申请/专利权人:广东食品药品职业学院;暨南大学
申请日:2024-01-25
公开(公告)日:2024-04-26
公开(公告)号:CN117918831A
主分类号:A61B5/145
分类号:A61B5/145;A61B5/1455;A61B5/00;G16H50/30;G06N20/00
优先权:
专利状态码:在审-实质审查的生效
法律状态:2024.05.14#实质审查的生效;2024.04.26#公开
摘要:本申请提供一种基于特征优化的机器学习血糖无创检测方法,系统及模型,所述方法通过采集一段时间内光传感器检测到的连续PPG波形,使用python代码读取csv文件,遍历csv文件中PPG波形上每一个关键点,获取该段时间内PPG波形上所有相同类型的PPG波形信号的特征后对其取平均,并将取平均后的特征整合成一组PPG特征数据,将所述PPG特征数据输入至梯度提升决策树模型评估以获得最终血糖无创检查结果。本发明通过优先对采集的PPG波形进行处理,将连续的PPG波形数据转化为一组稳定和可靠的特征数据,然后通过梯度提升决策树模型进行评估,从而实现精准的血糖无创检测,有效提高特征选择和提取的准确性、模型的训练和优化、数据质量和标签的准确性。
主权项:1.一种基于特征优化的机器学习血糖无创检测方法,其特征在于,包括以下步骤:采集一段时间内光传感器检测到的连续PPG波形,存于csv文件中;使用python代码读取csv文件,遍历csv文件中PPG波形上每一个关键点,获取该段时间内PPG波形上所有相同类型的PPG波形信号的特征后对其取平均,并将取平均后的特征整合成一组PPG特征数据;将所述PPG特征数据输入至梯度提升决策树模型评估以获得最终血糖无创检查结果。
全文数据:
权利要求:
百度查询: 广东食品药品职业学院;暨南大学 基于特征优化的机器学习血糖无创检测方法,系统及模型
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。