申请/专利权人：深圳市双佳医疗科技有限公司

申请日：2024-01-09

公开（公告）日：2024-04-16

公开（公告）号：CN117530684B

主分类号：A61B5/145

分类号：A61B5/145;A61B5/00;G06N3/0464;G06N5/022;G06F18/24;G06F18/25

优先权：

专利状态码：有效-授权

法律状态：2024.04.16#授权;2024.03.01#实质审查的生效;2024.02.09#公开

摘要：本申请公开了一种基于健康大数据的血糖异常检测与预警系统及方法，其通过被监控用户佩戴的智能手环来实时监测采集该用户的血糖时间序列数据，并在后端引入数据处理和分析算法来进行所述血糖时间序列的时序分析，以此来进行血糖异常的检测，并基于血糖异常的等级来实现动态预警，通过这样的方式，能够实现对用户的血糖状态的实时和准确地监测和预警，有利于帮助医疗机构和个人判断用户血糖异常的程度，为后续的血糖异常处理提供依据。

主权项：1.一种基于健康大数据的血糖异常检测与预警系统，其特征在于，包括：血糖数据采集模块，用于获取由智能手环采集的被监控用户的血糖时间序列；血糖时序排列和归一化模块，用于将所述血糖时间序列按照时间维度排列为血糖时序输入向量，对所述血糖时序输入向量进行基于最大值的归一化处理以得到规整血糖时序输入向量；血糖局部时序特征分析模块，用于对所述规整血糖时序输入向量进行局部时序特征分析以得到规整血糖局部时序特征向量的序列；血糖局部时序特征语义关联分析模块，用于对所述规整血糖局部时序特征向量的序列中任意两个规整血糖局部时序特征向量进行语义关联分析以得到血糖时序关联拓扑特征矩阵；图结构关联编码模块，用于对所述规整血糖局部时序特征向量的序列和所述血糖时序关联拓扑特征矩阵进行基于图结构的关联编码以得到血糖关联拓扑下血糖时序特征；血糖预警模块，用于基于所述血糖关联拓扑下血糖时序特征，确定血糖预警信息等级标签；所述系统还包括用于对基于一维卷积层的血糖时序模式特征提取器、基于卷积神经网络模型的时序拓扑特征提取器、图神经网络模型和分类器进行训练的训练模块；所述训练模块，包括：训练数据获取单元，用于获取训练数据，所述训练数据包括由智能手环采集的被监控用户的训练血糖时间序列；训练时序排列和归一化单元，用于将所述训练血糖时间序列按照时间维度排列为训练血糖时序输入向量，对所述训练血糖时序输入向量进行基于最大值的归一化处理以得到训练规整血糖时序输入向量；训练时序向量切分单元，用于对所述训练规整血糖时序输入向量进行向量切分以得到训练规整血糖局部时序输入向量的序列；训练局部时序特征提取单元，用于将所述训练规整血糖局部时序输入向量的序列通过基于一维卷积层的血糖时序模式特征提取器以得到训练规整血糖局部时序特征向量的序列；训练局部时序特征关联单元，用于计算所述训练规整血糖局部时序特征向量的序列中任意两个训练规整血糖局部时序特征向量之间的血糖时序语义关联系数以得到由多个血糖时序语义关联系数组成的训练血糖时序关联拓扑矩阵；训练局部时序关联拓扑特征提取单元，用于将所述训练血糖时序关联拓扑矩阵通过基于卷积神经网络模型的时序拓扑特征提取器以得到训练血糖时序关联拓扑特征矩阵；训练图结构关联编码单元，用于将所述训练规整血糖局部时序特征向量的序列和所述训练血糖时序关联拓扑特征矩阵通过图神经网络模型以得到训练血糖关联拓扑下血糖时序特征矩阵；损失计算单元，用于计算所述训练血糖关联拓扑下血糖时序特征矩阵和所述训练规整血糖局部时序特征向量的序列之间的损失函数以得到损失函数值；分类损失单元，用于将所述训练血糖关联拓扑下血糖时序特征矩阵通过分类器以得到分类损失函数值；加权计算单元，用于计算所述损失函数值和所述分类损失函数值之间的加权和以得到最终损失函数值；训练单元，用于基于所述最终损失函数值对所述基于一维卷积层的血糖时序模式特征提取器、所述基于卷积神经网络模型的时序拓扑特征提取器、所述图神经网络模型和所述分类器进行训练；所述损失函数，表示为： V1是所述训练血糖关联拓扑下血糖时序特征矩阵展开后的第一特征向量，V2是所述训练规整血糖局部时序特征向量的序列级联后的第二特征向量，L是特征向量的长度，且表示向量的二范数的平方，exp表示指数运算，表示按位置作差，是所述损失函数。

全文数据：

权利要求：

百度查询： 深圳市双佳医疗科技有限公司 一种基于健康大数据的血糖异常检测与预警系统及方法

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