento del fenómeno

• Adquisición y comprensión de los datos

• Modelado

• Implementación

Figura 9-11: Pictórico del flujo de datos para el software en la etapa de implementación.

En la figura 9-11 se pueden ver las etapas en que se adquieren y transfieren los datos, en
la primera etapa se tiene la adquisición de datos desde los sensores y por medio alámbrico
se los pasa a la segunda etapa la cuál procesa los datos para obtener los coeficientes, luego
transfiere los coeficientes por medio inhalámbrico usando el protocolo Bluetooth Low Energy
(BLE) al smartphone, en donde termina el proceso uniéndolo con la información recogida
por el cuestionario y dando ası́ el dato de estimación de la glucosa.
 58 9 Construcción del dispositivo estimador de glucosa

9.2.1. Adquisición de señales

interruption
Interrupción
por Botón 0
estado = 1

Establecer variables globales y sus estados iniciales,

establecer número de pin para entradas y salidas,
búferes de datos, inicializar objetos de dispositivos
(bibliotecas), funciones. reset
- estado = 0 Terminación por
- #muestra = 0 Botón Reset

setup
Configuración puerto serial
(tasa de baudios)

Configuración ADC Externo

(ganacia pines, resolución
muestra)

Configuración TMP102 (pines,

modos, alertas, frecuencia  de
actualización "rate")

Configuración LM35 (Resolución

Pin ADC microcontrolador, modo
pin entrada analógico)

Configuración Botón 0
(interrupción, modo pin)

loop

no
estado = 1

si

Obtener tiempo inicial

Leer canales ADC externo y

guardarlos

si
#muestra++ #muestra < 10000

no

#muestra = 0

Obtener tiempo final

#lectura = 0

Leer dato TMP102 y

guardarlo.

#lectura++ Esperar 100ms

si
#lectura < 10

no

Promediar lecturas TMP102

#lectura = 0

Leer dato LM35 y

guardarlo

#lectura++ Esperar 100ms

si
#lectura < 10

no

Promediar lecturas LM35 y

acondicionamiento digital

Enviar tiempos, temperaturas y

muestras ADC externo por puerto
serial

estado = 0

Figura 9-12: Diagrama de flujo de lógica para la adquisición de las señales.

9.2 Software 59

Como se muestra en la figura 9-12 la primera parte consiste en configurar todos los periféricos
que se implementaron en el proyecto, luego de esto configuración de interrupciones, y tasa de
envió de información, el loop se cumple hasta llenar la memoria del microcontrolador, la cual
tiene una capacidad de medida de 80 segundos, la memoria se depura cuando se le envı́an
los datos al ordenador. El software que controla la adquisición de las señales analógicas esta
descrito en el apéndice C de los anexos, este se construyó según las caracterı́sticas que se
aprecian en la figura 9-13.

Servidor

PostgreSQL

Python Web Server

Smartphone Androids
Pantalla Táctil Alámbrico
Amplificador LM35
Internet
questions.csv Usuario
Escritura
Archivo SAR ADC Filtro pasa bajos Alámbrico Acondicionador Alámbrico Led Reflexión
TMP102
Botón 0 10Hz
Escritura
channel1.csv
Archivo I2C Alámbrico

Microcontrolador Alámbrico Alámbrico

Escritura ADC1015 Alámbrico Filtro pasa bajos Acondicionador Led Transmisión
channel2.csv Glucose Meter App BLE I2C
Archivo ESP32 10Hz
Sparkfun

Alámbrico

Batería

Figura 9-13: Diagrama de componentes para la adquisición de señales.

En la figura 9-13 se muestra un esquema general para la adquisición de señales, primero se

encuentran los sensores, luego las etapas de acondicionamiento y filtrado, las cuales entran
al conversor analógico a digital donde son cuantificadas y enviadas al ordenador a través
de comunicación serial USB-UART, estos datos son guardados en un archivo .CSV, cada
medición se inicia cuando el usuario activa el botón 0 del microcontrolador y crea cada vez
un archivo diferente con 2 columnas que describen los canales de medición analógica, valores
de temperatura e indicador de tiempo al iniciar y terminar para construir el vector de tiempo,
la tasa de muestreo es de 250 muestras por segundo.

9.2.2. Análisis de los datos

Ordenador

Lectura plot_samples.py Pantalla Alámbrico

Archivo Amplificador LM35

Usuario
Pantalla
Lectura SAR ADC Filtro pasa bajos Alámbrico Acondicionador Alámbrico Led Reflexión
plot_fourier_samples.py TMP102
Archivo Botón 0 10Hz

Pantalla I2C Alámbrico

CSV Escritura Microcontrolador Alámbrico Alámbrico

save_data.py USB / UART
I2C ADC1015 Alámbrico Filtro pasa bajos Acondicionador Led Transmisión
(SAMPLES) Archivo ESP32
RS232 10Hz
Sparkfun

Alámbrico

Batería

Figura 9-14: Diagrama general para el análisis de datos.

 60 9 Construcción del dispositivo estimador de glucosa

El análisis de los datos que se realizó fue en el ordenador como se muestra en la figura 9-14,
aquı́ se describen los archivos generados que pueden ser accedidos al repositorio a través
de Git. Estos archivos comprenden gráficas, cálculos descriptivos con el fin de reconocer el
comportamiento de datos de la base de datos construida con los voluntarios. El código de
este apartado se encuentra en anexos.

9.2.3. Herramientas
Pycharm
Pycharm es un IDE de python software libre que tiene muchas ventajas para este proyecto,
como es un sistema de depuración que permite ejecución de comandos, conexión con Jupyter
Notebook, integración con Git y selección de intérprete adecuado para cada script junto a
su entorno virtual si lo tiene.

Figura 9-15: Pycharm en modo depuración

9.2.3.1. Adquisición y comprensión de los datos

PlatformIO
PlatformIO es un compilador de código y gestor de bibliotecas que puede ser instalado en
varios IDE, para esta oportunidad se trabajará con Visual Studio Code el cuál tiene una
buena integración con las funciones de PlatformIO. Las ventajas para este proyecto es que
posee una gran cantidad de bibliotecas de código disponibles para su descarga e integración,
configuración manejada por archivos, monitor serial y una gestión del estilo y la estructura del
9.2 Software 61

código. El microcontrolador se configura siguiendo las guı́as [72], y se usa el marco de trabajo
Arduino el cuál es un conjunto de funciones base que se programa para cada referencia de
microcontrolador, las funciones avanzadas de configuración igual hay que hacerlas teniendo
en cuenta las hojas de datos del dispositivo y realizar los ajustes necesarios en código C++.

Figura 9-16: PlatformIO en IDE Visual Studio Code

9.2.3.2. Modelado
scikit-learn
La etapa de modelado se usa el IDE Pycharm, por lo cuál se sigue programando en Python,
usando paquetes cientı́ficos especializados para el aprendizaje de máquina, de estos se destaca
la fácil obtención y manipulación de los datos una vez se ha leı́do la documentación adecuada,
como desventaja está la multitud de variables que pueden cambiar en los algoritmos y la
documentación corta que los acompaña.

9.2.3.3. Implementación
Ionic
Ionic es un marco de trabajo para realizar aplicaciones hı́bridas, en este caso se programa
en tecnologı́as web HTML5 y se usa un API llamado cordova para realizar el llamado a
funciones nativas del dispositivo, en este caso se usó el wrapper de BLE para conectar con
el microcontrolador ESP32, haciendo uso de las funciones adecuadas se logra transformar
las tramas binarias en datos nativos de Typescript, el lenguaje en que se programa. Este
 62 9 Construcción del dispositivo estimador de glucosa

framework se puede usar desde cualquier IDE de desarrollo web. Para la aplicación móvil
se diseñaron las interfaces de conexión con el dispositivo considerando los casos de éxito y
fallo, la muestra en pantalla de los parámetros adquiridos y el cuestionario que adquiere los
datos de los pacientes.

Figura 9-17: IDE Visual Studio Code usando el framework Ionic programando la interfaz
de créditos y visualizando el resultado en el navegador web Mozilla Firefox

Arduino
El ESP32 tiene bibliotecas de conexión a BLE con el cuál hace más fácil el trabajo de inter-
conectividad ya que tiene todos los métodos programados para manejar la comunicación,
adicional al trabajo que se dio en la etapa de adquisición de datos se realizó la sı́ntesis de la
señal a coeficientes que luego se envı́an al Smartphone.
 10
Descripción y análisis de la base de datos

10.1. Descripción de los datos

El único criterio para selección de las personas que podı́an participar en la toma de medidas
para el estimador de glucosa, es que fueran mayores de edad. La selección de voluntarios de
la población fue completamente arbitraria y fortuita.

La base de datos consta de 20 entradas, las cuales incluyen el género de los voluntarios,
estatura en centı́metros, peso en kilogramos, IMC, medida de cintura en centı́metros, para
las mujeres número de embarazos y antecedentes de diabetes gestacional durante el mismo,
padecimiento de diabetes, cantidad de cigarrillos fumados durante una semana, consumo en
vasos de bebidas azucaradas durante una semana, cantidad de veces que se realiza deporte
semanalmente, números de vasos de agua consumidos en una semana, sed excesiva, micción
semanal, antecedentes, nivel de glucosa y los datos obtenidos de las mediciones. En el apéndi-
ce D de los anexos se muestra la base de datos completa, cada voluntario tiene asignado un
ID para proteger su privacidad y confidencialidad.

Los ı́ndices hallados para alimentar la base de datos son los de voltaje RMS, varianza de
cada uno de los fenómenos ópticos, estas métricas se usaron porque fueron las vistas durante
las pruebas en envases de vidrio, por tal motivo se conserva el nivel DC en las pruebas, las
ecuaciones se enuncian a continuación:
v
u
u1 X N
RM S = t vi2 (10-1)
N i=1

Donde N es el número total de muestras y vi cada voltaje en un instante de tiempo.

(x1 − x̄) + (x2 − x̄) + (x3 − x̄) . . . (xn − x̄)

S= (10-2)
n

La varianza se halla para modelar la distancia de los valores con respecto al valor medio.
 64 10 Descripción y análisis de la base de datos

10.2. Perceptrón multicapa

El perceptrón multicapa (MLP) es un algoritmo de aprendizaje, bajo un modelo de red
neuronal supervisado que es posible aplicar mediante la librerı́a scikit-learn de Python, este
algoritmo aplica una función f (·) : Rm → Ro entrenando un conjunto de datos, donde m es
el número de dimensiones para la entrada y o es el número de dimensiones de la salida. Dado
un conjunto con entradas X = x1 , x2 , ..., xm y un objetivo y, puede crear un aproximador
de función no lineal para clasificación o regresión. Este algoritmo implica entre la capa de
entrada y salida, una o más capas no lineales denominadas ocultas. La figura 10-1 muestra
una capa oculta con salida escalar.

Figura 10-1: Perceptrón multicapa con una capa oculta [17].

La capa de la izquierda es conocida como la capa de entrada, que consiste en un conjunto de

neuronas {xi |x1 , x2 , . . . , xm }, que representa las caracterı́sticas de entrada. Cada neurona de
la capa oculta transforma valores de la capa anterior mediante una suma lineal ponderada
w1 x1 + w2 x2 + . . . + wm xm , después de una función de activación no lineal. La capa de salida
recibe los valores de la última capa oculta y los transforma en valores de salida.
El algoritmo elegido es el perceptrón de capa múltiple porque posee la capacidad para apren-
der modelos no lineales. La clase usada e P ython es la M LP Regressor el cual entrena
utilizando backpropagation sin función de identidad como función de activación. La única
métrica que usa como función objetivo es el error cuadrado como la función de pérdida, el
resultado es un conjunto de valores continuos. MLP entrena utilizando optimizadores es-
tocásticos ejemplo: Stochastic Gradient Descent, Adam y L.BFGS. El solucionador que se
10.2 Perceptrón multicapa 65

aplicó en el proyecto fue el L-BFGS, este solucionador se aproxima a la matriz de Heze que
representa la derivada parcial se segundo orden de una función. Este tipo de solucionador
se usa cuando la base de datos de entrenamiento es de pequeño tamaño como la de este
problema.

Dado un conjunto de ejemplos de entrenamiento (x1 , y1 ), (x2 , y2 ), . . . , (xn , yn ), donde xi ∈ R

y yi ∈ 0, 1, una capa oculta, una neurona oculta MLP aprende la función:

f (x) = W2 g(W1T X + b1 ) + b2 (10-3)

Donde W1 ∈ Rm y W2 , b1 , b2 ∈ R son parámetros del modelo W1 , W2 represente los pesos

de la capa de entrada y la capa oculta, por tanto b1 y b2 representan el sesgo agregado a la
capa oculta y a la capa de salida, respectivamente, g(·) : R{R es la función de activación,
configurada por defecto como una hiperbóla.

ez − e−z
g(z) = (10-4)
ez + e−z
En problemas de regresión la salida permanece como f (x); por lo tanto, la función de acti-
vación de salida es solo la función de identidad.
MLP usa diferentes funciones de pérdida u objetivo dependiendo del tipo de problema. La
pérdida para una regresión es la pérdida del error cuadrado.
1 α
Loz (ŷ, y, W ) = kŷ − yk22 + kW k22 (10-5)
2 2
A partir de pesos aleatorios iniciales el perceptrón multicapa (MLP) minimiza la función
de pérdida actualizando estos pesos varias veces. Después de calcula la pérdida, un paso
hacia atrás lo propaga desde la capa de salida a las capas anteriores, proporcionando a cada
parámetro de peso un valor de actualización destinado a disminuir el error.
En pendiente de gradiente, el gradiente 5LozW de la pérdida con respecto a los pesos se
calcula y se deduce de W. Se expresa como:

W i+1 = W i −  5 LozW
i
(10-6)

Donde i es el paso de iteración, y  es la tasa de aprendizaje con un valor mayor que 0. Este
algoritmo se tiene cuando alcanza un número máximo preestablecido de iteraciones o cuando
el error esta por debajo de un número.
Teniendo en cuenta esto se siguió el siguiente pseudo algoritmo para encontrar la red neuronal
que mejor se adapte a la solución del problema por el método de MLP.

1. Cargar la base de datos

2. Dividir base en entrenamiento y validación

 66 10 Descripción y análisis de la base de datos

3. X = scaler.transform(X) // Normaliza las entradas

4. Crea opciones de 2, 3 y 4 capas

5. Crea número de neuronas entre 2:26

6. Crea combinación aleatoria de número de neuronas y número de capas.

7. Elige aleatoriamente una función de activación dentro de 3 opciones.

8. Corre el algoritmo MLP

9. Evalúa con una muestra no vista por la red

10. El error RM SE < 15 ?, no vuelve a 6, si se detiene

Los parámetros de entrada establecidos son los sugeridos para una pequeña cantidad de
datos [73], el algoritmo se corre varias veces hasta encontrar el criterio de parada, el cual
indica un promedio de errores máximo de 14.9 mg/dL.
 11
Resultados

11.0.1. Experimentos preliminares

A continuación se muestran los resultados obtenidos, se presenta una tabla de resultados
describiendo las medidas con los envases transparentes y una tabla mostrando los resulta-
dos con los envases de color ámbar por cada par emisor/receptor adquirido. Se ejecutaron 5
pruebas con cada concentración, luego se halló el promedio de las mismas para compararlas
y elegir los dispositivos, cabe destacar que por facilidad de diseño se le dio prelación a los
dispositivos de superficie.

Tabla 11-1: Pruebas de transmisión con envase transparente. Emisor y receptor de 950 nm

Cantidad
N° mg/dL 41.6 83.3 125 166.6 208.3 250 291.6 333.33 375
Prueba
1 1.294 1.384 1.493 1.592 1.688 1.598 1.894 1.951 1.752
2 1.541 1.429 1.412 1.574 1.709 1.795 1.975 1.978 1.678
3 1.386 1.463 1.455 1.603 1.665 1.778 1.992 1.965 1.741
4 1.430 1.473 1.505 1.568 1.641 1.791 1.905 1.982 1.692
5 1.303 1.502 1.497 1.582 1.695 1.742 1.812 1.903 1.703
Promedio 1.391 1.450 1.472 1.583 1.679 1.741 1.915 1.955 1.713

En las tablas 11-1 y 11-2 se presentaron los resultados obtenidos de las pruebas con el
emisor de superficie VSMS3700 y el receptor de superficie BP 104 FS, los valores de ten-
sión tomados son instantáneos o promedio, tomados con el multı́metro digital disponible en
el laboratorio. En la tabla 11-1 se observan cambios de tensión de aproximadamente 100
mV para cambios de concentración de glucosa cada 41.7 mg/dL entre 125 mg/dL a 291.6
mg/dL, los demás cambios varı́an entre 20 mV - 40 mV hasta llegar a una concentración
de 333.33 mg/dL, luego de este valor la tensión desciende nuevamente, por estos cambios
este es el primer par emisor y receptor que se elige para medir. Se observan en la tabla
11-2 en promedio tensiones significativamente más bajas que las mostradas en la tabla 11-1
 68 11 Resultados

(1.2 V por debajo), esto debido a que el material absorbe una parte del rayo de luz incidente.

Tabla 11-2: Pruebas de transmisión con envase ámbar. Emisor y receptor de 950 nm

Cantidad
N° mg/dL 450 900 1350 1800 2250 2700
Prueba
1 0.997 0.130 0.119 0.137 0.180 0.139
2 0.108 0.125 0.110 0.123 0.166 0.146
3 0.108 0.121 0.109 0.113 0.179 0.150
4 0.106 0.134 0.113 0.141 0.167 0.144
5 0.118 0.125 0.134 0.135 0.153 0.138
Promedio 0.110 0.127 0.117 0.130 0.169 0.143

El comportamiento de la tensión en esta prueba no es uniforme como en la anterior, inicial-

mente la tensión aumenta 16 mV , luego decrece 10 mV y vuelve a tener una tendencia de
aumento y finalmente vuelve a decrecer, puede evidenciarse que la relación entre la tensión
y las altas concentraciones estudiadas no es lineal.

En el apéndice C de los anexos se presentan las tablas 13-1 y 13-2 los resultados de las
pruebas obtenidas con el emisor LED LTR-4206 con diámetro de 3 mm y el receptor foto-
transistor LTR-4206E, en las pruebas presentadas tanto en la tabla 13-1 y 13-2, se observa
una uniformidad en los datos, por lo tanto, este par de sensores no son sensibles a cambios
de glucosa tanto pequeños como grandes, tampoco se encontró sensibilidad al cambio de
potencia luminosa con el cambio de color de envase, la diferencia es de 100 mV .

Para las pruebas presentadas en las tablas 13-3 y 13-4 se usó el emisor LED LT1062 y
el receptor foto transistor LTR-4206E, en las pruebas que se presentaron se encontraron
resultados similares a los vistos en las tablas 13-1 y 13-2, pues las variaciones de tensión son
mı́nimas del orden de los 2 µV , lo que puede tomarse como ruido en la medida o imprecisión
en el medidor, la semejanza que se observa en los dos experimentos desarrollados es el tipo
de sensor, por lo que se deduce que para este tipo de aplicación los foto transistores no son la
mejor opción, adicional a esto, el rango de sensibilidad de este sensor cubre todo el rango del
infrarrojo cercano según su hoja de datos, por lo que los factores externos lo pueden excitar
y además de eso no detectar cambios a la frecuencia óptica de interés.
En las tablas 13-5 y 13-6 se muestran las tensiones medidas en las pruebas hechas con el
emisor IRP8013 de 850 nm y diámetro de 8 mm, este es el emisor más grande de los diodos
adquiridos. El receptor utilizado junto a este emisor es el SFH 229 FA de 860 nm, los datos
que se muestran en la tabla tienen niveles de tensión 50 mV por debajo de los mostrados
en las tablas anteriores donde no se observan cambios de tensión con respecto al cambio de
 69

concentraciones de nivel de glucosa, lo que demuestra que el circuito no esta en saturación,

sin embargo los datos arrojados tampoco varı́an con respecto a las diferentes mezclas.

Tabla 11-3: Pruebas de transmisión con envase transparente. Emisor de 820 nm.

Cantidad
N° mg/dL 41.6 83.3 125 166.6 208.3 250 291.6 333.33 375
Prueba
1 2.933 3.161 2.966 2.787 2.848 3.114 3.183 2.882 2.865
2 3.053 2.818 3.142 2.862 2.922 3.066 3.177 2.864 2.794
3 3.011 3.086 3.102 2.976 2.972 3.106 3.178 2.860 2.867
4 3.084 2.840 2.935 2.914 3.002 3.153 3.173 2.918 2.770
5 2.985 2.874 2.992 2.968 2.803 3.183 3.175 2.983 2.765
Promedio 3.013 2.956 3.027 2.901 2.909 3.124 3.177 2.901 2.812

Tabla 11-4: Pruebas de transmisión con envase ámbar. Emisor de 820 nm.

Cantidad
N° mg/dL 450 900 1350 1800 2250 2700
Prueba
1 0.245 0.386 0.478 0.339 0.442 0.403
2 0.262 0.402 0.362 0.403 0.460 0.436
3 0.264 0.388 0.458 0.372 0.440 0.439
4 0.309 0.365 0.414 0.422 0.450 0.455
5 0.331 0.379 0.426 0.431 0.488 0.436
Promedio 0.282 0.384 0.428 0.393 0.456 0.434

Según el aumento de las concentraciones de glucosa, en las tablas 11-3 y 11-4 se evidenciaron
diferencias de tensión, en la tabla 11-3 inicialmente decrece la tensión 53 mV , luego crece
nuevamente 69 mV , desciende nuevamente hasta en 80 mV y vuelve a aumentar; mientras
que en la tabla 11-4 se muestra un aumento hasta en los primeros 1350 mg/dL y luego
desciende y aumenta nuevamente, por estos cambios evidenciados y la caracterı́stica de
superficie del detector se elige realizar más pruebas con este. En este experimento se usa
el emisor TSHG8400 con diámetro de 5 mm y fotodiodo VSMS3700 de superficie.
 70 11 Resultados

Tabla 11-5: Pruebas de transmisión con envase transparente. Par emisor y receptor de 860
nm.

Cantidad
N° mg/dL 0 41.6 83.3 125 166.6 208.3 250 291.6 333.33 375
Prueba
1 1.995 1.989 1.99 1.954 1.971 1.968 1.979 1.978 1.982 1.984
2 1.966 1.969 1.962 1.964 1.964 1.945 1.965 1.962 1.969 1.964
3 1.968 1.974 1.973 1.985 1.987 1.978 1.983 1.985 1.983 1.974
4 1.967 1.958 1.959 1.96 1.941 1.967 1.971 1.958 1.972 1.974
5 1.975 1.978 1.982 1.983 1.983 1.986 1.985 1.986 1.979 1.987
Promedio 1.974 1.973 1.973 1.969 1.969 1.968 1.976 1.973 1.977 1.976

Tabla 11-6: Pruebas de transmisión con envase ámbar. Par emisor y receptor de 860 nm.

Cantidad
N° mg/dL 0 450 900 1350 1800 2250 2700
Prueba
1 1.678 1.519 1.737 1.986 1.793 1.176 1.673
2 1.484 1.391 1.991 1.969 1.972 1.978 1.724
3 1.596 1.615 1.928 1.974 1.938 1.981 1.969
4 1.503 1.208 1.769 1.216 1.372 1.112 1.756
5 1.623 1.763 1.976 1.461 1.767 1.977 1.976
Promedio 1.576 1.499 1.880 1.721 1.768 1.645 1.819

Finalmente, se muestran los resultados que se obtuvieron con el emisor SFH 4851 de 860
nm con diámetro de 5 mm y el fotodiodo SFH 229 FA de 860 nm con diámetro de 5 mm,
en esta prueba la tensión baja 1.2 V con respecto a la media de valores obtenidos en las
tablas anteriores que es de 3.2 V , en la tabla 11-5 se muestran variaciones desde 1 mV
hasta 8 mV , lo cual demuestra una baja sensibilidad a los cambios de glucosa, mientras que
en la tabla 11-6 se observan cambios que tienden a disminuir desde 1.880 mV hasta 1.645
mV , este par de sensores no se eligió por la dificultad para medir corporalmente. Como
se observó se hicieron pruebas con un mismo par emisor y receptor, es necesario realizar
medidas combinando los emisores y receptores de luz entre ellos pues las frecuencias son
cercanas y sus hojas de datos describen sensibilidad hasta del 80 % en un ancho de banda
de 25-50 nm, con esto determinar el nivel de importancia tanto del receptor como del emisor.

Se eligieron los sensores de superficie, adicional a esto el sensor VEMD6060X01 en su hoja de

datos reporta sensibilidad en una gran región del espectro visible (figura 11-1), especialmente
en el rojo y en el infrarrojo cercano, por lo que sus caracterı́sticas pueden aprovecharse, para
11.1 Pruebas en diferentes partes del cuerpo 71

contrastar con los trabajos presentados en el estado del arte que lo implementan.

Figura 11-1: Sensibilidad relativa espectral contra longitud de onda del fotodiodo
VEMD6060X01 de 820 nm.

11.1. Pruebas en diferentes partes del cuerpo

Luego de elegir dos sensores diferentes, se procedió a probar en dos voluntarios, un hombre
y una mujer, esto con el fin de fijar las mediciones en una zona especı́fica del cuerpo. Se
plantearon medidas de transmisión en el dedo ı́ndice, una de ellas con el emisor de luz
ubicado en la uña y la otra, con el emisor en la yema del mismo, para esta prueba se usó la
caja oscura diseñada y explicada en el capı́tulo 6.

Figura 11-2: Ubicación de emisor y receptor óptico.

También se propuso probar en la muñeca como un dispositivo tipo reloj, esta medida es de
reflexión, es decir, emisor y receptor están ubicados en paralelo como se ve en la figura 11-2
en la gráfica de la derecha, al lado izquierdo se muestra la medida de transmisión, se realizó
una prueba con estos ubicados en el interior de la muñeca cerca a las venas y otra en la parte
posterior como se muestra en las figuras 11-3a y 11-3b.
 72 11 Resultados

(a) Medición en la parte externa de la muñeca. (b) Medición en la parte interna de la muñeca.

Figura 11-3: Localización de medidas de reflexión en la muñeca.

(a) Medición en la parte externa del brazo. (b) Medición en la parte interna del brazo.

Figura 11-4: Localización de medidas de reflexión en el brazo.

Otra medida planteada fue mediante un brazalete en el antebrazo, tanto en la parte interior,
la cual queda paralela al cuerpo y la parte posterior, en las figuras 11-4a y 11-4b se observa
la ubicación del sensor. Este experimento también se hizo por reflexión, pues en estas zonas
del cuerpo no es posible que la luz logre atravesar la piel, músculo y huesos. Cabe destacar
que durante las medidas para referenciar se tomó el nivel de glucosa de cada voluntario
con un glucómetro Accu Chek ®. El voluntario 1 corresponde a una mujer de 23 años y el
voluntario 2 un hombre de 21 años sin diabetes ambos.

• Nivel de glucosa de voluntario 1 = 97 mg/dL.

• Nivel de glucosa de voluntario 2 = 114 mg/dL

11.1 Pruebas en diferentes partes del cuerpo 73

La primera prueba consistió en medir transmisión sin ajustar los sensores al dedo, los resul-
tados que se muestran en las figuras 11-5a y 11-5b se muestran las señales obtenidas.

(a) Transmisión con sensor de 820 nm. (b) Transmisión con sensor de 950 nm.

Figura 11-5: Resultados con diodo emisor apuntando a la uña.

(a) Transmisión con sensor de 820 nm. (b) Transmisión con sensor de 950 nm.

Figura 11-6: Resultados con diodo emisor apuntando a la yema del dedo.

En las figuras 11-5a y 11-5b se observa un nivel de tensión más alto para el voluntario 1,
que para el voluntario 2, el valor de voltaje RMS de la señal roja en la 11-5a es 0.1206 V ,
mientras que la del voluntario 2 es de 0.0634 V. La señal del voluntario 1 es doble del voltaje
RMS, teniendo en cuenta los niveles de glucosa medidos como referencia puede inferirse que
una persona que tiene un nivel de glucosa más bajo, tiende a tener señales con mayor voltaje
que las que tienen un nivel de glucosa más alto, es decir, la absorción de luz de la glucosa
a la frecuencia de interés es mayor en personas con mayor cantidad de glucosa en sangre.
 74 11 Resultados

Mientras que el voltaje RMS de las señales en la 11-5b son 0.1203 V para el voluntario1
y 0.707 V para el voluntario2, los niveles son muy similares y no podrı́a asegurar que la
medición sea mejor con alguna de las dos frecuencias.
En las figuras 11-6a y 11-6b se muestra las señales obtenidas con los sensores elegidos,
en estas figuras se apuntó el emisor a la yema del dedo, el voltaje RMS de la señal del
voluntario1 en la figura 11-6a es de 0.1186 V , mientras el del voluntario2 es de 0.0718 V
esto para un sensor de 820 nm, con el sensor de 950 nm el voltaje RMS del voluntario1 en la
figura 11-6b es de 0.1256 V y para el voluntario2 0.1015 V , en este caso los voltajes tanto
del voluntario1 como el voluntario2 son superiores con el sensor de 950 nm, la diferencia es
de 30 mV , cabe destacar que luego de esta prueba se repitió el experimento ajustando los
sensores al dedo, las pruebas se presentan con otra configuración de para el fotodiodo, en la
sección 11.2.

(a) Reflexión muñeca 820 nm. (b) Reflexión muñeca 950 nm.

Figura 11-7: Resultados de mediciones de la muñeca con respecto a la frecuencia.

Las pruebas realizadas en la muñeca se presentan en las figuras 11-7a y 11-7b, a diferencia
de las señales obtenidas en las anteriores gráficas, las tensiones que describen las señales por
reflexión son más grandes que por transmisión, tienen un nivel mayor entre 0.3 V a 1 V ,
aunque estas señales pueden estar afectadas por el color de la piel de cada persona como se
observó en los resultados de las muestras con envases transparentes y de color ámbar. Puede
apreciarse que la ventana de tensión entre voluntarios en una misma ubicación de sensor, es
más grande con el sensor ubicado internamente para una frecuencia de 820 nm, que para las
medidas internas con el sensor de 950 nm, el valor RMS del voluntario1 con medida interna
y sensor de 820 nm es de 1.195 V mientras que el voluntario 2 tiene 0.5208 V , generando
una diferencia de 0.675 V , en contraste el voltaje RMS para el voluntario 1 internamente y
con un sensor de 950 nm es de 0.8294 V , para las misma caracterı́sticas el voluntario 2 tiene
0.7186 V , generando una diferencia de 0.1108 V .
11.2 Resultados de la base de datos 75

Si se analizan las medidas externas a las dos frecuencias y se encuentran diferencias menores
a la medida obtenida con el sensor de 820 nm, pero más grandes que con el sensor de 950
nm, pues las ventanas entre los dos voluntarios son más estrechas, en el caso de un sensor
de 950 nm la diferencia analizando el voltaje RMS es de 0.3245 V y un sensor de 820 nm
0.2719 V .

(a) Reflexión brazo 820 nm. (b) Reflexión brazo 950 nm.

Figura 11-8: Resultados de mediciones en el brazo con respecto a la frecuencia.

Terminando las pruebas en las figuras 11-8a y 11-8b, se muestran los resultados de reflexión
con
Las medidas que se eligieron fueron las del dedo por la comodidad de la persona, las medidas
con bandas implican un diseño de circuito impreso, el cual no esta contemplado en el alcance
de este proyecto.

11.2. Resultados de la base de datos

Se tomaron medidas de glucosa en sangre y con el dispositivo diseñado, ası́ como la realiza-
ción de una encuesta en 48 voluntarios con 65 registros, 21 de ellos hombres y 27 mujeres,
con edades entre los 20 - 89 años de edad, la edad promedio de los voluntarios es de 48 años,
dentro de la base de datos se incluyeron 4 personas con diabetes, tres de ellos hombres y
una mujer. Los tres hombres que padecen la enfermedad tienen antecedentes familiares del
padecimiento de la misma, mientras que la mujer diabética, aunque no tiene antecedentes
familiares, durante uno de sus embarazos manifestó haber sufrido de diabetes gestacional,
cabe anotar que esta persona sufre de sobre peso. Otra de las caracterı́sticas de los volunta-
rios diabéticos es el alto consumo de agua semanal, debido a la sed insasiable, lo que muestra
una relación entre la documentación encontrada y los datos tomados.
 76 11 Resultados

Durante el proceso se presentaron limitaciones en las medidas, ya que, el objetivo de estas

pruebas es encontrar diferencias de datos para una misma persona con distintos niveles de
glucosa en sangre, lo cual se logra con diferentes medidas durante el dı́a. El hecho de pinchar
el dedo con una aguja, hace desconfiar a las personas, les genera sentimientos de angustia y
preocupación, por lo que ningún voluntario desconocido quiso participar en la prueba más
de una vez. Por tanto, la base de datos tiene en cuenta diversidad de entradas con diversidad
de salidas, pero no entradas similares con diferentes salidas, que es más conveniente estudiar
para un estimador. Otra limitación presentada fue la falta de seguimiento de indicaciones en
especial en personas de avanzada edad, varias de las muestras presentaban saturación, pues
la persona no ingresaba su dedo hasta el lugar adecuado o lo movı́a durante la prueba, otros
no podı́an evitar hablar durante la prueba lo que generó diversidad en las señales obtenidas.

Tabla 11-7: Correlación de las variables de entrada con la glucosa

Glucosa
Edad 0.040948
Estatura 0.065614
Peso 0.04957
IMC -0.024584
Cintura 0.007023
Sexo -0.039557
Hijos -0.02153
EnferEmb -0.063911
Diabetes 0.576247
CantCig 0.120455
Bebidas -0.055409
Deporte 0.032373
Agua 0.261543
Sed 0.273357
Micción 0.321823
Antecedente 0.188557
Glucosa 1
TempDedo 0.178493
TempExt 0.037165
RMSTx -0.149691
VarianzaTx -0.063042
RMSRx 0.202227
VarianzaRx -0.046218

La correlación de las variables se muestra en la figura 11-7, puede notarse que hay poca
11.3 Resultados de la red neuronal 77

correlación de las variables de entrada con la variable de salida. Las correlaciones por encima
de 0.2 se encontraron con el consumo de agua, micción frecuente, padecimiento de diabetes
y los antecedentes familiares de la misma, por el lado del cuestionario, en cuanto a las
mediciones tiene una correlación de 0.202 con el voltaje RMS de la señal de reflexión y 0.17
con la temperatura del dedo, por lo que es conveniente seguir investigando con esas dos
variables.
Las señales obtenidas con el microcontrolador son muy diversas, no se presentó una uni-
formidad en las medidas, las diferencias están ligadas al grosor de los dedos, entrada que
podrı́a considerarse en el sistema, además de esto el comportamiento alterno es variado, la
frecuencia de operación coincide con la detección de las pulsaciones cardı́acas, por lo que no
se tiene certeza si las señales obtenidas depende de la glucosa o de las pulsaciones.

1.0
0.5

0.8
0.4

0.6
Voltaje / v

Voltaje / v

0.3

0.4 0.2

0.2 0.1

0.0 0.0
0 10 20 30 40 50 60 70 80 0 10 20 30 40 50 60 70 80
Tiempo / s Tiempo / s

(a) Señal de reflexión. (b) Señal de transmisión.

Figura 11-9: Señales obtenidas con el microcontrolador en el voluntario 3.

Como se esperaba las señales de reflexión son al menos el doble de grandes que las de
transmisión, además de esto la figura 11-9 muestra que el nivel DC de la señal cambia, por
lo que la solución del problema no es análoga a la tratada con las concentraciones de glucosa
en frascos de muestra.

11.3. Resultados de la red neuronal

En total el experimento se repitió 7992 veces antes de encontrar la raı́z del error cuadrático
medio menor a 15. En la figura 11-10 se muestra el error y la cantidad de veces que se
repitió en el rango descrito por el ancho de la barra, como se puede observar la mayorı́a de
los errores estaban alrededor de 50.
 78 11 Resultados

1000

800

Frecuecia del valor RMSE

600

400

200

0
25 50 75 100 125 150 175 200
Raíz del error absoluto medio (RMSE)

Figura 11-10: Histograma de la cantidad del error RMSE.

La red neuronal que mejor se adaptó a la solución del problema consta de 4 capas, donde en
la primer capa tenı́a 21 neuronas, en la segunda 18, en la tercera 14 y en la capa de salida
12. La función que mejor se adapto la solución del problema fue la tanh, lo cual es lógico,
teniendo 5 entradas binarias. Los coeficientes obtenido se muestran en los anexos.
El error cuadrático medio encontrado es de 219.90, la raı́z del error cuadrático medio 14.82
con una correlación de 0.961, con estos resultados es posible deducir que el sistema esta
sobre entrenado y se esta forzando a converger a los valores de entrenamiento, teniendo en
cuenta que los datos son pocos con respecto a la magnitud del problema, al probarlo con
una persona que este por fuera de la media de los datos, dará como resultado un error muy
grande.
Finalmente se aplicó la red neuronal a un individuo por fuera de los datos de entrenamiento
y validación, el voluntario tenı́a una concentración de 111 mg/dL y el resultado de la misma
convergió a 105 mg/dL lo que representa un error del 5 %, esto debido a que las respuestas
al cuestionario eran muy similares a los ya entrenados.
 12

Conclusiones y trabajos futuros

12.1. Conclusiones

Mediante el diseño de un dispositivo que adquirió la temperatura del dedo y señales ópticas
de transmisión y reflexión a 950 nm, se obtuvo una base de datos con 65 registros de señales
y preguntas asociadas al padecimiento de diabetes, conectados a un valor de glucosa, esto
permitió entrenar una red neuronal mediante el perceptrón multicapa, dando como resultado
una red neuronal con 4 capas ocultas que describió un error RMSE de 14.8 con una correlación
de 0.96. Aunque el error obtenido no es bajo, la correlación de las variables sensadas con
respecto al nivel de glucosa aunque no tiende a cero es baja, tiene un valor de 0.2, por lo
que es necesario mejorar el método para la adquisición de las señales, también se encontró
que esta correlación pertenece a las medidas de reflexión y temperatura del dedo, por lo
que el estudio podrı́a centrarse en mejorar estas dos medidas. En general, se encontraron
algunos casos de mediciones en que la persona no mantuvo su dedo en la posición necesaria
y tranquila, generando apuntamiento entre los sensores de transmisión, adicional a esto
ninguno de los voluntarios se ofreció a realizar más de una medida en el dı́a, por la punción
necesaria para conocer el nivel de glucosa, lo que dificulta la caracterización del problema,
pues la glucosa cambia durante el dı́a por efecto de las comidas y actividad fı́sica, sin que
cambien las respuestas del cuestionario.
Con la red neuronal obtenida se probó con un voluntario diferente a los que se presentaron en
el entrenamiento, para la validación, el nivel de glucosa real fue de 111 mg/dL y el otorgado
por el dispositivo portátil de 105 mg/dL, lo cual representa un error de 5.4 %, el cual esta
dentro del rango aceptado para los medidores no invasivo, cabe aclarar que el voluntario
estaba dentro de la media dada por los datos de entrenamiento.
Se construyó un dispositivo no invasivo portátil, el cual se comunica vı́a Bluetooth al celular,
el cual le entrega una estimación de glucosa al usuario.
 80 12 Conclusiones y trabajos futuros

12.2. Trabajos futuros

El diseño propuesto en este documento es el primer paso para la estimación de la glucosa de
manera no invasiva en el grupo de trabajo de la universidad, por tanto, la investigación que
se propone a futuro, es profundizar en el estudio óptico de la glucosa, mediante pruebas de
laboratorio con dispositivos profesionales, con esto medir la intensidad de cada uno de los
emisores de luz, ası́ como adquirir diodos emisores tipo láser de diferentes frecuencias para
con ello elegir el mejor emisor. Acompañando esta investigación, estudiar a profundidad los
receptores ópticos, en especial aquellos que en un mismo dispositivo es posible determinar la
potencia de luz a diferentes frecuencias, con esto serı́a posible tratar más fenómenos ópticos
como la espectroscopia Raman.

Con el objetivo de implementar un dispositivo robusto, es necesario construir una base de

datos con un número considerable de voluntarios, donde se tenga información tanto de pa-
cientes diabéticos como no diabéticos, con diferentes pigmentaciones de piel e ı́ndices de masa
corporal diferentes; en las pruebas realizadas en este proyecto se pudo demostrar una rela-
ción entre las medidas y los niveles de glucosa en sangre con referencia a un medidor portátil
que también describe un error, por lo que a futuro es importante realizar esta base de datos
con referencia a medidas hospitalarias. En la documentación encontrada los autores señalan
relación entre el nivel de glucosa y la señal de pulso cardı́aco, por lo que un trabajo futuro
interesante serı́a tomar las pulsaciones cardı́acas con medidores hospitalarios y el nivel de
glucosa de la misma manera, para señalar la relación que existe entre ambos, investigación
que podrı́a encaminar el dispositivo portátil a medir el pulso.

En cuanto al diseño del dispositivo es necesaria la construcción de una placa para el circui-
to obtenido, adicionalmente estudiar la posibilidad de usar dispositivos de superficie de la
adquisición y acondicionamiento de las señales, para crear un dispositivo de menor tamaño.
 Bibliografı́a

[1] Federación Internacional de la Diabetes. Atlas de la Diabetes, 8 edition, 2017.

[2] Ministerio de salud y protección social. Análisis de situación de salud. Dirección de

Epidemiologı́a y demografı́a, Colombia, Nov 2016.

[3] & Schulmeister K. Henderson, A. R. Laser safety. Taylor & Francis Group, 2004.

[4] Rodrı́guez Inmaculada. Mejora del diseño de un prototipo de sensor no invasivo para
la medida de glucosa en sangre. Master’s thesis, Universidad de Sevilla, 2016.

[5] R. Crouch Stanley Skoog Douglas A., Holler James F. Principios de análisis instru-
mental. Cengage Learning, 6 edition, 2008.

[6] Jorge Castro-Ramos. Raman spectroscopy and its applications. Accedido el 18-05-
2018 disponible en: https://www.researchgate.net/figure/Diagrama-basico-para-hacer-
espectroscopia-Raman fig7 272963551, 2013.

[7] Roger J. McNichols and Gerard L. Cote. Optical glucose sensing in biological fluids:
An overview. Journal of biomedical optics, 5:5–16, 02 2000.

[8] Agra wal G. P. Fiber. Optic Communication Systems. Wiley – Interscience, 3 edition,
2002.

[9] Roche Diabetes Care GmbH. Accu-chek product categories. Accedido el 16-05-2018
disponible en: https://www.accu-chek.com/product-category, 2018.

[10] Mayoral Daniel. Mi experiencia con el freestyle libre. Accedido el 16-05-2018 disponi-
ble en: http://www.adezaragoza.org/index.php/la-otra-diabetes/mi-experiencia-con-el-
freestyle-libre, 2014. Artı́culo de opinión publicado en la página de la Asociación de
diabéticos de Zaragoza.

[11] PKvitality. Painless blood-free glucose monitoring. Accedido el 16-05-2018 disponible

en: https://www.pkvitality.com/ktrack-glucose/.
 82 BIBLIOGRAFÍA

[12] Talary M Stalder G Heinemann L Feldman Y. Caduff A1, Dewarrat F. Non-invasive

glucose monitoring in patients with diabetes: a novel system based on impedance spec-
troscopy. US National Library of Medicine National Institutes of Health, 22(5):598–604,
2006.

[13] Ceren Yardımcı Xuan Wang Julian Ramirez Amay J. Bandodkar, Wenzhao Jia and
Joseph Wang. Tattoo-based noninvasive glucose monitoring: A proof-of-concept study.
Analytical Chemistry, 87, 2014.

[14] David L. Chandler. The eye as a window to health. Accedido el 03-02-2019 disponible
en: https://pulse.embs.org/november-2018/the-eye-as-a-window-to-health/, 2018.

[15] Vishay semiconductors. Measurement techniques. Accedido el 12-02-2019 disponible

en: https://www.vishay.com/docs/80085/measurem.pdf.

[16] Franco Sergio. Design with operational amplifiers and analog integrated circuits. Mac
Graw Hill, 4 edition, 2015.

[17] Scikit Learn. Neuronal network models (supervised). Accedido 12-02-2019

https://scikit-learn.org/stable/modules/neural networks supervised.html.

[18] Organización Mundial para la Salud. Informe mundial sobre la Diabetes, 2016.

[19] Caracol Radio. Más de un millón de colombianos pueden te-

ner diabetes y no saberlo. Accedido el 06-09-2018 disponible en:
http://caracol.com.co/radio/2016/04/08/salud/1460071947 112292.html, 2016.

[20] A. Ramachandra. Prevalence of glucose intolerance in asian indians: Urban-rural dif-

ference and significance of upper bodyadiposity. Diabetes care, 15(10):1348–1355, Oct.
1992.

[21] N. A. Bazaev and S. V. Selishchev. Noninvasive methods for blood glucose measurement.
Biomedical Engineering, 41(1):42–50, 2007.

[22] Accu-Chek. Productos. Accedido el 16-05-2018 dis-

ponible en: https://www.blinkhealth.com/accu-chek-nano-
meter, https://www.blinkhealth.com/accu-chek-guide-test-strips,
https://www.walgreens.com/store/c/accu-chek-fastclix-lancing-
device/ID=prod6335281-product y https://www.blinkhealth.com/accu-chek-fastclix-
lancets, 2018.

[23] FreeStyle Libre. Productos. Accedido el 16-05-2018 disponi-

ble en: https://www.freestylelibre.es/libre/productos/kit-de-inicio.html y
https://www.freestylelibre.es/libre/productos/sensores.html, 2018.
BIBLIOGRAFÍA 83

[24] Ashley B. Grossman Simon R. Heller Victor M. Montori Elizabeth R. Seaquist Philip
E. Cryer, Lloyd Axelrod and F. John. Service ada: Evaluation and management of adult
hypoglycemic disorders: An endocrine society clinical practice guideline. The Journal
of Clinical Endocrinology and Metabolism, 2009.

[25] Larach L. Nicolas. Medición no invasiva de glucosa usando espectroscopı́a raman y

su potencial aplicación a pacientes diabéticos. Master’s thesis, Pontificia Universidad
Católica de Chile, 2010.

[26] Muhtar Luthfi Marti Widya Sari. Design and analysis of non-invasive blood glucose
levels monitoring. IEEE, 2016.

[27] T. Kossowski and R. Stasinski. Robust ir attenuation measurement for non-invasive

glucose level analysis. In 2016 International Conference on Systems, Signals and Image
Processing (IWSSIP), pages 1–4, May 2016.

[28] Chi-Fuk So. Recent advances in noninvasive glucose monitoring. IMedical Devices
(Auckland, N.Z.), 2012.

[29] ISO. In vitro diagnostic test systems – requirements for blood-glucose monitoring sys-
tems for self-testing in managing diabetes mellitus. Standard, International Organiza-
tion for Standardization, Geneva, CH, May 2013.

[30] National Institute of Diabetes, Digestive, and Kidney Diseases. Guı́a para personas con
diabetes tipo 1 y tipo 2, 2013.

[31] González JC, Walker JH, and Einarson TR. Cost-of-illness study of type 2 diabetes
mellitus in colombia. Rev Panam Salud Publica, 26(1):55–63, 07 2009.

[32] Oscar Rincón L. Guı́a para la gestión integral de residuos peligrosos generados por
pacienes diagnosticados con diabetes tipo 1 (insulinodependientes), 217.

[33] Dı́az M. Juan Lozano J. Cristhian. Desarrollo de una red de comunicación para la
transmisión de señales cardiacas de pacientes domiciliarios a una interfaz web a bajo
costo, 2018.

[34] Montenegro A. Andrés. Reconocimiento de patrones mioeléctricos para la interpretación

de un conjunto de letras del alfabeto dactilológico icónico, 2017.

[35] Barry H. Ginsberg. Factors affecting blood glucose monitoring: Sources of errors in
measurement. Diabetes Science and Technology, 2009.

[36] F. Fonthal I. D. Castro, J. E. Vargas. Identificación de longitudes de onda en las regiones

nir y mir para la medición no invasiva de glucosa en sangre. XII Encuentro Nacional
de Óptica (ENO), 2012.
 84 BIBLIOGRAFÍA

[37] B. Narasimhan and A. Malathi. A fuzzy logic system with attribute ranking technique
for risk-level classification of cahd in female diabetic patients. In 2014 International
Conference on Intelligent Computing Applications, pages 179–183, March 2014.

[38] Saifullah and B. Ahmed. Machine learning for isotropic antenna design. In 2018 22nd
International Microwave and Radar Conference (MIKON), pages 683–687, May 2018.

[39] S. Saadah and G. S. Wulandari. Time series prediction of economic indicators in indone-
sia using differential dynamic optimized by genetic algorithm. In 2014 2nd International
Conference on Information and Communication Technology (ICoICT), pages 335–339,
May 2014.

[40] King Michael W. Introducción a las actividades de insulina. Accedido el 16-05-2018

disponible en: https://themedicalbiochemistrypage.org/es/insulin-sp.php, 2016.

[41] Breast Cancer. ¿qué le sucede a la comida en

el cuerpo? Accedido el 16-05-2018 disponible en:
https://www.breastcancer.org/es/consejos/nutricion/alimentacion saludable/que sucede,
2013.

[42] American Diabetes Association. Classification and diagnosis of diabetes: standards of

medical care in diabetes, 2018.

[43] D.U. Silverthorn. Fisiologı́a Humana. Un enfoque integrado. Médica Panamericana, 4

edition, 2008.

[44] Santa Hugo Marı́n Daniel & Arias Andres Arango Carlos, Graciano Magda. Guı́a y
recomendaciones para el análisis de la diabetes en el laboratorio, 2014.

[45] Gutiérrez José Garcı́a Liliana Hernández Sergio Sotero Ramı́rez, Carranza Pilar. Apli-
cación en medicina de la espectroscopia de infrarrojo cercano. Medicina Interna de
México, 28(4), 2012.

[46] Peguero Ana. La espectroscopia NIR en la determinación de propiedades fı́sicas y com-

posición quı́mica de intermedios de producción y productos acabados. PhD thesis, Uni-
versitat Autonoma de Barcelona, 2010.

[47] Sánchez Fuensanta Fuentes Marcelino, Bosch Catalina. Aplicación de la espectroscopia

del infrarrojo medio en quı́mica analı́tica de procesos. Sociedad quı́mica de México,
2(3):93–193, 2008.

[48] Santamaria Luis M. Texto guı́a para la asignatura de instrumentación. Guı́a de clase
del profesor, 2015.
BIBLIOGRAFÍA 85

[49] Vargas Carlos Rengifo Miguel A. Caracterización óptica de diodos emisores de luz
mediante sus espectros de emisión y patrones de radiación. Scientia et Technica, 2(51),
2012.

[50] Kwano K. Kato K., Hata S. Quantum electronics. IEEE Journal, 28:2128, 1992.

[51] Universidad Nacional Autonóma de México. Capı́tu-

lo 4: Fotodetectores. Accedido el 23-09-2018 disponible en:
http://www.ptolomeo.unam.mx:8080/jspui/bitstream/132.248.52.100/900/7/A7.pdf.

[52] Jürgen Schmidhuber. Deep learning. Scholarpedia, 10(11), 2015.

[53] Ameet Talwalkar Mehryar Mohri, Afshin Rostamizadeh. Foundations of Machine Lear-
ning. 2012.

[54] J. Scott Armstrong. Illusions in regression analysis. International Journal of Forecasting,

28(3), 2012.

[55] & Wolf B. Ferrante do Amaral, C. E. Current development in non-invasive glucose

monitoring. Medical Engineering & Physics, 30(5):541–549, 2008.

[56] David Edelman. Blood glucose meter accuracy comparison (chart). Accedido el
18-05-2018 disponible en: https://www.diabetesdaily.com/blog/2013/07/blood-glucose-
meter-accuracy-comparison-chart/, 2013.

[57] Dirección geneal del Instituto Nacional de Vigilancia de medicamentos y alimentos IN-
VIMA. ResoluciÓn 2015010329, 2015. Por la cual establece el Manual Especı́fico de
Funciones y de Competencias Laborales para los empleos de la Planta de Personal del
Instituto Nacional de Vigilancia de Medicamentos y Alimentos INVIMA.

[58] Ministerio de protección social y presidencia de Colombia. Decreto 4725. Accedi-

do el 16-05-2018 disponible en: https://www.invima.gov.co/decretos-en-dispositivos-
medicos/decreto-4725-2005-pdf/detail.html, 2005. Por el cual se reglamenta el régimen
de registros sanitarios, permiso de comercialización y vigilancia sanitaria de los dispo-
sitivos médicos para uso humano.

[59] Institución de evaluación tecnológica IETS. Boletı́n informativo. Accedido el 16-05-2018

disponible en: https:https://www.minsalud.gov.co/Documents/General/IETS/boletin-
iets-dic-2012.pdf, 2012.

[60] Tamada J. A. Reach G. Potts R. O. & Lesho M. J. Kulcu, E. Physiological differences

between interstitial glucose and blood glucose measured in human subjects. Diabetes
Care, 26(8):2405–2409, 2003.
 86 BIBLIOGRAFÍA

[61] Moya Pedro. Crean parches de insulina para controlar la diabetes sin inyecciones. Acce-
dido el 16-05-2018 disponible en: https://omicrono.elespanol.com/2016/03/parches-de-
insulina-diabetes/, 2016.

[62] Floriant Doungmene Frank Marken Rex M. Tyrrell Richard H. Guy & Adelina Ilie
Luca Lipani, Bertrand G. R. Dupont. Non-invasive, transdermal, path-selective and
specific glucose monitoring via a graphene-based platform. Nature Nanotechnology,
2018.

[63] Valerio Marı́a. Un parche de grafeno para contro-

lar la diabetes. Accedido el 16-05-2018 disponible en:
http://www.elmundo.es/salud/2016/03/21/56eff7d5ca474161698b4648.html, 2016.

[64] Roche Diabetes Care GmbH. Continuous glucose monitoring solutions. Acce-
dido el 16-05-2018 disponible en: https://www.accu-chek-congresses.com/easd/wp-
content/uploads/sites/10/2017/08/Roche CGM Solutions.pdf, 2017.

[65] Cambridge dictionary. Gadget. Accedido el 16-05-2018 disponible en:

https://dictionary.cambridge.org/es/diccionario/ingles/gadget.

[66] K.B. Jayanthi C. Rajasekaran, Madian Nirmala. Glucose monitoring system using
nanopellets. IET Nanotechonology, 2016.

[67] Scecina T. Oh J. Hunter M. Shih W. Sasic S. Horowitz G. & Feld M. Enejder, A. Raman
spectroscopy for noninvasive glucose measurements. Biomedical Optics, 10(3), 2005.

[68] E.J. Barrett T.A. Hillier, R.D. Abbott. Hyponatremia: evaluating the correction factor
for hyperglycemia. Am. J. Med., 106:399 – 403, 1999.

[69] Y. Feldman I. Ermolina, Y. Polevaya. Analysis of dielectric spectra of eukaryotic cells

by computer modelling. Eur. Biophys. J., 29:141 – 145, 2000.

[70] National Center for Chronic Disease Prevention and Health Promotion. In-
forme nacional de estadı́sticas de la diabetes. Accedido el 03-02-2019
disponible en: https://www.cdc.gov/diabetes/pdfs/data/statistics/national-diabetes-
statistics-report-spanish.pdf, 2017.

[71] Microsoft Azure Machine Learning. Fase de modelado del ciclo de vida
del proceso de ciencia de datos en equipos. Accedido el 5-02-2019 dispo-
nible en: https://docs.microsoft.com/es-es/azure/machine-learning/team-data-science-
process/lifecycle-modeling.

[72] PlatformIO. Get started with arduino and esp32-devkitc: de-

bugging and unit testing. Accedido el 5-02-2019 disponible en:
BIBLIOGRAFÍA 87

https://docs.platformio.org/en/latest/tutorials/espressif32/arduino debugging unit

testing.html#tutorial-espressif32-arduino-debugging-unit-testing.

[73] Scikit Learn. Multi-layer perceptron regressor. Accedido 12-02-2019 https://scikit-

learn.org/stable/modules/generated/sklearn.neural network.MLPRegressor.html#sklearn.neural n
 13
Anexos

Apéndice A.
Emisores de luz
Version 1.0 SFH 4851

Ordering Information
Bestellinformation
Type: Radiant Intensity Ordering Code
Typ: Strahlstärke Bestellnummer
IF= 100 mA, tp= 20 ms
Ie [mW/sr]
SFH 4851 500 (≥ 160) Q65111A6130

Note: Measured at a solid angle of Ω = 0.01 sr

Anm.: Gemessen bei einem Raumwinkel Ω = 0.01 sr

Maximum Ratings (TA = 25 °C)

Grenzwerte
Parameter Symbol Values Unit
Bezeichnung Symbol Werte Einheit
Operation and storage temperature range Top; Tstg -40 ... 100 °C
Betriebs- und Lagertemperatur
Reverse voltage VR 5 V
Sperrspannung
Forward current IF 100 mA
Durchlassstrom
Surge current IFSM 1 A
Stoßstrom
(tp ≤ 200 µs, D = 0)
Total power dissipation Ptot 200 mW
Verlustleistung
Thermal resistance junction - ambient RthJA 500 K/W
Wärmewiderstand Sperrschicht - Umgebung
Thermal resistance junction - case RthJC 350 K/W
Wärmewiderstand Sperrschicht - Gehäuse
ESD withstand voltage VESD 2 kV
ESD Festigkeit
(acc. to ANSI/ ESDA/ JEDEC JS-001 - HBM)

2015-01-29 2
Version 1.0 SFH 4851

Characteristics (TA = 25 °C)

Kennwerte
Parameter Symbol Values Unit
Bezeichnung Symbol Werte Einheit
Peak wavelength (typ) λpeak 860 nm
Emissionswellenlänge
(IF = 100 mA, tp = 20 ms)
Centroid Wavelength (typ) λcentroid 850 nm
Schwerpunktwellenlänge
(IF = 100 mA, tp = 20 ms)
Spectral bandwidth at 50% of Imax (typ) ∆λ 30 nm
Spektrale Bandbreite bei 50% von Imax
(IF = 100 mA, tp = 20 ms)
Half angle (typ) ϕ ±3 °
Halbwinkel
Dimensions of active chip area (typ) LxW 0.3 x 0.3 mm x
Abmessungen der aktiven Chipfläche mm
Rise and fall time of Ie ( 10% and 90% of Ie max) (typ) tr, tf 12 ns
Schaltzeit von Ie ( 10% und 90% von Ie max)
(IF = 100 mA, RL = 50 Ω)
Forward voltage (typ (max)) VF 1.7 (≤ 2) V
Durchlassspannung
(IF = 100 mA, tp = 20 ms)
Forward voltage (typ (max)) VF 3.6 (≤ 4.6) V
Durchlassspannung
(IF = 1A, tp = 100 µs)
Reverse current (typ (max)) IR not designed for µA
Sperrstrom reverse operation
(VR = 5 V)
Total radiant flux (typ) Φe 25 mW
Gesamtstrahlungsfluss
(IF= 100 mA, tp= 20 ms)

2015-01-29 3
Version 1.0 SFH 4851

Parameter Symbol Values Unit

Bezeichnung Symbol Werte Einheit
Temperature coefficient of Ie or Φe (typ) TCI -0.3 %/K
Temperaturkoeffizient von Ie bzw. Φe
(IF = 100 mA, tp = 20 ms)
Temperature coefficient of VF (typ) TCV -0.6 mV / K
Temperaturkoeffizient von VF
(IF = 100 mA, tp = 20 ms)
Temperature coefficient of wavelength (typ) TCλ 0.3 nm / K
Temperaturkoeffizient der Wellenlänge
(IF = 100 mA, tp = 20 ms)

Grouping (TA = 25 °C)

Gruppierung
Group Min Radiant Intensity Max Radiant Intensity Typ Radiant Intensity
Gruppe Min Strahlstärke Max Strahlstärke Typ Strahlstärke
IF= 100 mA, tp= 20 ms IF= 100 mA, tp= 20 ms IF = 1 A, tp = 100 µs
Ie, min [mW / sr] Ie, max [mW / sr] Ie, typ [mW / sr]
SFH 4851 160 800 2110

Note: measured at a solid angle of Ω = 0.01 sr

Only one group in one packing unit (variation lower 2:1).
Anm.: gemessen bei einem Raumwinkel Ω = 0.01 sr
Nur eine Gruppe in einer Verpackungseinheit (Streuung kleiner 2:1).

2015-01-29 4
Version 1.0 SFH 4851

Relative Spectral Emission 1) page 11 Radiant Intensity 1) page 11

Relative spektrale Emission 1) Seite 11 Strahlstärke 1) Seite 11
Irel = f(λ), TA = 25°C Ie / Ie(100 mA) = f(IF), single pulse, tp = 100 µs,
OHF04132 TA= 25°C
100
OHF05641
101
I rel %
Ιe
80 Ι e (100 mA)

100

60

10-1
40

20 10-2

0
700 750 800 850 nm 950 10-3 0
λ 10 101 102 mA 103
IF

2015-01-29 5
 VSMS3700
www.vishay.com
Vishay Semiconductors
Infrared Emitting Diode, 950 nm, GaAs
FEATURES
• Package type: surface mount
• Package form: PLCC-2
• Dimensions (L x W x H in mm):
3.5 x 2.8 x 1.75
• Peak wavelength: λp = 950 nm
• High reliability
• Angle of half intensity: ϕ = ± 60°
• Low forward voltage
948553
• Suitable for high pulse current operation
• Good spectral matching with Si
photodetectors
• Package matched with IR emitter series VEMT3700
• Floor life: 168 h, MSL 3, acc. J-STD-020
DESCRIPTION • Lead (Pb)-free reflow soldering
VSMS3700 is an infrared, 950 nm emitting diode in GaAs • AEC-Q101 qualified
technology, molded in a PLCC-2 package for surface • Material categorization: For definitions of compliance
mounting (SMD). please see www.vishay.com/doc?99912

APPLICATIONS
• Infrared source in tactile keyboards
• IR diode in low space applications
• PCB mounted infrared sensors
• Emitter in miniature photo-interrupters

PRODUCT SUMMARY
COMPONENT Ie (mW/sr) ϕ (deg) λP (nm) tr (ns)
VSMS3700 4.5 ± 60 950 800
Note
• Test conditions see table “Basic Characteristics”

ORDERING INFORMATION
ORDERING CODE PACKAGING REMARKS PACKAGE FORM
VSMS3700-GS08 Tape and reel MOQ: 7500 pcs, 1500 pcs/reel PLCC-2
VSMS3700-GS18 Tape and reel MOQ: 8000 pcs, 8000 pcs/reel PLCC-2
Note
• MOQ: minimum order quantity

Rev. 1.4, 25-Sep-13 1 Document Number: 81373

For technical questions, contact: [email protected]
THIS DOCUMENT IS SUBJECT TO CHANGE WITHOUT NOTICE. THE PRODUCTS DESCRIBED HEREIN AND THIS DOCUMENT
ARE SUBJECT TO SPECIFIC DISCLAIMERS, SET FORTH AT www.vishay.com/doc?91000
 VSMS3700
www.vishay.com
Vishay Semiconductors

ABSOLUTE MAXIMUM RATINGS (Tamb = 25 °C, unless otherwise specified)

PARAMETER TEST CONDITION SYMBOL VALUE UNIT
Reverse voltage VR 5 V
Forward current IF 100 mA
Peak forward current tp/T = 0.5, tp = 100 μs IFM 200 mA
Surge forward current tp = 100 μs IFSM 1.5 A
Power dissipation PV 170 mW
Junction temperature Tj 100 °C
Operating temperature range Tamb -40 to +85 °C
Storage temperature range Tstg -40 to +100 °C
Soldering temperature Acc. figure 11, J-STD-020 Tsd 260 °C
Thermal resistance junction/ambient J-STD-051, soldered on PCB RthJA 250 K/W

180 120

160
PV - Power Dissipation (mW)

100

IF - Forward Current (mA)

140

120 80

100
60
80 RthJA = 250 K/W RthJA = 250 K/W
60 40

40
20
20

0 0
0 10 20 30 40 50 60 70 80 90 100 0 10 20 30 40 50 60 70 80 90 100

21341 Tamb - Ambient Temperature (°C) 21342 Tamb - Ambient Temperature (°C)

Fig. 1 - Power Dissipation Limit vs. Ambient Temperature Fig. 2 - Forward Current Limit vs. Ambient Temperature

BASIC CHARACTERISTICS (Tamb = 25 °C, unless otherwise specified)

PARAMETER TEST CONDITION SYMBOL MIN. TYP. MAX. UNIT
IF = 100 mA, tp = 20 ms VF 1.3 1.7 V
Forward voltage
IF = 1 A, tp = 100 μs VF 1.8 V
Temperature coefficient of VF IF = 100 mA TKVF -1.3 mV/K
Reverse current VR = 5 V IR 100 μA
Junction capacitance VR = 0 V, f = 1 MHz, E = 0 Cj 30 pF
IF = 100 mA, tp = 20 ms Ie 1.6 4.5 8 mW/sr
Radiant intensity
IF = 1.5 A, tp = 100 μs Ie 35 mW/sr
Radiant power IF = 100 mA, tp = 20 ms φe 15 mW
Temperature coefficient of φe IF = 100 mA TKφe -0.8 %/K
Angle of half intensity ϕ ± 60 deg
Peak wavelength IF = 100 mA λp 950 nm
Spectral bandwidth IF = 100 mA Δλ 50 nm
Temperature coefficient of λp IF = 100 mA TKλp 0.2 nm/K
IF = 20 mA tr 800 ns
Rise time
IF = 1 A tr 400 ns
IF = 20 mA tf 800 ns
Fall time
IF = 1 A tf 400 ns
Virtual source diameter EN 60825-1 d 0.5 mm

Rev. 1.4, 25-Sep-13 2 Document Number: 81373

For technical questions, contact: [email protected]
THIS DOCUMENT IS SUBJECT TO CHANGE WITHOUT NOTICE. THE PRODUCTS DESCRIBED HEREIN AND THIS DOCUMENT
ARE SUBJECT TO SPECIFIC DISCLAIMERS, SET FORTH AT www.vishay.com/doc?91000
 VSMS3700
www.vishay.com
Vishay Semiconductors
BASIC CHARACTERISTICS (Tamb = 25 °C, unless otherwise specified)

10 000 100
Tamb < 60 °C
tp/T = 0.005

Ie - Radiant Intensity (mW/sr)

0.01
IF - Forward Current (mA)

1000
0.02
10
0.05
100 0.2
0.5
DC 1
10 0.1

1
0.1
0.01 0.1 1 10 100
100 101 102 103 104
95 9985 tp - Pulse Length (ms)
94 7956 IF - Forward Current (mA)

Fig. 3 - Pulse Forward Current vs. Pulse Duration Fig. 6 - Radiant Intensity vs. Forward Current

10 4 1000

10 3 Φe - Radiant Power (mW)

I F - Forward Current (mA)

100

10 2
10
10 1

1
10 0

10 -1 0.1
0 1 2 3 4 100 101 102 103 104
94 7996 V F - Forward Voltage (V) 94 8012 IF - Forward Current (mA)

Fig. 4 - Forward Current vs. Forward Voltage Fig. 7 - Radiant Power vs. Forward Current

1.2 1.6
VF rel - Relative Forward Voltage (V)

1.1
1.2
IF = 10 mA
IF = 20 mA
Ie rel; Φe rel

1.0
0.8
0.9

0.4
0.8

0.7 0
0 20 40 60 80 100 - 10 0 10 50 100 140
94 7990 Tamb - Ambient Temperature (°C) 94 7993 T amb - Ambient Temperature (°C)

Fig. 5 - Relative Forward Voltage vs. Ambient Temperature Fig. 8 - Relative Radiant Intensity/Power vs. Ambient Temperature

Rev. 1.4, 25-Sep-13 3 Document Number: 81373

For technical questions, contact: [email protected]
THIS DOCUMENT IS SUBJECT TO CHANGE WITHOUT NOTICE. THE PRODUCTS DESCRIBED HEREIN AND THIS DOCUMENT
ARE SUBJECT TO SPECIFIC DISCLAIMERS, SET FORTH AT www.vishay.com/doc?91000
 VSMS3700
www.vishay.com
Vishay Semiconductors

0° 10° 20°
1.25 30°

Ie, rel - Relative Radiant Sensitivity

Φe rel - Relative Radiant Power

ϕ - Angular Displacement
1.0

40°
0.75 1.0

0.9 50°
0.5
0.8 60°

0.25 70°
0.7
IF = 100 mA 80°
0
900 950 1000 0.6 0.4 0.2 0
94 8013
94 7994 λ - Wavelength (nm)

Fig. 9 - Relative Radiant Power vs. Wavelength Fig. 10 - Relative Radiant Intensity vs. Angular Displacement

PACKAGE DIMENSIONS in millimeters

3.5±0.2
1.75±0.1

0.9

0.8

Pin identification

Technical drawings
according to DIN
specifications
2.8±0.15

2.2

C A Dimensions in mm

Drawing-No.: 6.541-5067.01-4
Ø2.4 Issue: 6; 23.09.13
+0.15
3

Mounting Pad Layout Area covered

1.2 with solderresist
2.6 (2.8)

1.6 (1.9) 4

Dimensions: Reflow and vapor phase (wave soldering)

Rev. 1.4, 25-Sep-13 4 Document Number: 81373
For technical questions, contact: [email protected]
THIS DOCUMENT IS SUBJECT TO CHANGE WITHOUT NOTICE. THE PRODUCTS DESCRIBED HEREIN AND THIS DOCUMENT
ARE SUBJECT TO SPECIFIC DISCLAIMERS, SET FORTH AT www.vishay.com/doc?91000
 TSHG8400
www.vishay.com
Vishay Semiconductors
High Speed Infrared Emitting Diode, 830 nm,
GaAlAs Double Hetero
FEATURES
• Package type: leaded
• Package form: T-1¾
• Dimensions (in mm): Ø 5
• Peak wavelength: λp = 830 nm
• High reliability
• High radiant power
• High radiant intensity
• Angle of half intensity: ϕ = ± 22°
• Low forward voltage
94 8389
• Suitable for high pulse current operation
• High modulation bandwidth: fc = 18 MHz
• Good spectral matching with CMOS cameras
DESCRIPTION • Material categorization: For definitions of compliance
TSHG8400 is an infrared, 830 nm emitting diode in GaAlAs please see www.vishay.com/doc?99912
double hetero (DH) technology with high radiant power and
high speed, molded in a clear, untinted plastic package. APPLICATIONS
• Infrared radiation source for operation with CMOS
cameras (illumination)
• High speed IR data transmission

PRODUCT SUMMARY
COMPONENT Ie (mW/sr) ϕ (deg) λp (nm) tr (ns)
TSHG8400 70 ± 22 830 20
Note
• Test conditions see table “Basic Characteristics”

ORDERING INFORMATION
ORDERING CODE PACKAGING REMARKS PACKAGE FORM
TSHG8400 Bulk MOQ: 4000 pcs, 4000 pcs/bulk T-1¾
Note
• MOQ: minimum order quantity

ABSOLUTE MAXIMUM RATINGS (Tamb = 25 °C, unless otherwise specified)

PARAMETER TEST CONDITION SYMBOL VALUE UNIT
Reverse voltage VR 5 V
Forward current IF 100 mA
Peak forward current tp/T = 0.5, tp = 100 μs IFM 200 mA
Surge forward current tp = 100 μs IFSM 1 A
Power dissipation PV 180 mW
Junction temperature Tj 100 °C
Operating temperature range Tamb - 40 to + 85 °C
Storage temperature range Tstg - 40 to + 100 °C
Soldering temperature t ≤ 5 s, 2 mm from case Tsd 260 °C
J-STD-051,
Thermal resistance junction/ambient RthJA 230 K/W
leads 7 mm soldered on PCB

Rev. 1.4, 03-Sep-13 1 Document Number: 81297

For technical questions, contact: [email protected]
THIS DOCUMENT IS SUBJECT TO CHANGE WITHOUT NOTICE. THE PRODUCTS DESCRIBED HEREIN AND THIS DOCUMENT
ARE SUBJECT TO SPECIFIC DISCLAIMERS, SET FORTH AT www.vishay.com/doc?91000
 TSHG8400
www.vishay.com
Vishay Semiconductors

200 120
180
PV - Power Dissipation (mW)

100
160

IF - Forward Current (mA)

140
80
120 RthJA = 230 K/W RthJA = 230 K/W
100 60
80
40
60
40
20
20
0 0
0 10 20 30 40 50 60 70 80 90 100 0 10 20 30 40 50 60 70 80 90 100
21142 Tamb - Ambient Temperature (°C) 21143 Tamb - Ambient Temperature (°C)

Fig. 1 - Power Dissipation Limit vs. Ambient Temperature Fig. 2 - Forward Current Limit vs. Ambient Temperature

BASIC CHARACTERISTICS (Tamb = 25 °C, unless otherwise specified)

PARAMETER TEST CONDITION SYMBOL MIN. TYP. MAX. UNIT
IF = 100 mA, tp = 20 ms VF 1.5 1.8 V
Forward voltage
IF = 1 A, tp = 100 μs VF 2.3 V
Temperature coefficient of VF IF = 1 mA TKVF - 1.8 mV/K
Reverse current VR = 5 V IR 10 μA
Junction capacitance VR = 0 V, f = 1 MHz, E = 0 Cj 125 pF
IF = 100 mA, tp = 20 ms Ie 45 70 135 mW/sr
Radiant intensity
IF = 1 A, tp = 100 μs Ie 700 mW/sr
Radiant power IF = 100 mA, tp = 20 ms φe 50 mW
Temperature coefficient of φe IF = 100 mA TKφe - 0.35 %/K
Angle of half intensity ϕ ± 22 deg
Peak wavelength IF = 100 mA λp 830 nm
Spectral bandwidth IF = 100 mA Δλ 40 nm
Temperature coefficient of λp IF = 100 mA TKλp 0.25 nm/K
Rise time IF = 100 mA tr 20 ns
Fall time IF = 100 mA tf 13 ns
Cut-off frequency IDC = 70 mA, IAC = 30 mA pp fc 18 MHz
Virtual source diameter d 3.7 mm

Rev. 1.4, 03-Sep-13 2 Document Number: 81297

For technical questions, contact: [email protected]
THIS DOCUMENT IS SUBJECT TO CHANGE WITHOUT NOTICE. THE PRODUCTS DESCRIBED HEREIN AND THIS DOCUMENT
ARE SUBJECT TO SPECIFIC DISCLAIMERS, SET FORTH AT www.vishay.com/doc?91000
 LITE-ON TECHNOLOGY CORPORATION
Property of LITE-ON Only

ABSOLUTE MAXIMUM RATINGS AT TA=25℃

PARAMETER MAXIMUM RATING UNIT

Power Dissipation 100 mW

Collector-Emitter Voltage 30 V

Emitter-Collector Voltage 5 V

Operating Temperature Range -40℃ to + 85℃

Storage Temperature Range -55℃ to + 100℃

Lead Soldering Temperature

260℃ for 5 Seconds
[1.6mm(.063") From Body]

Part No. : LTR-4206 DATA SHEET Page : 2 of 4

BNS-OD-C131/A4
 LITE-ON TECHNOLOGY CORPORATION
Property of LITE-ON Only

ELECTRICAL / OPTICAL CHARACTERISTICS AT TA=25℃

TEST
PARAMETER SYMBOL MIN. TYP. MAX. UNIT BIN NO.
CONDITION
Collector-Emitter IC = 1mA
V(BR)CEO 30 V
Breakdown Voltage Ee = 0mW/cm2
Emitter-Collector IE = 100μA
V(BR)ECO 5 V
Breakdown Voltage Ee = 0mW/cm2
Collector Emitter IC = 0.5mA
VCE(SAT) 0.4 V
Saturation Voltage Ee = 1mW/cm2

Rise Time Tr 10 μs VCC = 5V

IC = 1mA
Fall Time Tf 10 μs RL = 1KΩ

VCE = 10V
Collector Dark Current ICEO 100 nA
Ee = 0mW/cm2

0.8 2.4 BIN C

1.6 4.8 VCE = 5V BIN D

On State Collector Current IC(ON) mA Ee = 1mW/cm2
3.2 9.6 λ=940nm BIN E

6.4 BIN F

Part No. : LTR-4206 DATA SHEET Page : 3 of 4

BNS-OD-C131/A4
 LITE-ON TECHNOLOGY CORPORATION
Property of LITE-ON Only

TYPICAL ELECTRICAL / OPTICAL CHARACTERISTICS CURVES

(25℃ Ambient Temperature Unless Otherwise Noted)

C o lle cto r P o w e r D is sip a tio n P c(m W )

120
A
Ice o -C o lle c to r D a rk C u rre n t-

100 100

10 80

1 60

0 .1 40

0 .0 1 20

0 0
0 40 80 120 -4 0 -2 0 0 20 40 60 80 100
o o
T a -A m b ie n t T e m p e ra tu re - C T a -A m b ie n t T e m p e ra tu re - C

F IG .1 C O L L E C T O R D A R K C U R R E N T F IG .2 C O L L E C T O R P O W E R D IS S IP A T IO N
V S A M B IE N T T E M P E R A T U R E V S A M B IE N T T E M P E R A T U R E

200
V cc=5V
s

180 4 .0 V ce= 5V
R e la tiv e C o lle c to r C u rre n t

VR L=1V
T r T f-R is e a n d F a ll T im e -

160
F =100H z
140 PW =1m s 3 .0
120
100
tf 2 .0
80
60
tr
40 1 .0

20
0 0
0 2 4 6 8 10 0 1 2 3 4 5

R L -L o a d R e s is ta n c e -K  E e -Irra d ia n c e -m W /c m 2

F IG .3 R IS E A N D F A L L T IM E F IG .4 R E L A T IV E C O L L E C T O R C U R R E N T
V S L O A D R E S IS T A N C E V S IR R A D IA N C E

o o o
0 10 20
o

30
R e la tiv e S e n s itivity

1 .0 40

0 .9 50
o
0 .8 60
o
70
o
0 .7 80
o
90

0 .5 0 .3 0 .1 0 .2 0 .4 0 .6

F IG .5 S E N S IT IV IT Y D IA G R A M

Part No. : LTR-4206 DATA SHEET Page : 4 of 4

BNS-OD-C131/A4



 



 
  




= =>== 

2''( #/. &

(82(%1)3..'?#.'1', - 
11'2(%1 #.. &
@'(4 / 
(4&(1(4 7. A;/
(4&(1(4 // A#..

(%%4&(1
-C. /*%'
B#$C&&)$.C30,& %D

      





= E=
=$ E
$ =>$  
  $
.$77 .$5C 

.$C7 #$-. 

1(%(*%*  &<* 



.$;. #$C; 

#$#- 

3$3# F$-- 

7$;# 5$.- 

(%('  &<' 



C$.- #-$C3 

;$7- 


(8&''(@4+
 57. & 




*(
( %+ 
/. & 




2(%(4 
#$- #$C  



@'1  #..  



244)$C, 
7. %4$

($"
/--;
(4"    -       3





 



 
  

        

)-/ &9&(1'' +2'%,

1.0 120
Relative Radiant Intensity

Forward Current IF (mA)

100

80

0.5 60

40

20

0 0
840 940 1040 -40 -20 0 20 40 60 80 100
Wavelength (nm) Ambient Temperature Ta ( o C)
FIG.1 SPECTRAL DISTRIBUTION FIG.2 FORWARD CURRENT VS.
AMBIENT TEMPERATURE

50 1.2
Output Power Relative To

1.0
Forward Current (mA)

40
0.8
Value at IF=20mA

30
0.6
20
0.4
10 0.2

0 0
0 1.2 1.6 2.0 2.4 2.8 -20 0 20 40 60 80
Forward Voltage (V) Ambient Temperature Ta ( o C)
FIG.3 FORWARD CURRENT VS. FIG.4 RELATIVE RADIANT INTENSITY
FORWARD VOLTAGE VS. AMBIENT TEMPERATURE
o o o
0 10 20
o
5.0 30
Output Power Relative To

Relative Radiant Intensity

4.0
o
40
Value at IF=20mA

3.0 1.0 o

0.9 50
o
2.0 0.8 60
o

0.7 70
1.0 80
o

o
90
0
0 40 80 120 160 200 0.5 0.3 0.1 0.2 0.4 0.6
Foward Current (mA)

FIG.5 RELATIVE RADIANT INTENSITY FIG.6 RADIATION DIAGRAM

VS. FORWARD CURRENT

($"
/--;
(4"    3       3

 #3#<7
PDF created with pdfFactory Pro trial version www.pdffactory.com
 105

Receptores de luz
 VEMD6060X01
www.vishay.com
Vishay Semiconductors
Silicon PIN Photodiode
FEATURES
• Package type: surface mount
• Package form: 1206
• Dimensions (L x W x H in mm): 4 x 2 x 1.05
• Radiant sensitive area (in mm2): 0.85
• High photo sensitivity
• High radiant sensitivity
• Excellent Ira linearity
• Suitable for visible and near infrared radiation
• Fast response times
• Angle of half sensitivity: ϕ = ± 70°
• Floor life: 72 h, MSL 4, according to J-STD-020
• Lead (Pb)-free reflow soldering
DESCRIPTION • AEC-Q101 qualified
VEMD6060X01 is a high speed and high sensitive PIN • Material categorization: for definitions of compliance
photodiode with excellent Ira linearity. It is a small surface please see www.vishay.com/doc?99912
mount device (SMD) including the chip with a 0.85 mm2
sensitive area detecting visible and near infrared radiation. APPLICATIONS
• High speed photo detector
• Small signal detection
• Proximity sensors

PRODUCT SUMMARY
COMPONENT Ira (μA) ϕ (deg) λ0.1 (nm)
VEMD6060X01 5 ± 70 380 to 1070
Note
• Test conditions see table “Basic Characteristics”

ORDERING INFORMATION
ORDERING CODE PACKAGING REMARKS PACKAGE FORM
VEMD6060X01 Tape and reel MOQ: 3000 pcs, 3000 pcs/reel 1206
Note
• MOQ: minimum order quantity

ABSOLUTE MAXIMUM RATINGS (Tamb = 25 °C, unless otherwise specified)

PARAMETER TEST CONDITION SYMBOL VALUE UNIT
Reverse voltage VR 20 V
Power dissipation Tamb ≤ 25 °C PV 215 mW
Junction temperature Tj 110 °C
Operating temperature range Tamb -40 to +110 °C
Storage temperature range Tstg -40 to +110 °C
Soldering temperature According to reflow solder profile fig. 8 Tsd 260 °C
Thermal resistance junction / ambient According to EIA / JESD51 RthJA 270 K/W

Rev. 1.0, 14-Jan-16 1 Document Number: 84296

For technical questions, contact: [email protected]
THIS DOCUMENT IS SUBJECT TO CHANGE WITHOUT NOTICE. THE PRODUCTS DESCRIBED HEREIN AND THIS DOCUMENT
ARE SUBJECT TO SPECIFIC DISCLAIMERS, SET FORTH AT www.vishay.com/doc?91000
 VEMD6060X01
www.vishay.com
Vishay Semiconductors

BASIC CHARACTERISTICS (Tamb = 25 °C, unless otherwise specified)

PARAMETER TEST CONDITION SYMBOL MIN. TYP. MAX. UNIT
Forward voltage IF = 50 mA VF - 0.85 1.1 V
Breakdown voltage IR = 100 μA, E = 0 V(BR) 20 - - V
Reverse dark current VR = 10 V, E = 0 Iro - 0.03 5 nA
VR = 0 V, f = 1 MHz, E = 0 CD - 11 - pF
Diode capacitance
VR = 5 V, f = 1 MHz, E = 0 CD - 4.8 - pF
Open circuit voltage Ee = 1 mW/cm2, λ = 950 nm Vo - 360 - mV
Temperature coefficient of Vo Ee = 1 mW/cm2, λ = 950 nm TKVo - -3.1 - mV/K
Short circuit current Ee = 1 mW/cm2, λ = 950 nm Ik - 5 - μA
Temperature coefficient of Ik Ee = 1 mW/cm2, λ = 835 nm TKIk - 0.1 - %/K
Ee = 1 mW/cm2, λ = 950 nm, VR = 5 V Ira 3.5 5 6.5 μA
Reverse light current
Ee = 1 mW/cm2, λ = 890 nm, VR = 5 V Ira - 7 - μA
Angle of half sensitivity ϕ - ± 70 - deg
Wavelength of peak sensitivity λp - 820 - nm
Range of spectral bandwidth λ0.1 - 380 to 1070 - nm
Rise time VR = 10 V, RL = 50 Ω, λ = 830 nm tr - 60 - ns
Fall time VR = 10 V, RL = 50 Ω, λ = 830 nm tf - 50 - ns

BASIC CHARACTERISTICS (Tamb = 25 °C, unless otherwise specified)

100 100
Ira - Reverse Light Current (μA) VR = 5 V, λ = 950 nm
Iro - Reverse Dark Current (nA)

VR = 10 V
10
10

1
1
0.1

0.1
0.01

0.001 0.01
-40 -20 0 20 40 60 80 100 0.01 0.1 1 10

Tamb - Ambient Temperature (°C) Ee - Irradiance (mW/cm2)

Fig. 1 - Reverse Dark Current vs. Ambient Temperature Fig. 3 - Reverse Light Current vs. Irradiance

1.4 100
VR = 5 V λ = 950 nm 10 mW/cm2
Ira - Reverse Light Current (μA)
Ira rel - Relative Reverse Light Current

5.0 mW/cm2
940 nm 2.0 mW/cm2
1.2 10
865 nm 1.0 mW/cm2
0.5 mW/cm2

0.2 mW/cm2
1.0 835 nm 1
0.1 mW/cm2
0.05 mW/cm2

0.02 mW/cm2
0.8 0.1

0.01 mW/cm2

0.6 0.01
-40 -20 0 20 40 60 80 100 0.1 1 10 100

Tamb - Ambient Temperature (°C) VR - Reverse Voltage (V)

Fig. 2 - Relative Reverse Light Current vs. Ambient Temperature Fig. 4 - Reverse Light Current vs. Reverse Voltage

Rev. 1.0, 14-Jan-16 2 Document Number: 84296

For technical questions, contact: [email protected]
THIS DOCUMENT IS SUBJECT TO CHANGE WITHOUT NOTICE. THE PRODUCTS DESCRIBED HEREIN AND THIS DOCUMENT
ARE SUBJECT TO SPECIFIC DISCLAIMERS, SET FORTH AT www.vishay.com/doc?91000
 VEMD6060X01
www.vishay.com
Vishay Semiconductors

0° 10° 20°
12
30°

Srel - Relative Radiant Sensitivity

f = 1 MHz, E = 0
10

ϕ - Angular Displacement
CD - Capacitance (pF)

8 40°
1.0
6 0.9 50°

4 0.8 60°

70°
2 0.7
80°
0
0.001 0.01 0.1 1 10 100 0.6 0.4 0.2 0

VR - Reverse Voltage (V)

Fig. 5 - Diode Capacitance vs. Reverse Voltage Fig. 7 - Relative Radiant Sensitivity vs. Angular Displacement
S(λ)rel - Relative Spectral Sensitivity

1.0

0.8

0.6

0.4

0.2

0
400 500 600 700 800 900 1000 1100

λ - Wavelength (nm)

Fig. 6 - Relative Spectral Sensitivity vs. Wavelength

REFLOW SOLDER PROFILE DRYPACK

Devices are packed in moisture barrier bags (MBB) to
300
prevent the products from moisture absorption during
max. 260 °C
250 255 °C transportation and storage. Each bag contains a desiccant.
240 °C 245 °C
217 °C
FLOOR LIFE
Temperature (°C)

200
max. 30 s Floor life (time between soldering and removing from MBB)
150 must not exceed the time indicated on MBB label:
max. 120 s max. 100 s
100
Floor life: 72 h
max. ramp down 6 °C/s
Conditions: Tamb < 30 °C, RH < 60 %
50 max. ramp up 3 °C/s Moisture sensitivity level 4, according to J-STD-020.
0
0 50 100 150 200 250 300 DRYING
19841 Time (s) In case of moisture absorption devices should be baked
before soldering. Conditions see J-STD-020 or label.
Fig. 8 - Lead (Pb)-free Reflow Solder Profile
Devices taped on reel dry using recommended conditions
According to J-STD-020 192 h at 40 °C (+ 5 °C), RH < 5 %.

Rev. 1.0, 14-Jan-16 3 Document Number: 84296

For technical questions, contact: [email protected]
THIS DOCUMENT IS SUBJECT TO CHANGE WITHOUT NOTICE. THE PRODUCTS DESCRIBED HEREIN AND THIS DOCUMENT
ARE SUBJECT TO SPECIFIC DISCLAIMERS, SET FORTH AT www.vishay.com/doc?91000
 BP 104 F, BP 104 FS

Grenzwerte
Maximum Ratings
Bezeichnung Symbol Wert Einheit
Parameter Symbol Value Unit
Betriebs- und Lagertemperatur Top; Tstg – 40 … + 100 °C
Operating and storage temperature range
Sperrspannung VR 20 V
Reverse voltage
Verlustleistung, TA = 25 °C Ptot 150 mW
Total power dissipation

Kennwerte (TA = 25 °C, λ = 950 nm)

Characteristics
Bezeichnung Symbol Wert Einheit
Parameter Symbol Value Unit
Fotostrom IP 34 (≥ 25) μA
Photocurrent
VR = 5 V, Ee = 1 mW/cm2
Wellenlänge der max. Fotoempfindlichkeit λS max 950 nm
Wavelength of max. sensitivity
Spektraler Bereich der Fotoempfindlichkeit λ 800 … 1100 nm
S = 10 % von Smax
Spectral range of sensitivity
S = 10 % of Smax
Bestrahlungsempfindliche Fläche A 4.84 mm2
Radiant sensitive area
Abmessung der bestrahlungsempfindlichen Fläche L × B 2.20 × 2.20 mm × mm
Dimensions of radiant sensitive area L×W
Halbwinkel ϕ ± 60 Grad
Half angle deg.
Dunkelstrom, VR = 10 V IR 2 (≤ 30) nA
Dark current
Spektrale Fotoempfindlichkeit Sλ 0.70 A/W
Spectral sensitivity
Quantenausbeute η 0.90 Electrons
Quantum yield Photon
Leerlaufspannung, Ee = 0.5 mW/cm2 VO 330 (≥ 250) mV
Open-circuit voltage

2009-04-07 2
 BP 104 F, BP 104 FS

Kennwerte (TA = 25 °C, λ = 950 nm)

Characteristics (cont’d)
Bezeichnung Symbol Wert Einheit
Parameter Symbol Value Unit
Kurzschlussstrom, Ee = 0.5 mW/cm2 ISC 17 μA
Short-circuit current
Anstiegs- und Abfallzeit des Fotostromes t r , tf 20 ns
Rise and fall time of the photocurrent
RL = 50 Ω; VR = 5 V; λ = 850 nm; Ip = 800 μA
Durchlassspannung, IF = 100 mA, E = 0 VF 1.3 V
Forward voltage
Kapazität, VR = 0 V, f = 1 MHz, E = 0 C0 48 pF
Capacitance
Temperaturkoeffizient von VO TCV – 2.6 mV/K
Temperature coefficient of VO
Temperaturkoeffizient von ISC TCI 0.18 %/K
Temperature coefficient of ISC
Rauschäquivalente Strahlungsleistung NEP 3.6 × 10–14 W
Noise equivalent power ------------
Hz
VR = 10 V
Nachweisgrenze, VR = 10 V D* 6.1 × 1012
cm × Hz
Detection limit --------------------------
W

2009-04-07 3
 BP 104 F, BP 104 FS

Relative Spectral Sensitivity Photocurrent IP = f (Ee), VR = 5 V Total Power Dissipation

Srel = f (λ) Open-Circuit Voltage VO = f (Ee) Ptot = f (TA)
OHF00368 OHF01056 OHF00958
100 10 3 10 4 160
μA mV mW
S rel % ΙP VO Ptot
140
80
10 2 10 3 120
VO
100
60
10 1 10 2 80

40 ΙP 60

10 0 10 1 40
20
20
-1 0
0 10 10 0
700 800 900 1000 nm 1200 10 0 10 1 10 2 μW/cm2 10 4 0 20 40 60 80 ˚C 100
λ Ee TA

Dark Current Capacitance Dark Current

IR = f (VR), E = 0 C = f (VR), f = 1 MHz, E = 0 IR = f (TA), VR = 10 V, E = 0
OHF01778 OHF00082
4000 OHFD1781
60 10 3
pA C pF Ι R nA
ΙR 50
3000 10 2
40

2000 30 10 1

20
1000 10 0
10

0 0 -2 10 -1
0 5 10 15 V 20 10 10 -1 10 0 10 1 V 10 2 0 20 40 60 80 ˚C 100
VR VR TA
Directional Characteristics
Srel = f (ϕ)
40 30 20 10 0 OHF01402
ϕ
1.0

50
0.8

60
0.6

70 0.4

80 0.2

0
90

100
1.0 0.8 0.6 0.4 0 20 40 60 80 100 120

2009-04-07 4
 SFH 229, SFH 229 FA

Grenzwerte
Maximum Ratings
Bezeichnung Symbol Wert Einheit
Parameter Symbol Value Unit
Betriebs- und Lagertemperatur Top; Tstg – 40 … + 100 °C
Operating and storage temperature range
Löttemperatur (Lötstelle 2 mm vom Gehäuse entfernt TS 230 °C
bei Lötzeit t ≤ 3 s)
Soldering temperature in 2 mm distance from case
bottom (t ≤ 3 s)
Sperrspannung VR 20 V
Reverse voltage
Verlustleistung Ptot 150 mW
Total power dissipation

Kennwerte (TA = 25 °C)

Characteristics
Bezeichnung Symbol Wert Einheit
Parameter Symbol Value Unit
SFH 229 SFH 229 FA
Fotostrom
Photocurrent
VR = 5 V, Normlicht/standard light A, IP 28 (≥ 18) – µA
T = 2856 K, EV = 1000 lx
VR = 5 V, λ = 950 nm, Ee = 1 mW/cm2 IP – 20 (≥ 10.8) µA
Wellenlänge der max. Fotoempfindlichkeit λS max 860 900 nm
Wavelength of max. sensitivity
Spektraler Bereich der Fotoempfindlichkeit λ 380 … 1100 730 … 1100 nm
S = 10% von Smax
Spectral range of sensitivity
S = 10% of Smax
Bestrahlungsempfindliche Fläche A 0.3 0.3 mm2
Radiant sensitive area
Abmessung der bestrahlungsempfindlichen Fläche L × B 0.56 × 0.56 0.56 × 0.56 mm × mm
Dimensions of radiant sensitive area L×W
Abstand Chipoberfläche zu Gehäuseoberfläche H 2.4 … 2.8 2.4 … 2.8 mm
Distance chip front to case surface
Halbwinkel ϕ ± 17 ± 17 Grad
Half angle deg.

2001-02-22 2
 SFH 229, SFH 229 FA

Kennwerte (TA = 25 °C)

Characteristics (cont’d)
Bezeichnung Symbol Wert Einheit
Parameter Symbol Value Unit
SFH 229 SFH 229 FA
Dunkelstrom, VR = 10 V IR 50 (≤ 5000) 50 (≤ 5000) pA
Dark current
Spektrale Fotoempfindlichkeit, λ = 850 nm Sλ 0.62 0.60 A/W
Spectral sensitivity
Quantenausbeute, λ = 850 nm η 0.90 0.88 Electrons
Quantum yield Photon
Leerlaufspannung
Open-circuit voltage
Ev = 1000 Ix, Normlicht/standard light A, VO 450 (≥ 400) – mV
T = 2856 K
Ee = 0.5 mW/cm2, λ = 950 nm VO – 420 (≥ 370) mV
Kurzschlußstrom
Short-circuit current
Ev = 1000 Ix, Normlicht/standard light A, ISC 27 – µA
T = 2856 K
Ee = 0.5 mW/cm2, λ = 950 nm ISC – 9 µA
Anstiegs- und Abfallzeit des Fotostromes tr, tf 10 10 ns
Rise and fall time of the photocurrent
RL = 50 Ω; VR = 10 V; λ = 850 nm; Ip = 800 µA
Durchlaßspannung, IF = 100 mA, E = 0 VF 1.3 1.3 V
Forward voltage
Kapazität, VR = 0 V, f = 1 MHz, E = 0 C0 13 13 pF
Capacitance
Temperaturkoeffizient von VO TCV – 2.6 – 2.6 mV/K
Temperature coefficient of VO
Temperaturkoeffizient von ISC TCI %/K
Temperature coefficient of ISC
Normlicht/standard light A 0.18 –
λ = 950 nm – 0.2
Rauschäquivalente Strahlungsleistung NEP 6.5 × 10– 15 6.5 × 10– 15 W
Noise equivalent power ------------
Hz
VR = 10 V, λ = 850 nm
Nachweisgrenze, VR = 10 V, λ = 850 nm D* 8.4 × 1012 8.4 × 1012
cm × Hz
Detection limit --------------------------
W

2001-02-22 3
 SFH 229, SFH 229 FA

Relative Spectral Sensitivity Relative Spectral Sensitivity Photocurrent IP = f (Ev), VR = 5 V

Srel = f (λ) Srel = f (λ) Open-Circuit Voltage VO = f (Ev)
SFH 229 SFH 229 FA SFH 229

Photocurrent IP = f (Ee), VR = 5 V Total Power Dissipation Dark Current

Open-Circuit Voltage VO = f (Ee) Ptot = f (TA) IR = f (VR), E = 0
SFH 229 FA

2001-02-22 4



 



 
  




? ?@?? 

3(() $// '

+')5 4/ 

'+)5 0 

)5')2)5 8/ AB0

)5')2)5 00 A$//

)&&5')2
.=/ 0+&(
C$%=''*%/=41-'"&D

)%#
8./=
)5#    .       8

" $4$>8



 



 
  

      




?
 ?% 
% ?@%  " %
  
+' E$'

 4/ 
")9&3)5 E/'>+'
'+ E$//

 0 
")9&3)5 E/'>+'
+' E/%0'


 /%8 
)2))5 E$'>+'

('  $/ ( E0

E$'
)'  $/ ( E$!

E$/
+)92  $// 
E/'>+'

/%8 $%. ""

/%B .%8 "

E0
)+2 
  $%= 8%B ' E$'>+' "
E68/'
4%. 6%= "

=%8 "

)%#
8./=
)5#    4       8

" $4$>8



 



 
  

        

*.0 ':')2(( ,3(&-





  

µ




 









 
  
       




  

   




 


 




 





%!&%


!

  %!&%

  

µ

%!
%


"!
#$

  !
 *




 






 
    
 
 *  &

   Ω '(

  ) 

 






 
    









 









 




 






 











 

 

)%#
8./=
)5#    8       8

" $4$>8
 118 13 Anexos

Microcontrolador ESP32
SparkFun ESP32 Thing (DEV-13907) Name
Power
ADC
DAC
PCB Antenna GND SPI
Control UART
Arduino Touch
Reset button Button: GPIO 0
GPIO Misc
ADC1_0* GPIO36* SenseVP 36 GND *GPIO: Port Input Only
ADC1_1* GPIO37* CapVP 37 21 SDA GPIO21 V_SPI_HD *ADC: Preamplifier ADC
ADC1_2* GPIO38* CapVN 38 TX CLK3 GPIO1 U0_TXD GPIO 3.3V tolerant only
ADC1_3* GPIO39* SensVN 39 RX CLK2 GPIO3 U0_RXD
Touch9 ADC1_4 GPIO32 XTAL32 32 22 SCL GPIO22 V_SPI_WP U0_RTS
Touch8 ADC1_5 GPIO33 XTAL32 33 19 MISO GPIO19 V_SPI_Q U0_CTS
VDET1 ADC1_6 GPIO34* 34 23 MOSI GPIO23 V_SPI_D
VDET2 ADC1_7 GPIO35* 35 18 SCK GPIO18 V_SPI_CLK
DAC1 ADC2_8 GPIO25 25 5 GPIO5 V_SPI_CS0 LED (Blue)
DAC2 ADC2_9 GPIO26 26 15 GPIO15 ADC2_3 HSPI_CS0 Touch3
Touch7 ADC2_7 GPIO27 27 2 CS GPIO2 ADC2_2 HSPI_WP Touch2
Touch6 HSPI_CLK ADC2_6 GPIO14 14 0 CLK1 GPIO0 ADC2_1 Touch1 Button
Touch5 HSPI_Q ADC2_5 GPIO12 12 4 GPIO4 ADC2_0 HSPI_HD Touch0
Touch4 HSP_ID ADC2_4 GPIO13 13
____
17 GPIO17 U2_TXD
Reset RST 16 GPIO16 U2_RXD
3.3V 3V3 3V3 3.3V Jumpers
GND GND GND GND
SJ1: Can be cut to
VBAT VBAT JST
VBAT VBAT change charge current
VUSB VUSB microB
Connector
Connector VUSB VUSB
for single SJ2: Disconnect to
GND GND cell LiPo GND GND disable Power LED
Power LED: Red SJ3: Use to change voltage to
Charge LED: Yellow flash chip

Power ESP32 ADC Preamp

ESP32 VCC range: 2.2V-3.6V Dual-core Xtensa 32-bit LX6
GPIO pins 36,67,38, and 39 are able to
VBAT: direct to battery (and charger) Up to 240MHz
be used as a low noise analog
VUSB: direct to USB (5V) 520kB internal SRAM
pre-amplifier
VCC: Output of regulator 3.3V/600mA 4MB external flash
Up to 250mA during RF transmissions Multiplexed I/Os allow up to Other*
18 ADC channels Hall Sensor
3 SPI interfaces Temp sensor (-40C to 125C)
Wireless 3 UART interfaces
2 I2C interfaces SD/SDIO/MMC Host Controller
Wifi: 802.11 b/g/n/e/i
2 I2S interfaces CAN Bus
WPA/WPA2/WPA2-Enterprise/SPS 16 LED PWM outputs
Bluetooth: Bluetooth 4.2/BLE 2 DACs
10 Capacitive Touch Inputs *On datasheet, but may not be supported yet
 120 13 Anexos

Conversor analógico - digital

 AD

ADS1013
S101
5

ADS
1015

ADS1014
ADS1015
www.ti.com SBAS473C – MAY 2009 – REVISED OCTOBER 2009

Ultra-Small, Low-Power, 12-Bit

Analog-to-Digital Converter with Internal Reference
Check for Samples: ADS1013 ADS1014 ADS1015

1FEATURES DESCRIPTION
23 • ULTRA-SMALL QFN PACKAGE: The ADS1013, ADS1014, and ADS1015 are
2mm × 1,5mm × 0,4mm precision analog-to-digital converters (ADCs) with 12
• WIDE SUPPLY RANGE: 2.0V to 5.5V bits of resolution offered in an ultra-small, leadless
QFN-10 package or an MSOP-10 package. The
• LOW CURRENT CONSUMPTION:
ADS1013/4/5 are designed with precision, power, and
Continuous Mode: Only 150μA ease of implementation in mind. The ADS1013/4/5
Single-Shot Mode: Auto Shut-Down feature an onboard reference and oscillator. Data are
• PROGRAMMABLE DATA RATE: transferred via an I2C-compatible serial interface; four
128SPS to 3.3kSPS I2C slave addresses can be selected. The
• INTERNAL LOW-DRIFT ADS1013/4/5 operate from a single power supply
ranging from 2.0V to 5.5V.
VOLTAGE REFERENCE
• INTERNAL OSCILLATOR The ADS1013/4/5 can perform conversions at rates
up to 3300 samples per second (SPS). An onboard
• INTERNAL PGA
PGA is available on the ADS1014 and ADS1015 that
• I2C™ INTERFACE: Pin-Selectable Addresses offers input ranges from the supply to as low as
• FOUR SINGLE-ENDED OR TWO ±256mV, allowing both large and small signals to be
DIFFERENTIAL INPUTS (ADS1015) measured with high resolution. The ADS1015 also
features an input multiplexer (MUX) that provides two
• PROGRAMMABLE COMPARATOR differential or four single-ended inputs.
(ADS1014 and ADS1015)
The ADS1013/4/5 operate either in continuous
APPLICATIONS conversion mode or a single-shot mode that
automatically powers down after a conversion and
• PORTABLE INSTRUMENTATION
greatly reduces current consumption during idle
• CONSUMER GOODS periods. The ADS1013/4/5 are specified from –40°C
• BATTERY MONITORING to +125°C.
• TEMPERATURE MEASUREMENT
• FACTORY AUTOMATION AND PROCESS
CONTROLS

VDD VDD

ADS1015 Comparator
ADS1013 ADS1014
Voltage Voltage
Reference Reference ALERT/RDY

AIN0

ADDR AIN1
AIN0 ADDR
2 AIN2
12-Bit DS IC 12-Bit DS 2
SCL MUX PGA IC SCL
ADC Interface AIN3 ADC
AIN1 Interface
SDA ADS1015 SDA
Only
Oscillator Oscillator

GND GND

Please be aware that an important notice concerning availability, standard warranty, and use in critical applications of Texas
Instruments semiconductor products and disclaimers thereto appears at the end of this data sheet.
2 I2C is a trademark of NXP Semiconductors.
3 All other trademarks are the property of their respective owners.
PRODUCTION DATA information is current as of publication date. Copyright © 2009, Texas Instruments Incorporated
Products conform to specifications per the terms of the Texas
Instruments standard warranty. Production processing does not
necessarily include testing of all parameters.
ADS1013
ADS1014
ADS1015
SBAS473C – MAY 2009 – REVISED OCTOBER 2009 www.ti.com

This integrated circuit can be damaged by ESD. Texas Instruments recommends that all integrated circuits be handled with
appropriate precautions. Failure to observe proper handling and installation procedures can cause damage.
ESD damage can range from subtle performance degradation to complete device failure. Precision integrated circuits may be more
susceptible to damage because very small parametric changes could cause the device not to meet its published specifications.

ORDERING INFORMATION

For the most current package and ordering information, see the Package Option Addendum at the end of this
document, or see the TI web site at www.ti.com.

ABSOLUTE MAXIMUM RATINGS (1)

ADS1013, ADS1014, ADS1015 UNIT
VDD to GND –0.3 to +5.5 V
Analog input current 100, momentary mA
Analog input current 10, continuous mA
Analog input voltage to GND –0.3 to VDD + 0.3 V
SDA, SCL, ADDR, ALERT/RDY voltage to GND –0.5 to +5.5 V
Maximum junction temperature +150 °C
Storage temperature range –60 to +150 °C

(1) Stresses above those listed under Absolute Maximum Ratings may cause permanent damage to the device. Exposure to absolute
maximum conditions for extended periods may affect device reliability.

PRODUCT FAMILY
PACKAGE INPUT CHANNELS
DESIGNATOR RESOLUTION MAXIMUM SAMPLE (Differential/
DEVICE MSOP/QFN (Bits) RATE (SPS) COMPARATOR PGA Single-Ended)
ADS1113 BROI/N6J 16 860 No No 1/1
ADS1114 BRNI/N5J 16 860 Yes Yes 1/1
ADS1115 BOGI/N4J 16 860 Yes Yes 2/4
ADS1013 BRMI/N9J 12 3300 No No 1/1
ADS1014 BRQI/N8J 12 3300 Yes Yes 1/1
ADS1015 BRPI/N7J 12 3300 Yes Yes 2/4

2 Submit Documentation Feedback Copyright © 2009, Texas Instruments Incorporated

Product Folder Link(s): ADS1013 ADS1014 ADS1015

 ADS1013
ADS1014
ADS1015
www.ti.com SBAS473C – MAY 2009 – REVISED OCTOBER 2009

ELECTRICAL CHARACTERISTICS
All specifications at –40°C to +125°C, VDD = 3.3V, and Full-Scale (FS) = ±2.048V, unless otherwise noted.
Typical values are at +25°C.
ADS1013, ADS1014, ADS1015
PARAMETER TEST CONDITIONS MIN TYP MAX UNIT
ANALOG INPUT
Full-scale input voltage (1) VIN = (AINP) – (AINN) ±4.096/PGA V
Analog input voltage AINP or AINN to GND GND VDD V
Differential input impedance See Table 2
FS = ±6.144V (1) 10 MΩ
(1)
FS = ±4.096V , ±2.048V 6 MΩ
Common-mode input impedance
FS = ±1.024V 3 MΩ
FS = ±0.512V, ±0.256V 100 MΩ
SYSTEM PERFORMANCE
Resolution No missing codes 12 Bits
128, 250,
490, 920,
Data rate (DR) SPS
1600, 2400,
3300
Data rate variation All data rates –10 10 %
Output noise See Typical Characteristics
Integral nonlinearity DR = 128SPS, FS = ±2.048V, best fit (2) 0.5 LSB
FS = ±2.048V, differential inputs 0 ±0.5 LSB
Offset error
FS = ±2.048V, single-ended inputs ±0.25 LSB
Offset drift FS = ±2.048V 0.005 LSB/°C
Gain error (3) FS = ±2.048V at 25°C 0.05 0.25 %
FS = ±0.256V 7 ppm/°C
Gain drift (3) FS = ±2.048V 5 40 ppm/°C
FS = ±6.144V (1) 5 ppm/°C
PGA gain match (3) Match between any two PGA gains 0.02 0.1 %
Gain match Match between any two inputs 0.05 0.1 %
Offset match Match between any two inputs 0.25 LSB
DIGITAL INPUT/OUTPUT
Logic level
VIH 0.7VDD 5.5 V
VIL GND – 0.5 0.3VDD V
VOL IOL = 3mA GND 0.15 0.4 V
Input leakage
IH VIH = 5.5V 10 μA
IL VIL = GND 10 μA

(1) This parameter expresses the full-scale range of the ADC scaling. In no event should more than VDD + 0.3V be applied to this device.
(2) 99% of full-scale.
(3) Includes all errors from onboard PGA and reference.

Copyright © 2009, Texas Instruments Incorporated Submit Documentation Feedback 3

Product Folder Link(s): ADS1013 ADS1014 ADS1015
ADS1013
ADS1014
ADS1015
SBAS473C – MAY 2009 – REVISED OCTOBER 2009 www.ti.com

ELECTRICAL CHARACTERISTICS (continued)

All specifications at –40°C to +125°C, VDD = 3.3V, and Full-Scale (FS) = ±2.048V, unless otherwise noted.
Typical values are at +25°C.
ADS1013, ADS1014, ADS1015
PARAMETER TEST CONDITIONS MIN TYP MAX UNIT
POWER-SUPPLY REQUIREMENTS
Power-supply voltage 2 5.5 V
Power-down current at 25°C 0.5 2 μA
Power-down current up to 125°C 5 μA
Supply current
Operating current at 25°C 150 200 μA
Operating current up to 125°C 300 μA
VDD = 5.0V 0.9 mW
Power dissipation VDD = 3.3V 0.5 mW
VDD = 2.0V 0.3 mW
TEMPERATURE
Storage temperature –60 +150 °C
Specified temperature –40 +125 °C

PIN CONFIGURATIONS
RUG PACKAGE
QFN-10 DGS PACKAGE
(TOP VIEW) MSOP-10
SCL (TOP VIEW)

10
ADDR 1 10 SCL
ADDR 1 9 SDA
ALERT/RDY (ADS1014/5 Only) 2 9 SDA
ALERT/RDY (ADS1014/5 Only) 2 ADS1013 8 VDD ADS1013
ADS1014 GND 3 ADS1014 8 VDD
GND 3 ADS1015 7 AIN3 (ADS1015 Only) ADS1015
AIN0 4 7 AIN3 (ADS1015 Only)
AIN0 4 6 AIN2 (ADS1015 Only)
AIN1 5 6 AIN2 (ADS1015 Only)
5
AIN1

PIN DESCRIPTIONS
DEVICE
PIN # ADS1013 ADS1014 ADS1015 FUNCTION DESCRIPTION
1 ADDR ADDR ADDR Digital input I2C slave address select
2 NC (1) ALERT/RDY ALERT/RDY Digital output Digital comparator output or conversion ready (NC for ADS1013)
3 GND GND GND Supply Ground
4 AIN0 AIN0 AIN0 Analog input Differential channel 1: Positive input or single-ended channel 1 input
5 AIN1 AIN1 AIN1 Analog input Differential channel 1: Negative input or single-ended channel 2 input
6 NC NC AIN2 Analog input Differential channel 2: Positive input or single-ended channel 3 input (NC for ADS1013/4)
Differential channel 2: Negative input or single-ended channel 4 input
7 NC NC AIN3 Analog input
(NC for ADS1013/4)
8 VDD VDD VDD Supply Power supply: 2.0V to 5.5V
9 SDA SDA SDA Digital I/O Serial data: Transmits and receives data
10 SCL SCL SCL Digital input Serial clock input: Clocks data on SDA

(1) NC pins may be left floating or tied to ground.

4 Submit Documentation Feedback Copyright © 2009, Texas Instruments Incorporated

Product Folder Link(s): ADS1013 ADS1014 ADS1015

 125

Sensor de temperatura
TMP102
SBOS397H – AUGUST 2007 – REVISED DECEMBER 2018 www.ti.com

5 Pin Configuration and Functions

DRL Package
6-Pin SOT563
Top View

SCL 1 6 SDA

CBZ
GND 2 5 V+

ALERT 3 4 ADD0

Pin Functions
PIN
I/O DESCRIPTION
NO. NAME
1 SCL I Serial clock. Open-drain output; requires a pullup resistor.
2 GND — Ground
3 ALERT O Overtemperature alert. Open-drain output; requires a pullup resistor.
4 ADD0 I Address select. Connect to GND or V+
5 V+ I Supply voltage, 1.4 V to 3.6 V
6 SDA I/O Serial data. Open-drain output; requires a pullup resistor.

6 Specifications
6.1 Absolute Maximum Ratings
over operating free-air temperature range (unless otherwise noted) (1)
MIN MAX UNIT
Supply Voltage 4 V
Voltage at SCL, SDA and ADD0 (2) –0.5 4 V
((V+) + 0.3)
Voltage at ALERT V
and ≤ 4
Operating temperature –55 150 °C
Junction temperature 150 °C
Storage temperature, Tstg –60 150 °C

(1) Stresses above these ratings may cause permanent damage. Exposure to absolute maximum conditions for extended periods may
degrade device reliability. These are stress ratings only, and functional operation of the device at these or any other conditions beyond
those specified is not supported.
(2) Input voltage rating applies to all TMP102 input voltages.

6.2 Handling Ratings

VALUE UNIT
Human-body model (HBM), per ANSI/ESDA/JEDEC JS-001 (1) ±2000
V(ESD) Electrostatic discharge Charged-device model (CDM), per JEDEC specification JESD22-C101 (2) ±1000 V
Machine model (MM) ±200

(1) Level listed above is the passing level per ANSI, ESDA, and JEDEC JS-001. JEDEC document JEP155 states that 500-V HBM allows
safe manufacturing with a standard ESD control process.
(2) Level listed above is the passing level per EIA-JEDEC JESD22-C101. JEDEC document JEP157 states that 250-V CDM allows safe
manufacturing with a standard ESD control process.

4 Submit Documentation Feedback Copyright © 2007–2018, Texas Instruments Incorporated

Product Folder Links: TMP102

 TMP102
www.ti.com SBOS397H – AUGUST 2007 – REVISED DECEMBER 2018

6.3 Recommended Operating Conditions

over operating free-air temperature range (unless otherwise noted)
MIN NOM MAX UNIT
V+ Supply voltage 1.4 3.3 3.6 V
TA Operating free-air temperature –40 125 °C

6.4 Thermal Information

TMP102
THERMAL METRIC (1) DRL (SOT563) UNIT
6 PINS
RθJA Junction-to-ambient thermal resistance 210.3 °C/W
RθJC(top) Junction-to-case (top) thermal resistance 105.0 °C/W
RθJB Junction-to-board thermal resistance 87.5 °C/W
ψJT Junction-to-top characterization parameter 6.1 °C/W
ψJB Junction-to-board characterization parameter 87.0 °C/W

(1) For more information about traditional and new thermal metrics, see the Semiconductor and IC Package Thermal Metrics application
report (SPRA953).

6.5 Electrical Characteristics

At TA = 25°C and VS = 1.4 to 3.6 V, unless otherwise noted.
PARAMETER TEST CONDITIONS MIN TYP MAX UNIT
TEMPERATURE INPUT
Range –40 125 °C
–25°C to 85°C ±0.5 ±2
Accuracy (temperature error) °C
–40°C to 125°C ±1 ±3
vs supply 0.2 0.5 °C/V
Resolution 0.0625 °C
DIGITAL INPUT/OUTPUT
Input capacitance 3 pF
VIH Input logic high 0.7 × (V+) 3.6 V
VIL Input logic low –0.5 0.3 × (V+) V
IIN Input current 0 < VIN < 3.6 V 1 μA
V+ > 2 V, IOL = 3 mA 0 0.4
SDA
V+ < 2 V, IOL = 3 mA 0 0.2 × (V+)
VOL Output logic V
V+ > 2 V, IOL = 3 mA 0 0.4
ALERT
V+ < 2 V, IOL = 3 mA 0 0.2 × (V+)
Resolution 12 Bit
Conversion time 26 35 ms
CR1 = 0, CR0 = 0 0.25
CR1 = 0, CR0 = 1 1
Conversion modes Conv/s
CR1 = 1, CR0 = 0 (default) 4
CR1 = 1, CR0 = 1 8
Timeout time 30 40 ms

Copyright © 2007–2018, Texas Instruments Incorporated Submit Documentation Feedback 5

Product Folder Links: TMP102
TMP102
SBOS397H – AUGUST 2007 – REVISED DECEMBER 2018 www.ti.com

Electrical Characteristics (continued)

At TA = 25°C and VS = 1.4 to 3.6 V, unless otherwise noted.
PARAMETER TEST CONDITIONS MIN TYP MAX UNIT
POWER SUPPLY
Operating supply range +1.4 +3.6 V
Serial bus inactive, CR1 = 1, CR0 =
7 10
0 (default)
Serial bus active, SCL frequency =
IQ Average quiescent current 15 μA
400 kHz
Serial bus active, SCL frequency =
85
3.4 MHz
Serial bus inactive 0.5 1
Serial bus active, SCL frequency =
10
ISD Shutdown current 400 kHz μA
Serial bus active, SCL frequency =
80
3.4 MHz
TEMPERATURE
Specified range –40 125 °C
Operating range –55 150 °C

6.6 Timing Requirements

See the Timing Diagrams section for additional information.
FAST MODE HIGH-SPEED MODE
UNIT
MIN TYP MAX MIN TYP MAX
ƒ(SCL) SCL operating frequency V+ 0.001 0.4 0.001 2.85 MHz
Bus-free time between STOP and
t(BUF) 600 160 ns
START condition
Hold time after repeated START
condition.
t(HDSTA) 600 160 ns
After this period, the first clock is
generated. See Figure 7
t(SUSTA) repeated start condition setup time 600 160 ns
t(SUSTO) STOP condition setup time 600 160 ns
t(HDDAT) Data hold time 100 900 25 105 ns
t(SUDAT) Data setup time 100 25 ns
t(LOW) SCL-clock low period V+ , see Figure 7 1300 210 ns
t(HIGH) SCL-clock high period See Figure 7 600 60 ns
tFD Data fall time See Figure 7 300 80 ns
See Figure 7 300 ns
tRD Data rise time SCLK ≤ 100 kHz,
1000 ns
see Figure 7
tFC Clock fall time See Figure 7 300 40 ns
tRC Clock rise time See Figure 7 300 40 ns

6 Submit Documentation Feedback Copyright © 2007–2018, Texas Instruments Incorporated

Product Folder Links: TMP102

 129

B. Software

Creación de csv
#!/usr/bin/env python3
##############
## Script listens to serial port and writes contents into a file
##############
## requires pySerial to be installed
## python3 -m pip install pyserial
import os
import serial
import datetime
from termcolor import colored

import subprocess

serial_port = ’/dev/ttyUSB0’
baud_rate = 115200 #In arduino, Serial.begin(baud_rate)
directory = ’samples’
if not os.path.exists(directory):
os.makedirs(directory)
os.chdir(directory)

def getfilename():
datestamp = ’{0:%Y-%m-%d__%H_%M_%S}’.format(datetime.datetime.now())
return ’output_{}.txt’.format(datestamp)

print(’Para iniciar cada muestreo usa el pulsador en el pin 0 del microcontrolador.’)

ser = serial.Serial(serial_port, baud_rate)
enable_write = False
output_file = None # initial value
subprocess_output = None
try:
while True:
line = ser.readline()
line = line.decode(’utf-8’) #ser.readline returns a binary, convert to string
print(line, end=’’) # uncomment this line if you want to see line in console t
if line.startswith(’#Iniciando...’):
output_file = open(getfilename(), ’w+’)
 130 13 Anexos

if subprocess_output is not None:

subprocess_output.kill()
enable_write = True
if line.startswith(’#Finalizado!!!’):
output_file.close()
print(colored(’El archivo ha sido guardado exitosamente con el
nombre: {}’.format(output_file.name), ’red’))
filepath = os.path.realpath(output_file.name)
subprocess_output = subprocess.Popen([’/usr/bin/env’, ’python3’,
’../plotdata.py’, filepath], stdout=subprocess.PIPE)
enable_write = False
if enable_write and line[0].isalnum():
output_file.write(line)
except Exception as e:
print(e)
finally:
if output_file is not None:
output_file.close()

Adquisición de señales
#include <Arduino.h>
#include <Wire.h>
#include <SparkFunTMP102.h>
#include <Adafruit_ADS1015.h>

/**
* Button Globals
*/
#define BUTTON_PIN 0
volatile byte status = LOW;

/**
* ADC Globals
*/
const int sdaPin = 14;
const int sclPin = 15;
Adafruit_ADS1015 ads1015; // Initialize ADC at I2C address 0x48
const int16_t samplesNumber = 10000;
int16_t indexOfSample = 0;
 131

int16_t channel0[samplesNumber];
int16_t channel1[samplesNumber];
int16_t channel2[samplesNumber];
int16_t channel3[samplesNumber];
unsigned long initialTime;
unsigned long finalTime;
unsigned long diffTime;
unsigned long sampleTime;

/**
* TMP Globals
*/
TMP102 sensor0(0x49); // Initialize temperature sensor at I2C address 0x49
float temperature;
const int temperatureSamples = 10;
const int temperatureTimeGap = 100; // ms

/**
* LM35 Globals
*/
#define ANALOG_PIN 33
float temperatureLM35;
const int temperatureSamplesLM35 = 10;
const int temperatureTimeGapLM35 = 100; // ms

/**
* Start program
*/

void blinkButton() {
status = !status;
}

void configButton(void) {
Serial.println("Config Button");
pinMode(BUTTON_PIN, INPUT);
attachInterrupt(digitalPinToInterrupt(BUTTON_PIN), blinkButton, FALLING);
}

void configADC(void) {
 132 13 Anexos

Serial.println("Config ADC");
ads1015.setGain(GAIN_ONE); // +/- 4.096V 1 value = 2mV
ads1015.begin(sdaPin, sclPin);
}

void configTMP(void) {
Serial.println("Config TMP");
// Join I2C bus
sensor0.begin(sdaPin, sclPin);
sensor0.setFault(0); // Trigger alarm immediately
sensor0.setAlertPolarity(1); // Active HIGH
sensor0.setAlertMode(0); // Comparator Mode.
// set the Conversion Rate (how quickly the sensor gets a new reading)
//0-3: 0:0.25Hz, 1:1Hz, 2:4Hz, 3:8Hz
sensor0.setConversionRate(2);
//set Extended Mode.
//0:12-bit Temperature(-55C to +128C) 1:13-bit Temperature(-55C to +150C)
sensor0.setExtendedMode(0);
sensor0.setHighTempC(50); // set T_HIGH in alert of C
sensor0.setLowTempC(0); // set T_LOW in alert of C
}

void configLM35(void) {
Serial.println("Config LM35");
analogReadResolution(10);
pinMode(ANALOG_PIN, INPUT);
}

void setup(void) {
Serial.begin(115200);
Serial.println("¡Iniciando Configuración!");
configADC();
configTMP();
configLM35();
configButton();
}

void readADCChannels(void) {
channel0[indexOfSample] = ads1015.readADC_SingleEnded(0);
channel1[indexOfSample] = ads1015.readADC_SingleEnded(1);
 133

channel2[indexOfSample] = ads1015.readADC_SingleEnded(2);
channel3[indexOfSample] = ads1015.readADC_SingleEnded(3);
indexOfSample++;
}

void readTemperatureTMP(void) {
temperature = 0;
for(int i = 0; i < temperatureSamples; i++) {
temperature += sensor0.readTempC();
delay(temperatureTimeGap);
}
temperature = temperature / temperatureSamples;
}

void readTemperatureLM35(void) {
temperatureLM35 = 0;
for(int i = 0; i < temperatureSamplesLM35; i++) {
temperatureLM35 += analogRead(ANALOG_PIN);
delay(temperatureTimeGapLM35);
}
temperatureLM35 = temperatureLM35 / temperatureSamplesLM35;
temperatureLM35 = (temperatureLM35 * 0.046454) + 2.030621;
}

void printSerialADC(void) {
Serial.println("samplesNumber,sampleTime(uS),initialTimeStamp(uS),
finalTimeStamp(uS),diffTimeStamp(uS)");
Serial.print(samplesNumber);
Serial.print(",");
Serial.print(sampleTime);
Serial.print(",");
Serial.print(initialTime);
Serial.print(",");
Serial.print(finalTime);
Serial.print(",");
Serial.println(diffTime);
Serial.println("adc0,adc1,adc2,adc3");
for(int16_t i = 0; i < samplesNumber; i++) {
int16_t value0 = channel0[i];
int16_t value1 = channel1[i];
 134 13 Anexos

int16_t value2 = channel2[i];

int16_t value3 = channel3[i];
Serial.print(value0);
Serial.print(",");
Serial.print(value1);
Serial.print(",");
Serial.print(value2);
Serial.print(",");
Serial.println(value3);
}
}

void printTemperature(void) {
Serial.println("fingerTemperatureCelsius(TMP102),
externalTemperatureCelsius(LM35)");
Serial.print(temperature, 4); // The on-chip 12-bit
ADC offers resolutions down to 0.0625 °C
Serial.print(",");
Serial.print(temperatureLM35, 4);
Serial.println("");
}

void loop(void) {
if (status) {
Serial.println("#Iniciando...");
initialTime = micros();
while(indexOfSample < samplesNumber) {
readADCChannels();
}
indexOfSample = 0;
finalTime = micros();
diffTime = finalTime - initialTime;
sampleTime = diffTime / samplesNumber;
readTemperatureTMP();
readTemperatureLM35();
printTemperature();
printSerialADC();
status = false;
Serial.println("#Finalizado!!!");
}
 135

Red neuronal en Python

import numpy as np
import pandas as pd
import matplotlib.pyplot as plt
from sklearn.model_selection import train_test_split
from sklearn.preprocessing import StandardScaler
from sklearn.neural_network import MLPClassifier, MLPRegressor
from sklearn.metrics import mean_squared_error, r2_score, mean_absolute_error
from random import randint

def get_data(filename):
filename = ’data/’ + filename + ’.txt’
temp = pd.read_csv(filename, sep=’,’, skipfooter=10003, engine=’python’)
fingerTemp = temp[’fingerTemperatureCelsius(TMP102)’].values[0]
extTemp = temp[’externalTemperatureCelsius(LM35)’].values[0]
data = pd.read_csv(filename, sep=’,’, skiprows=4)
adc0 = data[’adc0’].values
return {
’fingerTemp’: fingerTemp,
’extTemp’: extTemp,
’rms’: np.sqrt(np.mean(adc0 ** 2)),
’var’: np.var(adc0)
}

df = pd.read_csv(’data/mediciones.csv’, sep=’,’)
df[ ’TempDedo’ ] = df.apply( lambda row: get_data(row[ ’Transmisión’ ])
[’fingerTemp’], axis = 1 )
df[ ’TempExt’ ] = df.apply( lambda row: get_data(row[ ’Transmisión’ ])
[’extTemp’], axis = 1 )
df[ ’RMSTx’ ] = df.apply( lambda row: get_data(row[ ’Transmisión’ ])
[’rms’], axis = 1 )
df[ ’VarianzaTx’ ] = df.apply( lambda row: get_data(row[ ’Transmisión’ ])
[’var’], axis = 1 )
df[ ’RMSRx’ ] = df.apply( lambda row: get_data(row[ ’Reflexión’ ])
[’rms’], axis = 1 )
df[ ’VarianzaRx’ ] = df.apply( lambda row: get_data(row[ ’Reflexión’ ])
[’var’], axis = 1 )
 136 13 Anexos

X = df.as_matrix( columns = [
’Edad’,
’Estatura’,
’Peso’,
’IMC’,
’Cintura’,
’Sexo’,
’Hijos’,
’EnferEmb’,
’Diabetes’,
’CantCig’,
’Bebidas’,
’Deporte’,
’Agua’,
’Sed’,
’Micción’,
’Antecedente’,
’TempDedo’,
’TempExt’,
’RMSTx’,
’VarianzaTx’,
’RMSRx’,
’VarianzaRx’
])
y = df[’Glucosa’]

X_train, X_test, y_train, y_test = train_test_split(X, y) # test_size=0.1

# delete, only for testing

# X_train = X
# y_train = y
# X_test = X_train
# y_test = y_train

scaler = StandardScaler()
# Fit only to the training data
scaler.fit(X_train)
# Now apply the transformations to the data:
X_train = scaler.transform(X_train)
 137

X_test = scaler.transform(X_test)

def create_model(numCapas, neuronasCapa1, neuronasCapa2, neuronasCapa3,

neuronasCapa4, fxActivacion):
capas = {
2: (neuronasCapa1, neuronasCapa2),
3: (neuronasCapa1, neuronasCapa2, neuronasCapa3),
4: (neuronasCapa1, neuronasCapa2, neuronasCapa3, neuronasCapa4),
}

mlp = MLPRegressor(
hidden_layer_sizes=capas[numCapas],
max_iter=5000000,
activation=fxActivacion,
solver=’lbfgs’
)

mlp.fit(X_train, y_train)

y_pred = mlp.predict(X_test)

mse = mean_squared_error(y_test, y_pred)

rmse = np.sqrt(mean_squared_error(y_test, y_pred))
mae = mean_absolute_error(y_test, y_pred)
rmae = np.sqrt(mean_absolute_error(y_test, y_pred))
r2 = r2_score(y_test, y_pred)

print(u’Error cuadrático medio: {:.10f}’.format(mse))

print(u’Raiz Error cuadrático medio (RMSE): %.10f’ % rmse)
print(u’Error absoluto medio (MAE): {:.10f}’.format(mae))
print(u’Raiz Error absoluto medio: %.2f’ % rmae)
print(u’Estadı́stico R_2: %.10f’ % r2)

params = mlp.get_params()
print(’Params:’, params)
# print(’len coef:’, len(mlp.coefs_))
# print(’len coef[0]:’, len(mlp.coefs_[0]))
# print(’coefs:’, mlp.coefs_)
# print(’len intercepts:’, len(mlp.intercepts_))
 138 13 Anexos

# print(’len intercepts[0]:’, len(mlp.intercepts_[0]))

# print(’intercepts:’, len(mlp.intercepts_))
data = {
’mse’: mse,
’rmse’: rmse,
’mae’: mae,
’rmae’: rmae,
’r2’: r2,
’params’: params,
’coef’: mlp.coefs_,
’intercepts’: mlp.intercepts_
}
return rmse, data

# plt.plot(y_test.values, color=’r’)
# plt.plot(y_pred, color=’b’)
# plt.show()

error_deseado = 15
error_obtenido = 16
data = None
while error_obtenido >= error_deseado:
numCapas = randint(2, 4)
neuronasCapa1 = randint(20, 26)
neuronasCapa2 = randint(6, 26)
neuronasCapa3 = randint(6, 26)
neuronasCapa4 = randint(6, 26)
indexActivation = randint(0, 3)
activacion = (’identity’, ’logistic’, ’tanh’, ’relu’)
error_obtenido, data = create_model(numCapas, neuronasCapa1, neuronasCapa2,
neuronasCapa3, neuronasCapa4, activacion[indexActivation])
if error_obtenido < 25:
print(’Datos:’, data)
print(’error_obtenido’, error_obtenido)
 139

Coeficientes de la red neuronal

Numero de entradas: 22

Para la capa 1 hay 24 neuronas

0 0 [-0.0535767476, 0.231838337, -0.170387823, 0.463436547, 0.610889948, -0.356177002, 0.529031168,
0.194680389, 0.0669421416, 0.358492212, -0.38766029, 0.0289648104, 0.201820569, 0.0777203133,
-0.0348585946, 0.0334920302, -0.201359984, -0.165765554, 0.150385931, 0.0388109947, -0.182994551,
0.0925205861, 0.143832234, -0.325808371],
0 1 [0.0436389751, -0.247912121, -0.0172385009, 0.608651955, 0.405224712, -0.0076804948, -
0.224821181, 0.267564516, -0.921194909, -0.343652465, 0.39766416, 0.360686649, 0.364458169,
-0.466155238, -0.224083887, 0.0493000357, -0.36314589, -0.447067974, 0.140633858, 0.19817343,
-0.141281581, -0.149843173, -0.0711026035, 0.410440209],
0 2 [0.389300524, 0.146113855, 0.467561936, 0.369807677, 0.431371313, 0.250629883, -0.0217441366,
0.171168248, -0.328218982, -0.0478740018, 0.381436806, -0.233822776, 0.58902304, -0.102309532,
0.315316864, 0.385010429, -0.37337565, -0.443347518, -0.230482916, 0.7007303, -0.44290867,
-0.0948430293, 0.386305258, 0.0439017579],
0 3 [-0.072862953, 0.101554704, 0.339069288, -0.41283278, 0.319540037, -0.20799427, 0.484617226,
-0.0968402411, -0.0894347993, 0.340154433, 0.365285188, -0.238049628, 0.376232545, 0.373339235,
0.190159596, -0.0955183898, -0.152699272, 0.649889478, -0.261566755, 0.333038225, -0.045640167,
-0.336324548, 0.198365249, -0.145056874],
0 4 [0.250862006, 0.103227723, 0.0433502753, 0.0466898678, 0.484997786, -0.0173490749,
0.306363742, -0.0874800244, -0.394745989, 0.338783532, 0.289949836, 0.219727899, 0.226736084,
0.48983947, 0.253723663, 0.443859423, -0.0486373301, 0.395151891, -0.10222931, 0.283067483,
-0.276060045, -0.269620226, 0.663278428, 0.0795668018],
0 5 [0.0673780242, -0.161691868, -0.0547827669, -0.457580112, -0.179582128, -0.329982603,
0.21224844, -0.315924314, 1.12477408, -0.0674318598, 0.544264175, 0.0164448056, -0.264534543,
-0.202607997, -0.267229191, 0.335799916, 0.245130799, 0.249699165, -0.372761513, 0.0830359371,
0.0451535431, 0.337928976, 0.237911244, -0.503881919],
0 6 [0.199824715, 0.442456047, -0.0530706592, 0.157585453, -0.00939312263, 0.0754909942,
0.773156678, -0.270865223, 0.746406606, -0.0904327812, -0.131114947, 0.267415392, -0.213238368,
0.165937681, -0.355642428, 0.32756298, 0.291266896, 0.07488134, 0.0913536416, -0.0556749228,
0.14405995, 0.468522226, 0.084510827, -0.607656294],
0 7 [0.0309851778, 0.58429928, 0.360525831, 0.122143785, 0.12638669, 0.140532431, 0.598990186,
-0.12936668, 0.680271731, -0.0433371979, -0.0994994563, -0.186081788, 0.220367731, 0.142722728,
-0.116342979, 0.100937565, 0.18072297, -0.117948376, -0.0188735874, 0.138123832, 0.0512239581,
0.133819465, 0.0892076807, 0.199484316],
0 8 [-0.385740955, -0.613288456, 0.364114394, 0.0835566616, 0.0336310253, 0.372131709, -
1.03135984, 0.759002776, -1.94925699, -0.0352354099, -0.536957606, -0.385816163, 0.224201846,
-0.579824514, 0.045406458, -0.130787116, 0.154659985, -0.7817859, 0.251663249, 0.323144843,
 140 13 Anexos

0.610638592, -0.18410435, -0.449238612, 1.12370942],

0 9 [-0.610963366, -0.164836025, 0.396875432, 0.6778005, 0.25756466, -0.0152678676, -0.309126789,
0.0886621059, -0.840696697, 0.266156847, -0.09545123, -0.572071176, 0.269693359, -0.172710461,
0.193481052, 0.148902536, 0.328247493, -0.390133075, 0.336977641, -0.267561027, 0.103537721,
0.0462700303, 0.139948187, 0.308048819],
0 10 [-0.282097362, -0.19505831, 0.304020269, 0.0478546632, 0.0748069811, -0.421190252,
0.685995251, -0.418696639, 0.32582387, 0.232206722, -0.0159038201, 0.200141414, -0.413031841,
-0.629302795, -0.129034626, -0.0195748816, 0.649323955, -0.339827607, -0.502602767, -0.041026042,
0.208289809, -0.311383361, 0.0061480748, -0.13490337],
0 11 [0.633097911, -0.0905208448, -0.317221211, 0.6199382, 0.513823349, 0.0714927856, -
0.0566669098, -0.353156452, -0.306136917, 0.120171172, -0.118355878, 0.23676833, -0.0152257001,
-0.449283291, -0.414488786, 0.00778806155, 0.319278789, -0.00406484662, -0.456050307, -
0.109828598, -0.225082385, -0.625699826, -0.379017284, 0.660756656],
0 12 [-0.329248426, -0.138594041, -0.0287648391, -0.0495358223, 0.0403523122, 0.00499590724,
-0.232436488, -0.203646164, -0.196285994, -0.342274726, 0.052622623, 0.31203288, -0.0432880784,
-0.406282559, -0.11099411, 0.0681483582, 0.576111, 0.0268695528, 0.0808307212, -0.252713643,
0.0259640608, -0.48972243, 0.230163957, 0.64606071],
0 13 [-0.249260806, -0.120926146, -0.182257155, -0.240113496, -0.293300081, 0.272935718,
0.232692097, 0.430626386, -0.633899819, -0.233575572, -0.181675444, -0.100925217, 0.0586779688,
-0.563990842, -0.3023749, -0.114333943, -0.3114275, 0.0844065453, 0.674533162, 0.390343414,
-0.0916939825, -0.112039094, 0.150490161, 0.217671735],
0 14 [0.149368779, -0.153407502, -0.0447439171, 0.0738098557, 0.297201583, -0.149891077, -
0.0717923952, 0.351194752, -1.2577871, 0.548443438, -0.302017767, 0.1201442, 0.193812012, -
0.088166465, -0.161167868, -0.13983922, 0.165393375, -0.244970116, 0.000243520426, -0.0656195973,
0.0189430774, -0.486706164, -0.590174904, 0.698601166],
0 15 [0.0706192151, -0.813968149, -0.131652095, -0.330100982, 0.192609283, -0.224657785, -
0.489487019, 0.538399455, -1.05042553, -0.245039499, -0.213981279, -0.223068181, -0.0921370405,
-0.099356391, -0.329246818, -0.243884224, -0.157480671, 0.227890683, 0.316303911, -0.202422722,
0.199886725, 0.32958382, 0.188721803, 1.13044382],
0 16 [0.325105675, 0.230078954, 0.329173562, -0.0833740642, 0.459252509, 0.442414812, 0.417503077,
0.278963746, 0.292197123, -0.159246602, -0.0653953305, -0.473207227, -0.209782701, -0.228228162,
0.118916497, 0.28537211, 0.754404531, 0.694494133, -0.440266543, 0.101536403, 0.0162730109,
0.190459594, 0.135875806, 0.330167792],
0 17 [-0.135660959, 0.606410744, -0.220252168, -0.136502924, -0.00804978204, 0.0740250079,
0.382073163, 0.0582569909, 0.148661748, 0.477380907, 0.174668243, 0.440787691, 0.304755276,
-0.167507737, 0.232624876, 0.0845023868, -0.265874016, 0.089033716, 0.291598221, -0.0545448614,
-0.0467532592, -0.218495206, -0.199956733, -0.259555584],
0 18 [-0.447006561, 0.186264932, -0.185118254, 0.171059509, -0.198368416, 0.203295242, 1.01312738,
-0.264295824, 0.383283255, 0.108074488, 0.366085813, -0.270673834, -0.0763227589, -0.0211548378,
-0.232589477, 0.346912431, -0.213933899, 0.699649369, 0.0161021039, -0.623123793, 0.0894139314,
 141

-0.0308439784, 0.709963753, -0.464644429],

0 19 [0.068726456, 0.139066689, 0.149095306, -0.277442644, -0.212977483, 0.16390112, 0.0812883068,
0.114933532, 0.489209586, 0.078293022, 0.670752439, 0.365837724, -0.0943627362, 0.297393672,
-0.189728101, -0.298629177, -0.651905742, -0.190347773, -0.0468991168, 0.356770743, 0.285489532,
0.403942536, -0.489877987, 0.0335045748],
0 20 [-0.0119792375, 0.186383533, 0.36236, -0.406514919, 0.185230944, 0.210001019, 0.0939530679,
-0.0768672985, -0.294549104, 0.149751896, -0.509843143, 0.211626333, -0.167273395, -0.560213094,
0.259157728, -0.198842435, 0.104800771, 0.0134442814, 0.115630888, 0.574844839, 0.244917876,
0.294741806, -0.25823291, 0.503220016],
0 21 [0.339441304, 0.471828298, -0.0737011363, -0.20007876, 0.122274481, 0.266567183, -
0.0148872864, -0.521869859, 0.29498627, -0.178842279, 0.649894368, 0.463061831, -0.207330645,
0.172119773, 0.0545772775, -0.0785620874, -0.0217150911, 0.540736677, -0.39758496, 0.248557393,
-0.229409268, -0.00730508101, 0.396513972, 0.151835629],
0 22 None,
0 23 None,

Para la capa 2 hay 18 neuronas

1 0 [-0.579046921, -0.425614019, -0.372743931, -0.189278516, -0.289233072, 0.0271078827, -
0.276610227, 0.081654289, 0.267812555, 0.559324988, 0.402659184, -0.125486104, 0.470795632,
0.121568824, -0.630386708, 0.173111413, 0.323629922, -0.0672442359],
1 1 [1.7040956, -0.371075841, -1.67788304, 0.30478984, -0.25434915, -0.14341761, 0.189954818,
0.316091167, 0.667347722, -0.764580883, 0.384605947, -0.498994723, -0.455368202, -1.06124318,
1.1140928, -1.36671328, -0.96267094, -0.0593808852],
1 2 [-1.60377667, 0.756101913, 2.08790377, -0.684532828, -0.118123365, 0.60154413, 0.4257801,
-0.128553182, -0.930470602, 0.6162085, -0.209969569, 0.630295696, 0.626394746, 0.854949552,
-1.2329123, 1.14207169, 0.524517607, 0.754847601],
1 3 [0.154389294, -0.0264800197, -0.765255485, 0.369458681, 0.400297343, -0.316458756, -
0.174662914, 0.00199396805, 0.318395679, -0.373079084, 0.00291081961, -0.398379477, -0.632440652,
-0.264209965, 0.638362976, -0.414452739, -0.781455233, -0.29151755],
1 4 [-1.55358262, 0.555529827, 0.620713191, -0.43853804, 0.249596804, 0.30164075, 0.425455017,
-0.0475132569, -0.474785777, 0.516018663, 0.0894071761, 0.560084197, 0.817994551, 0.137952368,
-0.868916263, 0.350311038, 0.355720689, 0.440623576],
1 5 [0.37239777, -0.344694989, -0.668665474, 0.410620066, 0.100308252, 0.0770394547, -
0.0709339893, 0.778295156, -0.263773432, 0.264216688, -0.166327628, -0.123126711, -0.282404597,
-0.165062191, -0.306946337, -0.499474777, -0.315190154, -0.228405438],
1 6 [-1.00380779, 0.820737284, 1.51353606, -0.582104602, -0.39181841, 0.238359732, -0.00298143354,
-0.275470711, -0.436740624, 0.503296583, -0.375297658, 0.161878675, 1.10318948, 0.570419631,
-0.720035195, 0.522849256, 0.544428719, 0.448688236],
1 7 [0.0264639775, -0.104236718, 0.841471619, 0.338538981, 0.221902384, -0.135862707, 0.299075029,
0.250387645, 0.074802094, 0.340330927, 0.205143291, 0.101963307, 0.222696406, 0.141060566,
 142 13 Anexos

-0.88005448, -0.0909237464, 0.485029184, 0.15211373],

1 8 [0.799861576, -0.128934726, -1.03782595, -0.108106758, 0.369665802, 0.0761497759, -
0.29913086, 0.113902161, 0.173701554, -0.304294069, 0.0276001048, -0.288883748, 0.180491759,
-0.271441058, 0.388928127, -0.466149483, -0.561896617, 0.170500097],
1 9 [1.97459701, -0.185629392, -1.83840826, 1.41782635, 0.00271532699, -0.232202468, 0.45090729,
0.404198051, 1.06150997, -0.327263006, 0.185339255, -0.365359435, -0.813572542, -1.02714173,
0.627866535, -1.21798385, -0.660191794, -0.680146461],
1 10 [-1.55427104, -0.217969597, 0.931770428, -0.99519537, 0.118611285, -0.0272152149, 0.299021198,
-0.131002713, -0.53738491, 0.294730001, -0.597047314, -0.724008299, 0.110865585, 0.97952016,
-0.967683271, 0.585118108, -0.011551376, 0.314687142],
1 11 [-1.63650378, 0.184472293, 1.41763185, -1.1002358, -0.35941561, 0.608711883, 0.066115712,
-0.343369856, -0.704156104, 0.389222878, -0.50793443, 0.701270367, 1.14149619, 0.832153896,
-1.029126, 1.62547293, 0.498194213, -0.12371805],
1 12 [-1.64477652, 0.25861315, 1.69095939, -0.277198399, -0.0352300627, 0.316807299, 0.126284501,
-0.0105501441, -0.780879329, 0.42494382, 0.222341654, 0.493504651, 0.561277498, 0.912130012,
-0.753081862, 0.38470284, 0.688689964, -0.0209681892],
1 13 [0.674970341, -0.168093279, -0.50028253, 0.584469973, -0.0461833408, 0.363150706, 0.315218623,
0.793191616, 0.616304945, -0.142889946, 0.24422072, 0.154359821, -0.725835803, -0.194533605,
0.197595894, -0.568079926, 0.473321869, 0.0261087911],
1 14 [0.258748212, 0.488278389, 0.291430807, 0.314430697, 0.0686594387, 0.472421342, 0.551688425,
0.427663066, 0.249388651, 0.3292327, 0.366723236, 0.492566822, 0.186846035, -0.281427511,
-0.0819121575, 0.212284478, 0.327295026, -0.0508125241],
1 15 [1.60201931, -0.0469819878, -1.59786167, 0.582353202, 0.491996406, -0.0750335293, -
0.254483451, 0.161025455, 0.316100821, -0.588631108, 0.419854694, -0.730128175, -0.936620931,
-0.281378242, 0.64820321, -1.35486906, -0.318925752, -0.0927446182],
1 16 [-0.533320486, 0.515572796, 0.541902754, -0.694248166, -0.0397817812, 0.268090867, -
0.271499244, -0.358520762, -0.63576773, -0.15633996, -0.685624154, -0.0842679905, -0.0451598071,
0.140000902, -0.384070412, 0.131583201, -0.147877894, 0.344202682],
1 17 [-0.760537611, 0.301580672, 0.124005339, -0.408626817, -0.144784729, -0.0992813088, -
0.197459641, 0.215357928, -0.528713955, 0.0512617033, -0.0702864397, -0.135961382, 0.494506718,
0.760657733, -0.695950179, 0.191926188, 0.26824458, 0.522373745],

Para la capa 3 hay 14 neuronas

2 0 [1.71314657, 1.25310055, -2.1107735, 2.08068559, -1.11794724, 2.4779757, 1.70016509, -
0.181814168, -1.44446777, 0.690451543, -0.186971701, -0.0687557674, -0.169790056, -0.456863808],
2 1 [0.724360494, 0.107279717, -1.43248831, 1.36423187, -0.241039904, 1.38539115, 0.703760665,
-0.149486905, -0.673025881, -0.0798492464, 0.0872689834, -0.434163068, -0.120188323, -0.225858178],
2 2 [0.998855714, 0.301460632, -1.38963351, 1.23359046, -1.01203526, 1.80222888, 1.19410341,
0.131414513, -0.0734479028, -0.620412679, -0.321792442, -0.912862158, 0.977785873, -0.66842879],
2 3 [-0.434185453, -0.0729602252, -0.313603052, 0.0615773401, 0.087582289, 0.952041474,
 143

0.496548653, 0.125200522, -0.378685888, 0.270045012, -0.0444754536, 0.0856749088, -0.0183528319,

-0.0901158378],
2 4 [-0.466467691, -0.29794936, 0.282157223, 0.216690099, 0.627561716, -0.338417378, -0.0476928058,
-0.0164250406, -0.0713136444, 0.00695972419, 0.0803297024, 0.235102104, 0.573572277, 0.0963393328],
2 5 [-2.36564027, -1.14482724, 3.53028559, -2.73476241, 1.71850128, -3.94662803, -2.36461042,
-1.2604602, 1.14620693, -0.895021416, -0.205219418, -0.0158591303, -0.954614254, 1.12639903],
2 6 [-2.04188055, -1.20508792, 2.96536652, -2.48175444, 1.41194905, -2.9252479, -1.5011427, -
0.757053203, 0.9622191, -0.58507788, -0.18891031, -0.0275923035, -1.12101302, 0.780941735],
2 7 [-1.70950974, -0.835260975, 1.91577511, -2.24177687, 1.41036418, -1.91047575, -1.40773965,
-0.725543926, 0.376596815, -0.554812918, -0.396251028, 0.341177749, -0.858480462, 0.578428248],
2 8 [2.08299511, 1.3348244, -2.60776658, 2.20457926, -1.63040926, 3.33440017, 2.00668377,
0.675493559, -1.47699648, 1.21400447, 0.216810041, -0.00892118046, 0.200221039, 0.0964218657],
2 9 [-2.41674052, -1.28477959, 3.04891288, -2.25417768, 1.03137984, -2.74757218, -1.82698706,
-0.319105347, 1.23435916, -0.713457039, 0.168751086, -0.340984542, -0.306816186, 0.498227525],
2 10 [-0.536571922, -0.13659509, 0.355762797, -0.263519888, -0.203259235, -0.54935373, 0.235377967,
0.0931008374, -0.0396875529, 0.2576045, 0.0868077002, -0.362465506, -0.627812612, 0.0593301438],
2 11 [0.0447954967, 0.398325368, -0.324238259, 0.369216994, -0.687338154, 0.297305838,
0.619383854, -0.231152077, 0.147048371, -0.0745492981, -0.116200086, -0.238856616, -0.0761621936,
-0.450695898],
2 12 [0.959886213, 0.984197027, -1.23793055, 1.00265736, -1.49883336, 1.30393459, 0.836443959,
0.668700289, -0.0938862669, -0.208454403, -0.0725015939, -0.848426355, -0.28839003, -0.177049576],
2 13 [-0.543589908, -0.644723465, 1.16879854, -1.05164702, 0.247677376, -0.957877722, -
0.520921526, -0.0749864992, 1.32372908, -0.613195354, -0.455061453, -0.268553918, -0.1035532,
-0.483198028],

Para la capa 4 hay 12 neuronas

3 0 [-2.25127996, 0.32046682, -0.43300082, -0.27072203, -0.61780915, -0.26264115, -0.56940377,
0.00691001, 0.21375811, -0.48887946, -0.42255428, -0.59415529],
3 1 [-2.21096323, 0.2107721, -0.56822976, -0.47222617, 0.39745635, -0.29751211, -0.6238302,
0.19000255, 0.57495743, 0.33308362, 0.23766036, -1.38827471],
3 2 [2.11269477, 0.78618915, 0.58126257, 0.61255086, -0.32595979, -0.69171175, 1.16705664,
-0.25205982, -0.58702419, -0.67447615, -0.10387544, 1.23506063],
3 3 [-2.12137868, -0.11562385, -0.52844554, -0.38361095, -0.48911257, 0.3837539, -0.96124723,
0.63830425, 0.22988422, 0.28482396, 0.41532755, -1.60916485],
3 4 [1.00676462, 0.46959276, 0.14733307, -0.01351088, -0.42989682, -0.17088494, 0.62233262,
-0.34719523, 0.01759422, -0.49225134, -0.28700121, 0.85140537],
3 5 [-2.52503633, 1.10686838, 0.52565408, 0.0826476, -0.66201225, -1.47326389, -0.28792661,
-1.10523294, -0.02399368, -1.22965239, -1.16960476, -0.81863847],
3 6 [-0.52095358, -4.62956241, -1.74135431, -2.20900204, 4.92272499, 4.80457124, -0.79013677,
3.40062909, 1.08042466, 4.60908631, 3.86815167, -1.61562713],
 144 13 Anexos

3 7 [-0.60744484, -1.23594133, -0.51765038, -0.52821323, 1.95519165, 1.57914364, -0.1406132,

1.70588132, 0.60973236, 1.44709371, 1.32149481, -0.62680884],
3 8 [1.40792375, -4.60479291, -1.20632572, -1.63629206, 4.3156508, 4.53675027, -0.01143567,
4.01161005, 0.46307605, 4.21389397, 3.62635337, 0.31887933],
3 9 [-0.63322006, -2.14539905, -0.79401127, -1.20449496, 1.9374947, 2.50125802, -0.64748708,
1.38498253, 0.94667212, 2.63452876, 1.4396211, -0.7553087],
3 10 [-0.52286531, 5.24848351, 1.68494519, 1.97830235, -6.03451773, -5.48855819, 0.52569339,
-4.68830994, -1.05323775, -5.70894766, -5.01086414, 0.42418838],
3 11 [0.38393063, 1.75360796, 0.72902749, 0.68883142, -1.93959704, -1.38654727, 0.0821949,
-1.16089592, -0.67488994, -0.9807827, -1.71472721, 0.55814953],

Para la capa 5 hay 1 neuronas

4 0 [7.00030773],

Valores de Bias para la capa de entrada:

0 [-0.65183625, -3.20482131, -1.0734027, -1.60810977, -0.98055183, -0.2073511, -1.86039801,
1.57437927, -2.36846645, -1.72779989, -1.56331592, -0.7208059, 0.19569988, -2.58277814, -
0.59940879, -2.0321255, -3.01941102, -1.95345813, 2.57034135, -1.58209585, 1.18553059, -
0.32661557, -1.66377121, 1.29649122]
Valores de Bias para la primera capa oculta:
1 [-7.81089031, 1.1357411, 6.90578512, -3.75473076, -0.49209286, 1.00767515, 0.27535546,
-1.72233416, -4.20931252, 1.98860962, -0.81975029, 1.6203413, 3.15445295, 4.70297669, -
4.35945917, 4.54641343, 2.55356589, 1.81823495]
Valores de Bias para la segunda capa oculta:
2 [-6.12748549, -4.26969321, 7.97693698, -6.28226805, 4.18666107, -10.39146086, -6.18441147,
-2.20729126, 3.51797139, -1.80945536, -0.47643001, 0.97949902, -2.20524771, 1.34780463]
Valores de Bias para la tercera capa oculta:
3 [-0.75272931, 8.76536593, 2.27464835, 3.38098048, -9.48811069, -10.07485258, 1.12554668,
-7.39872063, -2.04577617, -9.89591004, -7.92176485, 1.58932854]
Valores de Bias para la capa de salida:
4 [25.03054056]
 145

C. Tablas de medidas

Experimentos preliminares

Tabla 13-1: Pruebas de transmisión en envase transparente. Emisor de 940 nm y 3 mm de

diámetro.

Cantidad
N° mg/dL 41.6 83.3 125 166.6 208.3 250 291.6 333.33 375
Prueba
1 3.239 3.242 3.240 3.213 3.287 3.223 3.187 3.231 3.187
2 3.237 3.239 3.239 3.210 3.258 3.210 3.188 3.211 3.188
3 3.240 3.240 3.239 3.214 3.281 3.214 3.211 3.241 3.181
4 3.240 3.240 3.241 3.219 3.238 3.219 3.218 3.229 3.188
5 3.240 3.239 3.240 3.220 3.288 3.120 3.252 3.190 3.188
Promedio 3.239 3.240 3.240 3.2152 3.2704 3.1972 3.2112 3.2204 3.1864

Tabla 13-2: Pruebas de transmisión en envase ámbar. Emisor de 940 nm, y 3 mm de

diámetro.

Cantidad
N° mg/dL 450 900 1350 1800 2250 2700
Prueba
1 3.174 3.183 3.184 3.189 3.189 3.182
2 3.172 3.183 3.183 3.187 3.190 3.183
3 3.175 3.184 3.184 3.185 3.190 3.180
4 3.174 3.183 3.183 3.189 3.186 3.183
5 3.176 3.187 3.184 3.185 3.186 3.185
Promedio 3.174 3.184 3.184 3.187 3.188 3.183
 146 13 Anexos

Tabla 13-3: Pruebas de transmisión con envase transparente. Emisor de 940 nm y 5 mm de

diámetro.

Cantidad
N° mg/dL 41.6 83.3 125 166.6 208.3 250 291.6 333.33 375
Prueba
1 3.254 3.257 3.257 3.277 3.259 3.204 3.240 3.164 3.264
2 3.253 3.258 3.255 3.275 3.227 3.261 3.273 3.127 3.197
3 3.253 3.256 3.253 3.274 3.126 3.246 3.183 3.151 3.233
4 3.251 3.253 3.254 3.122 3.206 3.145 3.240 3.197 3.155
5 3.251 3.256 3.253 3.174 3.264 3.227 3.149 3.246 3.235
Promedio 3.252 3.256 3.254 3.224 3.216 3.216 3.217 3.177 3.2168

Tabla 13-4: Pruebas de transmisión con envase ámbar. Emisor de 940 nm y 5 mm de

diámetro.

Cantidad
N° mg/dL 450 900 1350 1800 2250 2700
Prueba
1 3.201 3.200 3.202 3.202 3.208 3.207
2 3.196 3.202 3.200 3.203 3.208 3.207
3 3.195 3.202 3.201 3.207 3.209 3.203
4 3.191 3.206 3.200 3.204 3.207 3.202
5 3.193 3.203 3.200 3.206 3.208 3.202
Promedio 3.195 3.203 3.201 3.204 3.208 3.204

Tabla 13-5: Pruebas de transmisión con envase transparente. Emisor de 850 nm.

Cantidad
N° mg/dL 41.6 83.3 125 166.6 208.3 250 291.6 333.33 375
Prueba
1 3.187 3.185 3.184 3.176 3.183 3.185 3.183 3.197 3.184
2 3.188 3.184 3.188 3.177 3.182 3.178 3.178 3.196 3.185
3 3.181 3.184 3.188 3.191 3.191 3.193 3.180 3.193 3.177
4 3.188 3.190 3.190 3.175 3.186 3.184 3.189 3.178 3.185
5 3.188 3.189 3.187 3.182 3.192 3.178 3.195 3.182 3.195
Promedio 3.186 3.186 3.187 3.180 3.187 3.183 3.185 3.189 3.185
 147

Tabla 13-6: Pruebas de transmisión con envase ámbar. Emisor de 850 nm.

Cantidad
N° mg/dL 450 900 1350 1800 2250 2700
Prueba
1 3.096 3.107 3.103 3.119 3.127 3.123
3 3.114 3.112 3.108 3.119 3.122 3.114
4 3.102 3.111 3.101 3.123 3.125 3.119
5 3.115 3.112 3.116 3.119 3.124 3.120
2 3.097 3.114 3.115 3.118 3.120 3.110
Promedio 3.105 3.111 3.109 3.120 3.124 3.117

D. Base de datos
ID Edad Estatura Peso IMC Cintura Sexo Hijos EnferEmb Diabetes CantCig Bebidas Deporte Agua Sed Micción Antecedente Glucosa Transmision Reflexión
29 24 175 66 21,55 83 0 0 0 0 0 0 7 21 1 21 1 56 output 2019-02-09 21 06 02 output 2019-02-09 21 07 59
47 22 176 80 25,83 100 0 0 0 0 35 20 7 14 0 28 0 56 output 2019-02-11 06 46 48 output 2019-02-11 06 49 29
34 25 155 62 25,81 80 1 0 0 0 14 14 0 0 0 21 1 76 output 2019-02-10 12 12 39 output 2019-02-10 12 10 28
53 24 179 68 21,22 75 0 0 0 0 28 0 0 56 0 42 1 82 output 2019-02-11 08 04 04 output 2019-02-11 08 05 44
1 63 170 67 23,18 90 0 0 0 0 70 0 0 28 0 28 1 85 output 2019-02-10 10 27 30 output 2019-02-10 10 25 45
26 57 173 75 25,06 94 0 0 0 0 70 0 5 0 0 70 0 85 output 2019-02-09 20 03 22 output 2019-02-09 20 01 37
45 28 167 74 26,53 100 0 0 0 0 0 10 1 28 0 35 1 86 output 2019-02-11 06 35 04 output 2019-02-11 06 36 46
50 40 165 72 26,45 87 0 0 0 0 0 21 4 7 0 14 0 86 output 2019-02-11 07 15 37 output 2019-02-11 07 13 08
37 57 153 76 32,47 102 1 3 0 0 0 14 0 14 0 35 0 88 output 2019-02-10 12 43 28 output 2019-02-10 12 45 11
13 69 153 62 26,49 97 1 3 0 0 0 0 0 21 0 21 0 89 output 2019-02-09 18 54 40 output 2019-02-09 18 52 58
15 43 156 70 28,76 96 1 3 0 0 35 3 0 0 1 35 0 89 output 2019-02-09 19 39 41 output 2019-02-09 19 39 41
148

3 23 166 74 26,85 88 1 0 0 0 0 3 2 70 1 21 1 90 output 2019-02-10 10 42 34 output 2019-02-10 10 40 35

18 53 155 83 34,55 95 1 3 0 0 0 0 0 0 0 21 0 90 output 2019-02-09 20 15 28 output 2019-02-09 20 13 44
23 55 146 75 35,18 100 1 2 1 1 14 0 0 84 1 35 0 92 output 2019-02-09 17 39 11 output 2019-02-09 17 37 28
46 22 169 66 23,11 95 0 0 0 0 0 2 2 42 0 21 1 92 output 2019-02-11 06 42 21 output 2019-02-11 06 40 36
51 37 175 62 20,24 80 0 0 0 0 0 7 7 21 0 21 1 92 output 2019-02-11 07 27 35 output 2019-02-11 07 29 59
36 40 170 83 28,72 99 0 0 0 0 49 21 0 28 1 21 0 94 output 2019-02-10 12 36 20 output 2019-02-10 12 34 40
52 55 176 69 22,28 78 0 0 0 0 126 14 0 14 0 28 0 94 output 2019-02-11 07 40 13 output 2019-02-11 07 38 31
12 71 160 70 27,34 102 0 0 0 0 280 0 2 14 0 70 0 95 output 2019-02-09 19 01 24 output 2019-02-09 18 59 32
11 63 151 70 30,70 93 1 5 0 0 0 0 0 0 0 28 1 96 output 2019-02-09 18 19 11 output 2019-02-09 18 17 27
2 61 154 56 23,61 83 1 3 0 0 0 0 2 14 0 28 0 97 output 2019-02-10 10 36 01 output 2019-02-10 10 38 32
30 32 154 67 28,25 87 1 0 0 0 0 0 7 42 0 70 0 100 output 2019-02-10 11 16 07 output 2019-02-10 11 17 57
2 61 154 56 23,61 83 1 3 0 0 0 0 2 14 0 28 0 101 output 2019-02-10 12 54 06 output 2019-02-10 12 52 05
28 40 150 56 24,89 81 1 5 0 0 0 21 0 42 1 21 1 101 output 2019-02-09 20 46 13 output 2019-02-09 20 44 09
33 54 175 75 24,49 89 0 0 0 0 35 0 0 21 0 42 0 101 output 2019-02-10 11 48 47 output 2019-02-10 11 38 54
40 89 160 65 25,39 100 1 12 0 0 35 14 0 21 0 35 0 101 output 2019-02-10 16 31 21 output 2019-02-10 16 33 04
48 42 175 80 26,12 110 0 0 0 0 7 14 1 14 0 21 0 101 output 2019-02-11 06 59 11 output 2019-02-11 06 57 16
1 63 170 67 23,18 90 0 0 0 0 70 0 0 28 0 28 1 102 output 2019-02-10 17 34 55 output 2019-02-10 17 39 04
21 27 172 80 27,04 98 0 0 0 0 0 56 3 168 1 35 0 103 output 2019-02-09 17 45 22 output 2019-02-09 17 47 56
42 32 165 105 38,57 123 1 4 0 0 0 7 0 42 0 42 0 106 output 2019-02-10 16 52 30 output 2019-02-10 16 55 29
44 24 175 56 18,29 60 0 0 0 0 0 10 0 0 0 28 1 106 output 2019-02-11 06 24 41 output 2019-02-11 06 22 39
17 57 153 57 24,35 81 1 4 0 0 0 1 0 0 0 28 0 107 output 2019-02-09 19 18 15 output 2019-02-09 19 16 10
41 34 172 60 20,28 81 0 0 0 0 70 7 0 14 1 21 0 108 output 2019-02-10 16 43 07 output 2019-02-10 16 41 25
3 23 166 74 26,85 88 1 0 0 0 0 3 2 70 1 21 1 110 output 2019-02-10 17 53 22 output 2019-02-10 17 55 11
1 63 170 67 23,18 90 0 0 0 0 70 0 0 28 0 28 1 113 output 2019-02-10 15 57 19 output 2019-02-10 15 59 00
27 62 158 65 26,04 100 0 0 0 1 140 4 0 35 0 35 1 113 output 2019-02-09 20 30 21 output 2019-02-09 20 28 36
43 68 165 67 24,61 85 0 0 0 0 0 7 0 21 0 49 0 115 output 2019-02-10 17 04 54 output 2019-02-10 17 03 12
3 23 166 74 26,85 88 1 0 0 0 0 3 2 70 1 21 1 116 output 2019-02-10 13 10 38 output 2019-02-10 13 08 44
5 58 160 64 25,00 93 1 4 0 0 140 7 0 21 0 21 1 116 output 2019-02-09 20 35 02 output 2019-02-09 20 44 09
49 43 180 77 23,77 80 0 0 0 0 0 2 4 14 0 42 0 116 output 2019-02-11 07 05 56 output 2019-02-11 07 07 43
54 51 140 42 21,43 55 1 3 0 0 0 0 1 70 0 42 0 116 output 2019-02-11 08 26 12 output 2019-02-11 08 24 20
24 64 142 58 28,76 98 1 4 0 0 0 0 1 28 1 56 0 118 output 2019-02-09 17 57 45 output 2019-02-09 17 56 04
14 43 155 58 24,14 86 1 1 0 0 28 3 0 0 1 21 1 120 output 2019-02-09 19 39 41 output 2019-02-09 19 32 42
1 63 170 67 23,18 90 0 0 0 0 70 0 0 28 0 28 1 125 output 2019-02-10 11 56 25 output 2019-02-10 11 58 31
2 61 154 56 23,61 83 1 3 0 0 0 0 2 14 0 28 0 125 output 2019-02-09 18 02 57 output 2019-02-09 18 05 12
3 23 166 74 26,85 88 1 0 0 0 0 3 2 70 1 21 1 125 output 2019-02-09 17 24 32 output 2019-02-09 17 26 30
3 23 166 74 26,85 88 1 0 0 0 0 3 2 70 1 21 1 126 output 2019-02-10 15 52 59 output 2019-02-10 15 51 18
39 56 165 96 35,26 113 1 5 0 0 0 14 0 0 0 42 0 129 output 2019-02-10 16 23 46 output 2019-02-10 16 22 01
2 61 154 56 23,61 83 1 3 0 0 0 0 2 14 0 28 0 131 output 2019-02-10 17 49 00 output 2019-02-10 17 47 02
38 20 156 58 23,83 78 1 1 0 0 0 0 1 56 0 42 0 132 output 2019-02-10 13 01 16 output 2019-02-10 13 03 07
2 61 154 56 23,61 83 1 3 0 0 0 0 2 14 0 28 0 134 output 2019-02-10 15 45 32 output 2019-02-10 15 47 30
22 70 159 64 25,32 105 0 0 0 1 140 0 0 21 0 35 0 134 output 2019-02-10 12 04 45 output 2019-02-10 12 02 58
32 49 168 74 26,22 90 0 0 0 0 0 56 0 70 1 28 1 134 output 2019-02-10 11 37 11 output 2019-02-10 11 38 54
19 33 158 65 26,04 83 1 3 0 0 0 3 0 0 0 28 0 139 output 2019-02-09 19 12 31 output 2019-02-09 19 14 28
25 54 161 59 22,76 90 1 5 0 0 0 0 0 42 0 35 1 141 output 2019-02-09 18 32 03 output 2019-02-09 18 33 47
35 64 157 84 34,08 110 1 4 0 0 0 0 0 21 1 42 0 151 output 2019-02-10 12 25 02 output 2019-02-10 12 26 52
31 59 158 58 23,23 80 1 2 0 0 35 0 0 14 0 21 1 158 output 2019-02-10 11 30 08 output 2019-02-10 11 28 25
16 44 160 64 25,00 86 0 0 0 1 140 7 0 35 1 42 1 323 output 2019-02-09 19 27 31 output 2019-02-09 19 29 30
20 36 185 87 25,42 97 0 0 0 1 14 4 7 105 1 70 1 348 output 2019-02-09 19 12 31 output 2019-02-09 19 10 46
13 Anexos