A method of multi-tier classification and calibration in noninvasive blood analyte prediction minimizes prediction error by limiting co-varying spectral interferents. Tissue samples are categorized based on subject demographic and instrumental skin measurements, including in vivo near-IR spectral measurements. A multi-tier intelligent pattern classification sequence organizes spectral data into clusters having a high degree of internal consistency in tissue properties. In each tier, categories are successively refined using subject demographics, spectral measurement information and other device measurements suitable for developing tissue classifications. The multi-tier classification approach to calibration utilizes multivariate statistical arguments and multi-tiered classification using spectral features. Variables used in the multi-tiered classification can be skin surface hydration, skin surface temperature, tissue volume hydration, and an assessment of relative optical thickness of the dermis by the near-IR fat band. All tissue parameters are evaluated using the NIR spectrum signal along key wavelength segments.

Μια μέθοδος multi-tier ταξινόμησης και βαθμολόγησης στη μη καταπατητική πρόβλεψη καταλοίπου αίματος ελαχιστοποιεί το λάθος πρόβλεψης με τον περιορισμό των co-varying φασματικών interferents. Τα δείγματα ιστού είναι ταξινομημένα βασισμένος στις υπαγόμενες δημογραφικές και οργανικές μετρήσεις δερμάτων, που περιλαμβάνουν τις in vivo φασματικές μετρήσεις κοντινός-IR. Μια multi-tier ευφυής ακολουθία ταξινόμησης σχεδίων οργανώνει τα φασματικά στοιχεία στις συστάδες που έχουν έναν υψηλό βαθμό εσωτερικής συνέπειας στις ιδιότητες ιστού. Σε κάθε σειρά, οι κατηγορίες καθαρίζονται διαδοχικά χρησιμοποιώντας το υπαγόμενο demographics, τις φασματικές πληροφορίες μέτρησης και άλλες μετρήσεις συσκευών κατάλληλα για τις ταξινομήσεις ιστού. Η multi-tier προσέγγιση ταξινόμησης στη βαθμολόγηση χρησιμοποιεί τα πολλών μεταβλητών στατιστικά επιχειρήματα και την πολυ-τοποθετημένη στη σειρά ταξινόμηση χρησιμοποιώντας τα φασματικά χαρακτηριστικά γνωρίσματα. Οι μεταβλητές που χρησιμοποιούνται στην πολυ-τοποθετημένη στη σειρά ταξινόμηση μπορούν να είναι υδάτωση επιφάνειας δερμάτων, θερμοκρασία επιφάνειας δερμάτων, υδάτωση όγκου ιστού, και μια αξιολόγηση του σχετικού οπτικού πάχους dermis από την παχιά ζώνη κοντινός-IR. Όλες οι παράμετροι ιστού αξιολογούνται χρησιμοποιώντας το σήμα φάσματος NIR κατά μήκος των βασικών τμημάτων μήκους κύματος.