CN103384495B - 生理测量数据中已知模式的自动识别 - Google Patents

Abstract

提出了一种用于分析用户的生理测量值的方法，其尤其用于标识用户的生理身体状态的存在性。该方法包括：a）至少一个数据采集步骤，其中在数据采集步骤期间，用户的生理测量值在不同的测量时间采集并且存储在测量数据记录中；b）至少一个模式选择步骤，其中在模式选择步骤期间，将在一个比较时间间隔期间采集的测量值选择为至少一个比较模式；c）至少一个模式识别步骤，其中在模式识别步骤期间，在测量数据记录中寻找与比较模式相应的模式。此外，本发明提供了一种相应的计算机程序和用于分析用户的生理测量值的设备。

Description

生理测量数据中已知模式的自动识别

技术领域

本发明涉及一种用于分析用户的生理测量值的方法和设备。此外，本发明涉及一种具有用于执行根据本发明的方法的程序代码的计算机程序。这样的设备、方法和计算机程序通常可以用于例如在人类或动物用户的长期监视中在所谓的家庭监视的范围内抑或在住院期间采集和分析用户的生理测量数据。该方法、设备和计算机程序尤其可以用于自动地标识生理测量值的时间序列中的模式。特别地，该方法、设备和计算机程序可以用于通过与历史数据进行比较而自动地执行生理测量数据中，例如葡萄糖值或者其他类型的分析物浓度中的当前模式的回顾性思考。特别地，在这种情况下可以发现最佳地与用户的当前情形相应的用户的历史情形，以便相应地采取适当的措施。

此外，以下公开总体上涉及患者监视，并且尤其涉及一种具有高效模式匹配算法的连续葡萄糖监视系统、方法及其计算机产品。

背景技术

通常，糖尿病可以由高血糖和胰岛素相对缺乏来表征。存在两种主要类型的糖尿病，I型糖尿病（胰岛素依赖型糖尿病）和II型糖尿病（非胰岛素依赖型糖尿病）。在一些示例中，糖尿病也由胰岛素抵抗性表征。

胰岛素分泌物用来控制血糖的水平以便将葡萄糖水平保持在最佳水平处。健康护理可以涉及确立受折磨的人的治疗程序以及监视其进展二者。监视血糖水平是用来帮助糖尿病患者全天维持血糖水平尽可能接近正常的重要过程。监视也可以允许通过必要时改变治疗而成功地医治（treat）糖尿病患者。监视可以允许糖尿病患者更密切地监视他或她的状况，并且此外可以在确定患者的进展且检测任何改变患者治疗程序的需要二者中向健康护理提供者提供有价值的信息。

过去若干年来在电子学领域的进步已经带来医疗诊断和监视装备，包括自我护理监视的显著变化。在控制和监视糖尿病中，相对不昂贵且易于使用的血糖监视系统变得可用，其提供允许糖尿病患者和他或她的健康护理专业人员确立、监视和调节医治计划的可靠信息。

存在由患者使用的两种主要类型的血糖监视系统：单点（或者不连续）系统和连续系统。不连续系统包括仪表和测试条并且需要从指尖或者诸如前臂和腿之类的可替换的部位抽取血液样本。不连续系统的一个实例可以要求糖尿病患者将血液样本施加到测试条的试剂浸渍区域，在预定时间段之后从测试条擦除血液样本，并且在第二预定时间段之后通过将测试条的试剂浸渍区域的颜色与测试条制造商供应的彩色图表进行比较而确定血糖水平。这些系统也可能依赖于手指或者可替换的血液抽取部位的穿刺和操纵，这尤其对于儿童而言可能是非常痛苦和不方便的。

连续系统的一个实例是连续葡萄糖监视器（“CGM”），其可以被皮下植入并且在全天的各个不同时段测量间质流体中的葡萄糖水平，提供示出一定时间段内葡萄糖测量的趋势的数据。CGM可以提供大量数据，这些数据需要经过处理以便发现相似数据的模式。该数据可以用来标识有害的患者行为或者基于相似的过去经验帮助优化治疗。它也可以用来随着时间监视葡萄糖以便确定血糖模式。由于涉及大量的数据，因而可能需要高效的算法以便允许在具有有限处理能力的设备上实现模式匹配。

除了仅仅执行一次或几次的所谓的点测量之外，现有技术除别的以外也公开了一个或多个生理参数的长期监视。在下文中，将基本上参照用户（例如人类或动物患者）体液中的一种或多种分析物的分析物浓度形式的生理参数，与疾病是否实际存在或者是否应当仅仅存在对于健康用户的监视无关地描述本发明。在不限制另外的可能的应用的情况下，下文中将参照血糖监视描述本发明。然而，原则上，本发明也可转移到其他类型的分析物和/或监视其他类型的生理参数。

在最近的时期，用户间质中的也称为连续监视（CM）的所谓的连续葡萄糖测量正变得越来越成熟。该方法适合于管理、监视和控制例如糖尿病状态。到现在为止，现有技术在这种情况下公开了通常也称为针型传感器（NTS）的直接植入式电化学传感器。在这里，有源传感器区域直接被带到通常设置在间质组织中的测量位置，并且例如通过使用酶（例如葡萄糖氧化酶，GOD）将葡萄糖转化成电荷，该电荷与葡萄糖浓度成比例并且可以用作测量变量。US 6,360,888 Bl中或者US 2008/0242962 Al中描述了这样的经皮测量系统的实例。连续监视系统通常以规则的或不规则的时间间隔采集测量值，例如葡萄糖测量值。举例而言，在植入式传感器的情况下，可以以5分钟或更小的间隔采集葡萄糖测量值。

与仅仅采集用户的瞬时身体状态的所谓的点测量形成对照的是，诸如例如身体组织中的分析物浓度的长期测量之类的生理参数的长期测量的测量数据记录因此包括原则上可用于评价的大量另外的信息项目。特别地，有可能跟随随着时间的发展，跟随外部效应对于用户身体的影响，并且可能甚至提出测量值的可能的未来轮廓且据此为用户导出建议。然而，技术挑战包括以下事实：测量数据记录达到面临巨大数据量并且因此需要数据准备、数据聚合和数据重用的新颖方法的技术时间分辨率。否则，数据量的增加可能甚至导致对于用户来说这些方法和设备的用户友好性的降低并且导致医治医师缺乏概览。

EP 1 918 837 Al公开了一种用于处理依赖于时间的参数的测量值时间序列的方法。描述了一种患者如何可以自己从葡萄糖浓度的测量值时间轮廓中选择有关部分的方法，所述部分代表各个事件的孤立的影响并且使得所述轮廓透明、可理解且可预测。新陈代谢状态方面的知识总的说来可以基于这样的部分的集合而改进。为此目的，存储孤立事件（例如特定用餐）之后随着时间的葡萄糖浓度的轮廓以供以后例如在与该用餐相应的引用下的比较。患者可以为自己创建这样的特定于事件的CM轮廓的个人档案，并且将其用于就当前情形进行比较。这种比较选项对于患者和医治医师增加用餐、运动、旅行、压力或者荷尔蒙状态的个人化影响方面的知识深度是有价值。在这里，提出了通过固定开始时间和结束时间从曲线轮廓生成部分。将该部分分配给特定事件，例如特定用餐，并且可选地存储在表征事件的特定引用下。如果患者再一次处于可比较的情形下，那么他可以就相应的先前事件搜索他的档案。这样的搜索通常面向患者自己给出的名称。可以将可能的发现与当前轮廓进行比较，并且患者可以因此为当前情形做准备。

WO 2006/066585 A2也公开了用于生理测量数据中的模式识别的方法和设备。在这里，在测量数据记录中标识模式，所述模式与用户的至少一个生理状态相应。测量值连同用户动作一起被存储，并且允许联合用于用户动作的阈值对测量数据记录中的模式进行针对性搜索。

从现有技术获悉的方法构成通往生理参数连续测量的大量测量数据记录的更高效管理以及更高效且更舒适使用的道路上的重要步骤。然而，许多挑战仍然存在。因此，已知的方法原则上非常耗时，并且可能对于潜在的用户，尤其是对于儿童、老年患者或者痴呆症患者而言太复杂。例如，将名称分配给特定事件，例如命名特定用餐，或者用户自己对特定用户事件的定性和定量服从于非常主观的准则，并且因此可能的是，作为未经没有经验的或者负担过重的患者深思熟虑的初始命名或存储的结果，发现相应的模式也许不可能或者可能甚至是误导性的。如已经针对测量时段跨越几天所预期的，人工方法尤其对于大型数据库存而言不是高效的。而且，许多方法预先假定对通常含噪声的测量值轮廓进行平滑。此外，在量化各部分的相似性中存在技术挑战。而且，人工方法原则上是耗时且通常低效的。此外，尤其是在已经标识了一定数量的可能模式的情况下，尚不存在对于在处理发现的模式中出现的技术挑战的令人满意的解决方案。

尽管存在用于随着时间连续地监视患者的各种各样的设备和技术，但是在本发明人之前没有人做出或者使用了如本文所描述的发明实施例。

发明目的

因此，本发明的目的是详细说明一种至少大体上避免了已知方法、计算机程序和设备的缺点的方法、计算机程序和设备。特别地，应当详细说明一种用于分析生理测量值的方法，该方法可以容易地在线且以自动的方式，优选地实时地执行，并且该方法能够发现尽可能与用户的当前情形相似的用户的历史情形，以便向他提供以理想的方式对当前情形做出反应的选项。优选地，应当有可能确立生理测量值的可能的未来轮廓，并且优选地，应当有可能指定在过去的相似情形中具有正面影响并且也可以构成当前情形下的权宜措施的边界条件。

发明内容

这个目的是通过本发明利用独立专利权利要求的特征实现的。从属专利权利要求中说明了可以单独地或者以任意组合实现的本发明的有利发展。

在本发明的第一方面中，提出了一种用于分析用户的生理测量值的方法。对于相同的主题而言，生理测量值和生理数据是等效的术语。一般而言，用户可以是患者或者可以是一个或多个人和/或动物，而与疾病状态是否存在无关。用户，或者在用户组的情况下这些用户中的至少一个，可以自己执行该方法，或者该方法可以由至少一个第三人（例如医师或者护理职员）执行。在下文中，不对应当被本发明包括的这两个选项进行区分，并且因此例如这样的情况也应当被包括，其中生理测量值来源于至少一个第一用户，而所述方法的一个或多个方法步骤由至少一个第二用户（例如医师或护理职员）执行。

在这种情况下，术语“分析”可以非常广泛地进行理解，并且原则上可以包括测量值的任何处置、采集、存储、预处理、处理或者传输。生理测量值通常被理解为表示直接表征用户的一个或多个身体状态的任何参数。生理测量值可以直接为由至少一个测量设备采集的测量值，或者这应当具有本发明范围内的相同含义：从这些测量值导出的测量值，例如已经经受预处理、滤波、放大、平滑或者类似预处理步骤的测量值。对于相同的主题而言，测量设备和生理输入设备是等效的术语。特别地，如下文中将更详细地解释的，生理测量值可以是用户体液中的至少一种分析物的浓度。然而，原则上，作为其替代或者除此之外，使用其他类型的生理测量值也是可行的。特别地，所述方法通常可以用来标识用户的生理身体状态的存在性。

该方法包括下文中阐明的方法步骤。这些方法步骤可以以阐明的顺序执行。然而，原则上，与阐明的顺序不同的顺序也是可能的。因此，特别地，个别或者多个方法步骤可以在时间上并行地、在时间上重叠地或者重复地、独自地或者成组地执行。此外，该方法可以包括下文中未阐明的附加方法步骤。与术语方法步骤用在下文中这一事实无关的是，引用“步骤”基本上没有提及下文中列出的方法步骤的持续时间。因此，指定的方法步骤可以个别地或者成组地短暂执行，但是也可以在更长的时间段上，例如在若干分钟、小时、天、周或者甚至月的时间间隔上例如连续地或者重复地执行。

所述方法包括：

a）至少一个数据采集步骤，其中在数据采集步骤期间，用户的生理测量值在不同的测量时间采集并且存储在测量数据记录中。

如上面所阐明的，生理测量值特别地可以是以某种方式表征用户的身体状态的任何参数。特别地，这些参数可以是表征至少一种分析物的至少一个浓度，例如体液中的至少一种分析物的至少一个浓度的参数，所述分析物例如至少一种代谢物，更特别地为葡萄糖。通常，生理测量值可以是例如直接在采集之后的初级测量值，抑或它们可以是从这些测量值导出并且例如已经被预处理的测量值。举例而言，测量时间可以固定地规定，抑或可以是变量。测量时间可以连续地彼此跟随，从而创建测量时间连续统，但是原则上也可以是不连续的。测量时间可以被设置成彼此等距或者测量时间可以以不规则的间隔来选择。其中以规则的时间间隔，例如以5分钟的时间间隔采集生理测量值的数据采集步骤是特别优选的。举例而言，测量时间可以按绝对项来规定，但是它们也可以例如通过限定离特定事件，例如离一个或多个在先测量时间的时间间隔以相对的方式来规定。测量时间优选地与如下文中进一步给出的时间窗口数据集合相应。在一个实施例中，测量值由用户作为查询而输入。测量时间的间隔内采集的生理数据和生理测量值可以表示为时间窗口数据集合。优选地，当在本文中使用时，时间间隔、测量时间连续统或者时间点与术语“时间窗口”相应。

在本发明的范围内，测量数据记录应当被理解为表示这样的数据记录，其至少包括测量值，但是其优选地也可以包括一个或多个附加参数。举例而言，这些另外的参数可以包括测量时间；然而，这不是强制性的，因为测量时间例如也可以通过另一种方式确立。举例而言，数据对可以存储在测量数据记录中，所述数据对中的每一个包括至少一个测量值以及指定为绝对测量时间抑或相对测量时间，例如指定为离特定事件一定时间的至少一个关联测量时间。而且，如下文中将更详细地解释的，测量数据记录包括诸如例如一个或多个边界条件之类的另外的参数。可替换地或者除此之外，测量数据记录也可以包括时间顺序的生理测量值，例如在可以容易地为每个测量值计算测量时间的情况下，尤其是在测量时间之间规定了固定时间间隔的情况下，不必为此存储测量时间。如下文中将更详细地解释的，例如在连续监视的范围内，数据采集步骤可以例如借助于至少一个传感器特别地在相对较长的时间段上连续地或者不连续地执行，所述传感器在相对较长的时间段上，例如以规则抑或不规则的时间间隔连续地或者不连续地提供生理测量值。

b）至少一个模式选择步骤，其中在模式选择步骤期间，将至少一个比较时间间隔期间采集的测量值选择为至少一个比较模式。

在本发明的范围内，比较时间间隔被理解为表示这样的时间间隔，该时间间隔对于生理测量值的分析是或者可能是有意义的。在这个方面，该比较时间间隔可以例如是时间轴上的所谓“感兴趣区域”。像本发明范围内的其他时间间隔或者间隔那样，比较时间间隔也可以例如被指定为闭间隔、开间隔或者一侧封闭的间隔。对于相同的主题而言，时间间隔和时间窗口是等效的术语。此外，比较时间间隔优选地与参考模式相应。

在本发明的范围内，模式通常被理解为测量值序列。相应地，比较模式应当被理解为在比较时间间隔期间采集的测量值序列。

如下文中将更详细地解释的，比较时间间隔可以特别地是或者包括当前时间间隔。在这种情况下，比较模式可以特别地是或者包括当前模式。

可替换地或者除此之外，比较时间间隔也可以是或者包括可选择时间间隔，例如可以由用户选择的时间间隔。如果比较时间间隔是可选择时间间隔或者如果前者包括可选择时间间隔，那么比较模式可以特别地是或者包括感兴趣模式。通常，“感兴趣”或者“令人感兴趣”在下文中被理解为表示这样的性质，其中主观上或者依照规定的准则给特定元素分配可能的含义，所述含义可能仍然必须加以检验。举例而言，感兴趣模式可以是具有依照生理方面或医疗方面可能有关的特定特性的模式，或者临时与一个或多个边界条件相联系的模式。特别地，对于相同的主题而言，感兴趣模式和参考模式是等效的术语。此外，参考模式或者感兴趣模式可以如下文中进一步给出的作为查询经由用户接口输入。

原则上，在可选择时间间隔的情况下，比较时间间隔可以以各种不同的方式进行选择。举例而言，该选择可以通过输入可选择时间间隔的边界（例如下边界和上边界）而促成。可替换地或者除此之外，该选择也可以例如通过图形选择，例如通过用户例如借助于适当的输入设备和/或选择设备在显示元件上选择时间间隔，而以不同的方式实现，所述输入设备和/或选择设备例如一个或多个按键和/或鼠标和/或光标和/或触摸屏。时间间隔可以例如通过用户在时间轴上进行选择而直接地加以选择，或者例如通过用户例如通过在屏幕上标记或者以另一种方式选择比较模式并且通过属于该相应地选择的比较模式的比较时间间隔而加以选择。其他类型的选择也是可行的。

一般而言，措词“当前”在本发明的范围内用于时间，例如测量时间，其按照时间来说处在如此靠近现在时间，即执行有关方法步骤和/或执行测量的实际时间，以至于所述时间间隔在常规时间间隔的范围内可忽略，所述常规时间间隔在用户身体的宏观可感知生理变化上发生。特别地，这些可以是优选地不长于1h，更特别地不长于30分钟并且特别优选地不长于10分钟或者甚至不长于5分钟的时间间隔。相应地，当前时间，例如当前测量时间，不必一定与现在时间相应，而是原则上也可以按一定时间量位于过去，该时间量优选地不超过前述时间。如果措词“当前”联合若干连续时间（例如时间间隔）一起使用，那么这被理解为包括在前述定义的范围内应当被表征为“当前”的至少一个时间的时间间隔。对于相同的主题而言，措词当前和实时是等效的措词。

举例而言，为了执行模式选择步骤，可以规定和/或可由用户选择比较时间间隔，例如当前时间间隔或者可选择时间间隔。举例而言，比较时间间隔可以是具有规定的持续时间或者可选择的持续时间的时间间隔，其例如以规定的方式设置到参考时间（例如当前时间）。举例而言，该时间间隔可以从参考时间（例如当前时间）的一个或两个方向通过离间隔边界的一个或多个时间间隔来限定或规定。比较时间间隔，更特别地当前时间间隔，可以例如是从现在时间按规定的量延伸到过去的时间间隔，所述规定的量例如至少1h，优选地1h至10h并且特别优选地4h至8h。可以以固定或者可调节的方式规定的比较时间间隔的其他限定或规定也是可行的。

比较模式（例如当前模式和/或感兴趣模式）因此包括在比较时间间隔期间（例如在当前时间间隔和/或在可选择时间间隔期间）采集的测量值，或者这些测量值的至少一部分，例如在该比较时间间隔期间的选择的测量值。此外，比较模式可以包含附加信息，例如再一次地，如上面联合测量数据记录所解释的，在比较时间间隔期间采集的测量值的关联测量时间，例如再一次地，包括测量值和各自的关联测量时间的测量值对。例如在关联测量时间已知或者例如通过具有等距的测量时间而可以简单的方式导出的情况下，仅仅存储测量值而没有其关联测量时间也是可行的。而且，比较模式可以再一次地包括另外的信息，例如再一次地，如下文中将更详细地解释的，一个或多个边界条件。因此，特别地，比较模式可以包括测量数据记录的时间毗邻部分，尤其是当前部分和/或感兴趣部分，例如测量数据记录的从现在时间按规定的量延伸到过去的最近的条目。其他的实施例也是可能的。

c）至少一个模式识别步骤，其中在模式识别步骤期间，在测量数据记录中寻找与比较模式相应的模式。

原则上，模式识别步骤中可以使用一种或多种模式识别方法，例如从现有技术获悉的模式识别方法。特别地，有可能使用在比较模式（例如当前模式和/或感兴趣模式）与测量数据记录中的历史数据之间执行逐点比较的方法。在这里，逐点比较被理解为表示这样的比较，其中分别将比较模式中的一个测量值与测量数据记录中的一个测量值进行比较，后者记录在例如不同的测量时间，更特别地记录在更早的测量时间。可以执行模式识别步骤，使得仅仅在比较时间间隔之外寻找相应的模式。然而，可替换地，比较时间间隔本身也可以包含在搜索中，因为例如重复模式也可能出现在比较时间间隔内。然而，在任何情况下，都应当在模式识别步骤期间将不同测量时间采集的测量值彼此比较。对于相同的主题而言，模式识别和模式匹配是等效的术语。

优选地，也可能在模式识别步骤期间，尤其是在测量值的比较期间量化偏差，并且如下文中将仍然更详细地解释的，有可能规定容差和/或进行加权。

举例而言，逐点比较可以由于以下事实而被执行：至少一个候选点，更特别地至少一个候选时间和/或候选值在测量数据记录中被标识，逐点比较从所述候选点开始执行。通常，“候选”被理解为表示集合中的某个元素，该元素进入考虑以用于比较并且其可能或者必须经受更严密的审查。举例而言，候选模式可以被理解为表示测量数据记录中的可以与比较模式相应的模式，尽管这应当或者必须更严密地加以审查。相应地，候选时间间隔可以被理解为表示在其期间采集候选模式的测量值的时间间隔。候选时间可以被理解为表示作为用于局部化候选时间间隔的参考点而进入考虑的可能时间——然而，这应当或者必须更严密地加以审查——例如采集候选值的测量时间，所述候选值可以与在锚定（anchor）时间采集的锚定值相应，所述锚定时间反过来用作用于局部化比较时间间隔的参考时间。

举例而言，有可能从候选值开始执行逐步的测量值比较，其中例如如果在先的值比较并不导致相应性，那么也可能存在连续比较的终止。举例而言，可以以等距的时间步长执行比较。然而，原则上，非等距步长也是可能的。

举例而言，模式识别步骤和对于相应模式的搜索可以由于从候选值和/或候选时间开始，在另外的测量值与比较模式中的测量值之间存在逐步的比较这一事实而促成，例如由于在每个比较步骤之后存在关于在先的比较是否得到相应性的查询这一事实而促成。如果没有确定相应性，那么可以终止另外的比较以便加快所述方法。如果确定了相应性，那么有可能利用下一个测量值执行另外的比较步骤。这仍然将在下文中以示例性的方式更详细地进行解释。

因此，在本发明的范围内，相应性应当被理解为表示相同的模式或者在一个或多个规定的容差阈值的范围内的相应性。在这里，可以例如在测量值方面规定一个或多个容差阈值。可替换地或者除此之外，特别是在选择了非等距测量时间的情况下，也可以在测量时间方面规定容差阈值。举例而言，在测量点方面，可以因此围绕分别在具有测量时间轴和测量值轴的坐标系统中绘制的测量点绘制容差邻域，例如圆形容差邻域和/或椭圆形容差邻域。

举例而言，如下文中仍然将更详细地解释的，可以例如通过一个或多个相关逐点地或者整个模式量化相应性，对于所述相关可以反过来提供阈值。然而，如果如上面所描述的存在考虑到一个或多个预定的容差阈值的逐点比较，那么这是特别优选的。

所提出的方法可以有利地以各种不同的方式加以发展。因此，如上面所描述的，如果生理测量值包括用户体液中的至少一种分析物的浓度，或者至少从量化这样的浓度的测量值中导出，那么这是特别优选的。原则上，所述至少一种分析物可以是优选地特别地检测的至少一种任意的分析物。特别地，这可以是葡萄糖，例如血糖。然而，可替换地或者此外，其他的分析物也是可检测的，例如胆固醇、乳酸盐或者其他分析物。然而，在检测分析物的另一种可替换方案中或者除此之外，也可能使用其他的生理测量值。

特别地，可以借助于至少一种长期测量方法采集生理测量值，所述长期测量方法即其中在优选地至少1分钟，特别地至少10分钟，优选地至少1h，特别优选地至少10h，至少1天，至少1周的时间段上或者甚至在多月或多年内以规则或不规则的间隔采集测量值的测量方法。特别地，长期测量方法可以借助于插入到用户身体组织中的用于分析物检测的至少一个传感器元件（例如电化学传感器元件）来执行。举例而言，在这个方面可以参见前述现有技术。因此，例如，该方法可以使用至少一个连续监视传感器来执行，所述传感器例如包括施加到用户的皮肤表面并且具有致动和评价电子器件的片块的传感器以及连接到该片块的可插入传感器。然而，原则上，其他类型的测量值采集也是可能的。

在另一有利实施例中，如上面已经解释的，比较时间间隔特别地可以是或者包括当前时间间隔，其中比较模式包括当前模式。在模式识别步骤中，有可能在当前时间间隔之前例如在测量数据记录中搜索与当前模式相应的模式，其中然而如上面所解释的，当前时间间隔本身原则上也可以包括在搜索中。

可替换地或者除此之外，比较时间间隔可以包括可选择时间间隔，例如可由用户依照上面描述的选项中的一个或多个选择的时间间隔，并且也可以称为“感兴趣区域”。特别地，比较模式于是可以包括感兴趣模式。可选择时间间隔可以完全位于例如可选地可固定的当前时间之前和/或可选地可固定的当前时间间隔之前；然而，原则上，它也可以与其重叠。可替换地，也可能在使用了可选择时间间隔的情况下省掉固定当前时间和/或当前时间间隔。可选择时间间隔特别地可以设置在过去并且可以例如在例如用户例如使用诸如例如计算机之类的数据处理仪器对于测量数据记录，尤其是历史测量数据的后续分析中加以选择。该固定例如也可以由作为用户的医师促成。各种不同的其他选项是可行的。

在所述方法的另一有利实施例中，执行至少一个数据简化步骤以便从测量数据记录生成至少一个简化测量数据记录。该至少一个数据简化步骤可以针对整个测量数据记录，优选地如下文中进一步提及的针对原始数据或者原始数据矢量执行，抑或针对其仅仅部分，例如针对当前模式执行。特别地，简化测量数据记录可以用在步骤b）和/或c）中的至少一个中，优选地用在步骤b）和c）中。在步骤b）和c）的过程中，可以利用相同的至少一个简化测量数据记录，抑或可以利用不同的简化测量数据记录。此外，在步骤b）和/或c）中，可选地可以在每种情况下利用多个不同的简化测量数据记录，例如，在步骤b）中，至少第一简化测量数据记录和至少与第一简化测量数据记录不同的第二简化测量数据记录，和/或在步骤c）中，至少第三简化测量数据记录和至少与第三测量数据记录不同的第四简化测量数据记录。各种不同的组合是可能的。因此，所述至少一个简化测量数据记录可以包括单个简化测量数据记录；然而，它也可以包括多个简化测量数据记录。因此，例如如上面所阐明的，可以在步骤b）和c）中和/或也在步骤b）和/或c）内利用多个不同的简化测量数据记录。优选地，数据简化步骤与下文中进一步提及的数据压缩相应，并且反之亦然。对于相同的主题而言，简化数据记录和压缩的数据是等效的术语。

特别地，有可能从比较模式，例如当前模式和/或感兴趣模式中生成至少一个简化比较模式，例如至少一个简化当前模式和/或至少一个简化感兴趣模式，其中在模式识别步骤期间，简化比较模式可以用来搜索一个或多个与比较模式相应的模式。举例而言，有可能在粗模式识别步骤期间首先使用简化比较模式，例如简化当前模式和/或简化感兴趣模式，以便搜索与比较模式相应的可能的候选模式，之后可选地于是例如使用至少一个非简化比较模式和/或使用至少一个较少简化的比较模式执行至少一个精细模式识别步骤。这种到所述可选的至少一个精细模式识别步骤的转变可以以不同的方式且在不同的层次上执行，并且因此例如有可能以不同的数据简化程度执行一个或多个粗模式识别步骤和/或以不同的数据简化程度执行一个或多个精细模式识别步骤。因此，例如，至少一个粗模式识别步骤可以例如通过嵌套间隔特别地以几乎不可察觉的转变而转变到至少一个精细模式识别步骤，在这期间数据简化的程度降低。

作为使用数据简化步骤以生成简化比较模式的可替换方案或者除此之外，数据简化步骤也可以用于在测量数据记录中，例如在测量数据记录的历史测量数据中生成简化候选模式。各种不同的组合选项是可行的。

原则上，数据简化步骤在这种情况下可以包括任何数据简化和/或数据压缩，其被设计成生成例如比较模式，尤其是当前模式和/或感兴趣模式，和/或候选模式的测量数据记录或者其部分的数据库存。特别地，数据简化可以通过从测量数据记录的数据中选择代表性测量数据并且不考虑其余测量数据而促成。在另一种可替换方案中或者除此之外，也可以在数据压缩期间分别由具有更低数据深度和/或包括更少数量的代表性测量数据代替多个测量数据。原则上，各种不同的用于数据压缩的方法可从现有技术获悉，并且在本发明的范围内也可以加以利用。

举例而言，数据简化可以容易地通过修改时间栅格，例如通过仅仅在特定的时间，例如以特定的时间间隔将测量值分配给简化测量数据而实现。

然而，在本发明的范围内，索引方法是特别优选的；它仍然将在下文中以示例性方式更详细地加以解释。在本发明的范围内，特别地除了非简化测量数据记录之外，还可以存储简化测量数据记录。因此，例如，如上面解释的，例如通过从当前模式生成的简化当前模式和/或通过作为数据简化步骤的结果从感兴趣模式生成的至少一个简化感兴趣模式，至少一个简化比较模式可以作为数据简化步骤的结果从比较模式生成。除了比较模式之外，还可以存储该简化比较模式，并且其可以例如首先用于对于候选模式的粗搜索，之后，如果标识了适当的候选模式，那么可以将非简化比较模式用于精细比较。

特别地，可以在数据简化步骤中例如在背景中连续地促成数据简化。举例而言，可以通过例如在满足特定准则方面检查每个新添加的测量值并且然后丢弃它或者将它用于简化测量数据记录，或者可选地以修改的方式使用它而存在在线数据简化和/或实时数据简化。

如果利用测量数据记录或者其部分的完整或部分数据简化生成了简化测量数据记录，那么可选地可以存储该简化测量数据记录。举例而言，可以将它存储在易失性数据缓冲器和/或非易失性数据缓冲器中。

优选地，可以存在在下文中也称为索引的数据简化。在可以用作其他形式的数据简化的可替换方案或者除此之外也使用的这种类型的数据简化中，在数据简化步骤中规定多个测量值水平。举例而言，在血糖测量的情况下，这些测量值水平可以是通常可以出现的浓度水平，例如步长为10mg/dl或者20mg/dl的血糖网格。原则上，其他类型的网格也是可能的。这使得将测量数据记录中的数据受制于时间栅格和/或测量值水平栅格成为可能。

测量值水平可以以各种不同的方式用于数据简化，其可以可替换地或者累加地使用。举例而言，可以将那些最靠近测量值水平的测量值分配给简化测量数据记录。在这里，可以精确地利用这些测量值，抑或也可以利用由于以下事实而生成的修改的测量值：最靠近测量值水平的测量值向上或向下圆整到测量值水平。

作为另一种可替换方案或者除此之外，尤其可能的是在数据简化步骤中标识何时测量值水平在时间上邻近的两个测量值之间被交叉。举例而言，如果时间t处的测量值位于规定的测量值水平之下并且时间t+?t处的后续测量值位于一定测量值水平之上，或者相反的情况，那么有可能标识该测量值水平的交叉。举例而言，在这种情况下，可以执行数据简化步骤，使得在时间上邻近的测量值中，只有更靠近测量值水平的测量值才被分配给简化测量数据记录。举例而言，可以丢弃在其之间没有测量值水平被交叉并且其中在转变到另外的邻近测量值期间也没有测量值水平被交叉的测量值并且不将其分配给简化测量数据记录。

此外，特别优选的是将局部极值从简化测量数据记录中排除。特别地，这由于以下事实而是合理的：极值可能比不构成局部极值的测量值更容易在粗模式识别期间导致错误的分配。

如上面所描述的，数据简化步骤可以与整个测量数据记录或者仅仅其部分有关，并且可选地可以除了完整地或者部分地保留非简化测量数据记录之外而发生。特别地，如上面所阐明的，比较模式可以在数据简化步骤中简化为至少一个简化比较模式，并且模式识别步骤的至少一部分可以使用简化比较模式来执行。特别地，这可以以这样的方式来执行，使得模式识别步骤包括使用简化比较模式执行的至少一个粗模式识别步骤。粗模式识别步骤可以用来标识潜在地与比较模式相应的候选模式。如上面所描述的，粗模式识别步骤可以特别地例如从初始点开始逐点地执行，其中在简化比较模式与候选模式的点之间存在逐点的测量值比较。该逐点的测量值比较可选地可以在一个或多个比较中不存在相应性的情况下终止，并且因此不再执行比较，并且可以例如丢弃候选模式。至少一个精细模式识别步骤可选地可以在候选模式成功地在粗模式识别步骤中被标识的情况下执行，其中可以在精细模式识别步骤中将该候选模式与比较模式（即非简化比较模式）进行比较。该比较反过来也可以逐点地实施。代替简单地划分成粗模式识别步骤和精细模式识别步骤的是，也可能例如通过利用更小的时间步长和/或利用更大的数据记录接连执行更精细的模式识别步骤而插入模式识别步骤的另外的中间步骤。

如上面所解释的，粗模式识别步骤特别地可以逐步地执行，其中粗模式识别步骤可以在确定了非相应性的情况下终止。也可能在精细模式识别步骤期间和/或在其他模式识别步骤期间存在类似的过程。

特别地，如上面所描述的，可以在模式识别步骤中规定至少一个容差，其中容差范围内的相应性被标识为足够。举例而言，可以在测量时间方面和/或在测量值方面规定所述至少一个容差。如上面所阐明的，可以固定地抑或可变地为各个测量值或测量点规定容差，并且也可以以加权的方式在对于相应性的检查中包括各个测量值。举例而言，可以对于比较模式和/或简化比较模式和/或候选模式中的测量值逐点地规定容差。举例而言，可以通过可以围绕测量值对称抑或非对称地或者以另一种方式设置的一个或多个容差阈值和/或一个或多个置信区间规定容差。特别地，可以对于不同测量时间处的不同测量值规定多个容差，其中优选地与更近的测量值相比，可以向时间上更往后的比较模式（例如当前模式和/或感兴趣模式和/或简化比较模式和/或候选模式）的测量值提供更大的容差。

所提出的方法的另一可能的实施例的另一优点包括除了测量值以及可选地测量时间之外还有可能存储一个或多个边界条件。举例而言，这些边界条件可以存储在测量数据记录中并且可以是测量数据记录的一部分；下文中在没有限制另外的可能实施例的情况下假设了这点。然而，可替换地或者除此之外，所述一个或多个边界条件也可以与测量数据记录独立地存储在例如不同的缓冲器位置或者不同的缓冲器中。一般地说，参照测量数据记录也可以存储在单个缓冲器中和/或毗邻地存储这一事实；然而，原则上存储也可以发生在多个部分，其例如可以存储在多个不同的缓冲器中。

边界条件特别地可以表征对于用户的身体具有潜在的生理影响的事件。这些事件可以是点状的，即与总的测量相比具有可忽略的持续时间，但是原则上也可以在相对较长的时间段上延伸。举例而言，边界条件同样地可以被分配给一个或多个特定时间或者时间段，所述时间或者时间段可以与测量时间中的一个或多个相应，但是其也可以与测量数据记录的测量时间独立地加以选择。特别地，边界条件可以是或者包括以下边界条件中的一个或多个：药物（尤其是胰岛素丸药）的类型和/或数量；进食的类型和/或数量；疾病；天时；用户的压力负荷；用户的身体安康；至少一个另外的生理参数，例如至少一个荷尔蒙浓度和/或血压；特定的身体状况，例如月经期；体力活动的类型和/或持续时间和/或强度；至少一个特定身体状况；发烧；头痛；背痛；特定的心理状况。

特别地，也可以在模式识别步骤中考虑所述至少一个边界条件。举例而言，如果当前模式包含至少一个边界条件，那么可以例如在模式识别步骤中寻找与当前模式相应并且优选地在相应时间处同样地包括所述至少一个边界条件的模式。举例而言，甚至可以在粗模式识别步骤期间例如通过主要地搜索同样地具有所述至少一个边界条件的候选模式而考虑所述一个或多个边界条件。

特别地，可以将在锚定时间采集的至少一个测量值指定为模式选择步骤期间的锚定值。举例而言，锚定时间可以是当前测量时间和/或感兴趣测量时间。如果锚定时间为当前测量时间，那么锚定值可以例如为当前测量值。举例而言，当前测量值可以是满足至少一个锚定值条件的当前测量值。举例而言，该锚定值条件可以从数据简化步骤出现。因此，例如，所述至少一个锚定值可以是满足数据简化中使用的可选的数据简化条件的最近的当前测量值。举例而言，可以使用上面描述的索引，使得当测量曲线交叉一个或多个规定的测量值水平时，更靠近该测量值水平的测量值对应地分配给简化测量数据记录。举例而言，优选地只要满足该索引条件的对应最近测量值不形成局部极值，那么可以尤其是自动地和/或在线地（尤其是实时地）将该测量值选择为锚定点。然而，原则上，用于锚定值的其他选择准则也是可能的。因此，例如，锚定值可以是在感兴趣测量时间记录的感兴趣测量值。举例而言，感兴趣测量值可以可由用户选择。其他的实施例也是可能的。

特别地，锚定值可以是简化测量数据记录的测量值，例如在该简化测量数据记录中的最近测量值和/或在简化测量数据记录中由用户选择的测量值。举例而言，测量值的曲线切割测量值水平之一所在的最近测量值可以用作锚定值，并且这事发生的时间可以用作当前时间。可替换地或者除此之外，例如按照上面描述的选择方法中的一个或多个，锚定时间和/或锚定值也可以可由用户选择。

所述至少一个锚定值可以用在模式选择步骤中和/或用在模式识别步骤中。因此，模式选择步骤中的比较时间间隔可以例如是包括锚定时间、邻接锚定时间或者以任何其他方式相对于锚定时间限定的时间间隔。举例而言，可以将比较时间间隔限定为在锚定时间开始之前的规定的时间间隔处开始和/或以规定的方式在锚定时间之前或之后结束的时间间隔。特别地，比较时间间隔可以包括锚定时间，邻接后者或者以任何其他方式相对于锚定时间进行限定。比较模式可以包括在比较时间间隔期间记录的测量值以及可选地向其分配的测量时间。特别地，比较模式可以包括锚定值本身；然而，这不是强制性的。

此外，可替换地或者附加地，可以在所述至少一个模式识别步骤中利用所述至少一个锚定值。特别地，可以在模式识别步骤期间在测量数据记录中寻找与锚定值相应并且分别在候选时间被记录的候选值。因此，例如，可以逐步地到过去或者通过另一种方式寻找与锚定值相应的候选值。再一次地，相应性应当被理解为表示同一性抑或在一个或多个规定的容差的范围内的相应性，并且因此例如候选值也可以是可以位于围绕锚定值的容差区间内的测量值。如上面所描述的，也可以在对于可能的候选值的这种搜索期间考虑一个或多个边界条件，并且因此例如可以主要存在对于这样的候选值的搜索，这些候选值例如同样地在一个或多个边界条件下或者联合一个或多个边界条件存储在测量数据记录中。在这里，例如，可以将所述一个或多个边界条件包含在搜索中，从而寻找其中例如在时间容差区间内，比如例如在围绕锚定时间的时间容差区间内记录一个或多个相同或相似的边界条件的候选值。

特别地，可以再一次逐步地（例如逐步到过去）执行对于候选值的搜索。如果标识了具有分别分配的候选时间的一个或多个候选值，那么尤其可能的是关于这些候选值限定候选时间间隔，所述候选时间间隔例如按照其持续时间和/或其关于候选时间的相对对齐与当前时间间隔相应。因此，例如，可以限定候选时间间隔，使得后者与当前时间间隔从当前测量时间开始同时地从候选时间开始。可替换地或者除此之外，可以固定候选时间间隔的结束，使得这离候选时间与比较时间间隔的结束距锚定时间具有相同的时间。在这种和/或另一种方式下，有可能在所述至少一个确立的候选时间方面确定至少一个时间间隔，更特别地分别确定至少一个时间间隔，所述至少一个时间间隔对于确立的候选时间的关系就像比较时间间隔对于锚定时间的关系。可以将候选时间间隔期间采集的测量值以及可选地关联测量时间标识为候选模式。可以在模式识别步骤期间，例如再一次地在单步中抑或在多步中，例如首先在粗模式标识步骤其中并且可选地随后在至少一个精细模式识别步骤中，将候选模式与比较模式进行比较。特别地，候选模式与比较模式之间的模式比较可以再一次地如上面所描述的逐点执行和/或可以经受终止准则检验以便可选地能够加快模式比较并且提前终止它。再一次地，也可以如上面所描述的在搜索候选值期间考虑测量时间记录中的一个或多个边界条件。特别地，模式识别步骤可以再一次地逐步执行，其中从候选时间开始，优选地首先存在粗模式识别步骤，并且随后如果粗模式识别步骤导致相应性，则存在至少一个精细模式识别步骤。特别地，模式识别步骤可以从候选时间开始逐步回到过去。然而，原则上，其他的搜索方向或者搜索方案也是可能的。

特别地，上面描述的实施例中的一个或多个中的所提出的方法可以在线地，优选地实时地执行。特别地，可以例如连续地抑或不连续地通过新添加的测量值更新测量数据记录。然后，分别地或者一起利用新添加的测量值，优选地利用每个新添加的测量值重复方法步骤b）和/或c）。特别地，该重复可以自动地发生，这无需用户动作；它可以例如通过添加新测量值和/或通过添加新边界条件而触发。

为了避免测量数据记录的数据库存的太显著的增长以及可选地与此连接的方法所需的方法持续时间的增长，也可以以规则或不规则的间隔通过删除个别的或者一定数量的数据条目和/或覆写该数据而修改测量数据记录。因此，例如，可以执行所述方法，使得如果添加了新测量值，那么删除和/或覆写数据记录中的最旧的测量值。举例而言，可以为此目的利用循环缓冲器和/或先入先出（FIFO）缓冲器。举例而言，测量数据记录可以一直包括等长度的，尤其是1周与6个月之间、优选地1个月与5个月之间以及特别优选地3个月的长度的测量时段的测量值。然而，原则上，其他的测量时段也是可能的。特别地，如上面所描述的，可以在数据采集步骤期间以规则或不规则的时间间隔采集测量值。特别地，这样的数据采集是可能的，其中以从1分钟直到10分钟的时间间隔，优选地以5分钟的时间间隔采集测量值。如下文中进一步提及的，数据记录可以由数据库提供。

特别地，可以重复地执行模式识别步骤。如下文中进一步提及的，模式识别步骤可以由模式匹配算法提供。特别地，这可以由于以下事实促成：在重复的情况下，考虑在每种情况下时间上进一步向后的测量数据记录的测量值。因此，例如，模式识别步骤可以例如从锚定时间（例如当前时间和/或候选时间）开始逐点地且逐步到过去执行。如果例如以至少一个粗模式识别步骤和至少一个精细模式识别步骤的形式对于多个模式识别步骤做出规定，那么可以例如在确定一个或多个测量值的非相应性的情况下利用上面描述的终止准则逐点地到过去执行这些模式识别步骤中的每一个。

所提出的方法的另外的可能实施例涉及其中确立与比较模式相应的一个或多个模式的情况。因此，在一种可能的方法变型中，可以执行该方法，使得如果找到与比较模式相应的至少一个模式，那么特别地借助于至少一个相关量化相应性。举例而言，可以应用离散或者连续相关函数，以便例如借助于至少一个相关值量化比较模式（例如当前模式和/或感兴趣模式）与相应模式之间的相应性。然而，原则上，作为可替换方案或者除此之外，也可以使用相应性程度的其他量化，例如各个测量值的偏差的平均值或者类似的量化。特别地，可以向用户和/或医治医师标示，或者以其他方式，例如通过传输至一个或多个仪器或仪器部件，例如传输至至少一个医师的计算机而处理该量化的结果。

依照第一可替换方案，相应性的量化涉及包括偏置的测量数据记录和候选值。偏置代表候选值和测量数据记录的绝对水平。偏置基本上是随着时间恒定的。特别地，偏置涉及随着时间恒定或者缓慢变化的基本水平，其中变化是由模式限定的缓慢得多的变化。此外，偏置可以依照传感器由于老化而出现的漂移来变化。基本上随着时间恒定的偏置包括随着时间恒定的偏置以及缓慢地变化的偏置二者。该缓慢变化比模式的变化缓慢得多，所述模式的变化即由候选值和/或测量数据记录的动态表示反映的变化。

依照第二可替换方案，相应性的量化涉及候选值和/或测量数据记录的动态表示。该动态表示排除了偏置。该动态表示反映由于患者的新陈代谢过程和/或由于患者新陈代谢的变化，例如由于如这里所给出的边界条件所引起的变化。再一次地，动态表示未包括的偏置反映了候选值和测量数据记录的绝对水平。

因此，在第一可替换方案中，当提供相应性时，除了动态表示之外，也处理偏置。在第二可替换方案中，仅仅处理候选值和测量数据记录的动态变化的分量。动态变化反映了模式的形状并且不包括由偏置反映的恒定的或者仅仅缓慢变化的分量。在动态变化，即候选值的发展或进展与测量数据记录的发展或进展相应的情况下，第二可替换方案提供了完全相应性。在第一可替换方案中，在附加地候选值的恒定的或者仅仅缓慢变化的偏置或水平与测量数据记录的偏置或水平相应的情况下，给出完全相应性。这里给出的锚定值可以看作偏置。可以预定义变化率极限或者相应的极限频率以便将动态表示与偏置区分开来。

依照本发明，相应性的量化涉及包括偏置的测量数据记录和候选值。该偏置基本上随着时间恒定。可替换地，相应性的量化涉及排除了偏置的候选值的动态表示以及测量数据记录的动态表示。特别地，该偏置代表候选值和测量数据记录的绝对水平。

所述方法可以包括处于所阐明的顺序抑或另一顺序的上面描述的方法步骤。特别地，可以迭代地或者重复地执行一个或多个方法步骤。特别地，可以以这样的方式执行该方法，使得模式选择步骤和模式识别步骤例如通过执行模式选择步骤并且随后利用每个新添加的测量值或者分别利用选择的新添加的测量值执行模式识别步骤而迭代地执行。

所述方法或者其部分（尤其是方法步骤b）和/或c））可以以各种不同的方式发起。举例而言，作为人工启动的可替换方案或者除此之外，可以存在自动启动。举例而言，所述方法和/或方法步骤b）和c）中的一个或二者可以在采集新测量值时自动地启动。在另一种可替换方案中或者除此之外，当记录了新的边界条件时，例如如果记录了新的电子日记条目（例如进食）和/或如果通过自动采集和/或人工输入记录了另一种类型的边界条件，那么可以存在例如所述方法和/或方法步骤b）和c）中的一个或二者的自动启动。在另一种可替换方案中或者除此之外，其他的事件可以充当方法触发事件。

此外，所述方法特别地可以包括至少一个交互步骤，其中在该交互步骤期间，处理和/或向用户标示模式识别步骤的至少一个结果。在这个方面，术语“处理”应当相当宽泛地加以考虑并且原则上包括可以使用模式识别步骤的结果执行的每一个可能的自动、半自动或者人工动作。特别地，处理可以包括存储、传输、显示、组合其他结果或者其他方法步骤。

如果向用户标示模式识别步骤的结果，那么这可以以不同的方式促成，例如电子地、在视觉上、在声音上、在触觉上或者通过组合前述和/或其他选项而促成。特别地，在显示元件上可以存在显示器。特别地，模式识别步骤期间标识的且与比较模式相应的至少一个模式可以在交互步骤期间借助于至少一个显示元件来显示。

此外，测量值的至少一个可能的未来轮廓可替换地或者附加地可以在交互步骤中例如借助于至少一个显示元件确立和/或显示。通常，所述至少一个可能的未来轮廓可以例如被显示、存储、传输或者以任何其他方式使用。

举例而言，可以执行所述方法，使得比较模式，尤其是当前模式和/或感兴趣模式以及在模式识别步骤中确立并且与比较模式相应的至少一个模式在交互步骤中显示。可选地，此外可以在交互步骤中显示至少一个误差通道。

此外，可替换地或者附加地可以在交互步骤中显示在时间上与相应模式相关的至少一个边界条件。举例而言，在时间上相关的边界条件可以被理解为表示在其中采集相应模式的时间间隔内记录的边界条件，或者例如通过在该时间间隔之外不超过规定时间容差内记录而处于靠近该时间间隔的时间背景下的边界条件。举例而言，在进食的情况下，可以将数分钟直到一小时的时间容差规定为边界条件。

此外，可以在交互步骤中显示测量数据记录的至少一个可能的未来轮廓。特别地，可以在交互步骤期间在显示元件上以图形形式叠加到当前模式上地显示测量值的可能的未来轮廓，该轮廓接合与比较模式，尤其是当前模式和/或感兴趣模式相应的模式。代替显示单个确立的相应模式的是，或者除此之外，也可能创建根据多个相应模式确立的总模式，例如平均模式。一般而言，在交互步骤期间，优选地在平均模式和/或误差通道的形成下，有可能例如使模式识别步骤中标识的且与比较模式相应的一个或多个模式经受分析，尤其是统计分析。在该过程中，特别地可以创建并且可选地显示至少一个平均模式。

举例而言，可以根据一种或多种规定的算法计算测量值的未来轮廓。举例而言，这样的算法可以包括在模式识别步骤中确立的模式的轮廓的平均和/或另一种用于预测未来轮廓的方法。举例而言，可以从当前时间和/或现在时间开始确立未来轮廓。举例而言，可以如上面所阐明的显示、存储、传输（例如至另一个设备，例如至计算机或者另一计算机）或者以任何其他方式使用未来轮廓。此外，可以显示或者可以以另一种方式作为输出而提供与候选模式相应的比较模式。优选地，可以显示或者可以以另一种方式作为输出而提供与比较模式关联的边界条件。

可以被利用来事先计算未来轮廓的所述至少一种算法原则上也可以完全或者部分地与也用在所述至少一个模式标识步骤中的至少一种算法相同。原则上，可以固定地规定抑或可以以可变的方式实施所述至少一种算法，例如可以利用新的发现更新它。所述至少一种算法和/或借助于该算法预测的测量值的可能的未来轮廓也可以例如根据用户的行为和/或治疗而可修改。举例而言，有可能根据不同的行为和/或不同的治疗确立多个很可能的未来轮廓。举例而言，不同的治疗建议可以导致测量值的不同的预测的未来轮廓。举例而言，也可以在交互步骤期间显示或者以不同的方式使用这些不同的轮廓。

可替换地或者除此之外，可以在交互步骤中生成并且可选地例如通过图形和/或声音和/或触觉表示输出用于用户的至少一个指令。特别地，可以从以下指令中的一个或多个中选择该指令：在关键生理身体状态的存在性方面的警告；在不久的将来出现的可能的关键生理身体状态方面的警告；咨询医疗专家（尤其是医师）的建议，在药物方面的建议；尤其是在进食和/或体力活动方面的行为建议。

如上面所解释的，一个、多个或者所有方法步骤可以独自地或者成组地，甚至重复地执行。因此，例如，比较时间间隔的重复选择可以最终覆盖在在其期间采集测量值的全部时间或者其中一些时间，和/或可以例如接连地选择多个比较时间间隔和/或多个可能的比较模式，以便在各模式识别步骤中搜索相应的模式。因此，在所述方法的一个优选的实施例中，前述方法步骤b）、c）以及可选地d）重复地执行，其中优选地接续地选择测量数据记录的多个比较模式，并且其中使用选择的比较模式中的每一个执行至少一个模式识别步骤。在这种情况下，措辞“多个比较模式”包括至少两个比较模式，优选地超过两个以及例如至少10%，特别地至少50%或者甚至至少80%或者至少90%的所有可能的可从测量数据记录中选择的比较模式，其中甚至所有可能的比较模式是可选择的，即100%的可能的比较模式是可选择的。然而，其中情况并非选择可从测量数据记录中选择的所有可能的比较模式，而是仅仅选择例如这些可能的比较模式的子集，例如分别在一周的特定日采集的可能的比较模式或者类似的子集的方法也是可行的。

可选地分别从模式识别步骤中得到的相应性可选地可以成组地组合。在一个优选的实施例中，这样执行所述方法，使得在模式识别步骤期间确立的相应模式组合成分别相应的模式的组。因此，例如，可以形成一组或多组相应模式，其可以分别包括彼此相应的一个或多个模式。举例而言，可以形成第一组，其中在第一组中包含第一种类型的模式，其中第一组中的模式彼此相应，其中优选地形成至少第二组，其中在第二组中包含第二种类型的模式，所述模式彼此相应，其中优选地形成具有另外类型的模式的另外的组，所述模式彼此相应。举例而言，可以形成这些组，从而在模式选择步骤期间分别识别分别选择的比较模式是否已经分配给一组。如果情况如此，那么同样地将与比较模式相应并且在关联的模式识别步骤中确立的那些模式分配给该组。如果情况并非如此并且如果分别选择的比较模式尚不属于一组，那么可以形成新组，可以将比较模式分配给该新组，并且可以将与比较模式相应且在关联的模式识别步骤中确立的那些模式分配给该新组。

通常，有可能形成一组或多组相应模式。可以特别地通过比较找到的组使相应模式组经受至少一种分析，尤其是统计分析。因此，例如，可以形成这些组的频率分布和/或其他的统计分析。此外，可替换地或者附加地有可能例如在所述至少一个可选的交互步骤中也使用该组形成的至少一个结果。因此，例如，可以例如通过借助于至少一个显示元件向用户标示组和/或至少一种分析的至少一个结果而向用户和/或向另一个仪器标示确立的组。

在本发明的另一方面中，提出了一种计算机程序，该计算机程序具有用于当该程序在计算机和/或处理器和/或计算机网络上执行时执行按照上面描述的实施例中的一个或多个的方法的程序代码。在这里，原则上，计算机可以被理解为表示可以被实施以执行程序的任何电子数据处理设备。该数据处理设备可以包括一个或多个处理器以及可选地一个或多个易失性和/或非易失性数据缓冲器。该数据处理设备也可以完全地或者部分地集成到至少一个仪器中，所述仪器除了数据处理之外，也可以服务至少一个另外的目的，例如像例如智能电话那样的移动电话。在这里，计算机网络应当被理解为表示可以交互并且可以例如经由一个或多个无线或有线连接（诸如例如因特网或者局域网）交换数据或指令的至少两个计算机的集合。特别地，计算机程序可以存储在机器可读载体上。

计算机程序可以特别地包括用于执行依照本发明的方法的一种配置的程序代码装置。特别地，该程序代码装置可以存储在计算机可读数据介质上。此外，提出了一种数据介质，在该数据介质上存储了数据结构，该数据结构在被装载到计算机或者计算机网络的随机存取存储器和/或主存储器中之后可以执行依照本发明的方法的一种配置。

此外，提出了一种计算机程序产品，其具有存储在机器可读介质上的用于当程序在计算机或者计算机网络上执行时执行依照本发明的方法的一种配置的程序代码装置。在这里，在计算机程序产品的范围内，程序被理解为表示可交易的产品。原则上，它可以以任何形式存在，例如存在于纸张或者计算机可读数据介质上，或者它可以特别地通过数据传输网络分发。此外，也可以在调制数据信号的范围内实现本发明，该信号包含可以由计算机系统或者计算机网络执行以便执行按照所描述的实施例之一的方法的指令。

在本发明的另一方面中，提出了一种用于分析用户的生理测量值的设备。特别地，可以实施该设备以便执行按照上面描述的实施例中的一个或多个的方法。相应地，在该设备的可能的实施例方面，大体可以参见所述方法的可选实施例的上面的描述。特别地，该设备可以包括至少一个数据处理设备，尤其是微控制器，其可以在编程方面被配置成执行按照上面描述的实施例中的一个或多个的方法步骤。对于相同的主题而言，用于分析用户的生理测量值的设备和患者监视系统是等效的术语。

该设备包括： 

a）至少一个数据采集设备，其用于采集用户的生理测量值并且将这些值存储在至少一个测量数据记录中。

在这里，如上面所描述的，数据采集应当在非常广义的术语中加以考虑，并且原则上可以包括实际的测量，但是也可以包括采用从实际测量数据中导出的被导出数据，和/或采用来自另一个设备的数据。相应地，数据采集设备可以例如包括测量设备和/或用于采用来自另一个设备（例如外部传感器）的生理测量值的接口。数据采集的功能也可以如下文中进一步提及的由生理数据输入设备提供。

b）至少一个模式选择设备，其中该模式选择设备被设计成将在至少一个比较时间间隔期间采集的测量值选择为至少一个比较模式。

特别地，模式选择设备可以完全地或者部分地为数据处理设备（例如计算机、微计算机或者类似的数据处理设备）的部件。特别地，模式选择设备可以包括在编程方面被配置用于实现上面描述的实施例中的一个或多个中的上面描述的模式选择步骤的数据处理设备。

c）至少一个模式识别设备，其中该模式识别设备被设计成在测量数据记录中搜索与比较模式相应的模式。

该模式识别设备也可以完全地或者部分地实现为数据处理设备的部件，尤其是在编程方面被配置用于按照上面描述的实施例中的一个或多个执行模式识别步骤的数据处理设备的部件。该数据处理设备可以在部件方面完全地或者部分地与其中可以完全地或者部分地包括模式选择设备的数据处理设备相同，使得例如部件b）和c）可以完全地或者部分地实现为相同的部件。模式识别设备可以由下文中进一步提及的处理器实现。

此外，该设备可以包括至少一个用于测量生理测量值的测量设备，尤其是至少一个传感器，例如用于按照上面描述的实施例中的一个或多个的长期分析物采集的长期传感器。其他的实施例也是可行的。

用于分析生理测量值的设备可以具有整体的抑或多部分设计，即它可以被实施为中心系统抑或例如实施为具有优选地可以彼此通信的多个单独的部件的分散化设备。相应地，所述至少一个测量设备也可以例如集成到用于分析生理测量值的设备的一个或多个其他部件中；然而，它也可以连接到这些部件以便形成例如系统并且例如经由可以例如具有有线或无线设计的一个或多个接口与这些部件中的一个或多个通信。

特别地，用于分析生理测量值的设备可以包括至少一个手持式仪器。举例而言，可以实施该手持式仪器，使得它可以由用户装在口袋（例如夹克口袋或者裤兜）里携带。手持式仪器可以相应地例如包括在任何维度上都不超过20cm，尤其是在任何维度上都不超过15cm的尺寸。举例而言，手持式仪器也可以完全地或者部分地集成到其他类型的手持式仪器（例如诸如移动电话，尤其是智能电话之类的移动电信仪器）中，集成到诸如个人数字助理（PDA）之类的移动数据处理仪器或者其他移动手持式仪器中。特别地，数据采集设备、模式选择设备和模式识别设备中的每一个可以至少部分地是手持式仪器的部件。

所提出的方法、计算机程序和设备相对于前述类型的已知方法、计算机程序和设备具有若干优点。特别地，本发明提供了对于测量数据记录中的测量的测量值（例如当前葡萄糖测量值或者感兴趣葡萄糖测量值）以及历史数据和/或其他数据的自动的例如回顾性思考的选项。在这里，可以给予该测量值的早期轮廓特别的关注，例如以便找到尽可能与用户的当前情形相同的用户的历史情形，以便例如给予用户以理想的方式对当前情形做出反应的选项。为此目的，可以不仅利用测量值及其轮廓，而且利用诸如例如胰岛素丸药、天时、压力水平之类的其他值和/或边界条件，或者诸如例如用餐、体育活动或者物理敏感性之类的其他事件，以便能够找到并且显示理想的历史测量时间。可选地提出的数据简化方法特别地允许使测量数据受制于时间栅格，其提供了一种快速的用于彼此比较测量轮廓的选项。相应地，也易于在线实现所提出的方法并且优选地将其实现为小的手持式仪器中的实时方法。此外，与所描述的来自上面讨论的现有技术的方法形成对照的是，该方法通常不需要任何用户交互。特别地，该方法可以实时地、在线地并且优选地完全在后台运行。

特别地，可以执行该方法，从而根据测量数据记录中的模式中的一个或多个确立可能的进一步的轮廓，所述模式被确立为与比较模式相应。举例而言，可以显示测量数据记录的当前轮廓以及可能的或者很可能的进一步的轮廓。举例而言，可以根据比较模式与确立的模式之间的相应性程度形成所述进一步的轮廓。此外，可选地也可以确立一个或多个边界条件，所述边界条件例如在过去表现出正面影响，并且也可以在生理测量数据的当前轮廓的范围内构成权宜措施。

所述比较模式（例如当前模式）可以特别地根据连续监视数据形成部分，更特别地形成当前部分。经常也称为模式匹配的对于适合该部分的部分，例如对于适合该当前部分的历史部分的搜索可以通过在使用连续监视测量的患者的历史数据档案中或者在当前数据库存中使用上面描述的索引方法而以自动化方式以及特别地以优化的方式执行。如果做出搜索请求，那么该搜索可以在那时特别地基于前述索引分析数据库存，这尤其是在存储新测量值时可以在后台进行。

在可能的边界条件方面，可以与测量数据的彼时和当前轮廓有关地设置关于并行地可用的例如日记条目中收集的历史的知识。特别地，通过将当前的当前轮廓（即当前模式）与尤其是所有可能的时间的早期轮廓（尤其是标识的候选模式）进行比较，优选地考虑到早期边界条件（例如在天时、用餐、治疗、运动、诸如疾病或压力或者类似边界条件之类的个别因素方面的日记信息），可以导致关于新陈代谢情形以及关于规则性和可观察偏差的深入理解。而且，潜在的错误发展可以由警告消息指示，使得用户具有更多的时间用于适当的纠正措施。优选地，一方面如上面示例性地列出的其他值和/或边界条件以及数据标记或者有关数据标记涉及相同的特征。特别地，所述其他值和/或边界条件可以用作数据标记，并且数据标记可以用作如这里所列出的其他值和/或边界条件。数据标记、其他值和/或边界条件可以与物理测量值、采集物理测量值的时间间隔、数据集合（尤其是数据集合）关联。此外，可以向用户提供关于他如何可以影响可能的未来发展的附加信息。该方法可以作为快速反应时间的结果帮助在当前情形下反应，并且可替换地可以回顾性地支持历史数据的评价。

在下文中，通过一般实例公开本发明，这些实例可以与在整个说明书、权利要求书和附图中给出的，并且尤其是图4-20和引用它们的说明书段落中给出的实施例或特征组合。

在一个实例中，公开了一种患者监视系统。该系统可以包括：生理数据输入设备，其在一定时间窗口内采集患者的多个生理测量结果，从而生成至少一个时间窗口数据集合；存储器，其存储模式匹配算法；数据库，其存储所述至少一个时间窗口数据集合；以及处理器，其与所述输入设备通信以便接收所述生成的至少一个时间窗口数据集合，并且与所述存储器通信以便执行所述模式匹配算法。模式匹配算法在由所述处理器执行时使得所述处理器压缩所述至少一个时间窗口数据集合、存储压缩的至少一个时间窗口数据集合并且使用模式匹配算法提供的距离度量执行参考模式与存储的至少一个时间窗口数据集合之间的模式匹配。

在另一个实例中，公开了一种存储程序的非暂时性计算机可读介质，该程序在由处理器执行时使得处理器使用距离度量至少执行参考模式与经由患者监视系统收集的至少一个存储的时间窗口数据集合之间的模式匹配。

在又一个实例中，公开了一种用于使用包括生理数据输入设备和处理器的患者监视系统标识患者中的糖尿病有关事件的方法。该方法包括自动地从生理数据输入设备接收指示涉及糖尿病有关事件的生理测量结果的至少一个时间窗口数据集合；自动地使用处理器将所述至少一个时间窗口数据集合与数据标记关联；自动地使用处理器将关联的至少一个时间窗口数据集合变换成归一化的至少一个时间窗口数据集合，其中该归一化的至少一个时间窗口数据集合具有均值0和标准偏差1，自动地使用处理器将归一化的至少一个时间窗口数据集合压缩成压缩的至少一个时间窗口数据集合，以及自动地使用处理器使用距离度量在参考模式与压缩的至少一个时间窗口数据集合之间进行模式匹配。

在又一个实例中，公开了一种用于使用包括生理数据输入设备、用户输入设备和处理器的患者监视系统实时地标识患者中的糖尿病有关事件的方法。该方法包括自动地从用户输入设备接收至少一个参考模式和关联警示信号；自动地从生理数据输入设备接收指示涉及糖尿病有关事件的生理测量结果的至少一个时间窗口数据集合；自动地使用处理器将所述至少一个时间窗口数据集合与数据标记关联；自动地使用处理器将关联的至少一个时间窗口数据集合变换成归一化的至少一个时间窗口数据集合，其中该归一化的至少一个时间窗口数据集合具有均值0和标准偏差1；自动地使用处理器将归一化的至少一个时间窗口数据集合压缩成压缩的至少一个时间窗口数据集合；自动地使用处理器存储压缩的至少一个时间窗口数据集合；以及自动地使用处理器使用距离度量在参考模式与存储的至少一个时间窗口数据集合之间进行模式匹配，其中当距离度量小于ε时，处理器自动地触发警示。

附图说明

尽管说明书以特别地指出且明确地要求保护本发明的权利要求书结束，但是应当相信的是，根据以下结合附图对于特定实例的描述将更好地理解本发明。

本发明的另外的细节和特征根据以下尤其是结合从属权利要求对于优选示例性实施例的描述而显现。在这里，各特征可以独自地实现，或者若干特征可以一起组合地实现。本发明并不限于示例性实施例。示例性实施例在附图中示意性地阐明。在附图中，贯穿若干视图，相同的附图标记表示相同的元件。特别地，各图中相同的附图标记表示等效的或者功能上等效的元件，或者在其功能方面彼此相应的元件。

详细介绍： 

图1示出了依照本发明的用于分析用户的生理测量值的设备的示例性实施例；

图2示出了用于测量数据记录的数据简化的方法；并且

图3A-3G示出了依照本发明的用于分析用户的生理测量值的方法的方法步骤。

图4绘出了与糖尿病患者关联的患者监视系统的示例性版本的示图。

图5绘出了图4的患者监视系统的示例性版本的框图。

图6(a)-6(e)绘出了显示模式匹配过程的各个不同的数据的示例性方式。

图7绘出了患者监视系统的示例性版本的框图。

图8绘出了患者监视系统的示例性版本的框图。

图9绘出了患者监视系统的示例性版本的框图。

图10绘出了使用患者监视系统的示例性模式匹配过程的流程图。

图11绘出了使用患者监视系统的示例性实时模式匹配过程的流程图。

图12绘出了用于压缩数据的初始化算法过程的流程图。

图13绘出了最大特征值（Eigen value）的示例性累积和图表。

图14绘出了四个特征矢量的示例性曲线图。

图15绘出了图10模式匹配过程的匹配和存储阶段的流程图。

图16(a)和图16(b) 绘出了具有向下趋势的示例性模式匹配曲线图。

图17(a)和图17(b) 绘出了具有峰值的示例性模式匹配曲线图。

图18(a)-18(c) 绘出了4小时时间段上的模式匹配曲线图的示例性显示。

图19(a)-19(e) 绘出了2小时时间段上的模式匹配曲线图的示例性显示。

图20绘出了模式匹配过程中的平均搜索时间的示例性曲线图。

附图并不预期以任何方式进行限制，并且可以设想的是，可以以各种各样的其他方式执行本发明的各个不同的实施例，包括不一定在附图中绘出的那些方式。合并到说明书中并且形成其一部分的附图说明了本发明的若干方面，并且与说明书一起用来解释本发明的原理；然而，应当理解的是，本发明并不限于所示出的精确布置。

以下对于特定实例的描述不应当用来限制本发明的范围。本文公开的版本的其他特征、方面和优点根据以下描述对于本领域技术人员将变得清楚明白，该描述通过例证是设想的用于执行本发明的最佳模式之一。如将认识到的，本文描述的版本能够实现其他不同和明显的方面，其全部未脱离本发明。相应地，附图和描述应当被认为本质上是说明性的，而不是限制性的。

具体实施方式

图1以示例性方式图示出依照本发明的用于分析用户的生理测量值的设备0110的示例性实施例。在该图示的示例性实施例中，设备0110被实施为手持式仪器0112，其可以例如包括仅仅在图1中指明的至少一个数据处理设备0114。举例而言，该数据处理设备也可以充当数据采集设备0116，充当模式选择设备0118，或者充当模式识别设备0120，或者充当前述设备中的一个或多个的部分。此外，手持式仪器0112可以包括同样地仅仅在图1中指明的一个或多个接口0122，例如一个或多个无线接口，其同样地可以充当数据采集设备0116的部件。举例而言，手持式仪器0112可以经由可以例如为无线接口的接口0122与传感器元件通信，并且包括测量值。此外，手持式仪器0112本身可选地可以包括——这未在图1中图示出——至少一个测量设备，例如尤其是用于执行校准测量的例如测试带测量设备形式的现场测量设备。

此外，手持式仪器0112可以包括一个或多个用户接口0124。特别地，用户接口0124可以包括如图1中所示的一个或多个显示元件0126，尤其是一个或多个显示器和/或触摸屏。此外，图1在放大的图示0128中进一步图示出显示元件0126的可能的屏幕内容。在这里，在垂直轴上以50mg/dl的步长绘出了作为在水平轴上图示的测量时间的函数的血糖浓度。在这里，图1以示例性方式在显示元件0126上示出了一个示例性实施例，其中图示出测量值的当前轮廓的曲线0130，直到现在时间0132。此外——这同样地在图1中示出——可选地可以示出可能的曲线0134，其例如图示出可以例如使用依照本发明的方法确立的参考轮廓。举例而言，该参考轮廓0134也可以被图示为超出现在时间0132并且因此也可以例如图示出很可能的未来轮廓。此外，可以标记一个或多个事件0136；举例而言，这些事件表征边界条件0138，例如进食。在这里，不再以任何更详细的方式讨论进一步的细节；相反地，可以例如参照依照本发明的方法的以下示例性实施例。

使用图2和图3A-3G，在下文中应当解释依照本发明的用于分析用户的生理测量值，尤其是用于分析葡萄糖测量值的方法的实例，所述方法也可以实现为例如手持式仪器0112中的计算机程序。此外，手持式仪器0112可以超出数据处理设备0114的范围或者作为其部分包括一个或多个用于存储测量数据记录的数据缓冲器0140。这也在图1中象征性地指明。

下文中描述的实例特别地可以基于移动连续监视系统的使用。数据缓冲器0140可以特别地被实施为循环缓冲器或者FIFO缓冲器，并且可以在重复地或者连续地执行的数据采集步骤中记录测量值。这些测量值，例如最后测量时段的对应当前测量值，可以可选地收集在数据缓冲器0140中例如达三个月的时段。在这里，可以实施所述方法，使得新数据总是覆写最旧的条目。可替换地或者除此之外，也可以例如通过转移到计算机（例如PC系统）并且添加到那里的数据库存而完全地或者部分地交换出所述数据库存。原则上，也可以使用本文描述的方法处理外部仪器上的这种总的数据库存。

图3A示出了测量数据的采集，其在该实例中以示例性方式发生，直到现在时间0132。然而，原则上，其他的采集也是可能的，例如在当前方法的范围内处理纯粹历史测量数据。在图3A中，测量值在垂直轴上绘出，所述测量值在这种情况下为例如单位为mg/dl的浓度c，并且时间t在水平轴上绘出。在这里，时间t的轴原点例如在图3A中为时间12:30。假设测量值（例如CM数据）优选地为被校准的。举例而言，以时间分辨率（例如5分钟）获得的测量值可以用于后续的模式选择和模式识别（模式匹配）。图3A中使用实线图示出并且代表测量数据记录0144的曲线在这个方面不一定是连续的曲线，而是可以简单地为例如分别具有测量时间和测量值的测量点集合。然而，也可以执行连续测量，或者所述方法也可以利用例如插值曲线或者从测量数据导出的类似的辅助测量数据记录0144。

此外，图3A图示出可选的数据简化步骤，借助于该步骤可以从图3A中示出的数据记录生成简化测量数据记录0146。在这里，以示例性方式示出了所谓的索引或者在线索引，其中在数据简化步骤中将每个当前测量值与多个测量值水平进行比较。优选地，索引实时地执行。在图3A中，这些测量值水平通过附图标记0142表示，并且图示为水平线。举例而言，这些测量值水平0142在这种情况下可以在步长为10mg/dl的血糖栅格中加以规定。数据简化步骤在下文中将以示例性方式更详细地进行解释。

如上面所解释的，在所提出的方法中在不同的测量时间抑或连续地采集测量值并且将其存储在测量数据记录0144中。在图3A-3G中，该测量数据记录象征性地绘制为曲线并且由附图标记0144象征性地表示，其中以mg/dl为单位指定的浓度c对应地绘制为时间t的函数。在下面描述的方法步骤中的一个或多个中，可选地可以使用简化测量数据记录0146或者简化测量数据记录0146的部分，以代替完整测量数据记录0144。为此目的，如上面所描述的，有可能执行至少一个数据简化步骤，其应当在图2和图3A的基础上以示例性方式加以描述。在这里，原则上，可以利用至少一种任意数据简化方法或数据压缩方法，在下文中不对这两个术语进行区分。特别地，可以利用在线和/或实时索引方法，其中在后台将测量数据记录的每个新添加的测量值或点与和由测量值水平0142规定的血糖栅格的相应性进行比较，并且在相应的情况下加以标记，即分配给当前数据记录。在这里，将位于由测量值水平0142规定的栅格上的点分配给简化测量数据记录0146。在该过程中，可以接纳离栅格的特定规定的偏差。如果离栅格的偏差太大，则针对这个时间不突出任何值。

举例而言，测量数据采集和数据简化可以借助于表1中图示的方法而促成：

表1：数据简化的实例。

在表1中，标题为“测量数据记录”的左边部分的表显示了完整的测量值集合，这些测量值以分钟的间隔记录并且可选地与分配的测量时间一起为测量数据记录的部分。标题为“简化测量数据记录”的右边部分的表列出了依照与血糖水平栅格的叠加而选择的简化测量数据记录的选择的数据。测量值分别在标题为mg/dl的列中列出，测量时间在hh:mm列中列出，并且关联日期在列DD.MM.YY中列出。

作为该数据简化方法的可替换方案或者除此之外，也可以利用其他的数据简化方法。图2中描述了可替换地或者附加地可以使用的另一数据简化方法的实例。举例而言，在该数据简化方法中，测量值可以再一次地绘制为时间的函数，或者像在图2中的情况下一样可以以示例性方式绘制为索引号码的函数。在每种情况下，可以在测量数据记录0144的两个邻近测量值之间就测量值水平0142是否被交叉进行检查。如果情况如此，那么可以将对应地更靠近该测量值水平的测量值分配给简化测量数据记录0146。在图2中所示的实例中，这是测量值水平类别2（图2中表示为“cl2”）的网格点0148、类别3（图2中用“cl3”表示）的网格点0150、类别4（图2中表示为“cl4”）的网格点0152以及未分配给简化测量数据记录0146的测量值0154如何出现的情况。

作为数据简化的前述两个实例的可替换方案或者除此之外，在下文中描述的依照本发明的方法的示例性实施例中抑或在依照本发明的方法的其他实施例中也可以使用一种或多种其他的数据简化方法。

在图3A中描述的方法中，进一步执行至少一个模式选择步骤和至少一个模式识别步骤。在下文中，可以在术语“模式匹配”下结合模式选择步骤和模式识别步骤。该模式匹配可以以不同的方式触发。一方面，模式匹配可以例如在每个新添加的测量值的情况下尤其是自动地、实时地或者“在线”地触发。可替换地或者除此之外，在这个抑或其他示例性实施例中，模式选择步骤和/或模式识别步骤也可以通过特定的事件，例如通过用户的自觉动作和/或通过用户输入边界条件，例如将条目（例如与进食有关的条目）输入到日记中而触发。在图3A中，这通过在时间t₀=13:47处输入与进食（例如3个面包单位（3 BE）的进食）有关的日记条目0158形式的边界条件0138而象征性地图示出。特别地，可以在测量数据记录0144中说明的日记条目0158形式的边界条件0138的实例可以包括：进食，碳水化合物的数量，胰岛素或者另一种类型的药物的剂量，包括在强度方面的说明的体育活动，疾病，发烧，压力，月经，怀孕，而且还有天时，星期几，周末，假日，倒班或者类似的边界条件。也可以指出不同边界条件的组合。

如上面所描述的，模式选择步骤可以以不同的方式促成，尤其是以不同的方式触发和/或执行。通常，在模式选择步骤中将至少一个比较时间间隔期间采集的测量值选择为比较模式。在下文中，一般而言，比较时间间隔由附图标记0161表示，并且比较模式由附图标记0163表示（参见例如图3C）。

如上面所解释的，在这种情况下，存在比较时间间隔0161为或者包括当前时间间隔0162的可能性，其中比较模式0163为当前模式0164。该选项将在下文中以示例性方式加以解释，而不限制另外的选项。

然而，可替换地或者此外，比较时间间隔0161也可以例如包括可选择时间间隔，例如可由用户选择的时间间隔，例如历史测量数据记录中的时间间隔，优选地为可自由选择的时间间隔。在这种情况下，比较模式0163例如是感兴趣模式，例如来自测量数据记录或者测量值的部分，所述部分显示特定的生理特性或者其作为其他情况（例如边界条件）的结果可以特别令人感兴趣。举例而言，用户可以例如在手持式仪器0112的显示元件0126上和/或在有权访问测量数据记录0144的计算机的监视器上选择图3A中图示出的测量数据记录0144中的感兴趣区域。举例而言，这可以利用不同的实施例通过例如借助于光标在测量数据记录0144的显示内移位和/或修改矩形或者选择域而促成。在该过程中选择位于选择域内的测量点，将其测量值分配给感兴趣模式或者比较模式0163并且将其测量时间分配给可选择时间间隔或者比较时间间隔0161。本领域技术人员原则上也知道用于选择所谓的“感兴趣区域”的其他选项，并且在本发明的范围内可以使用这些选项。

然而，如上面所解释的，只有首先提及的选项在下文中被示出，即比较时间间隔0161为或者包括当前时间间隔0162，并且比较模式0163为当前模式0164的选项。举例而言，模式匹配可以正好在时间t₀处触发，抑或例如以例如距现在时间0132少量的（例如规定的）时间偏移例如在13:49处触发。如上面所描述的，作为通过日记条目触发的可替换方案或者除此之外，模式匹配也可以由一种或者多种其他类型的触发器优选地以自动的形式触发。

模式匹配的这种触发可以例如首先触发模式选择步骤。该模式选择步骤在图3B和图3C中以示例性方式图示出。如上面所解释的，这些图示出了一种在这种情况下其中不存在用户对于可选择时间间隔和/或感兴趣模式的选择的方法变型，而是其中比较时间间隔0161为当前时间间隔0162并且比较模式0163为当前模式0164的方法变型。然而，原则上，其他的实施例也是可能的。

特别地，模式选择步骤可以首先包括图3B中图示的步骤，其中为模式选择确定起始点以用于后续模式识别，所述起始点用作在锚定时间0180采集的锚定值0178。在图示出的示例性实施例中，锚定时间0180为当前测量时间，其在图3B中由t_a表示并且将该测量时间处的当前测量值0160确定为锚定值0178，所述测量值特别地可以选自简化测量数据记录0146。因此，特别地，锚定值0178以及特别优选地当前测量值0160可以是属于简化测量数据记录0146的最近测量值。举例而言，当前测量时间t_a可以是在最近的过去中测量数据记录0144的曲线交叉测量值水平0142之一的时间。在该实例中，可以例如在锚定时间0180或者当前时间t_a=13:45处采集该当前测量值0160或者锚定值0178。

在图3C中图示出的模式选择步骤的另一子步骤中，将测量数据记录0144的在当前时间间隔0162期间采集的测量值选择为当前模式0164。因此，在该示例性实施例中，当前时间间隔0162构成比较时间间隔0161的一个实例。可以以不同的方式确定也可以称为基本时间间隔的当前时间间隔0162。因此，在这个抑或其他示例性实施例中，可以相对于当前时间t_a或者锚定时间0180限定当前时间间隔0162。可替换地或者除此之外，也可以如图3C中所示将该当前时间间隔0162限定为从现在时间0132回溯的时间间隔。因此，例如，从现在时间0132起的当前时间间隔0162可以通过固定时间量计算到过去。然而，用于确定当前时间间隔0162的其他选项也是可能的。作为另一可替换方案或者除此之外，如上面所描述的，也可能的是例如通过被实施为可由用户选择的时间间隔，例如通过用户借助于适当的选择元件（例如光标）从测量值曲线中选择一定区域而以另一种方式选择比较时间间隔0161。

在图示出的实例中，当前时间间隔0162被图示为在13:04与13:49之间延伸的45分钟时间间隔。然而，在实践中，该比较时间间隔0161或者当前时间间隔0162通常也可以更长得多，例如具有白天期间的4小时的持续时间以及具有夜晚期间的例如8小时的持续时间。位于比较时间间隔0161中的曲线部分，即位于当前时间间隔0162中的曲线部分，或者其在当前示例性实施例中的测量值被限定为比较模式0163，在这里被限定为当前模式0164并且因而被限定为搜索模式。在后续方法步骤中，可以利用比较模式0163或者当前模式0164和/或简化比较模式0163和/或简化当前模式0166，其由比较模式0163或者当前模式0164中包括的简化测量数据记录0146的测量值组成。

如上面所解释的，可选地也可能的是也在测量数据记录0144中，例如在比较模式0163或者当前模式0164中包含尤其是日记条目0158形式的一个或多个边界条件0138。举例而言，可以将相对于当前时间t_a和/或现在时间0132的最后10分钟中，例如与基本间隔的右边缘隔开10分钟的2.5与3.5个面包单位之间的进食指定为另外的边界条件0138。

如上面所解释的，可以在实践中将比较时间间隔0161（例如当前时间间隔0162）的持续时间选择成比图3C中图示的45分钟更长得多。典型地，可以将持续时间选择为自最后的用餐以来的时间间隔，并且因此例如为白天期间的4h以及例如夜晚的8h。然而，原则上，当前时间间隔的其他持续时间也是可能的。然而，前述持续时间原则上对于对齐可能的时间候选是合宜的。在这里，可以将附加的边界条件与后续搜索相联系，例如可比较的进食、可比较的体力活动、疾病、药物或者类似的边界条件。

在借助于图3D-3G描述的后续方法步骤中执行模式识别步骤。在这里，首先沿着时间轴以虚拟的方式对锚定值0178移位。举例而言，在图示出的示例性实施例中，在这种情况下为当前测量值0160的锚定值0178以虚拟的方式按照时间向左移位，并且寻找与当前测量值0160相应的候选值0168。在粗搜索的范围内，该搜索可以首先在简化测量数据记录0146中和/或在以不同的方式简化的测量数据记录0146中抑或在非简化测量数据记录0144中发生。

优选地到过去寻找候选值0168，使得最近的时间首先被考虑，并且随后考虑时间上进一步往后的时间。

图3D以示例性方式示出了如何找到可能的候选值0168（在这种情况下不一定是邻近锚定时间0180的时间上往后的第一候选值0168）。在候选时间t_k1=11:50处采集的候选值0168在规定的容差的范围内与锚定值0178相应。从该可能的候选值0168开始，确定候选时间间隔0170，其在候选时间t_k1处行为像锚定时间0180处的比较时间间隔0161，例如像当前时间t_a处的当前时间间隔0162。举例而言，为此目的，在时间方面将当前模式0164移位到早期的时间，使得当前时间t_a与候选时间t_k1重合，并且在候选时间间隔0170期间将这样移位的当前模式0164与候选模式0172进行比较。移位的当前模式0164 在图3D中使用虚线图示出。13:45的当前时间t_a在该过程中移位到候选时间t_k1=11:50，并且当前模式0164的所有值以该值移位，使得其时间中的每一个向后移动1h和55分钟。随后，存在这样移位的比较模式0163（在这种情况下为当前模式0164）与候选模式0172之间的比较。这在图3E中图示出。

候选时间间隔0170中候选模式0172与比较模式0163或者当前模式0164之间的相应性可以以不同的方式进行检查并且可以在单个阶段或者若干阶段中促成。举例而言，可以首先在粗模式标识步骤中存在模式0164、0172的粗比较。为此目的，可以例如利用简化模式。举例而言，可以例如通过将简化比较模式0167或者简化当前模式0166和/或简化候选模式用于比较就这些模式之间是否存在逐点的相应性执行检查。在下文中以示例性方式考虑如也在图3E中图示出的其中将简化比较模式0167与非简化候选模式0172进行比较的情况。然而，可替换地或者除此之外，也可能存在到这样的程度的数据简化或者比较步骤的简化，例如仅仅在固定地规定的时间间隔，例如在30分钟的等距时间间隔存在逐点的比较。在这里，例如在前述步骤中可以存在例如从候选时间t_k1开始，具有等距时间间隔（例如30分钟）的逐点比较。举例而言，这允许执行粗相关。

当把比较模式0163，更特别地当前模式0164与候选模式0172进行比较时，也可以在这个抑或其他示例性实施例中规定一个或多个容差。这在图3E中由容差0174象征性地图示出。举例而言，有可能规定关于候选模式0172的一个、多个或者所有点的和/或比较模式0163（尤其是当前模式0164）的一个、多个或者所有点的容差区间。举例而言，可以例如如图3E中图示出的使用在11:40采集的测量值的实例规定±5%的容差。容差0174可以涉及测量值抑或测量时间，或者甚至涉及这两个选项，如图3E中通过圆圈（或者在通常情况下，由围绕测量点的优选地闭合的曲线）象征性地图示出的。

如果执行粗相关或者粗模式比较，那么尤其是在粗模式比较中确定了相应性的情况下，这可以随后由至少一个精细模式比较邻接，所述精细模式比较例如在审查中具有更细的时间间隔和/或使用候选时间间隔0170内的测量数据记录0144的所有测量值。用于检查模式0172、0164的相应性的其他方法也是可能的。

如果粗相关或者粗模式比较得到负面的结果，例如如果在规定的容差0174的范围内对于候选时间间隔0170中的至少一个点缺乏相应性，那么丢弃候选时间间隔0170和候选值0168。优选地，候选时间间隔中的所述至少一个点为预定义点或预定义点集合，或者包括预定义数量的点。举例而言，在图3E中情况就是这样；这是清晰可见的。在这种情况下，有可能例如通过进一步进入过去选择新候选时间和新候选值0168。举例而言，搜索可以进入过去抑或在不同的搜索方向上或者利用不同的搜索轮廓。在搜索到过去期间，在作为下一个可能的候选时间t_k2的11:35处以示例性方式找到与锚定值0178（在这种情况下为当前测量值0160）相应的新候选值0168。相应地，将比较时间间隔（在这种情况下为来自图3C的当前时间间隔0162）按照值13:45-11:35=2小时10分钟移位到过去。随后，类似于图3E，例如在一个步骤中抑或再一次地在多个步骤（例如粗模式识别步骤和至少一个精细模式识别步骤）中再一次地在新候选模式0172与移位的当前模式0164之间实现逐点相应性。

在图3F中，首先例如再一次地在例如再一次地从候选时间t_k2进入过去的模式0172、0164的等距点的基础上执行模式0164、0172之间的粗比较形式的粗模式识别步骤。举例而言，可以再一次地以10分钟的时间间隔执行检查。再一次地，也可以在这个抑或其他示例性实施例中考虑容差。在这里，图3F示出了也可以例如通过围绕比较模式0163，更特别地当前模式0164和/或候选模式0172的点放置容差带0176而以可变的方式实施容差，所述点应当在粗比较中使用。举例而言，这些容差带可以考虑到更远过去的测量点具有更高的测量不确定度，并且因此在位于更远过去的测量点中可以例如增大容差0174。测量点可能具有更高的测量不确定度，而不管其存在时间如何，即不管它们是否在更远的过去。特别地，这些容差带可以考虑在更远过去的测量点具有更低的相关性，而不管其不确定度如何，并且因此可以例如在位于更远过去的测量点中增大容差，并且用于分析测量点的权重可以随着其相关性而减小。可替换地或者除此之外，也可以在可以围绕测量值对称地抑或非对称地设置的容差带0176和/或这些容差0174中包括另外的准则，例如医疗准则、质量准则、安全方面或者类似的准则。

如果像在图3F中那样，在粗模式识别步骤中存在成功的粗相关，即如果在粗相关的范围内，模式0163或0164和0172相应，那么可选地可以在精细模式识别步骤中执行至少一个细相关。在这里，可以例如利用更细的模式和/或例如再一次地考虑例如容差带0176的范围内的容差0174，可以将当前模式0164的每个可用数据点与候选模式0172的相应数据点进行比较。这在图3G中示出。此外，可以在该比较期间抑或已经在粗比较期间例如基于规则考虑边界条件0138。举例而言，如果在模式识别步骤期间，例如在粗相关和/或精细相关期间确立了可能的相应候选模式0172，所述候选模式在容差0174的范围内与比较模式0163（更特别地当前模式0164）相应，那么此外可以存在该边界条件或这些边界条件0138的检查。举例而言，在图3G中确定在离候选时间间隔0170的右边缘近似5分钟的时间间隔内存在2.8个面包单位的进食。由于该边界条件0138基本上与图3A中的边界条件相应，因而也可以在比较模式0163或者当前模式0164与候选模式0172之间确定边界条件方面的相应性。可替换地或者除此之外，也可能的是在比较模式之前或者期间例如通过已经在粗相关之前或者期间搜索相应的边界条件和/或通过已经考虑到边界条件而选择候选值0168，检查边界条件之间的相应性。

形成对照的是，如果不满足细相关，那么可以类似于图3E与图3F之间的转变，例如再一次地利用到过去的搜索方向或者利用另一个搜索方向继续寻找可能的候选值0168。

如果在测量数据记录0144中标识了一个或多个候选模式0172，那么可以进一步以不同的方式利用这些候选模式。特别地，如图1中所示，这些候选模式可以用来显示参考轮廓0134。举例而言，该参考轮廓0134可以包括被确立为相应的候选模式0172以及可选地候选时间间隔0170之前和/或之后的时间部分，并且因此参考轮廓0134可以例如也显示可能的未来发展。在这里，可以显示最佳的模式匹配和/或可以显示所有的模式匹配。此外，也可能的是显示所有模式匹配的统计分析，即被确立为与当前模式0164相应的所有候选模式0172的统计分析。可替换地或者除了该简单例证和/或统计之外，有可能执行与用户和/或另一个仪器和/或本领域中训练的医务人员的一个或多个附加的交互步骤。因此，例如，可以显示用于动作的选项，尤其是药物和/或进食和/或体力活动方面的推荐和/或咨询本领域熟练的医师的推荐。

另外的示例性设备和方法

图4绘出了与患者102关联的患者监视系统100的一种示例性配置。患者102可以是糖尿病患者或者具有需要日常或连续监视的生理状况的患者。监视系统100包括如这里进一步描述的可以用于实现模式匹配特征的硬件和软件部件。如图所示，监视系统100包括设备105。设备105可以是具有有限处理能力的手持式系统，例如PDA、移动电话、葡萄糖仪等等。设备105也可以是个人计算机。如图5中进一步示出的，设备105可以包括（多个）生理数据输入设备110、数据接口115、处理器120、数据库130、连同分析逻辑132一起的存储器135以及显示器140。这些部件彼此“可操作地连接”，其可以包括直接地或者通过一个或多个中间部件连接到一个或多个其他部件的一个或多个部件，使得它们可以在需要时通信并且传递信息以便执行至少此后描述的过程和功能。连接可以是机械的、电气的连接，或者允许在这些部件之间例如有线地或无线地传输信号的连接。设备105可以进一步包括输入信息和/或做出数据/输出请求的输入机构或者用户接口145。示例性输入机构或者用户接口145可以包括触摸屏、输入按钮、键盘、鼠标、麦克风及其组合。在一个实施例中，患者监视系统100允许实现连续葡萄糖监视，其中设备105可操作来经由生理数据输入设备110进行葡萄糖浓度或者指示葡萄糖的浓度或者存在性的物质的多次测量，并且使用处理器120处理该数据集合以便找到相似的模式。当在这里使用时，连续（或者频繁）葡萄糖监视器（或者监视）可以包括其中葡萄糖浓度的监视连续地、频繁地和/或间断地（例如规则地或者不规则地）执行的时段。

参照图5，在一个实施例中，生理数据输入设备110可以是例如一个或多个传感器，所述传感器自动地收集特定于患者的生理数据，诸如例如血糖、血液粘度或者涉及患者102的血液化学的其他信息、体育活动、温度、心率、血压、呼吸模式、其他特定于患者的生理参数及其组合。在一个实施例中，生理数据输入设备110可以是可以通过其量化葡萄糖并且被配置成产生指示患者102的葡萄糖浓度的信号的患者监视系统100的部件或区域。在操作中，生理数据输入设备110可以通过葡萄糖传感器，其直接或间接地从葡萄糖或者其指示葡萄糖的浓度或存在性的派生物测量和采集可检测信号（例如化学信号、电化学信号等等），并且然后可以将该信号发送至处理器120以供进一步处理和/或存储在数据库130中。生理数据输入设备110可以与处理器120通信。

当在这里使用时，生理数据输入设备110可以是连续设备，例如皮下、透皮（例如经皮）或者血管内设备。然而，应当理解的是，这里描述的设备和方法可以应用于能够检测葡萄糖的浓度并且提供代表葡萄糖浓度的输出信号的任何设备（包括外部设备）。在另一个实施例中，生理数据输入设备110可以是可以分析多个间断的生物样本（例如血液、间质流体、其他希望的生物流体等等）的硬件和/或软件。生理数据输入设备110可以使用葡萄糖感测的任何方法，包括酶的、化学的、物理的、电化学的、光谱光度测量的、测定偏振的、测热的、辐射测量的方法等等。生理数据输入设备110可以使用包括侵入式、微创性和非侵入式感测技术的任何方法以提供指示例如葡萄糖浓度或者其他生理数据的输出信号。该输出信号可以是用来向可能正在使用该设备的用户（例如患者或内科医师）提供有用的葡萄糖值的原始数据测量结果。平滑、评价方法等等可以应用于原始数据测量结果以便向用户提供变换的数据测量结果。

数据测量结果可以从包括诸如例如生理数据输入设备110之类的设备做出的测量结果的间断数据集合中导出（例如最终与葡萄糖数量或浓度相应的当前测量结果）。数据测量结果可以进一步与有关数据标记关联。仅仅举例而言，数据标记可以包括何时吃了一顿饭、给予胰岛素、发生锻炼等等。此外，数据标记可以包括用餐中的营养成分、胰岛素、口服药、锻炼等等的量。数据测量结果可以进一步包括根据一个或多个原始数据测量结果确定变换的数据测量结果以及将这些变换的数据测量结果与有关数据标记关联。

数据测量结果通过使用在时间窗口上维持与特定生物系统（例如血液、间质流体等等）有效接触的诸如例如生理数据输入设备110之类的设备从生物系统中获得。该时间窗口可以是获得一系列数据测量结果（例如（多个）秒钟、（多个）分钟、（多个）小时等等）、导致至少一个时间窗口数据集合的限定的时间段（例如（多个）小时、（多）天等等）。该时间窗口也可以由糖尿病患者102启动和停止。仅仅举例而言，糖尿病患者102可以在用餐开始时启动时间窗口并且在用餐之后的某个稍后的日期停止时间窗口。所述至少一个时间窗口数据集合（或者数据测量结果）可以从单个个体收集。可替换地，所述至少一个时间窗口数据集合（或者数据测量结果）可以从多个个体收集并且在所述至少一个时间窗口数据集合（或者数据测量结果）被收集的时间或者随后编辑到数据库中。所述至少一个时间窗口数据集合可以包括来自传感器的原始数据测量结果、变换的数据测量结果、与数据标记关联的原始或变换的数据测量结果，或者其组合。

在一个实施例中，生理数据输入设备110可以能够仅仅测量葡萄糖。可替换地，在其他实施例中，生理数据输入设备110可以能够测量任何其他的感兴趣生理分析物，该分析物是正被通过化学的、物理的、酶的或者光学的分析检测和/或测量的特定物质或成分。用于每种生理分析物的数据测量结果被收集并且编辑到诸如例如数据库130之类的多分析物数据库中。在另一个实例中，数据库130也可以通过编辑使用多个监视器编辑收集的数据测量结果而被制定，所述监视器中的每一个测量单一物质，得到多分析物数据库。

生理分析物的实例可以包括人们希望在化学的、物理的、酶的或者光学的分析中检测和/或测量的任何特定的物质、成分或者其组合。这样的生理分析物包括但不限于尿酸盐/尿酸、葡萄糖、尿素（血尿素氮）、乳酸盐和/或乳酸、羟基丁酸、胆固醇、甘油三酯、肌氨酸、肌氨酸酐、胰岛素、血细胞比容和血红蛋白、碳酸盐、钙、钾、钠、氯化物、重碳酸盐、血液气体（例如二氧化碳、氧气等等）、重金属（例如铅、铜等等）、脂肪、氨基酸、酶底物或者指示疾病状态或状况的产品、疾病状态或状况的其他标记物等等。在多分析物数据数据库的情况下，所有生理分析物都可能与单一生理状态或状况有关；可替换地，在其他实施例中，每种生理分析物可以与不同的生理状态或状况有关。

在还有其他的实施例中，上面描述的生理数据/信息中的一个或多个可以由患者102人工地输入，以及经由用户接口145被请求用于输出（例如在显示器140上显示，经由数据接口115发送至另一个外部设备，等等）。在还有其他的实施例中，输入设备110也可以包括例如被配置成接收和/或处理信号、与处理器120通信并且生成参考模式的控制器、微控制器、处理器、微处理器等等。参考模式可以是最近的数据集合（例如由输入设备110收集的最近的至少一个时间窗口数据集合、存储器135和/或数据库130中提供的来自当前的天、（多个）小时、（多个）分钟等的数据集合）和/或用于任何其他感兴趣数据集合，例如患者102的历史数据（在先的（多）天、（多）周、（多）月、（多）年等等）。数据集合可以从输入设备110、数据库130、存储器135、用户接口145提供和/或从设备105可以经由数据接口115与之通信的任何另一个患者数据外部源提供。应当理解的是，参考模式因此可以从对于设备105可用的任何数据并且通过处理器120、输入设备110（如果设有处理装置的话）或者在数据上操作（且经由数据接口115提供给所述设备）的其中提供诸如例如葡萄糖曲线之类的感兴趣模式的（多个）外部设备执行的任何方法生成。用于生成葡萄糖曲线的示例性方法可以包括：让处理器120使用生理数据输入设备110提供的葡萄糖数据测量结果绘制葡萄糖曲线，让处理器120使用针对所述至少一个时间窗口或者其他时间段从数据库130和/或存储器135读取的葡萄糖数据测量结果绘制葡萄糖曲线，让处理器120使用经由用户接口145接收的输入绘制葡萄糖曲线，让处理器120选择代表可以在患者102的数据中检测到的常见行为或状况（例如锻炼期间下降的血糖、用餐之后血糖上升等等）的葡萄糖曲线，以及其组合。在其他实施例中，不必如上面关于历史和/或外部数据所讨论的从实际的葡萄糖数据测量结果中选择葡萄糖曲线。参考模式也可以根据从这样的查询产生的数据生成，该查询经由用户接口145而输入并且由处理器120在输入设备110收集的最近数据或者数据库130、存储器135和/或由处理器120经由数据接口115查询的其他外部源中提供的存储的数据上运行。参考模式也可以包括任何有关的数据标记或者多分析物数据，并且生成和/或接收的参考模式可以存储在数据库130和/或存储器135中，直到处理器120需要其用于此后在后面的章节中讨论的模式匹配过程。

数据接口115可以是的硬件和/或软件，其向设备105提供与如此后在一些实施例中所讨论的其他设备和部件有线和/或无线地通信以及在其他实施例中从诸如非暂时性计算机可读介质148之类的非暂时性计算机可读产品或存储介质读出和向其写入的能力。出于该描述的目的，非暂时性计算机可读产品或存储介质可以是可以包含或存储程序和/或代码以供处理器、装置或设备使用或者与处理器、装置或设备连接的任何装置。非暂时性计算机可读产品或存储介质的实例包括半导体或固态存储器、磁带、可移除计算机磁盘、随机存取存储器（RAM）、只读存储器（ROM）、刚性磁盘和光盘。光盘的当前实例包括紧密盘-只读存储器（CD-ROM）、紧密盘-读/写（CD-R/W）和DVD。

仍然参照图5，处理器120可以包括任何通用处理器或者任何被配置成提供、接收和执行指令序列（例如来自存储器135）的处理部件。例如，处理器120可以使用来自生理数据输入设备110的至少一个时间窗口数据集合（或者数据测量结果）和/或来自输入设备110的参考模式（当其设有处理装置时）执行计算，所述参考模式也可以被视为由输入设备110生成的时间窗口数据集合。在另一个实例中，处理器120也可以如这里将进一步描述的将所述至少一个时间窗口数据集合（或者数据测量结果）压缩为降秩的基。在另一个实例中，处理器120可以如这里将进一步描述的在降秩的空间中执行与至少一个时间窗口数据集合（或者数据测量结果）的模式匹配。处理器120可以实现为单个计算设备或者计算设备的组合，例如数字信号处理器和微处理器、多个微处理器、一个或多个微控制器、一个或多个微处理器连同数字信号处理器核心的组合，或者任何其他这样的配置。

仍然参照图5，显示器140可以包括液晶显示器（“LCD”）、触摸敏感屏幕、web接口等等。触摸屏或者web接口可以提供输入各种不同的命令和/或选择各种不同的可编程选项的方便方式。在操作中，显示器140可以显示用于例如至少一个时间窗口数据集合（或者数据测量结果）、模式匹配结果、标识感兴趣区域的加标签区域、数据标记信息、参考模式等等的信息。仅仅举例而言，显示的信息可以包括可以要求或者可以不要求在显示之前由显示设备处理的至少一个时间窗口数据集合（或者数据测量结果）。显示的所述至少一个时间窗口数据集合（或者数据测量结果）可以是原始数据、实时数据、变换的数据等等。显示器140可以包括包含被配置成允许在显示器140上显示信息和/或获得来自数据库130的信息的显示指令（例如包括指令的软件编程）的硬件和/或软件。数据库130中的数据可以由处理器120查询和/或在显示器140上显示。

图6(a)-6(e)中的示例性显示器140绘出了显示不同的部件和/或模式匹配过程的各个不同的数据的各种不同的方式。图6(a)绘出了具有参考模式曲线图310的示例性显示300。参考模式曲线图310包括由处理器120根据从输入设备110、存储器135、数据库130和/或如先前在上文中讨论的经由数据接口115从外部源提供的患者102的数据生成并且显示的绘制的参考模式312，其可以是至少一个时间窗口数据集合（或者数据测量结果）或者如先前在上文中也讨论的从查询产生。参考模式曲线图310也可以包括加标签以标识低血糖症314、高血糖症316的区域或者其他感兴趣区域。也可以提供数据标记318，其被示出并且提供与绘制的参考模式312有关的附加数据，例如用餐信息、胰岛素信息、锻炼信息等等。在参考模式曲线图310之下示出的是两幅模式匹配曲线图320、330。模式匹配曲线图320、330绘出了在邻近参考模式曲线图310的各曲线图上绘制的最接近的模式匹配。模式匹配曲线图320、330可以通过滚动曲线图或者通过在触摸敏感显示器上执行拖动操作325而被显示。拖动操作325可以通过利用手指触摸屏幕并且然后在屏幕上在希望的方向上移动手指而执行。附加的数据340可以以表格格式显示。附加的数据340可以与参考模式和匹配有关，其可以包括用餐信息、碳水化合物数据、胰岛素剂量数据、锻炼信息或者可以帮助评价匹配的任何其他数据。

图6(b)绘出了具有参考模式曲线图310的示例性显示300。参考模式曲线图310包括可以用于至少一个时间窗口数据集合（或者数据测量结果）或者用于查询的结果的绘制的参考模式312以及在与绘制的参考模式312相同的轴上绘制的最接近的模式匹配曲线图350。最接近的模式匹配曲线图350和绘制的参考模式312的宽度被示为相同。类似于图3(a)，示出了低血糖症区域314、高血糖症区域316、数据标记318以及附加的数据340。同样绘出的是标签311，其标识当前匹配的等级。该等级基于它与参考模式312比较有多好。下一个最接近的匹配曲线图（未画出）可以通过滚动这些曲线图或者通过在触摸敏感显示器上执行拖动操作327而显示。拖动操作327可以通过利用手指触摸屏幕并且然后在屏幕上在希望的方向上移动手指而执行。

图6(c)绘出了具有参考模式曲线图310的示例性显示300。类似于图6(b)，示出了低血糖症区域314、高血糖症区域316、数据标记318以及附加的数据340。如上面所描述的，参考模式曲线图310包括可以用于至少一个时间窗口数据集合（或者数据测量结果）或者用于查询的结果的绘制的参考模式312以及在与绘制的参考模式312相同的轴上绘制的最接近的模式匹配曲线图350。最接近的模式匹配曲线图350可以延伸以便紧接在绘制的参考模式312之后显示葡萄糖匹配数据355，或者类似地延伸以便在紧接在绘制的参考模式312之前显示葡萄糖匹配数据，或者这二者。查询可以作为如上面进一步提及的数据采集步骤而执行。

图6(d)绘出了具有原始数据曲线图360和平滑曲线图370的示例性显示300。类似于图6(b)，示出了低血糖症区域314、高血糖症区域316和数据标记318。原始数据曲线图360包括原始含噪声数据，其可以是来自传感器的至少一个时间窗口数据集合（或者数据测量结果）。平滑曲线图370显示了来自原始数据曲线图360的原始数据的压缩版本。形成平滑曲线图370的压缩数据可以使用模式匹配或者这里描述的初始化算法进行压缩。

图6(e)绘出了具有参考模式曲线图310的示例性显示300。参考模式曲线图310包括可以用于至少一个时间窗口数据集合（或者数据测量结果）或者用于查询的结果的用于数据的绘制的参考模式312以及在与绘制的参考模式312相同的轴上绘制的多个模式匹配曲线图380、390。类似于图6(b)，示出了低血糖症区域314、高血糖症区域316和数据标记318。当然，鉴于本文的教导，其中可以绘出模式匹配的不同分量的其他适当的方式对于本领域普通技术人员将是清楚明白的。

向后参照图5，存储器135可以是本领域中已知的任何类型的存储器，包括但不限于硬盘、磁带、光碟、半导体存储器、软盘、CD-ROM、DVD-ROM、RAM存储器、可通过任何已知协议访问的远程站点或者用于存储算法和/或数据的任何其他的存储设备。在操作中，存储器135可以包括用于将传感器数据压缩为降秩的基和/或用于诸如例如经由包括的分析逻辑132执行模式匹配的硬件和软件。分析逻辑132可以适当地被配置成存储、解释和处理到来的信息和/或将处理器120配置成执行这样的对于到来的信息的存储、解释和处理，所述信息例如可以是所述至少一个时间窗口数据集合，其是原始的或者经过变换的等等，接收自输入设备110、用户接口145和/或从对于来自输入设备110、数据库130、存储器135和/或经由数据接口115来自外部源的可用数据的查询产生。如下文中将更详细地讨论的，分析逻辑132可以包括用于在降秩的空间内执行压缩数据集合到过去的患者数据的模式匹配的模式匹配算法、一种或多种存储算法、一种或多种数据预处理算法和/或初始化算法。

参照图5，数据库130可以包括能够接收和存储测量和/或检测和/或标识的特性信息，例如至少一个时间窗口数据集合、原始数据测量结果（例如与物理测量结果相应的数值）、压缩数据测量结果、变换的数据测量结果的存储器，并且可以包括附加的有关信息，例如如上面所描述的数据标记、指针等等和/或一种或多种存储算法。当所述一种或多种存储算法由处理器120执行时，它使得处理器120将至少一个时间窗口数据集合、原始数据测量结果、压缩数据测量结果、变换的数据测量结果、根据一个或多个原始数据点计算或导出的单一数值结果等等存储在数据库130中。也可以使得处理器120从数据库130中读取至少一个时间窗口数据集合、原始数据测量结果、压缩数据测量结果、变换的数据测量结果等等。也可以使得处理器120根据时间和/或日期为来自输入设备110的所述至少一个时间窗口数据集合、原始数据测量结果、压缩数据测量结果、变换的数据测量结果等等编索引。数据库130可以自动地在所述时间窗口上经由输入设备110收集和接收数据测量结果，从而生成和存储时间窗口数据集合。该数据可以以用于组织和存储数据的专门的数据结构格式存储。示例性数据结构类型可以包括数组、文件、记录、表格、树等等。数据结构可以被设计成组织数据以适合特定目的，使得它可以被访问和起作用。

如上面所指出的，数据库130的数据结构可以呈现若干不同的形式或者以各种各样的方式结构化。例如，可以使用Kd树（K维树）。Kd树为可以对于多维数据的快速搜索和获取有用的类似于二分搜索树的空间分割数据结构。J. L. Bentley, "Multidimensional divide-and-conquer," Comm. of the ACM, 23(4), (Apr. 1980), 214-229和J. L. Bentley, "Multidimensional Binary Search Trees Used For Associative Searching," Comm. of the ACM, 18(9), 1975中详细地审查了该结构，这些文献通过引用合并于此。

Kd树使用与K维之一垂直的超平面在每个节点处分裂具有K维的数据。每个内部节点具有两个孩子，其代表沿着K维超平面的给定维度的分割。可以在Kd树中通过其K维压缩矢量以及将压缩矢量与保存的原始数据中的一定位置相联系的时间参数表示数据。该结构可以用来寻找：最近d个邻居处到一定的点或参考模式最近的邻居，其中d为感兴趣邻居的数量，参考模式的某个范围r内的至少一个数据点，其中r为离参考模式的希望的距离。所述数据结构包括用于执行n最近邻搜索以及在特定范围内对于该算法中利用的相似数据的搜索二者的标准方法。

数据可以进一步成队列存储在数据库130中。在操作中，可以使用处理器120压缩接收和收集自输入设备110的至少一个时间窗口数据集合（或者数据测量结果）并且将其添加到队列。该队列包含等待被添加到Kd树的最近的压缩矢量。这些压缩矢量在它们比N更旧时从队列中移到kd树，其中N为当前时间窗口的长度。因此，这些压缩矢量在它们不再与当前时间窗口重叠时被移到kd树。时间窗口在Kd树中通过其k维压缩矢量、任何有关的数据标记以及将压缩矢量与保存的原始传感器数据中的一定位置相联系的时间参数表示。

图7绘出了患者监视系统100的另一种示例性配置，并且此后为了简洁起见仅仅讨论与图5绘出的配置的差异。在该实施例中，患者监视系统100包括设备105、作为与设备105分离的部件的输入设备110以及网络接口150。设备105包括数据接口115、处理器120、数据库130、连同分析逻辑132一起的存储器135、显示器140以及用户接口145。输入设备110经由网络接口150耦合到设备105。网络接口150可以包括有线或无线连接，以及任何有线或无线联网硬件，例如调制解调器、LAN端口、无线保真（Wi-Fi）卡、WiMax卡、移动通信硬件和/或用于与其他网络和/或设备通信的其他硬件。设备105可以执行数据存储、模式匹配以及结果的显示。

图8绘出了患者监视系统100的另一种示例性配置，并且此后为了简洁起见仅仅讨论与图7绘出的配置的差异。在该实施例中，患者监视系统100包括设备105、作为与设备105分离的部件的输入设备110、第一网络接口155、第二网络接口170和服务器180。输入设备110可以经由第一网络接口155向设备105提供输入。设备105可以经由第二网络接口170耦合到服务器180。如上面关于图7的网络接口所指出的，第一和第二网络接口也可以包括有线或无线连接，以及用于与网络和/或设备通信的任何有线或无线联网硬件。设备105包括数据接口115、处理器120、显示器140和用户接口145。设备105可以操纵数据预处理、数据请求的输入、数据查询的输入以及数据结果的显示。服务器180包括数据库130以及连同分析逻辑132一起的存储器135。在一个实例中，服务器180也可以包括可以被配置成将数据测量结果存储到数据库130中并且通过使用分析逻辑132执行模式匹配的处理器185。

图9绘出了患者监视系统100的另一种示例性配置，并且此后为了简洁起见仅仅讨论与图8绘出的配置的差异。在该实施例中，患者监视系统100包括设备105、作为与设备105分离的部件的输入设备110、第一网络接口155、第二网络接口170和服务器180。设备105包括显示器140和用户接口145，并且被配置成将原始数据发送至服务器180。服务器180包括数据接口115、处理器120、数据库130以及连同分析逻辑132一起的存储器135。服务器180被配置成压缩原始数据测量结果、将数据存储到数据库130中并且执行模式匹配。

图10和图11绘出了图示出用于高效地找到与参考模式的最佳匹配的模式匹配算法200、800的一般逻辑的流程图。图11绘出了用于高效地标识基本上匹配参考模式的当前或者最近的时间窗口数据集合的实时模式匹配算法800的一般逻辑。算法200、800存储在存储器135中并且由患者监视系统100的处理器120或185执行。

参照图10&图11，功能框202、802代表算法200、800的启动。患者监视系统100的输入设备110进行一个或多个葡萄糖测量。如上面所指出的，也可以进行其他分析物和/或生理测量。功能框205、805代表用于采集所述一个或多个葡萄糖和/或生理测量的时间窗口时段的开始。时间窗口时段的开始可以由以下一个或多个触发：经由用户接口145接收的用户输入，其中用户告知处理器120或185何时新窗口开始；通过检测或者调度的事件；或者在一定时间段流逝并且新时间段要自动地开始的情况下。

功能框210、810代表在患者监视系统100的输入设备110检测到葡萄糖浓度和/或其他生理数据的情况下采集生理测量数据。在所述时间窗口期间进行至少一个葡萄糖测量、生理测量或者经由用户接口145接收的患者输入。可替换地，可以进行多个这样的测量和患者输入。仅仅举例而言，可以以秒、分、时、天等的增量进行测量。将每个原始数据测量结果存储到数据库130中。此外，可以由患者102使用用户接口145输入数据以便回答当前时间窗口时段期间由处理器120或185在显示器140上显示的问题。

功能框215、815代表将葡萄糖和/或生理测量数据与一个或多个数据标记关联。如上面所提及的，数据标记可以包括何时吃了一顿饭，何时给予胰岛素，何时发生锻炼，用餐中的营养成分的量，胰岛素的量，口服药的量和/或类型，进行了什么种类的锻炼等等。当然，鉴于本文的教导，可以与葡萄糖和/或生理测量数据关联的其他数据标记对于本领域普通技术人员将是清楚明白的。

功能框220、820代表时间窗口时段的结束，其中处理器确定是否已经达到结束。可以将来自最近的时间窗口时段的数据发送至处理器以供进一步处理或者可替换地可以将其发送至数据库并且保持以供进一步处理，直到数据的两个或更多时间窗口可用。然后，可以一起进一步处理所述两个或更多时间窗口。如箭头所描绘的，可以在在先时间窗口时段结束时启动新时间窗口，其中重复用于采集葡萄糖和/或生理测量数据的过程。

功能框225、825代表由处理器按一定比例处理数据以便归一化和中心化数据，其中葡萄糖和/或生理测量结果的分布具有均值0和标准偏差1。功能框230、825代表由处理器120执行的将原始数据压缩到降秩的基。在降秩处理中，可以将数据投影到一组基矢量上。当使葡萄糖和/或生理测量结果相关时，一小组基矢量可以解释大多数测量结果。提交输入数据以用于压缩，其中对数据执行特征分解以便确定矩阵的特征值和特征矢量。K特征矢量组变成基组。该K个特征矢量的组代表输入数据的压缩的等效物。K通过使用在图12中进一步描述的初始化算法来确定。

作为基组，可以使用到频域中的变换的基本函数。特别地，这样的基本函数为余弦或正弦函数、小波或者类似函数。通常，可以使用无损或有损音频压缩算法，其优选地适于或者缩放到葡萄糖和/或生理测量结果的频率范围，涉及或者不涉及特征值分解。压缩算法可以是涉及到频域中的变换的有损压缩算法，其中在变换处或者在变换的数据的表示中提供数据简化。作为涉及到频域中的变换的压缩，可以使用MPEG算法、音频层III。可替换地或者与其结合，可以例如使用Lempel-Ziv压缩方法执行熵最优化或最大化。

图12绘出了初始化算法900，其是用来找到将原始数据矢量转换成压缩的降秩的矢量的变换矩阵的过程。该发起算法可以出现一次以找到变换矩阵，并且然后可以将该变换矩阵硬编码到在设备105或系统100上运行的模式匹配算法200、800中。可替换地，变换矩阵可以是与模式匹配算法200、800分离的压缩算法。发起算法可以在与运行模式匹配算法的设备或系统分离的设备上运行。仅仅举例而言，发起算法可以在PC或者其他种类的计算机上运行。初始化算法是可选的，并且优选地在所述方法涉及使用特征基函数的情况下执行。在涉及其他基函数的情况下，可以跳过初始化算法。

如图所示，功能框910代表收集希望长度N（时间窗口数据集合的长度）的时间窗口数据集合的大的代表性样本的步骤。时间窗口数据集合可以来自单个患者或者超过一个患者。特别地，这适用于如上文中进一步提及的测量数据记录和测量数据。数据X可以来自自由生活条件下的糖尿病患者，并且可以代表大范围的患者行为和结果，从而它可以代表糖尿病患者人群。数据X可以是来自在先研究的数据，或者通常可以来自任何大的葡萄糖测量数据源。数据X可以被中心化和归一化成以便具有均值0和标准偏差1，并且因而可以依照等式（1）如下表示：

                                          （1）

其中X为K个时间窗口数据集合的M x N矩阵，每个数据集合具有长度N，为所有K个时间窗口数据集合上的均值时间窗口数据集合矢量，并且为所有K个时间窗口数据集合上的标准偏差时间窗口数据集合矢量，K为压缩的降秩矢量的长度，并且M为用于初始化算法的样本时间窗口数据集合的数量。来自时间窗口的数据可以利用如上面所讨论的一个或多个数据标记扩增。

功能框920代表特征分解的步骤，其中确定矩阵的特征值和特征矢量，这可以依照等式（2）和（3）如下表示：

λ=特征值()                                         （2）

V =特征矢量()                                        （3）。

特征矢量可以用作具有仅仅前K个矢量的新基矢量，其中K为为了压缩数据而使用的压缩的降秩矢量的长度。K的值通过将特征值从最大到最小排序并且然后针对排序的特征值列表计算累积和而确定。特征值可以用来表明通过其相应特征矢量解释的信息量。与最小特征值关联的特征矢量被移除以便压缩数据。

功能框930代表从特征矢量中选择降秩的基的步骤。K可以被选择为在压缩数据（出于算法效率的目的）和保留有关信息（数据中需要的细节水平）之间保持平衡。功能框940代表将数据压缩到降秩的基矢量中的步骤。前K个特征矢量用来创建变换矩阵B，该变换矩阵将时间窗口数据集合转换成降秩的基。矢量依照等式（4）-（6）如下被压缩：

                                                 （4）

                                                    （5）

                                                      （6）

其中a_t代表x_t的降秩版本，x_t为在时间t处开始的长度为N的时间窗口数据集合，B ^T为由前K个特征矢量组成的变换矩阵，并且v_i为与λ_i相应的第i个特征矢量。降秩的矢量a_t可以通过与B相乘而转换回原始空间，其可以依照等式（7）如下表示：

= B a_t                                                      （7）。

数据压缩可以提供并且不限于以下两个指出的益处：它显著地减小了用于做出比较的数据的尺寸，并且用作用于从信号中移除噪声的滤波器。因此，压缩算法可以将时间窗口数据集合与类似的潜在信号匹配，而不是匹配噪声模式。

算法初始化实例

在执行的一些实验中，每个时间窗口数据集合的长度为四小时。每分钟测量葡萄糖浓度，从而每个窗口包含240个葡萄糖测量值的矢量。在执行的其他实验中，每个时间窗口数据集合的长度为二小时。当然，其他的时间窗口长度可以用来收集葡萄糖测量结果。在其中收集时间窗口数据集合的大样本的步骤1中，如上面所指出的，每个时间窗口数据集合的长度N为240分钟，并且使用了超过100000个时间窗口数据集合。对数据中心化、归一化并且执行特征分解。计算来自特征分解的特征值的累积和。图13绘出了最大特征值的累积和除以特征值的总和的示例性曲线图。特征值可以用来表明通过其相应特征矢量解释的信息量。因此，如图13上的曲线图中所示，使用第一个特征矢量压缩时间窗口数据集合将保留大约70%的原始数据（1010）。使用两个特征矢量将保留大约85%的原始数据（1020）。使用三个特征矢量将保留大约91%的原始数据（1030）。使用四个特征矢量将保留大约94%的原始数据（1040），等等。在该实例中，K被选择为四。

图14绘出了使用来自该实例的数据计算的前四个特征矢量（1010，1020，1030，1040）的曲线图，其将压缩的矢量示为正交的。每个矢量捕获原始数据中发现的重要类型的动态。第一个特征矢量1010近似为原始数据矢量的均值。第二个特征矢量1020测量趋势。第三个特征矢量1030捕获峰值。第四个特征矢量1040响应于更高的频率分量。

向后参照图10，一旦压缩了原始数据，该压缩的数据可以如功能框240所代表的由处理器120或185进行模式匹配，或者如功能框235所代表的由处理器120或185存储在数据库130中（或者可替换地存储在存储器135中），这二者进一步在图15中加以解释。功能框245代表算法的结束。

参照图11，一旦压缩了原始数据，该压缩的数据可以如功能框830、835和840所代表的由处理器120或185进行模式匹配，或者由处理器120或185存储在数据库130中（或者可替换地存储在存储器135中），这二者进一步在图15中加以解释。功能框870代表算法的结束。

图11也绘出了功能框845、850、855、860和865，其总体上代表要在实时模式匹配期间使用的参考模式和关联警示的输入和存储。功能框845代表使用用户接口145将参考模式和/或关联警示输入到输入设备110中。

参考模式可以是任何感兴趣数据集合，例如患者102的历史数据（先前的（多）天、（多）周、（多）月、（多）年等等）。数据集合可以从输入设备110、数据库130、存储器135、用户接口145和/或从设备105可以经由数据接口115与之通信的任何另一个外部患者数据源提供。应当理解的是，由此参考模式可以从对于设备105可用的任何数据并且通过处理器120、输入设备110（如果设有处理装置的话）或者在数据上操作（且经由数据接口115提供给所述设备）的其中提供诸如例如葡萄糖曲线之类的感兴趣模式的（多个）外部设备执行的任何方法生成。用于生成葡萄糖曲线的示例性方法可以包括：让处理器120使用生理数据输入设备110提供的葡萄糖数据测量结果绘制葡萄糖曲线，让处理器120使用针对所述至少一个时间窗口或者其他时间段从数据库130和/或存储器135读取的葡萄糖数据测量结果绘制葡萄糖曲线，让处理器120使用经由用户接口145接收的输入绘制葡萄糖曲线，让处理器120选择代表可以在患者102的数据中检测到的常见行为或状况（例如锻炼期间下降的血糖、用餐之后血糖上升等等）的葡萄糖曲线，以及其组合。在其他实施例中，不必如上面关于历史和/或外部数据所讨论的从实际的葡萄糖数据测量结果中选择葡萄糖曲线。参考模式也可以根据从这样的查询产生的数据生成，该查询经由用户接口145而输入并且由处理器120在数据库130、存储器135和/或由处理器120经由数据接口115查询的其他外部源中提供的存储的数据上运行。参考模式也可以包括任何有关的数据标记或者多分析物数据，并且生成和/或接收的参考模式可以存储在数据库130和/或存储器135中，直到处理器120需要其用于此后在后面的章节中讨论的模式匹配过程。

警示是可定制的并且可以是可视警示，例如显示的图标或消息或者光，可听警示，例如蜂鸣声或音乐，或者振动警示，或者其组合。警示可以具有单一和/或多个通知模式。例如，警示可以同时包括可听、可视和振动通知。当事件触发警示通知时，用户可以通过感觉振动、听见可听警示和/或看见可视警示而被通知所述事件或状况。警示可以在设备105的显示器140上显示。

在一个实例中，参考模式和警示可以用来在发生特定事件的任何时间警示患者采取特定的动作。例如，参考模式可以是膳后事件、低血糖症事件、锻炼、用餐等等，或者在患者的过去生理数据中出现的任何其他有问题模式。因此，当在实时的基础上再次检测到事件时，患者监视系统100将警示患者该事实。

类似于功能框825，功能框850代表由处理器按一定比例处理参考模式以便归一化和中心化数据，其中葡萄糖和/或生理测量结果的分布具有均值0和标准偏差1。功能框855代表由处理器120执行的将参考模式压缩到降秩的基。处理器120或185可以压缩参考模式并且存储它以用于实时比较。功能框860代表存储压缩的参考模式，并且功能框865代表成队列地将警示存储到数据库130中或者处理器120或185中。

功能框830代表计算参考模式与实时（或者最当前的）时间窗口数据集合之间的距离度量的模式匹配步骤。模式匹配方法在下文中更详细地进一步加以描述。功能框835代表确定距离度量是否小于可以由用户设定的特定值ε的步骤。如果距离度量小于ε，那么如功能框840中所示激活警示。如果距离度量大于ε，那么不激活警示，并且所述算法针对下一个当前时间窗口数据集合重复该过程。功能框870代表模式匹配算法800的结束。

模式匹配算法200、800可以运行在诸如设备105、系统100之类的任何适当的计算设备或系统上，或者在存储提供指令的程序形式的模式匹配算法200、800的非暂时性计算机可读介质上提供，所述指令在由诸如处理器120或185之类的处理器执行时使得处理器执行上面所描述的图10的功能框202-245以及图11的功能框802-870的动作。模式匹配算法200、800可以用于高效地寻找与参考模式的一个或多个最佳匹配。图15进一步描述了模式匹配（图10的功能框235以及图11的功能框830、835和840）和算法的存储阶段（图10的功能框240）。在模式匹配1230之前，将当前时间窗口数据集合1210中心化和归一化，然后使用先前使用发起算法计算的变换矩阵B将其变换到降秩的空间1220，并且其可以依照等式（8）-（9）如下表示：

                                            （8）

                                             （9）。

最接近的一个或多个匹配可以使用距离度量j_i来确定。在一个实例中，距离度量为欧氏距离，其中在降秩的空间1220内计算两个矢量的位置差。因此，a_i通过计算使如下等式（10）最小化的值而找到：

                                           （10）

其中a_i为选择为潜在匹配的存储的时间窗口数据集合的降秩的矢量，a_t为降秩的参考矢量，并且T为转置功能。为了图8中所示的实时模式匹配，在距离度量j _i 的值小于阈值ε的情况下显示警示。ε的值取决于选择的距离度量、噪声惩罚、时间窗口的长度等等。在一个实例中，ε被选择为，但是可以基本上接近零。在通常情况下，可以使用用于例如回归分析的常见统计测试选择ε，使得匹配为相同生理数据的测量结果的概率至少为0.95或者在更严格的情况下为0.98。

j _i  ≤ ε                                              （11）。

在另一个实例中，距离度量为马氏距离，其也考虑到数据集合的相关。

                                        （12）

其中∑^-1为协方差矩阵的逆。当然，鉴于本文的教导，其他的距离度量可以用来执行模式匹配并且对于本领域普通技术人员将是清楚明白的。

可以使用修改的欧氏距离度量，其中利用惩罚太失真的原始数据的误差惩罚函数修改欧氏距离。在一个实例中，原始数据窗口上的失真可以通过计算压缩的数据与其原始数据之间的绝对误差的和而估计，这可以依照等式（13）如下表示：

其中                                （13）

其中e_i为绝对误差的和，g_i为原始数据的绝对误差，并且为可以被确定以便找到最接近的一个或多个匹配的压缩的数据的绝对误差，所述最接近的一个或多个匹配接近并且具有较少的失真。最接近的一个或多个匹配可以在降秩的空间内使用欧氏距离，例如通过计算使如下等式（14）最小化的值而确定：

                                       （14）

其中μ为用来调整最小化距离与误差之间的平衡的参数。该距离度量将倾向于找到相似且具有较低失真的模式。j _i 的值可以用来评价匹配的质量。例如，如果j _i 小于某个阈值，那么匹配可以定性地描述为“优”、“好”或者“差”。距离度量可以包括代表与数据关联的标记之间的差异的分量。

e _tag  = f(k _i , k _t )                                        （15）。

在操作中，当模式匹配算法200由处理器（例如处理器120或185）执行时，它可以使得处理器通过确定最近邻与参考模式之间的距离度量而进一步执行模式匹配。在另一个实例中，当模式匹配算法200由处理器120或185执行时，它可以使得处理器通过确定最近d个邻居与参考模式之间的距离度量而进一步执行模式匹配。在另一个实例中，当模式匹配算法由处理器（例如处理器120或185）执行时，它可以使得处理器通过确定参考模式的某一范围r内的至少一个数据点之间的距离度量而进一步执行模式匹配，其中r为离参考模式的希望的距离。模式匹配算法800在由处理器120或185执行时，它可以使得处理器使用最近的或当前时间窗口数据集合和参考模式进行模式匹配。当最近的或当前时间窗口数据集合匹配参考模式时，设备105触发警示，这可以包括显示包含治疗信息的警示消息。

模式匹配算法200、800可以如上面所描述的在例如连续葡萄糖监视器系统或者其他患者监视系统上运行。模式匹配算法200、800也可以在由例如Medtronic、DexCom和Abbott Diabetes Care制造的其他示例性连续葡萄糖监视器或者可以用来显示和/或分析来自生理传感器的原始数据和/或来自用于模式的实际或生成的数据的参考模式的任何其他系统上运行。

在一个实例中，患者监视系统运行模式匹配算法。患者监视系统包括：输入设备，其在一定时间窗口内接收生理样本并且采集患者的多个生理测量结果，从而生成至少一个时间窗口数据集合；存储器，其存储模式匹配算法；数据库，其存储所述至少一个时间窗口数据集合；以及处理器，其与所述输入设备通信以便接收所述生成的至少一个时间窗口数据集合并且与存储器通信以便执行模式匹配算法。当模式匹配算法由处理器执行时，它使得处理器将所述至少一个时间窗口数据集合压缩到降秩的空间中并且使用距离度量执行参考模式与存储的至少一个时间窗口数据集合之间的模式匹配。存储器可以进一步存储数据预处理算法。该数据预处理算法在由所述处理器执行时可以使得所述处理器按比例归一化和中心化所述至少一个时间窗口数据集合，其中所述多个生理测量结果的分布具有均值0和标准偏差1。

可以使用变换矩阵将生成的至少一个时间窗口数据集合压缩到降秩的空间中。该变换矩阵可以由初始化算法确定，该初始化算法在由处理器执行时使得处理器在大的代表性生理测量数据集合上执行特征分解以便确定λ个特征值和V个特征矢量，计算特征值的累积和，并且选择最大特征矢量的子集K。仅仅举例而言，K可以为六或者更小。在另一个实例中，K可以为五或者更小。在另一个实例中，K可以为四或者更小。仅仅举例而言，也可以预先选择K以便保留来自所述至少一个时间窗口数据集合的原始数据的高达大约90%。在另一个实例中，可以预先选择K以便保留来自所述至少一个时间窗口数据集合的原始数据的高达大约95%。在另一个实例中，可以预先选择K以便保留来自所述至少一个时间窗口数据集合的原始数据的高达大约98%。

当模式匹配算法由所述处理器执行时，它可以使得处理器通过确定降秩的空间内的距离度量而进行模式匹配。它也可以使得处理器通过确定计算使降秩的空间内的距离度量最小化的值的最接近的匹配而进行模式匹配。模式匹配算法在由所述处理器执行时可以进一步使得处理器确定使用降秩的空间内的距离度量的模式匹配的绝对误差或者使降秩的空间内的距离度量最小化的最接近的匹配的绝对误差。处理器可以使用Kd树搜索或者朴素（na?ve）的穷举搜索而执行模式匹配。

患者监视系统可以进一步包括数据库和一种或多种存储算法。当所述一种或多种存储算法由所述处理器执行时，它可以使得处理器将Kd树结构中的压缩的数据集合存储到数据库中。它也可以使得处理器将压缩的数据集合添加到队列，并且然后将压缩的数据集合从队列添加到Kd树结构。仅仅举例而言，可以基于事件、基于数据标记、基于数据的模式或者在由用户请求时以规则的间隔将数据集合存储到数据库中。

在另一个实例中，包括传感器和处理器的患者监视可以使用模式匹配算法以便处理至少一个时间窗口数据集合。在操作中，患者监视自动地经由传感器将生物样本接收到患者监视中，采集多个生理测量结果，自动地生成至少一个时间窗口数据集合并且自动地让处理器处理生成的至少一个时间窗口数据集合以便按比例归一化和中心化所述至少一个时间窗口数据集合，其中生理测量结果的分布具有均值0和标准偏差1，将归一化的至少一个时间窗口数据集合压缩到降秩的空间中，并且使用降秩的空间内的距离度量执行参考模式与压缩的至少一个时间窗口数据集合之间的模式匹配。

在模式匹配期间，处理器可以通过计算参考模式与存储的至少一个时间窗口数据集合之一之间的最小距离度量值（即潜在的匹配）以便发现降秩的空间内的最接近的匹配而自动地找到最接近的匹配。这可以通过执行Kd树搜索或者通过执行朴素的穷举搜索来完成。处理器也可以自动地找到模式匹配或者最接近的匹配的绝对误差。

处理器可以通过经由将矩阵分解成λ个特征值和V个特征矢量执行特征分解而自动地将生成的或者归一化的数据集合压缩到降秩的空间中。然后，处理器可以自动地计算特征值的累积和，为每个特征矢量确定相应的特征矢量，并且通过在数据压缩与保留有关信息之间实现平衡而选择特征矢量子集。这可以通过自动地将正交变换矩阵应用到所述特征矢量子集以便提供压缩的降秩的矢量而发生。处理器也可以自动地将压缩的数据集合存储到Kd树中。

在另一个实例中，非暂时性计算机可读介质可以以程序的形式存储模式匹配算法。当该程序由处理器执行时，它使得处理器使用距离度量至少执行参考模式与经由患者监视系统收集的存储的数据时间窗口数据集合的模式匹配。该程序可以使得处理器通过找到参考模式的最近邻而执行模式匹配。在另一个实例中，该程序使得处理器通过找到最近d个邻居而执行模式匹配，其中d为感兴趣邻居的数量。在另一实例中，该程序使得处理器通过找到参考模式的某一范围r内的至少一个数据点而执行模式匹配，其中r为离参考模式的希望的距离。该程序可以使得处理器通过确定最近邻与参考模式之间、最近d个邻居与参考模式之间和/或参考模式的某一范围r内的所述至少一个数据点之间的绝对误差而进一步执行模式匹配，其中r为离参考模式的希望的距离。

如上面所指出的，当运行模式匹配算法时，参考模式可以是最近的至少一个时间窗口数据集合（除了实时模式匹配算法运行的情况之外），和/或可以是任何其他感兴趣模式，例如糖尿病患者的过去数据、另一个葡萄糖数据源、生成的葡萄糖曲线等等。用于生成葡萄糖曲线的示例性方法可以包括：使用例如鼠标、键盘、触摸屏等等绘制葡萄糖曲线，选择代表常见行为或状况（例如锻炼期间下降的血糖、用餐之后血糖上升等等）的葡萄糖曲线，等等。葡萄糖曲线不必选自实际的葡萄糖数据测量结果，而是可以选自实际的葡萄糖测量数据。参考模式也可以包括有关的数据标记。

可以以各种各样的方式使用模式匹配算法。例如，可以执行模式匹配以标识有问题的用餐。有时，糖尿病患者面临控制膳后（即用餐之后）高血糖漂移（excursion）的挑战。糖尿病患者可以通过在膳食事件后的不同时间处进行葡萄糖测试而监视他们的膳后葡萄糖行为。然而，这可以忽略葡萄糖漂移的动力学，也就是说，用餐之后葡萄糖或其他有关数据（例如碳水化合物摄入量、其他用餐信息、胰岛素水平等等）的变化。模式匹配算法可以由糖尿病患者或者健康护理提供商用来快速地绘制与患者已经消费的餐饮的动力学相应的高血糖膳后事件的参考模式。找到患者系统中与参考模式相似的模式可以允许标识有问题的用餐事件。健康护理提供商或者糖尿病患者可以通过更精确地估计碳水化合物含量或者适当地修改医治方法而在未来纠正这些事件。模式匹配算法也可以用来标识其中高血糖症最严重的多个示例，并且确定可能造成这些偏差的模式。模式匹配可以用来标识类似的用餐。可以针对类似的葡萄糖模式和/或行为模式进行过去数据的搜索，以便帮助糖尿病患者回忆过去的决策和结果。在操作中，用户可以绘制或选择模式，并且系统计算糖尿病患者最接近的匹配数据在特定边界内与参考模式相似的时间百分数。

在另一个实例中，可以执行模式匹配以标识低血糖症事件。糖尿病患者有时也面临未检测到的夜间低血糖症发作。未检测到的低血糖症发作由于用餐影响的葡萄糖-胰岛素动力学和体育活动二者的原因而成为可能。参考模式可以由用户用来标识其中患者经历低血糖症的时段以便分析这些发作以提供用于标识低血糖症成因并且提供解决方案的框架。例如，最接近的模式匹配以及用餐、胰岛素和体育活动信息的组合可以用作分析患者低血糖行为中的有用工具。它也可以指示避免低血糖症的策略。在操作中，用户可以绘制或选择模式，并且系统计算糖尿病患者最接近的匹配数据在特定边界内与参考模式相似的时间百分数。

在另一个实例中，可以执行模式匹配以前瞻性地估计丸药或用餐摄入量。参考模式和用餐信息可以由用户用来搜索用餐数据库并且观察过去的血糖行为。然后，用户可以基于过去的事件分析膳后行为，并且做出胰岛素丸药变化以避免膳后高血糖漂移。类似地，用户可以使用过去的体育活动、胰岛素和用餐信息以便在锻炼或者其他体育活动之前纠正迫近的低血糖症发作。

在另一个实例中，可以在实时患者监视系统（运行实时模式匹配算法）中使用模式匹配以便在最近的或当前时间窗口数据集合基本上与参考模式相似的情况下通知患者。将参考模式与警示一起输入到设备中，该警示将显示监视系统何时标识了基本上与参考模式相似的最近的或当前时间窗口数据集合。当最近的或当前时间窗口数据集合与参考模式匹配时，将触发警示。参考模式可以是患者的生理数据中的任何有问题的模式（例如膳后行为、低血糖症事件、高血糖症事件、锻炼等等）。

参照图15，在存储阶段期间，可以将可用并且被压缩的数据添加到队列1240。该队列包含等待被添加到kd树的最近的压缩矢量。这些压缩矢量在它们比N更旧时从队列中移到kd树，其中N为当前时间窗口的长度1250。因此，这些压缩矢量在它们不再与当前时间窗口重叠时被移到kd树。时间窗口在kd树中通过其k维压缩矢量以及将压缩矢量与保存的原始数据中的一定位置相联系的时间参数表示。

模式匹配实例 

示例性模式匹配结果通过在包含压缩成4维矢量的138,489个存储的四小时数据窗口的数据库中找到最接近的匹配而生成。对于每个时间窗口而言，在降秩的空间中找到最接近的匹配。搜索通过使用朴素的穷举搜索和高效的kd树搜索而执行。示例性模式匹配结果的细节将在下文中使用图16(a)和图16(b)、图17(a)和图17(b)、图18(a)-图18(c)、图19(a)-图19(e)以及图20更详细地加以讨论。

图16(a)、图16(b)、图17(a)和图17(b)绘出了来自对于最接近的匹配的示例性模式匹配搜索的两个结果。图16(a)和图17(a)示出了用于模式匹配搜索的时间窗口原始数据、其压缩版本以及连同其压缩版本一起的匹配的原始数据的示例性曲线图（1310，1410）。图16(b)和图17(b) 示出了具有时间窗口数据的被绘制为杆条（1330，1430）的压缩矢量的值以及被绘制为线（1320，1420）的匹配的示例性曲线图。图16(a)和图16(b)的示例性曲线图示出了向下的趋势，因此第二个特征矢量1020包含最强的响应。图17(a)和图17(b) 的示例性曲线图示出了峰值，因此第三个特征矢量1030包含最强的响应。解释降秩的空间中的值的能力可以用于其他算法，例如低血糖症预测、用餐模式分类和噪声滤波。

图18(a)绘出了随着时间的血糖浓度的参考模式曲线图的示例性显示。在该实例中，绘制了四小时参考模式1510（示为具有圆圈点的线），并且模式匹配算法返回的前20个匹配1520的降秩的矢量被示为平滑线。含噪声线为被示为原始数据矢量的前20个匹配。前20个匹配1520使用降秩的空间中的欧氏距离以及潜在匹配的原始数据矢量与其降秩的矢量之间的绝对误差和来确定。如图所示，曲线图包含参考模式1510和所有20个匹配1520。可替换地，曲线图可以包含参考模式和一个或多个匹配。曲线图也可以包含范围从大约+/-15%至+/-50%的误差边界1530。误差边界1530对于示出可视比较可能是有用的。再者，在屏幕的底部示出了滚动条1540，其可以用来滚动和/或选择特定的匹配。滚动条1540可以是触摸敏感显示，借此利用手指触摸屏幕上的滚动条并且然后在屏幕上在希望的方向上移动手指。滚动条1540左边和右边的箭头可以利用手指在屏幕上触摸以便滚动和/或选择特定的匹配。此外，鼠标也可以用来使用滚动条1540或者左右箭头滚动。当选择了特定的匹配时，显示改变为突出该特定的匹配。可以将未被选择的匹配调暗并且置于背景中。

图18(b)绘出了随着时间的血糖浓度的参考模式曲线图的示例性显示。类似于图18(a)，该曲线图包含四小时参考模式1510（被示为具有圆圈点的线）、所有20个匹配1520的降秩的矢量（被示为平滑线）、所有20个匹配的原始数据矢量（被示为含噪声线）、误差边界1530以及滚动条1540。同样绘出的是两条突出的线，其示出特定匹配的降秩的矢量以及用于该匹配的相应原始数据矢量（其是含噪声的突出的线）。所述显示也包括匹配等级，其以从最接近的匹配到第N个最接近的匹配的顺序对匹配分等级，其中N为匹配的数量。在该特定实例中，匹配等级可以范围从1至20。图18(b)示出了匹配等级1，其指示突出的匹配是与参考模式最接近的匹配。其他的匹配被调暗并且置于背景中。同样绘出的是匹配误差，其示出匹配与参考模式之间的绝对误差。质量评估标签也被绘出并且基于匹配误差数。质量评估标签可以包括优、好、中、差、坏、糟糕等等，或者其他标签可以用来指示匹配的质量。所述显示包括图表顶部的时间线1550，其绘出可以提供匹配的上下文的、置于时间线中的匹配的部分1555。

图18(c)绘出了随着时间的血糖浓度的参考模式曲线图的另一个示例性显示。类似于图18(a) & 图18(b)，该曲线图包含四小时参考模式1510（被示为具有圆圈点的线）、所有20个匹配1520的降秩的矢量（被示为平滑线）、所有20个匹配的原始数据矢量（被示为含噪声线）、误差边界1530以及滚动条1540。同样绘出的是两条突出的线，其示出特定匹配1512的降秩的矢量以及用于该匹配的相应原始数据矢量1514（其是含噪声的突出的线）。图18(c)示出了匹配等级20，其指示突出的匹配是第20个与参考模式最接近的匹配。其他的匹配被调暗并且置于背景中。同样绘出的是匹配误差和质量评估标签。在该实例中，所述显示示出了高匹配误差，并且因此质量评估标签为差。所述显示也绘出了图表顶部的时间线1550，其示出匹配的部分1555。

图19(a)绘出了随着时间的血糖浓度的参考模式曲线图的示例性显示并且包括利用用餐时间标记的匹配。在该实例中，针对恰好在用餐之前两小时的数据确定匹配1620，以便帮助用户基于过去的行为评价用餐的可能的结果。图19(a)中示出的是用餐的碳水化合物值。仅仅举例而言，可以使用参考模式1610、用餐时间标记和/或碳水化合物值1630进行模式匹配。所述显示可以包括参考模式曲线图顶部的时间线1640，其绘出置于时间线中的2小时匹配部分1645，其中可以提供匹配的上下文的数据示于匹配部分1645的任一侧。在该实例中，可以看见用餐的实际结果。参考模式1610被绘制并且模式匹配算法返回居前的匹配1620。如图所示，曲线图包含参考模式1610和第7个最佳的匹配1620。当然，曲线图可以包含参考模式和一个或多个匹配。再者，在屏幕的底部示出了可以用来滚动和/或选择特定的匹配的滚动条1650。滚动条1650可以是触摸敏感显示，借此利用手指触摸屏幕上的滚动条并且然后在屏幕上在希望的方向上移动手指。滚动条1650左边和右边的箭头可以利用手指在屏幕上触摸以便滚动和/或选择特定的匹配。此外，鼠标也可以用来使用滚动条1650或者左右箭头滚动。匹配的质量可以通过使用误差度量（例如匹配与参考模式之间的绝对误差）和质量评估标签（例如优、好、中、差、坏、糟糕等等）或者可以用来指示匹配的质量的任何其他标签进行评价。

图19(b)绘出了随着时间的血糖浓度的参考模式曲线图的示例性显示并且包括利用用餐时间标记的匹配。在该实例中，绘制了参考模式1610以寻找何时用户可能进入低血糖症和/或采取碳水化合物以纠正低血糖症的示例。显示可以用来评价患者的正确地从低血糖症痊愈而不过冲到高血糖症的能力。匹配1620针对两小时数据而被确定。可以绘制出用餐的碳水化合物值（未示出）。仅仅举例而言，模式匹配可以使用参考模式1610、用餐时间标记和/或碳水化合物值1630来进行。所述显示可以包括参考模式曲线图顶部的时间线1640，其绘出置于时间线中的2小时匹配部分1645，其中可以提供匹配1620的上下文的数据示于匹配部分1645的任一侧。在该实例中，可以看见用餐的实际结果。参考模式1610被绘制并且模式匹配算法返回居前的匹配。如图所示，曲线图包含参考模式1610和最佳的匹配1620。当然，曲线图可以包含参考模式1610和一个或多个匹配1620。再者，在屏幕的底部示出了可以用来滚动和/或选择特定的匹配1620的滚动条1650。所述显示也包括匹配等级，其以从最接近的匹配到第N个最接近的匹配的顺序对匹配分等级，其中N为匹配的数量。在该特定实例中，图19(b)示出了匹配等级1，其指示突出的匹配是与参考模式最接近的匹配。匹配的质量可以通过使用误差度量（例如匹配与参考模式之间的绝对误差）和质量评估标签（例如优、好、中、差、坏、糟糕等等）或者可以用来指示匹配的质量的任何其他标签进行评价。

图19(c)绘出了随着时间的血糖浓度的参考模式曲线图的示例性显示并且包括利用睡眠时间标记的匹配。在该实例中，针对受试者进入睡眠之前的两小时时段选择参考模式1610。显示可以用来基于患者的当前状态及其历史数据评价夜间低血糖症的似然率。匹配1620针对两小时数据而被确定。可以绘制碳水化合物值（未示出）。仅仅举例而言，模式匹配可以使用参考模式1610、睡眠时间标记和/或碳水化合物值1630来进行。所述显示可以包括参考模式曲线图顶部的时间线1640，其绘出置于时间线中的2小时匹配部分1645，其中提供匹配1620的上下文的数据示于匹配部分1645的任一侧。参考模式1610被选择并且模式匹配算法返回居前的匹配。如图所示，曲线图包含参考模式1610和匹配1620。当然，曲线图可以包含参考模式1610和一个或多个匹配1620。再者，在屏幕的底部示出了可以用来滚动和/或选择特定的匹配1620的滚动条1650。所述显示也包括匹配等级，其以从最接近的匹配到第N个最接近的匹配的顺序对匹配分等级，其中N为匹配的数量。在该特定实例中，图19(b)示出了匹配等级3，其指示突出的匹配是第三个与参考模式最接近的匹配。匹配的质量可以通过使用误差度量（例如匹配与参考模式之间的绝对误差）和质量评估标签（例如优、好、中、差、坏、糟糕等等）或者可以用来指示匹配的质量的任何其他标签进行评价。

图19(d)和图19(e)绘出了随着时间的血糖浓度的参考模式曲线图的示例性显示并且包括使用葡萄糖水平、用餐时间标记和碳水化合物值的匹配。未来葡萄糖浓度的预测可以基于匹配的数据而生成。这两幅图绘出了具有两种不同碳水化合物水平1630的参考模式1610（仅仅在图19(d)中示出）。参考模式1610和碳水化合物水平1630可以用来预测在时间线1640中绘出的未来血糖水平1660。在该实例中，参考模式1610针对用餐之前的两小时时段而被选择。参考模式匹配1620和碳水化合物匹配1625使用模式匹配算法来确定和绘制。仅仅举例而言，模式匹配可以使用参考模式1610、葡萄糖水平、用餐时间标记和/或正被显示的当前碳水化合物值1630来进行。示出的显示包括参考模式曲线图顶部的时间线1640，其绘出置于时间线中的2小时匹配部分1645，其中可以提供匹配1620的上下文的数据示于匹配部分1645的任一侧。如上面所提及的，时间线1640也可以绘出未来的血糖水平预测1660。再者，在屏幕的底部示出了可以用来观看整个曲线图和/或滚动匹配的水平滚动条1650。垂直滚动条1655可以用来滚动和选择或者设置希望的碳水化合物值1630以便在参考模式1610中包括。它也可以用来选择特定的匹配1620。滚动条1655可以是触摸敏感显示，其中利用手指触摸屏幕上的滚动条并且然后在屏幕上在希望的方向上移动手指。滚动条1655上方和下方的箭头可以利用手指在屏幕上触摸以便滚动和/或选择特定的匹配。此外，鼠标也可以用来使用滚动条1655或者上下箭头滚动。匹配的质量可以通过使用误差度量（例如匹配与参考模式之间的绝对误差）和质量评估标签（例如优、好、中、差、坏、糟糕等等）或者可以用来指示匹配的质量的任何其他标签进行评价。

图20绘出了当使用两种算法：朴素的穷举搜索1710和Kd树搜索1720时在降秩的空间中找到最接近的匹配的平均搜索时间的示例性曲线图。这两种算法可以用于搜索并且由于压缩算法的原因而可以相对高效；然而，在该实例中，kd树搜索1720显著地将搜索时间从大约0.038秒的平均值降低至小于大约0.005秒。

尽管上面详细地讨论了若干设备及其部件，但是应当理解的是，这些部件、特征、配置和使用所讨论的设备的方法并不限于上面所提供的上下文。特别地，可以将在所述设备之一的上下文中描述的部件、特征、配置和使用方法合并到其他设备中的任何一个中。此外，不限于下文中提供的进一步描述，附加的和可替换的适当部件、特征、配置和使用所述设备的方法以及其中可以组合和互换本文的教导的各种不同的方式由于本文的教导而对于本领域普通技术人员将是清楚明白的。

在本公开中示出和描述了各个不同的版本之后，本文描述的方法和系统的另外的适应性调节可以由本领域普通技术人员在不脱离本发明的范围的情况下通过适当的修改而完成。若干这样的潜在修改已经被提及，并且其他修改对于本领域技术人员将是清楚明白的。例如，上面讨论的实例、版本、几何结构、材料、维度、比率、步骤等等是说明性的并且不是必需的。相应地，本发明的范围应当根据以下权利要求和实施例来考虑，并且被理解为不限于在说明书和附图中示出和描述的结构和操作的细节。

在下文中，给出了表示为实施例（1）-（42）的本发明的特定实施例。在这里在本发明的上下文中描述的任何特征、功能或者属性可以与下文中给出的实施例（1）-（42）相结合：

实施例（1）-（42）

实施例（1）：一种用于患者的患者监视系统包括：

生理数据输入设备，其在一定时间窗口内采集患者的多个生理测量结果，从而生成至少一个时间窗口数据集合；

存储器，其存储模式匹配算法；以及

处理器，其与所述输入设备通信以便接收所述生成的至少一个时间窗口数据集合，并且与所述存储器通信以便执行所述模式匹配算法，其中所述模式匹配算法在由所述处理器执行时使得所述处理器压缩所述至少一个时间窗口数据集合、存储压缩的至少一个时间窗口数据集合并且使用由模式匹配算法提供的距离度量执行参考模式与存储的至少一个时间窗口数据集合之间的模式匹配。

实施例（2）：实施例（1）的系统，其中生理数据输入设备为在所述时间窗口内采集多个葡萄糖测量结果的传感器。

实施例（3）：实施例（1）的系统，其中参考模式为另一种至少一个时间窗口数据集合、至少一个变换的时间窗口数据集合、至少一个生成的数据集合、至少一条生成的葡萄糖曲线、一个或多个数据标记、一个或多个生成的数据标记值、至少一个多分析物数据集合或者至少一个生成的多分析物数据集合或者其组合。

实施例（4）：实施例（1）的系统，其中使得所述处理器使用变换矩阵将所述至少一个时间窗口数据集合压缩到降秩的空间中。

实施例（5）：实施例（4）的系统，其中变换矩阵由初始化算法确定，该初始化算法在由处理器执行时使得处理器在大的代表性生理测量数据集合上执行特征分解以便确定λ个特征值和V个特征矢量，计算特征值的累积和，并且选择最大特征矢量的子集K。

实施例（6）：实施例（5）的系统，其中K为六或更小。 

实施例（7）：实施例（5）的系统，其中预先选择K以便保留来自所述至少一个时间窗口数据集合的原始数据的至少大约90%。

实施例（8）：实施例（1）的系统，其中所述存储器进一步存储数据预处理算法，其中该数据预处理算法在由所述处理器执行时使得所述处理器按比例归一化和中心化所述至少一个时间窗口数据集合，其中所述多个生理测量结果的分布具有均值0和标准偏差1。

实施例（9）：实施例（1）的系统，其中距离度量选自欧氏距离、马氏距离和修改的欧氏距离。

实施例（10）：实施例（1）的系统，其中处理器通过确定使降秩的空间内的距离度量最小化的最接近的匹配而进行模式匹配。

实施例（11）：实施例（1）的系统，其中处理器通过寻找使降秩的空间内的距离度量最小化的最近d个邻居而进行模式匹配，其中d为感兴趣邻居的数量。

实施例（12）：实施例（9）的系统，其中修改的欧氏距离利用确定模式匹配的绝对误差的误差惩罚函数而被修改。

实施例（13）：实施例（1）的系统，其中数据库包括一种或多种存储算法，所述存储算法在由所述处理器执行时使得处理器以Kd树结构将压缩的数据集合存储到数据库中。

实施例（14）：实施例（13）的系统，其中所述一种或多种存储算法在由所述处理器执行时使得处理器将压缩的数据集合添加到队列，并且然后将压缩的数据集合从队列添加到Kd树结构。

实施例（15）：实施例（1）的系统，其中处理器使用Kd树搜索执行模式匹配。

实施例（16）：实施例（1）的系统，其中处理器使用朴素的穷举搜索执行模式匹配。

实施例（17）：一种存储程序的非暂时性计算机可读介质，该程序在由处理器执行时使得处理器使用距离度量至少执行参考模式与经由患者监视系统收集的至少一个存储的时间窗口数据集合之间的模式匹配。

实施例（18）：实施例（17）的非暂时性计算机可读介质，其中参考模式为来自患者的至少一个时间窗口数据集合、来自超过一个患者的至少一个时间窗口数据集合、至少一个变换的时间窗口数据集合、至少一个生成的数据集合、至少一条生成的葡萄糖曲线、一个或多个数据标记或者至少一个多分析物数据集合或者其组合。

实施例（19）：实施例（17）的非暂时性计算机可读介质，其中所述至少一个时间窗口数据集合为原始数据、变换的数据、与有关数据标记关联的原始数据、与有关数据标记关联的变换的数据或者其组合。

实施例（20）：实施例（17）的非暂时性计算机可读介质，其中所述程序使得处理器通过寻找参考模式的最近邻居而执行模式匹配。

实施例（21）：实施例（17）的非暂时性计算机可读介质，其中所述程序使得处理器通过寻找最近d个邻居而执行模式匹配，其中d为感兴趣邻居的数量。

实施例（22）：实施例（17）的非暂时性计算机可读介质，其中所述程序使得处理器通过寻找参考模式的某一范围r内的至少一个数据点而执行模式匹配，其中r为离参考模式的希望的距离。

实施例（23）：实施例（17）的非暂时性计算机可读介质，其中距离度量选自欧氏距离、马氏距离和修改的欧氏距离。

实施例（24）：实施例（23）的非暂时性计算机可读介质，其中修改的欧氏距离利用确定模式匹配的绝对误差的误差惩罚函数而被修改。

实施例（25）：一种用于使用包括生理数据输入设备和处理器的患者监视系统标识患者中的糖尿病有关事件的方法，该方法包括：

自动地从生理数据输入设备接收指示涉及糖尿病有关事件的生理测量结果的至少一个时间窗口数据集合；

自动地使用处理器将所述至少一个时间窗口数据集合与数据标记关联；

自动地使用处理器将关联的至少一个时间窗口数据集合变换成归一化的至少一个时间窗口数据集合，其中该归一化的至少一个时间窗口数据集合具有均值0和标准偏差1；

自动地使用处理器将归一化的至少一个时间窗口数据集合压缩成压缩的至少一个时间窗口数据集合；

自动地使用处理器存储压缩的至少一个时间窗口数据集合；以及

自动地使用处理器来使用距离度量在参考模式与存储的至少一个时间窗口数据集合之间进行模式匹配。

实施例（26）：实施例（25）的方法，进一步包括自动地使用处理器将压缩的至少一个时间窗口数据集合存储在Kd树中。

实施例（27）：实施例（25）的方法，其中模式匹配包括自动地使用处理器通过在降秩的空间内计算参考模式与最接近的匹配之间的距离度量而寻找最接近的匹配，其中最接近的匹配为最小化距离度量的存储的至少一个时间窗口数据集合之一。

实施例（28）：实施例（25）的方法，其中距离度量选自欧氏距离、马氏距离和修改的欧氏距离。

实施例（29）：实施例（28）的方法，其中修改的欧氏距离利用确定模式匹配的绝对误差的误差惩罚函数而被修改。

实施例（30）：实施例（27）的方法，其中寻找最接近的匹配通过使用Kd树搜索而执行。

实施例（31）：实施例（27）的方法，其中寻找最接近的匹配通过使用朴素的穷举搜索而执行。

实施例（32）：实施例（25）的方法，其中压缩的至少一个时间窗口数据集合由处理器通过经由将矩阵分解成λ个特征值和V个特征矢量执行特征分解而被自动地压缩到降秩的空间中。

实施例（33）：实施例（32）的方法，进一步包括使用处理器自动地计算特征值的累积和，确定对于每个特征矢量的相应特征矢量，以及通过在数据压缩与保留有关信息之间实现平衡而选择特征矢量的子集。

实施例（34）：实施例（33）的方法，进一步包括使用处理器自动地将正交变换矩阵应用于所述特征矢量的子集以便提供压缩的降秩的矢量。

实施例（35）：一种用于使用包括生理数据输入设备、用户输入设备和处理器的监视系统实时地标识患者中的糖尿病有关事件的方法，该方法包括：

自动地从用户输入设备接收至少一个参考模式和关联警示信号；

自动地从生理数据输入设备接收指示涉及糖尿病有关事件的生理测量结果的至少一个时间窗口数据集合；

自动地使用处理器将所述至少一个时间窗口数据集合与数据标记关联；

自动地使用处理器将关联的至少一个时间窗口数据集合变换成归一化的至少一个时间窗口数据集合，其中该归一化的至少一个时间窗口数据集合具有均值0和标准偏差1；

自动地使用处理器将归一化的至少一个时间窗口数据集合压缩成压缩的至少一个时间窗口数据集合；

自动地使用处理器存储压缩的至少一个时间窗口数据集合；以及

自动地使用处理器使用距离度量在参考模式与存储的至少一个时间窗口数据集合之间进行模式匹配，其中当距离度量小于ε时，处理器自动地触发警示。

实施例（36）：实施例（35）的方法，进一步包括：

自动地使用处理器将参考模式变换成归一化的参考模式，其中该归一化的参考模式具有均值0和标准偏差1，以及

自动地使用处理器将归一化的参考模式压缩成压缩的参考模式。

实施例（37）：实施例（35）的方法，其中选择ε，使得匹配为相同生理数据的测量结果的概率至少为大约0.95。

实施例（38）：实施例（35）的方法，其中选择ε，使得匹配为相同生理数据的测量结果的概率至少为大约0.98。

实施例（39）：实施例（35）的方法，其中距离度量选自欧氏距离、马氏距离和修改的欧氏距离。

实施例（40）：实施例（35）的方法，其中压缩的至少一个时间窗口数据集合由处理器通过经由将矩阵分解成λ个特征值和V个特征矢量执行特征分解而自动地压缩到降秩的空间中。

实施例（41）：实施例（40）的方法，进一步包括使用处理器自动地计算特征值的累积和，确定对于每个特征矢量的相应特征矢量，以及通过在数据压缩与保留有关信息之间实现平衡而选择特征矢量的子集。

实施例（42）：实施例（41）的方法，进一步包括使用处理器自动地将正交变换矩阵应用于所述特征矢量的子集以便提供压缩的降秩的矢量。

最后，本发明的特定实现可以如下限定：尤其是如本文所公开的一种具有高效模式匹配算法的患者监视系统、方法及其计算机产品。该系统可以包括：生理数据输入设备或传感器，其在一定时间窗口内接收多个生理测量结果，从而生成至少一个时间窗口数据集合；存储器，其存储程序；以及处理器。该程序在由处理器执行时使得处理器将所述至少一个时间窗口数据集合压缩为降秩的基，并且使用距离度量执行参考模式与压缩的至少一个时间窗口数据集合之间的模式匹配。

附图标记列表 

0110  用于分析生理测量值的设备

0112  手持式仪器

0114  数据处理设备

0116  数据采集设备

0118  模式选择设备

0120  模式识别设备

0122  接口

0124  用户接口

0126  显示元件

0128  放大的图示

0130  当前轮廓

0132  现在时间

0134  参考轮廓

0136  事件

0138  边界条件

0140  数据缓冲器

0142  测量值水平

0144  测量数据记录

0146  简化测量数据记录

0148  网格点类别2

0150  网格点类别3

0152  网格点类别4

0154  没有分配的测量值

0158  日记条目

0160  当前测量值

0161  比较时间间隔

0162  当前时间间隔

0163  比较模式

0164  当前模式

0166  简化当前模式

0167  简化比较模式

0168  候选值

0170  候选时间间隔

0172  候选模式

0174  容差

0176  容差带

0178  锚定值

0180  锚定时间

100  监视系统

102  患者

105  设备

110  生理数据输入设备

115  数据接口

120  处理器

130  数据库

132  分析逻辑

135  存储器

140  显示器

145  用户接口

150，155  网络接口

170  第二网络接口

180  服务器

300  显示器

310  参考模式曲线图

311  标签

312  绘制的参考模式

314  低血糖症

316  高血糖症

318  数据标记

320，330  模式匹配曲线图

325，327  拖动操作

340  附加数据

350  最接近的模式匹配曲线图

360  原始数据曲线图

370  平滑曲线图

380，390  多幅模式匹配曲线图

200，800  算法

202，802  功能框（启动）

205，805  功能框（时间窗口开始）

210，810  功能框（数据采集）

215，815  功能框（数据标记关联）

220，820  功能框（时间窗口结束）

225，825  功能框（归一化，中心化）

230，830  功能框（压缩）

900  初始化算法

910  功能框（收集样本）

920  功能框（特征分解）

930  功能框（选择降低的秩）

940  功能框（将数据压缩为基矢量）

1010-

1040  特征矢量

845-865  功能框（输入和存储）

870  功能框（模式匹配结束）

1210  时间窗口数据集合

1220  降秩的空间

1230  模式匹配

1240  队列

1250  当前时间窗口

1310，

1410  示例性曲线图

1320，

1420  线

1330，

1430  杆条

1510  参考模式

1512  特定匹配

1514  原始数据矢量

1520  前20个匹配

1530  误差边界

1540  滚动条

1550  时间线

1555  匹配部分

1610  参考模式

1620  居前的匹配

1630  碳水化合物值

1640  时间线

1645  匹配部分

1650  滚动条

1710  朴素的穷举搜索

1720  Kd树搜索

Claims (31)

1.用于分析用户的生理测量值的方法，包括

a）至少一个数据采集步骤，其中在数据采集步骤期间，用户的生理测量值在不同的测量时间被采集并且被存储在测量数据记录（0144）中；

b）至少一个模式选择步骤，其中在模式选择步骤期间，将在至少一个比较时间间隔（0161）期间采集的测量值选择为至少一个比较模式（0163）；

c）至少一个模式识别步骤，其中在模式识别步骤期间，在测量数据记录（0144）中寻找与比较模式（0163）相应的模式，

该方法进一步包括至少一个数据简化步骤，其根据测量数据记录（0144）生成简化测量数据记录（0146），并且其中简化测量数据记录（0146）用在以下至少一个中：模式选择步骤b）和模式识别步骤c），

其中在数据简化步骤中规定多个测量值水平（0142），其中标识何时测量值水平（0142）在时间上邻近的两个测量值之间被交叉，其中邻近的测量值中只有更靠近测量值水平（0142）的测量值才被分配给简化测量数据记录（0146）。

2.根据权利要求1的方法，其中比较时间间隔（0161）包括当前时间间隔（0162），其中比较模式（0163）包括当前模式（0164），其中在模式识别步骤期间寻找在比较时间间隔（0161）之前采集并且与当前模式（0164）相应的模式。

3.根据权利要求1或2的方法，其中比较时间间隔（0161）包括可选择时间间隔，其中比较模式（0163）包括感兴趣模式。

4.根据权利要求1或2的方法，其中在数据简化步骤中将比较模式（0163）简化为简化比较模式（0167），并且使用简化比较模式（0167）执行模式识别步骤的至少一部分。

5.根据权利要求1或2的方法，其中除了测量值之外还存储一个或多个边界条件（0138），其中边界条件（0138）表征对用户的身体具有潜在的生理影响的事件。

6.根据权利要求5的方法，其中在模式识别步骤期间考虑边界条件（0138）。

7.根据权利要求1或2的方法，其中在模式选择步骤期间，将在锚定时间处采集的至少一个测量值（0160）指定为锚定值。

8.根据权利要求7的方法，其中在模式识别步骤期间在测量数据记录（0144）中寻找候选时间处记录的候选值（0168），其中候选值（0168）与锚定值相应。

9.根据权利要求1或2的方法，其中在找到至少一个与比较模式（0163）相应的模式的情况下对相应性进行量化，其中相应性的量化涉及候选值以及包括随着时间基本上恒定的偏置的测量数据记录，或者其中相应性的量化涉及候选值的动态表示以及排除偏置的测量数据记录的动态表示，所述偏置代表候选值和测量数据记录的绝对水平。

10.根据权利要求1或2的方法，进一步包括：

d）至少一个交互步骤，其中在该交互步骤期间，处理或向用户标示模式识别步骤的至少一个结果或者这二者。

11.根据权利要求10的方法，其中在交互步骤期间，确立或借助于至少一个显示元件（0126）显示测量值的可能的未来轮廓或者这二者。

12.根据权利要求10的方法，其中在交互步骤期间，使在模式识别步骤期间标识的且与比较模式（0163）相应的一个或多个模式经受分析。

13.根据权利要求10的方法，其中在交互步骤期间，生成用于用户的至少一个指令。

14.根据权利要求1或2的方法，其中重复地执行方法步骤b）和c），其中选择测量数据记录（0144）的多个比较模式（0163），并且其中分别使用选择的比较模式（0163）执行至少一个模式识别步骤。

15.根据权利要求14的方法，其中将在模式识别步骤期间确立的相应模式组合成分别相应的模式的组。

16.根据权利要求7的方法，其中所述至少一个测量值（0160）选自包括当前测量值和感兴趣测量值的组。

17.根据权利要求7的方法，其中锚定时间选自包括当前测量时间和感兴趣测量时间的组。

18.根据权利要求8的方法，其中将在确立的候选时间处行为像在锚定时间处的比较时间间隔（0161）的至少一个时间间隔确定为候选时间间隔（0170）。

19.根据权利要求18的方法，其中将在候选时间间隔（0170）期间采集的测量值标识为候选模式（0172）。

20.根据权利要求18的方法，其中将候选模式（0172）与比较模式（0163）进行比较。

21.根据权利要求9的方法，其中借助于至少一个相关对相应性进行量化。

22.根据权利要求10的方法，其中在模式识别步骤期间标识的且与比较模式（0163）相应的至少一个模式在交互步骤期间借助于至少一个显示元件（0126）来显示。

23.根据权利要求12的方法，其中所述分析为统计分析。

24.根据权利要求23的方法，其中在平均模式或误差通道的形成下执行统计分析。

25.根据权利要求10的方法，其中重复地执行方法步骤b）、c）和d）。

26.根据权利要求14的方法，其中接续地选择测量数据记录（0144）的多个比较模式（0163）。

27.根据权利要求15的方法，其中使相应模式的组经受至少一种分析。

28.根据权利要求27的方法，其中使相应模式的组经受统计分析。

29.根据权利要求27的方法，其中通过比较找到的组来执行统计分析。

30.用于分析用户的生理测量值的设备，包括：

a）至少一个数据采集设备（0116），其用于采集用户的生理测量值并且将这些生理测量值存储在测量数据记录（0144）中；

b）至少一个模式选择设备（0118），其中该模式选择设备（0118）被设计成将在至少一个比较时间间隔（0161）期间采集的测量值选择为至少一个比较模式（0163）；

c）至少一个模式识别设备（0120），其中该模式识别设备（0120）被设计成在测量数据记录（0144）中搜索与比较模式（0163）相应的模式，

其中该用于分析用户的生理测量值的设备适于执行至少一个数据简化步骤，其根据测量数据记录（0144）生成简化测量数据记录（0146），并且其中简化测量数据记录（0146）由以下至少一个使用：模式选择设备（0118）和模式识别设备（0120），

其中在数据简化步骤中规定多个测量值水平（0142），其中标识何时测量值水平（0142）在时间上邻近的两个测量值之间被交叉，其中邻近的测量值中只有更靠近测量值水平（0142）的测量值才被分配给简化测量数据记录（0146）。

31.根据权利要求30的设备，其中该设备用来标识用户的生理身体状态的存在性。