CN106175790B - 基于Volterra级数的血糖数据处理方法及装置 - Google Patents
基于Volterra级数的血糖数据处理方法及装置 Download PDFInfo
- Publication number
- CN106175790B CN106175790B CN201610512338.4A CN201610512338A CN106175790B CN 106175790 B CN106175790 B CN 106175790B CN 201610512338 A CN201610512338 A CN 201610512338A CN 106175790 B CN106175790 B CN 106175790B
- Authority
- CN
- China
- Prior art keywords
- blood glucose
- mrow
- msub
- volterra series
- data
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
Classifications
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/145—Measuring characteristics of blood in vivo, e.g. gas concentration, pH value; Measuring characteristics of body fluids or tissues, e.g. interstitial fluid, cerebral tissue
- A61B5/1455—Measuring characteristics of blood in vivo, e.g. gas concentration, pH value; Measuring characteristics of body fluids or tissues, e.g. interstitial fluid, cerebral tissue using optical sensors, e.g. spectral photometrical oximeters
- A61B5/14551—Measuring characteristics of blood in vivo, e.g. gas concentration, pH value; Measuring characteristics of body fluids or tissues, e.g. interstitial fluid, cerebral tissue using optical sensors, e.g. spectral photometrical oximeters for measuring blood gases
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/72—Signal processing specially adapted for physiological signals or for diagnostic purposes
- A61B5/7235—Details of waveform analysis
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/72—Signal processing specially adapted for physiological signals or for diagnostic purposes
- A61B5/7235—Details of waveform analysis
- A61B5/7264—Classification of physiological signals or data, e.g. using neural networks, statistical classifiers, expert systems or fuzzy systems
Landscapes
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Biophysics (AREA)
- General Health & Medical Sciences (AREA)
- Veterinary Medicine (AREA)
- Public Health (AREA)
- Animal Behavior & Ethology (AREA)
- Surgery (AREA)
- Molecular Biology (AREA)
- Medical Informatics (AREA)
- Artificial Intelligence (AREA)
- Pathology (AREA)
- Biomedical Technology (AREA)
- Heart & Thoracic Surgery (AREA)
- Signal Processing (AREA)
- Psychiatry (AREA)
- Physiology (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Evolutionary Computation (AREA)
- Mathematical Physics (AREA)
- Fuzzy Systems (AREA)
- Spectroscopy & Molecular Physics (AREA)
- Optics & Photonics (AREA)
- Measurement Of The Respiration, Hearing Ability, Form, And Blood Characteristics Of Living Organisms (AREA)
Abstract
本发明公开了一种基于Volterra级数的血糖数据处理方法及装置，该方法包括：建立血糖信息数据库；血糖信息数据库存储有若干个待测者的血糖信息，每个血糖信息包括采样数据和输出数据；获取第一待测者的血糖测量信号，并将血糖测量信号转换为第一采样数据；根据第一采样数据和数据库中血糖信息，建立基于Volterra级数的优化模型；优化模型用于第一输出数据的优化；第一输出数据是根据第一采样数据而计算获得。采用本发明实施例，能提高监测结果精确性和稳定性。
Description
技术领域
本发明涉及计算机技术领域，尤其涉及一种无线网状网的接入认证方法。
背景技术
传统的血糖检测方式包括采集血液样本验尿、超声波、X光片、内视镜等，通过试纸或试剂等化学物质检测血糖浓度。而随着无创监测技术的发展，出现了利用非接触类传感器从人体皮肤、舌头或口腔黏膜获取信息进行比对分析后获得结果。例如申请号为201510248120.8的一种基于毫米波的血糖测量系统，收集毫米波波谱信息来获得相应的血糖值。
现有技术的缺点是：传统测量方法对人体是有创伤的，检测时采血必须刺破神经密集的指尖，加之针刺的伤口对于糖尿病人是极为不利的，多次测量还会对人的身体健康造成损害，而且不同的人具有不同的体质如皮下脂肪厚度，难以获得精确的参数估计。而现有的无创血糖测量系统只是针对常规的病人进行测量，其测量结果缺乏大数据支持，其测量精确度依赖于毫米波的发射与接收，毫米波为特殊频道的波长，存在实用性、鲁棒性和稳定性不足的问题。
发明内容
本发明实施例提出一种基于Volterra级数的血糖数据处理方法及装置，能提高监测结果精确性和稳定性。
本发明实施例提供一种基于Volterra级数的血糖数据处理方法，所述血糖数据处理方法适用于无创血糖测量系统；所述血糖数据处理方法包括：
建立血糖信息数据库；所述血糖信息数据库存储有若干个待测者的血糖信息，每个血糖信息包括采样数据和输出数据；
获取第一待测者的血糖测量信号，并将所述血糖测量信号转换为第一采样数据；
根据所述第一采样数据和所述数据库中血糖信息，建立基于Volterra级数的优化模型；所述优化模型用于第一输出数据的优化；所述第一输出数据是根据所述第一采样数据而计算获得。
进一步的，所述根据所述第一采样数据和所述数据库中血糖信息，建立基于Volterra级数的优化模型，具体为：
所述第一采样数据为提取所述数据库中所述第一待测者的血糖信息
根据以下公式建立基于Volterra级数的优化模型：
约束条件为：其中j＝1,…,N；
预先定义参数和为原始参数，利用所述优化模型求得参数然后由和求得最后由和求得如此迭代下去使得各参数满足所述约束条件。
进一步的，所述基于Volterra级数的血糖数据处理方法还包括：
获取第二待测者的第二血糖测量信号，并将所述第二血糖测量信号转换为第二采样数据；
根据所述第二采样数据和所述优化模型，获得优化后的第二输出数据，并通过显示设备显示所述优化后的第二输出数据。
进一步的，所述基于Volterra级数的血糖数据处理方法还包括：
将所述第一采集数据、第一输出数据、第二采集数据和第二输出数据存储到所述血糖信息数据库中。
进一步的，所述获取第一待测者的血糖测量信号，并将所述血糖测量信号转换为第一采样数据，具体为：
向所述第一待测者的皮肤发射红外光，并接收反射光信号，将所述反射光信号转换为所述第一采样数据。
相应地，本发明实施例还提供一种基于Volterra级数的血糖数据处理装置，所述血糖数据处理装置适用于无创血糖测量系统；所述血糖数据处理装置包括：信号处理模块、存储模块和信号测量模块；
其中，所述信号测量模块用于获取第一待测者的血糖测量信号；
所述信号处理模块包括第一转换单元、数据库建立单元和模型建立单元；
所述第一转换单元用于将所述血糖测量信号转换为第一采样数据；
所述数据库建立单元用于建立血糖信息数据库；其中，所述血糖信息数据库存储有若干个待测者的血糖信息，每个血糖信息包括采样数据和输出数据；
所述模型建立单元用于根据所述第一采样数据和所述数据库中血糖信息，建立基于Volterra级数的优化模型；所述优化模型用于第一输出数据的优化；所述第一输出数据是根据所述第一采样数据而计算获得；
所述存储模块用于存储所述血糖信息数据库。
进一步的，所述模型建立单元用于根据所述第一采样数据和所述数据库中血糖信息，建立基于Volterra级数的优化模型，具体为：
所述第一采样数据为提取所述数据库中所述第一待测者的血糖信息
根据以下公式建立基于Volterra级数的优化模型：
约束条件为：其中j＝1,…,N；
预先定义参数和为原始参数，利用所述优化模型求得参数然后由和求得最后由和求得如此迭代下去使得各参数满足所述约束条件。
进一步的，所述信号测量模块还用于获取第二待测者的第二血糖测量信号；
所述信号处理模块还包括：第二转换单元和第二输出单元；
所述第二转换单元用于将所述第二血糖测量信号转换为第二采样数据；
所述第二输出单元用于根据所述第二采样数据和所述优化模型，获得优化后的第二输出数据，并通过显示设备显示所述优化后的第二输出数据。
进一步的，所述信号测量模块包括红外光源单元；
所述第一转换单元是由光敏元件组成的探测器；
所述红外光源单元用于向所述第一待测者的皮肤发射红外光；
所述探测器用于接收反射光信号，将所述反射光信号转换为所述第一采样数据。
进一步的，所述的基于Volterra级数的血糖数据处理装置还包括：显示模块；
所述显示模块与所述信号处理模块连接，用于显示所述信号处理模块输出的数据。
实施本发明实施例，具有如下有益效果：
本发明实施例提供的基于Volterra级数的血糖数据处理方法及装置，通过建立血糖信息数据库后，根据获取的第一采样数据和数据库中提取的血糖信息，建立基于Volterra级数的优化模型。该优化模型用于第一输出数据的优化。相比于现有技术使用毫米波进行血糖测量，本发明利用数据库和待测者的数据结合后建立Volterra级数的优化模型，并使用优化模型对血糖数据进行优化，输出更加精确的检测数据，从而提高监测结果的精确性和稳定性。另外，本发明提供的装置体积较小，便于携带，可以在家庭或其他特定场所随时完成监测。
附图说明
图1是本发明提供的基于Volterra级数的血糖数据处理方法的一种实施例的结构示意图；
图2是本发明提供的基于Volterra级数的血糖数据处理方法的另一种实施例的结构示意图；
图3是本发明提供的基于Volterra级数的血糖数据处理装置的一种实施例的结构示意图；
图4是本发明提供的基于Volterra级数的血糖数据处理装置的另一种实施例的结构示意图；
图5是本发明提供的基于Volterra级数的血糖数据处理装置的又一种实施例的结构示意图。
具体实施方式
下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
参见图1，是本发明提供的基于Volterra级数的血糖数据处理方法的一种实施例的流程示意图，该方法包括步骤101至103，各步骤具体如下：
步骤101：建立血糖信息数据库；血糖信息数据库存储有若干个待测者的血糖信息，每个血糖信息包括采样数据和输出数据。
在本实施例中，血糖信息数据库需要大量数据的支持，血糖信息数据库存储有若干个待测者的血糖信息。如病人A进行了N次血糖测量，血糖信息数据库中存储了该病人的N个血糖信息，每个血糖信息包含测量时的采样数据和最后获得血糖的输出数据。
步骤102：获取第一待测者的血糖测量信号，并将血糖测量信号转换为第一采样数据。
在本实施例中，步骤102具体为：向第一待测者的皮肤发射红外光，并接收反射光信号，将反射光信号转换为第一采样数据。
步骤103：根据第一采样数据和数据库中血糖信息，建立基于Volterra级数的优化模型；优化模型用于第一输出数据的优化；第一输出数据是根据第一采样数据而计算获得。
在本实施例中，步骤103具体为：第一采样数据为提取数据库中第一待测者的血糖信息
根据以下公式建立基于Volterra级数的优化模型：
约束条件为：其中j＝1,…,N；
预先定义参数和为原始参数，利用优化模型求得参数然后由和求得最后由和求得如此迭代下去使得各参数满足约束条件。
在本实施例中，通过采样数据而计算得出输出数据为现有技术，如根据反射光数据获得血糖浓度，在此不再赘述。
在本实施例中，优化模型和相应参数存储在存储器中，优化后的第一输出数据可以通过显示设备显示出来。
在本实施例中，优化模型可以在预设周期内进行更新，提高测量的精确度。
作为本实施例的一种举例，参见图2，图2是本发明提供的基于Volterra级数的血糖数据处理方法的另一种实施例的结构示意图。图2与图1的区别在于，该方法还包括步骤204和205，具体如下：
步骤204：获取第二待测者的第二血糖测量信号，并将第二血糖测量信号转换为第二采样数据。
步骤205：根据第二采样数据和优化模型，获得优化后的第二输出数据，并通过显示设备显示优化后的第二输出数据。
在本举例中，待测者可以为第一次使用本发明的装置进行测量，利用预先存储的优化模型和采样数据，直接对第二输出数据进行优化，获得更准确的血糖数据，再通过显示设备显示出来。
在本举例中，该方法还包括：将第一采集数据、第一输出数据、第二采集数据和第二输出数据存储到血糖信息数据库中，以便于数据保存或更新优化模型。
相应地，参见图3，图3是本发明提供的基于Volterra级数的血糖数据处理装置的一种实施例的结构示意图。如图3所示，该装置包括：信号处理模块301、存储模块302和信号测量模块303。
其中，信号测量模块303用于获取第一待测者的血糖测量信号。
信号处理模块301包括第一转换单元3011、数据库建立单元3012和模型建立单元3013。第一转换单元3011用于将所述血糖测量信号转换为第一采样数据。数据库建立单元3012用于建立血糖信息数据库。其中，血糖信息数据库存储有若干个待测者的血糖信息，每个血糖信息包括采样数据和输出数据。模型建立单元3013用于根据第一采样数据和数据库中血糖信息，建立基于Volterra级数的优化模型。优化模型用于第一输出数据的优化；第一输出数据是根据第一采样数据而计算获得。
存储模块302用于存储血糖信息数据库。存储模块302可以但不限于由随机存储器和只读存储器组成，把病人最近准确数据存储起来，便于日后分析和对比。
在本实施例中，模型建立单元3013用于根据第一采样数据和数据库中血糖信息，建立基于Volterra级数的优化模型，具体为：
所述第一采样数据为提取数据库中所述第一待测者的血糖信息
根据以下公式建立基于Volterra级数的优化模型：
约束条件为：其中j＝1,…,N；
预先定义参数和为原始参数，利用所述优化模型求得参数然后由和求得最后由和求得如此迭代下去使得各参数满足所述约束条件。
作为本实施例的一种举例，参见图4，图4是本发明提供的基于Volterra级数的血糖数据处理装置的另一种实施例的结构示意图。图4与图3的区别在于，信号处理模块301还包括：第二转换单元3014和第二输出单元3015。信号测量模块303还用于获取第二待测者的第二血糖测量信号。第二转换单元3014用于将第二血糖测量信号转换为第二采样数据。第二输出单元3015用于根据第二采样数据和优化模型，获得优化后的第二输出数据，并通过显示设备显示优化后的第二输出数据。
作为本实施例的一种举例，信号测量模块303可以但不限于为包括红外光源单元。该红外光源单元由电源、开关和卤钨灯组成，通过电源给卤钨灯供电。第一转换单元3011是由光敏元件组成的探测器。红外光源单元用于向第一待测者的皮肤发射红外光。探测器用于接收反射光信号，将反射光信号转换为第一采样数据。探测器能够筛选出特定波长，该波长使得血糖信噪比提高。
作为本实施例的一种举例，本发明提供的装置还包括：显示模块。显示模块与信号处理模块301连接，用于显示信号处理模块301输出的数据。显示模块可以但不限于为液晶屏，把检测界面与相关的检测结果显示出来。
作为本实施例的一种举例，参见图5，图5是本发明提供的基于Volterra级数的血糖数据处理装置的又一种实施例的结构示意图。如图5所示本装置为智能手表，501为手表显示屏，502为手表侧面，侧面上有红外发射孔，便于携带。本发明提供的装置可以但不限于为智能手表、智能终端或相关便携设备。
综上所述，本发明实施例提供的基于Volterra级数的血糖数据处理方法及装置，通过建立血糖信息数据库后，根据获取的第一采样数据和数据库中提取的血糖信息，建立基于Volterra级数的优化模型。该优化模型用于第一输出数据的优化。相比于现有技术使用毫米波进行血糖测量，本发明利用数据库和待测者的数据结合后建立Volterra级数的优化模型，并使用优化模型对血糖数据进行优化，输出更加精确的检测数据，从而提高监测结果的精确性和稳定性。另外，本发明提供的装置体积较小，便于携带，可以在家庭或其他特定场所随时完成监测。
进一步的，本发明使用预先存储的优化模型对第一次监测的病人进行数据优化，提高测量数据的精确度。
以上所述是本发明的优选实施方式，应当指出，对于本技术领域的普通技术人员来说，在不脱离本发明原理的前提下，还可以做出若干改进和润饰，这些改进和润饰也视为本发明的保护范围。
Claims (10)
1.一种基于Volterra级数的血糖数据处理方法，其特征在于，所述血糖数据处理方法适用于无创血糖测量系统；所述血糖数据处理方法包括：
建立血糖信息数据库；所述血糖信息数据库存储有若干个待测者的血糖信息，每个血糖信息包括采样数据和输出数据；
获取第一待测者的血糖测量信号，并将所述血糖测量信号转换为第一采样数据；
根据所述第一采样数据和所述数据库中血糖信息，建立基于Volterra级数的优化模型；所述优化模型用于第一输出数据的优化；所述第一输出数据是根据所述第一采样数据而计算获得。
2.根据权利要求1所述的基于Volterra级数的血糖数据处理方法，其特征在于，所述根据所述第一采样数据和所述数据库中血糖信息，建立基于Volterra级数的优化模型，具体为：
所述第一采样数据为提取所述数据库中所述第一待测者的血糖信息
根据以下公式建立基于Volterra级数的优化模型：
<mrow>
<munder>
<mi>min</mi>
<mi>&theta;</mi>
</munder>
<munderover>
<mo>&Sigma;</mo>
<mrow>
<mi>j</mi>
<mo>=</mo>
<mn>1</mn>
</mrow>
<mi>N</mi>
</munderover>
<mo>|</mo>
<mover>
<mi>y</mi>
<mo>~</mo>
</mover>
<mrow>
<mo>(</mo>
<msub>
<mi>t</mi>
<mi>j</mi>
</msub>
<mo>)</mo>
</mrow>
<mo>-</mo>
<munderover>
<mo>&Sigma;</mo>
<mrow>
<mi>k</mi>
<mo>=</mo>
<mn>1</mn>
</mrow>
<mn>3</mn>
</munderover>
<msubsup>
<mo>&Integral;</mo>
<mrow>
<mo>-</mo>
<mi>&infin;</mi>
</mrow>
<mrow>
<mo>+</mo>
<mi>&infin;</mi>
</mrow>
</msubsup>
<mn>...</mn>
<msubsup>
<mo>&Integral;</mo>
<mrow>
<mo>-</mo>
<mi>&infin;</mi>
</mrow>
<mrow>
<mo>+</mo>
<mi>&infin;</mi>
</mrow>
</msubsup>
<msub>
<mi>a</mi>
<mi>k</mi>
</msub>
<msub>
<mi>f</mi>
<mi>k</mi>
</msub>
<mrow>
<mo>(</mo>
<msub>
<mi>&tau;</mi>
<mn>1</mn>
</msub>
<mo>,</mo>
<mn>...</mn>
<mo>,</mo>
<msub>
<mi>&tau;</mi>
<mi>k</mi>
</msub>
<mo>)</mo>
</mrow>
<munderover>
<mo>&Pi;</mo>
<mrow>
<mi>i</mi>
<mo>=</mo>
<mn>1</mn>
</mrow>
<mi>k</mi>
</munderover>
<mover>
<mi>u</mi>
<mo>~</mo>
</mover>
<mrow>
<mo>(</mo>
<msub>
<mi>t</mi>
<mi>j</mi>
</msub>
<mo>-</mo>
<msub>
<mi>&tau;</mi>
<mi>i</mi>
</msub>
<mo>)</mo>
</mrow>
<msub>
<mi>d&tau;</mi>
<mi>i</mi>
</msub>
<mo>|</mo>
<mo>,</mo>
</mrow>
约束条件为：其中j＝1,…,N；
预先定义参数和为原始参数，利用所述优化模型求得参数然后由和求得最后由和求得如此迭代下去使得各参数满足所述约束条件。
3.根据权利要求1所述的基于Volterra级数的血糖数据处理方法，其特征在于，还包括：
获取第二待测者的第二血糖测量信号，并将所述第二血糖测量信号转换为第二采样数据；
根据所述第二采样数据和所述优化模型，获得优化后的第二输出数据，并通过显示设备显示所述优化后的第二输出数据。
4.根据权利要求3所述的基于Volterra级数的血糖数据处理方法，其特征在于，还包括：
将所述第一采集数据、第一输出数据、第二采集数据和第二输出数据存储到所述血糖信息数据库中。
5.根据权利要求1所述的基于Volterra级数的血糖数据处理方法，其特征在于，所述获取第一待测者的血糖测量信号，并将所述血糖测量信号转换为第一采样数据，具体为：
向所述第一待测者的皮肤发射红外光，并接收反射光信号，将所述反射光信号转换为所述第一采样数据。
6.一种基于Volterra级数的血糖数据处理装置，其特征在于，所述血糖数据处理装置适用于无创血糖测量系统；所述血糖数据处理装置包括：信号处理模块、存储模块和信号测量模块；
其中，所述信号测量模块用于获取第一待测者的血糖测量信号；
所述信号处理模块包括第一转换单元、数据库建立单元和模型建立单元；
所述第一转换单元用于将所述血糖测量信号转换为第一采样数据；
所述数据库建立单元用于建立血糖信息数据库；其中，所述血糖信息数据库存储有若干个待测者的血糖信息，每个血糖信息包括采样数据和输出数据；
所述模型建立单元用于根据所述第一采样数据和所述数据库中血糖信息，建立基于Volterra级数的优化模型；所述优化模型用于第一输出数据的优化；所述第一输出数据是根据所述第一采样数据而计算获得；
所述存储模块用于存储所述血糖信息数据库。
7.根据权利要求6所述的基于Volterra级数的血糖数据处理装置，其特征在于，所述模型建立单元用于根据所述第一采样数据和所述数据库中血糖信息，建立基于Volterra级数的优化模型，具体为：
所述第一采样数据为提取所述数据库中所述第一待测者的血糖信息
根据以下公式建立基于Volterra级数的优化模型：
<mrow>
<munder>
<mi>min</mi>
<mi>&theta;</mi>
</munder>
<munderover>
<mo>&Sigma;</mo>
<mrow>
<mi>j</mi>
<mo>=</mo>
<mn>1</mn>
</mrow>
<mi>N</mi>
</munderover>
<mo>|</mo>
<mover>
<mi>y</mi>
<mo>~</mo>
</mover>
<mrow>
<mo>(</mo>
<msub>
<mi>t</mi>
<mi>j</mi>
</msub>
<mo>)</mo>
</mrow>
<mo>-</mo>
<munderover>
<mo>&Sigma;</mo>
<mrow>
<mi>k</mi>
<mo>=</mo>
<mn>1</mn>
</mrow>
<mn>3</mn>
</munderover>
<msubsup>
<mo>&Integral;</mo>
<mrow>
<mo>-</mo>
<mi>&infin;</mi>
</mrow>
<mrow>
<mo>+</mo>
<mi>&infin;</mi>
</mrow>
</msubsup>
<mn>...</mn>
<msubsup>
<mo>&Integral;</mo>
<mrow>
<mo>-</mo>
<mi>&infin;</mi>
</mrow>
<mrow>
<mo>+</mo>
<mi>&infin;</mi>
</mrow>
</msubsup>
<msub>
<mi>a</mi>
<mi>k</mi>
</msub>
<msub>
<mi>f</mi>
<mi>k</mi>
</msub>
<mrow>
<mo>(</mo>
<msub>
<mi>&tau;</mi>
<mn>1</mn>
</msub>
<mo>,</mo>
<mn>...</mn>
<mo>,</mo>
<msub>
<mi>&tau;</mi>
<mi>k</mi>
</msub>
<mo>)</mo>
</mrow>
<munderover>
<mo>&Pi;</mo>
<mrow>
<mi>i</mi>
<mo>=</mo>
<mn>1</mn>
</mrow>
<mi>k</mi>
</munderover>
<mover>
<mi>u</mi>
<mo>~</mo>
</mover>
<mrow>
<mo>(</mo>
<msub>
<mi>t</mi>
<mi>j</mi>
</msub>
<mo>-</mo>
<msub>
<mi>&tau;</mi>
<mi>i</mi>
</msub>
<mo>)</mo>
</mrow>
<msub>
<mi>d&tau;</mi>
<mi>i</mi>
</msub>
<mo>|</mo>
<mo>,</mo>
</mrow>
约束条件为：其中j＝1,…,N；
预先定义参数和为原始参数，利用所述优化模型求得参数然后由和求得最后由和求得如此迭代下去使得各参数满足所述约束条件。
8.根据权利要求6所述的基于Volterra级数的血糖数据处理装置，其特征在于，所述信号测量模块还用于获取第二待测者的第二血糖测量信号；
所述信号处理模块还包括：第二转换单元和第二输出单元；
所述第二转换单元用于将所述第二血糖测量信号转换为第二采样数据；
所述第二输出单元用于根据所述第二采样数据和所述优化模型，获得优化后的第二输出数据，并通过显示设备显示所述优化后的第二输出数据。
9.根据权利要求6所述的基于Volterra级数的血糖数据处理装置，其特征在于，所述信号测量模块包括红外光源单元；
所述第一转换单元是由光敏元件组成的探测器；
所述红外光源单元用于向所述第一待测者的皮肤发射红外光；
所述探测器用于接收反射光信号，将所述反射光信号转换为所述第一采样数据。
10.根据权利要求6所述的基于Volterra级数的血糖数据处理装置，其特征在于，还包括：显示模块；
所述显示模块与所述信号处理模块连接，用于显示所述信号处理模块输出的数据。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201610512338.4A CN106175790B (zh) | 2016-07-01 | 2016-07-01 | 基于Volterra级数的血糖数据处理方法及装置 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201610512338.4A CN106175790B (zh) | 2016-07-01 | 2016-07-01 | 基于Volterra级数的血糖数据处理方法及装置 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN106175790A CN106175790A (zh) | 2016-12-07 |
| CN106175790B true CN106175790B (zh) | 2018-03-02 |
Family
ID=57463672
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201610512338.4A Active CN106175790B (zh) | 2016-07-01 | 2016-07-01 | 基于Volterra级数的血糖数据处理方法及装置 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN106175790B (zh) |
Families Citing this family (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN109567822B (zh) * | 2018-10-30 | 2021-12-07 | 北京雪扬科技有限公司 | 一种用于器官患病检测的身体检测系统 |
Family Cites Families (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| SG156540A1 (en) * | 2008-04-16 | 2009-11-26 | Glucostats System Pte Ltd | Method and system for measuring a composition in the blood stream of a patient |
| US20150018632A1 (en) * | 2012-09-14 | 2015-01-15 | Mohammad Khair | System and Method For Monitoring Cardiac Blood Flow Balance Between The Right and Left Heart Chambers |
| CN104739421A (zh) * | 2015-04-09 | 2015-07-01 | 深圳市一体太赫兹科技有限公司 | 血糖检测方法和装置 |
| CN205126251U (zh) * | 2015-05-15 | 2016-04-06 | 深圳市一体太糖科技有限公司 | 一种微波无创血糖测量装置 |
-
2016
- 2016-07-01 CN CN201610512338.4A patent/CN106175790B/zh active Active
Also Published As
| Publication number | Publication date |
|---|---|
| CN106175790A (zh) | 2016-12-07 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN108601563B (zh) | 非侵入性感测系统 | |
| US8797180B2 (en) | Fluid testing apparatus and methods of use | |
| US20090105571A1 (en) | Method and System for Providing Data Communication in Data Management Systems | |
| CN101828908A (zh) | 无袖带便携式监测人体生理参数的装置与方法 | |
| CN205163037U (zh) | 便携式多参数人体生理数据检测装置 | |
| CN107689040B (zh) | 血糖检测的移动终端 | |
| CN106361309A (zh) | 一种人体生理参数远程监护系统 | |
| CN109567822A (zh) | 一种用于器官患病检测的身体检测系统 | |
| CN202075262U (zh) | 无线多功能连续葡萄糖监测系统 | |
| CN105877720A (zh) | 一种人体脉搏及体温监测装置 | |
| CN205019025U (zh) | 一种多生理参数的快速检测和诊断系统 | |
| CN206443702U (zh) | 一种无创血糖检测装置 | |
| CN115064261A (zh) | 基于人工智能的血糖统计系统及方法 | |
| CN215728171U (zh) | 一种具有可插接式分体检测模块的检测仪 | |
| CN203885485U (zh) | 一种多功能健康检测仪 | |
| CN106175790B (zh) | 基于Volterra级数的血糖数据处理方法及装置 | |
| CN110428893A (zh) | 一种远程医疗生命体征数据采集装置 | |
| CN204581297U (zh) | 一种基于脉搏波的胰岛素抵抗检测仪 | |
| Jaeschke et al. | Overview on SNIFFPHONE: a portable device for disease diagnosis | |
| CN106344038A (zh) | 无创血糖测量系统 | |
| CN114366090B (zh) | 一种集成多种测量机制的血液成分检定方法 | |
| CN110522436A (zh) | 脉搏信号采集系统 | |
| CN205107649U (zh) | 中医健康管理云平台家庭云健康监护系统 | |
| CN207979671U (zh) | 便携式一体化多参数人体生理信号检测装置 | |
| CN110333343A (zh) | 一种基于呼气检测的糖耐受能力量化评测装置 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| C06 | Publication | ||
| PB01 | Publication | ||
| C10 | Entry into substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant | ||
| CP02 | Change in the address of a patent holder | ||
| CP02 | Change in the address of a patent holder |
Address after: 518000 Building No. 1, Changfu Jinmao Building, South Side of Hualu, Fubao Street, Futian District, Shenzhen City, Guangdong Province, 1903 Patentee after: Shu sugar information technology (Shenzhen) Co., Ltd. Address before: 518052 Guangdong city of Shenzhen province Qianhai Shenzhen Hong Kong cooperation zone before Bay Road No. 1 building 201 room A Patentee before: Shu sugar information technology (Shenzhen) Co., Ltd. |