申请/专利权人：北京理工大学

申请日：2021-12-22

公开（公告）日：2022-11-25

公开（公告）号：CN114464291B

主分类号：G16H20/13

分类号：G16H20/13;G06K9/62

优先权：

专利状态码：有效-授权

法律状态：2022.11.25#授权;2022.05.27#实质审查的生效;2022.05.10#公开

摘要：本发明公开一种基于贝叶斯优化的MDI剂量建议系统，包括指标计算模块、高斯过程学习模块和安全贝叶斯优化模块；指标计算模块将采集的某患者前一天24小时血糖进行记录并分段划分处理，并转化成能够描述血糖管理水平的非对称惩罚指标以及低血糖安全指标；高斯过程学习模块将指标结果和胰岛素剂量作为输入训练得到预测模型，利用预测模型得到剂量对应的预测结果；安全贝叶斯优化模块利用高斯过程学习模块预测得到的非对称惩罚指标预测模型的随机分布计算最大改善期望，并利用低血糖安全指标分布得到安全限制函数，将其作为风险惩罚因子加入改善期望，最后得到安全期望改善值；本发明利用多指标评价糖尿病患者血糖管理水平，逐步取得血糖的最优控制效果。

主权项：1.一种基于贝叶斯优化的MDI剂量建议系统，其特征在于，包括指标计算模块、高斯过程学习模块以及安全贝叶斯优化模块；所述指标计算模块将所采集的某患者前一天24小时的血糖进行记录并分段划分处理，并转化成能够描述血糖管理水平的非对称惩罚指标以及低血糖安全指标；所述非对称惩罚指标为：Jk＝maxq+×maxGk-GObject,0,q-×minGObject-Gk,0其中,k＝1,2,3…代表剂量优化迭代的次数；GObject为所设定的胰岛素注射后血糖水平目标值，q+为设定的正向惩罚值，即针对血糖水平高于目标值的惩罚，q-为设定的反向惩罚值，即针对血糖水平低于目标值的惩罚；由于在血糖调节中，高血糖和低血糖的风险并不对称，且惩罚项都应为正值，即q-q+，q-,q+0；为第k次迭代胰岛素注射后的平均血糖水平，其中BGj为早餐后，即Gk所对应第k次迭代中胰岛素之后作用时段的血糖CGM序列，n为该作用时段CGM血糖点的采集个数；所述低血糖安全指标采用低血糖指标lowbloodglucoseindex,LBGI的形式，低血糖安全指标值越大代表低血糖现象越严重；所述高斯过程学习模块将指标结果和胰岛素剂量作为输入，训练得到预测模型，进一步利用预测模型得到剂量对应的预测结果；训练得到的预测模型包括非对称惩罚指标预测模型和低血糖安全指标预测模型；安全贝叶斯优化模块通过设计安全贝叶斯优化提取函数，进一步利用所述高斯过程学习模块预测得到的非对称惩罚指标预测模型的随机分布计算最大改善期望，并利用低血糖安全指标分布得到安全限制函数，将其作为风险惩罚因子加入改善期望，最后得到安全期望改善值；在此基础上在安全约束范围内优化该指标，从而在保证安全的同时取得最优胰岛素剂量；所述安全期望改善设计如下： 其中，ymin为输出血糖非对称惩罚指标历史数据y＝[y1,y2,…,yN]T中所包含的最小值，其中为设计的效用函数UtilityFunction，代表非对称惩罚指标所能获得的最大改善，为胰岛素剂量值；代表最大改善期望；由于所述高斯过程学习模块采用高斯过程预测，故预测出的结果符合正态分布，其结果可以转化成如下形式，即: 其中,φ·为正态分布概率密度函数，Φ·为正态分布累积分布函数；分别为通过所述高斯过程学习模块预测得到的对应剂量的血糖非对称惩罚指标分布的期望和方差，ε0为最小接受改善设定值；为所设计的安全限制函数,为一个0-1二值函数；分别为通过所述高斯过程学习模块预测得到的对应剂量的血糖低血糖安全指标分布的期望和方差，ySAFETYLIMIT为安全指标限制阈值，即前述低血糖安全指标的阈值，PSAFETYLIMIT为设定的容许的最大低血糖概率；为安全条件，其代表了高斯过程模型预测的输入导致低血糖风险触发的概率，即的概率；安全条件时，代表的概率超过了PSAFETYLIMIT，有较大的安全风险可能，此时其取值为0；反之若条件不成立，此时可以取到安全期望改善的值。

全文数据：

权利要求：

百度查询： 北京理工大学 一种基于贝叶斯优化的MDI剂量建议系统

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD