CN107802255A - 一种基于代谢法的血糖数据处理方法及装置 - Google Patents
一种基于代谢法的血糖数据处理方法及装置 Download PDFInfo
- Publication number
- CN107802255A CN107802255A CN201711241120.0A CN201711241120A CN107802255A CN 107802255 A CN107802255 A CN 107802255A CN 201711241120 A CN201711241120 A CN 201711241120A CN 107802255 A CN107802255 A CN 107802255A
- Authority
- CN
- China
- Prior art keywords
- blood glucose
- blood
- heart rate
- radiation temperature
- level 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.)
- Granted
Links
Classifications
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/02—Detecting, measuring or recording pulse, heart rate, blood pressure or blood flow; Combined pulse/heart-rate/blood pressure determination; Evaluating a cardiovascular condition not otherwise provided for, e.g. using combinations of techniques provided for in this group with electrocardiography or electroauscultation; Heart catheters for measuring blood pressure
- A61B5/0205—Simultaneously evaluating both cardiovascular conditions and different types of body conditions, e.g. heart and respiratory condition
- A61B5/02055—Simultaneously evaluating both cardiovascular condition and temperature
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/02—Detecting, measuring or recording pulse, heart rate, blood pressure or blood flow; Combined pulse/heart-rate/blood pressure determination; Evaluating a cardiovascular condition not otherwise provided for, e.g. using combinations of techniques provided for in this group with electrocardiography or electroauscultation; Heart catheters for measuring blood pressure
- A61B5/024—Detecting, measuring or recording pulse rate or heart rate
-
- 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
- A61B5/14542—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 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
- A61B5/7271—Specific aspects of physiological measurement analysis
Landscapes
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Animal Behavior & Ethology (AREA)
- General Health & Medical Sciences (AREA)
- Biophysics (AREA)
- Biomedical Technology (AREA)
- Heart & Thoracic Surgery (AREA)
- Medical Informatics (AREA)
- Molecular Biology (AREA)
- Surgery (AREA)
- Cardiology (AREA)
- Pathology (AREA)
- Public Health (AREA)
- Veterinary Medicine (AREA)
- Physiology (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Artificial Intelligence (AREA)
- Psychiatry (AREA)
- Signal Processing (AREA)
- Optics & Photonics (AREA)
- Pulmonology (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代谢法的血糖数据处理方法及装置,所述方法包括:建立心率、血氧、辐射温度三个参数和血糖的关系模型,对血糖的取值范围进行分段划分;然后在各个分段区间上,采集预设数量的样本数据用于训练关系模型;分别获取心率、血氧、辐射温度三个参数和血糖对应的概率分布关系,以及各个分段区间对应的关系模型系数;最后获取待测者的心率、血氧和辐射温度,利用所述三个参数和所述概率分布关系,判断待测者的血糖所处的分段区间,再根据该区间的关系模型系数计算血糖。本发明解决了传统的代谢热整合法血糖模型的计算参数过多、精细程度不足以及参数系数通用性不够好的问题,极大提高了血糖检测精度。
Description
技术领域
本发明涉及计算机技术领域,更具体地,涉及一种基于代谢法的血糖数据处理方法及装置。
背景技术
血糖检测是人们健康体检过程中非常重要的一个环节,传统的血糖检测方法主要是侵入式的有创检测方式。由于这种检测方式带来的疼痛感,以及由此引发的心理恐惧,该方式直接导致很多用户放弃血糖检测。于是,微创甚至无创的检测方式就成为了趋势。
目前,在关于人体的生理参数中,心率、血氧、辐射温度这些参数的获取方式已经相当成熟,并且在此基础上实现血糖估计的方法得到了一定的研究,即利用代谢法来获取血糖,这类模型主要是以代谢热整合法数学模型为主,该模型提出血糖是关于人体产热量、人体局部血液流速和人体动脉血氧饱和度的函数,通用的数学模型如下述公式所示:
其中,M0为M的归一化参数,表示代谢热量;BF0为BF的归一化参数,表示血液流速;SPO20为SPO2的归一化参数,表示血氧饱和度;PF0为PF的归一化参数,表示脉率;为回归系数,单位为“mmol/L”;GLU*为血糖值,单位为“mmol/L”。
基于此模型,国内外的一些研究单位、企业进行了样机或者产品的研发,但工程上实现以后发现问题很多,主要包括:第一,需要的生理参数多,增加了不确定性,因为参数的探测总会存在误差;第二,模型是一次叠加,精细程度不足,而高次方可以修正不同参数对血糖计算的影响;第三,模型计算的血糖精度欠佳,这是由于在0~∞宽波段的血糖范围下,难以实现较好的数据拟合训练而获得通用性较好的系数。因此,解决以上这些问题,成为目前面临的主要挑战。
发明内容
本发明的目的在于提供一种基于代谢法的血糖数据处理方法及装置,解决目前的血糖计算模型面临的参数过多、精细程度不足、精度欠佳等问题。
为实现上述目的,本发明提供了一种基于代谢法的血糖数据处理方法,包括以下步骤:
建立心率、血氧、辐射温度三个参数和血糖的关系模型,并将血糖的取值范围按照预设的区间进行分段;
在所述分段后获得的各个分段区间上,分别采集预设数量的样本数据,所述样本数据包括心率、血氧、辐射温度和血糖数据;
根据采集的所述样本数据,分别获取心率、血氧、辐射温度三个参数和血糖的对应概率分布关系,以及各个分段区间对应的关系模型的系数;
获取待测者的心率、血氧和辐射温度三个参数值,根据所述三个参数的值和所述对应概率分布关系,判断待测者血糖所处的分段区间,根据所述分段区间对应的关系模型系数计算血糖。
所述心率、血氧、辐射温度三个参数和血糖的关系模型为:
G=α33×R3+α32×R2+α31×R1
+α23×S3+α22×S2+α21×S1
+α13×H3+α12×H2+α11×H1+δ
其中R,S,H分别表示心率、血氧饱和度、辐射温度,G为血糖,δ为修正参数,αpq(p=1,2,3;q=1,2,3)表示九个系数。
所述分段区间之间存在交叉重叠。
所述获取待测者的心率、血氧和辐射温度三个参数值,根据所述三个参数的值和所述对应概率分布关系,判断待测者血糖所处的分段区间,具体为:
获取待测者的心率、血氧和辐射温度三个参数值,然后获取三个参数值在各个血糖分段区间上对应的概率值,对各个血糖分段区间上的概率值分别相加,概率值的和为最大值的所在区间就是待测者的血糖所处的区间。
所述获取各个分段区间对应的关系模型的系数包括αpq(p=1,2,3;q=1,2,3)与δ这十个系数。
本发明还提供了一种基于代谢法的血糖数据处理装置,包括:
关系模型建立模块,用于建立心率、血氧、辐射温度三个参数和血糖的关系模型,并将血糖的取值范围按照预设的区间进行分段;
样本数据采集模块,用于在所述分段后获得的各个分段区间上,分别采集预设数量的样本数据,所述样本数据包括心率、血氧、辐射温度和血糖数据;
模型系数计算模块,用于根据采集的所述样本数据,分别获取心率、血氧、辐射温度三个参数和血糖的对应概率分布关系,以及各个分段区间对应的关系模型的系数;
血糖计算模块,用于获取待测者的心率、血氧和辐射温度三个参数值,根据所述三个参数的值和所述对应概率分布关系,判断待测者血糖所处的分段区间,根据所述分段区间对应的关系模型系数计算血糖。
所述关系模型建立模块建立的模型为:
G=α33×R3+α32×R2+α31×R1
+α23×S3+α22×S2+α21×S1
+α13×H3+α12×H2+α11×H1+δ
其中R,S,H分别表示心率、血氧饱和度、辐射温度,G为血糖,δ为修正参数,αpq(p=1,2,3;q=1,2,3)表示九个系数。
所述关系模型建立模块对血糖的取值范围进行分段后的区间之间存在交叉重叠。
所述血糖计算模块用于获取待测者的心率、血氧和辐射温度三个参数值,根据所述三个参数的值和所述对应概率分布关系,判断待测者血糖所处的分段区间,具体为:
获取待测者的心率、血氧和辐射温度三个参数值,然后获取三个参数值在各个血糖分段区间上对应的概率值,对各个血糖分段区间上的概率值分别相加,概率值的和为最大值的所在区间就是待测者的血糖所处的区间。
所述模型系数计算模块计算的关系模型系数包括αpq(p=1,2,3;q=1,2,3)与δ这十个系数。
本发明的有益效果:
本发明提供的基于代谢法的血糖数据处理方法,设计了多次三参数血糖计算模型,利用获取的心率、血氧、辐射温度作为输入的三个参数,解决了过多输入参数会导致的模型系数不收敛、模型不稳定等问题;同时克服了传统的一次模型精细度不足的缺点。另一方面,该方法提出了分段概率分布模型,解决了宽波段血糖范围下,参数系数通用性不够好的问题。该血糖数据处理方法极大地提高了血糖检测精度,为用户进行血糖检测提供了方便,保证了血糖检测的准确性。
附图说明
图1为基于代谢法的血糖数据处理方法的流程图;
图2为基于代谢法的血糖数据处理装置的结构示意图。
具体实施方式
为了使本发明的目的、技术方案及优点更加清楚明白,以下结合附图及实施例,对本发明进行进一步详细说明。应当理解,此处所描述的具体实施例仅仅用于解释本发明,并不用于限定本发明。
以下结合附图实施例对本发明的实施作进一步说明。
如图1所示,本发明实施例提供了一种基于代谢法的血糖数据处理方法,包括以下步骤:
S101,建立心率、血氧、辐射温度三个参数和血糖的关系模型,采用多次三参数来设计模型,这样可以提升系数的精细度,避免一次模型所具有的精细程度不够的缺点。同时三参数模型更为紧凑,避免了参数过多带来的较大不确定性。最终设计的关系模型如下:
G=α33×R3+α32×R2+α31×R1
+α23×S3+α22×S2+α21×S1
+α13×H3+α12×H2+α11×H1+δ
其中,其中R,S,H分别表示心率、血氧饱和度、辐射温度,G为血糖,δ为修正参数,αpq(p=1,2,3;q=1,2,3)是九个系数。通过该模型,只需要计算出αpq(p=1,2,3;q=1,2,3)与δ这十个系数,在输入R、S、H这三个参数后,就能获得对应的血糖。
同时对血糖的取值范围按照预设区间进行分段,将血糖分为(0,6.5],(6,9.5],(9,12],(11,∞)共4段,相邻段之间存在交叉重叠。分段可以避免由于心率等参数的波动性,引起的模型在宽范围内收敛性不佳的缺点。进行分段估计,针对典型的血糖波段,利用采集训练数据分别求取不同波段的对应参数αpq(p=1,2,3;q=1,2,3)与δ,保证了模型在不同血糖范围内都能获得较好的准确性以及回归性。
S102,在所述分段后获得的各个分段区间上,并且在特定的条件要求下,分别采集预设数量的样本数据。特定的条件要求为:
1.要求在室内常温下,可开窗。
2.用户状态要处于自然平静,没有出汗或者颤抖等状况。
3.室内若有空调、暖气、风扇等影响温度的工作装置,用户不能处于风口位置而受到太多的影响。
4.用户用棉球清水/酒精清洗手指(食指与中指),并等待3~5分钟。
采集的样本数据具体包括心率、血氧、辐射温度和血糖数据。其中心率、血氧、辐射温度三个参数是通过检测装置获取的,血糖是通过有创的生化仪器采集的。对于S101中的四个分段,每个分段都采集30组数据。采集后的样本数据用于训练关系模型,从而得到不同分段区间对应的αpq(p=1,2,3;q=1,2,3)与δ这十个系数。
S103,根据采集的所述用户生理参数数据,分别获取心率、血氧、辐射温度三个参数和血糖的对应概率分布关系,即分别计算不同R、S、H值范围对应于G值的概率分布,并计算出各个分段区间对应的关系模型中的αpq(p=1,2,3;q=1,2,3)与δ十个系数。
S104,按照S102中的特定条件要求,利用检测装置获取待测者的心率、血氧、辐射温度三个参数值,根据S103中计算的对应概率分布关系,将三个参数值在各个血糖分段区间上的概率值分别相加,计算出(R,S,H)对应的各个分段的G值概率,G值概率最大值所处的分段即为待测者血糖所处的分段区间,然后将此分段区间对应的系数值代入关系模型计算血糖。
如图2所示,本发明实施例提供了一种基于代谢法的血糖数据处理装置,包括:
关系模型建立模块201,用于建立心率、血氧、辐射温度三个参数和血糖的关系模型,采用多次三参数来设计模型,这样可以提升系数的精细度,避免一次模型所具有的精细程度不够的缺点。同时三参数模型更为紧凑,避免了参数过多带来的较大不确定性。最终设计的关系模型如下:
G=α33×R3+α32×R2+α31×R1
+α23×S3+α22×S2+α21×S1
+α13×H3+α12×H2+α11×H1+δ
其中,其中R,S,H分别表示心率、血氧饱和度、辐射温度,G为血糖,δ为修正参数,αpq(p=1,2,3;q=1,2,3)是九个系数。通过该模型,只需要计算出αpq(p=1,2,3;q=1,2,3)与δ这十个系数,在输入R、S、H这三个参数后,就能获得对应的血糖。
同时需要将血糖的取值范围按照预设区间进行分段,将血糖分为(0,6.5],(6,9.5],(9,12],(11,∞)共四段,相邻段有局部交叉重叠。
样本数据采集模块202,用于在所述分段后获得的各个分段区间上,分别采集预设数量的用户生理参数数据。采集的用户生理参数数据具体包括心率、血氧、辐射温度和血糖数据。其中心率、血氧、辐射温度三个参数是通过检测装置获取的,血糖是通过有创的生化仪器采集的。对于关系模型建立模块201中的四个分段,每个分段都采集30组数据。采集后的生理参数数据用于训练计算关系模型,从而得到不同分段区间对应的αpq(p=1,2,3;q=1,2,3)与δ这十个系数。
模型系数计算模块203,用于根据采集的用户生理参数数据,分别获取心率、血氧、辐射温度三个参数和血糖的对应概率分布关系,并计算各个分段区间对应的关系模型系数。
血糖计算模块204,用于获取待测者的心率、血氧、辐射温度三个参数值,根据这三个参数值和模型系数计算模块203中的对应的概率分布关系,将三个参数值在各个血糖分段区间上的概率值分别相加,计算出(R,S,H)对应的各个分段的G值概率,G值概率最大值所处的分段即为待测者血糖所处的分段区间,然后将此分段区间对应的系数值代入关系模型计算血糖。
本发明提供了一种基于代谢法的血糖数据处理方法,该方法设计了三参数血糖计算模型,利用获取的心率、血氧、辐射温度作为输入的三个参数,解决了过多的输入参数会导致的模型系数不收敛、模型不稳定等问题;同时该方法采用了多次方计算模型,克服了传统的一次模型精细度不足的缺点,提高了血糖测量的精度。另一方面,该方法提出了分段概率分布模型,解决了宽波段血糖范围下,参数系数通用性不够好的问题,使得计算模型在不同波段的回归性都很好。本发明提供的血糖数据处理方法极大地提高了血糖检测精度,保证了血糖检测的准确性以及稳定性。
Claims (10)
1.一种基于代谢法的血糖数据处理方法,其特征在于,包括以下步骤:
建立心率、血氧、辐射温度三个参数和血糖的关系模型,并将血糖的取值范围按照预设的区间进行分段;
在所述分段后获得的各个分段区间上,分别采集预设数量的样本数据,所述样本数据包括心率、血氧、辐射温度和血糖数据;
根据采集的所述样本数据,分别获取心率、血氧、辐射温度三个参数和血糖的对应概率分布关系,以及各个分段区间对应的关系模型的系数;
获取待测者的心率、血氧和辐射温度三个参数值,根据所述三个参数值和所述对应概率分布关系,判断待测者血糖所处的分段区间,根据所述分段区间对应的关系模型系数计算血糖。
2.如权利要求1所述的一种基于代谢法的血糖数据处理方法,其特征在于,所述心率、血氧、辐射温度三个参数和血糖的关系模型为:
G=α33×R3+α32×R2+α31×R1
+α23×S3+α22×S2+α21×S1
+α13×H3+α12×H2+α11×H1+δ
其中R,S,H分别表示心率、血氧饱和度、辐射温度,G为血糖,δ为修正参数,αpq(p=1,2,3;q=1,2,3)表示九个系数。
3.如权利要求1所述的一种基于代谢法的血糖数据处理方法,其特征在于,所述分段区间之间存在交叉重叠。
4.如权利要求1所述的一种基于代谢法的血糖数据处理方法,其特征在于,所述获取待测者的心率、血氧和辐射温度三个参数值,根据所述三个参数的值和所述对应概率分布关系,判断待测者血糖所处的分段区间,具体为:
获取待测者的心率、血氧和辐射温度三个参数值,然后获取三个参数值在各个血糖分段区间上对应的概率值,对各个血糖分段区间上的概率值分别相加,概率值的和为最大值的所在区间就是待测者的血糖所处的区间。
5.如权利要求2所述的一种基于代谢法的血糖数据处理方法,其特征在于,所述获取各个分段区间对应的关系模型的系数包括αpq(p=1,2,3;q=1,2,3)与δ这十个系数。
6.一种基于代谢法的血糖数据处理装置,其特征在于,包括:
关系模型建立模块,用于建立心率、血氧、辐射温度三个参数和血糖的关系模型,并将血糖的取值范围按照预设的区间进行分段;
样本数据采集模块,用于在所述分段后获得的各个分段区间上,分别采集预设数量的样本数据,所述样本数据包括心率、血氧、辐射温度和血糖数据;
模型系数计算模块,用于根据采集的所述样本数据,分别获取心率、血氧、辐射温度三个参数和血糖的对应概率分布关系,以及各个分段区间对应的关系模型的系数;
血糖计算模块,用于获取待测者的心率、血氧和辐射温度三个参数值,根据所述三个参数的值和所述对应概率分布关系,判断待测者血糖所处的分段区间,根据所述分段区间对应的关系模型系数计算血糖。
7.如权利要求6所述的一种基于代谢法的血糖数据处理装置,其特征在于,所述关系模型建立模块建立的模型为:
G=α33×R3+α32×R2+α31×R1
+α23×S3+α22×S2+α21×S1
+α13×H3+α12×H2+α11×H1+δ
其中R,S,H分别表示心率、血氧饱和度、辐射温度,G为血糖,δ为修正参数,αpq(p=1,2,3;q=1,2,3)表示九个系数。
8.如权利要求6所述的一种基于代谢法的血糖数据处理装置,其特征在于,所述关系模型建立模块对血糖的取值范围进行分段后的区间之间存在交叉重叠。
9.如权利要求6所述的一种基于代谢法的血糖数据处理装置,其特征在于,所述血糖计算模块用于获取待测者的心率、血氧和辐射温度三个参数值,根据所述三个参数的值和所述对应概率分布关系,判断待测者血糖所处的分段区间,具体为:
获取待测者的心率、血氧和辐射温度三个参数值,然后获取三个参数值在各个血糖分段区间上对应的概率值,对各个血糖分段区间上的概率值分别相加,概率值的和为最大值的所在区间就是待测者的血糖所处的区间。
10.如权利要求7所述的一种基于代谢法的血糖数据处理装置,其特征在于,所述模型系数计算模块计算的关系模型系数包括αpq(p=1,2,3;q=1,2,3)与δ这十个系数。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201711241120.0A CN107802255B (zh) | 2017-11-30 | 2017-11-30 | 一种基于代谢法的血糖数据处理方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201711241120.0A CN107802255B (zh) | 2017-11-30 | 2017-11-30 | 一种基于代谢法的血糖数据处理方法及装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN107802255A true CN107802255A (zh) | 2018-03-16 |
CN107802255B CN107802255B (zh) | 2021-01-29 |
Family
ID=61590837
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201711241120.0A Active CN107802255B (zh) | 2017-11-30 | 2017-11-30 | 一种基于代谢法的血糖数据处理方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN107802255B (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113367692A (zh) * | 2021-06-08 | 2021-09-10 | 广东科谷智能科技有限公司 | 一种可调节用户血糖的调节方法、调节系统及存储介质 |
WO2023087672A1 (zh) * | 2021-11-22 | 2023-05-25 | 乐普(北京)医疗器械股份有限公司 | 基于光学信号特征及代谢热特征的血糖预测方法和装置 |
Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US6424847B1 (en) * | 1999-02-25 | 2002-07-23 | Medtronic Minimed, Inc. | Glucose monitor calibration methods |
CN101866387A (zh) * | 2009-04-17 | 2010-10-20 | 上海市杨浦区中心医院 | 糖尿病人个体化胰岛素治疗指南仪及其使用方法 |
CN102258363A (zh) * | 2011-04-19 | 2011-11-30 | 何宗彦 | 代谢热参数测量设备和方法 |
CN104665840A (zh) * | 2015-03-02 | 2015-06-03 | 桂林麦迪胜电子科技有限公司 | 无创血糖测量方法及指端测量探头 |
CN204995483U (zh) * | 2015-07-10 | 2016-01-27 | 杭州电子科技大学 | 一种兼具血糖检测的胰岛素冷藏装置 |
CN105962949A (zh) * | 2016-06-14 | 2016-09-28 | 上海理工大学 | 一种基于近红外光能量守恒法的无创血糖计算方法以及信号采集装置 |
US20160375264A1 (en) * | 2015-06-24 | 2016-12-29 | Edgar Dan Laperriere | Light wave treatment instrument and methods of use |
CN106338597A (zh) * | 2016-10-18 | 2017-01-18 | 哈尔滨工业大学深圳研究生院 | 呼吸气体测量的方法及系统 |
WO2017187212A1 (en) * | 2016-04-28 | 2017-11-02 | 77 Elektronika Müszeripari Kft. | Data processing method for blood glucose measuring, blood glucose meter, blood glucose measurement system, and computer program and data carrier therefor |
-
2017
- 2017-11-30 CN CN201711241120.0A patent/CN107802255B/zh active Active
Patent Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US6424847B1 (en) * | 1999-02-25 | 2002-07-23 | Medtronic Minimed, Inc. | Glucose monitor calibration methods |
CN101866387A (zh) * | 2009-04-17 | 2010-10-20 | 上海市杨浦区中心医院 | 糖尿病人个体化胰岛素治疗指南仪及其使用方法 |
CN102258363A (zh) * | 2011-04-19 | 2011-11-30 | 何宗彦 | 代谢热参数测量设备和方法 |
CN104665840A (zh) * | 2015-03-02 | 2015-06-03 | 桂林麦迪胜电子科技有限公司 | 无创血糖测量方法及指端测量探头 |
US20160375264A1 (en) * | 2015-06-24 | 2016-12-29 | Edgar Dan Laperriere | Light wave treatment instrument and methods of use |
CN204995483U (zh) * | 2015-07-10 | 2016-01-27 | 杭州电子科技大学 | 一种兼具血糖检测的胰岛素冷藏装置 |
WO2017187212A1 (en) * | 2016-04-28 | 2017-11-02 | 77 Elektronika Müszeripari Kft. | Data processing method for blood glucose measuring, blood glucose meter, blood glucose measurement system, and computer program and data carrier therefor |
CN105962949A (zh) * | 2016-06-14 | 2016-09-28 | 上海理工大学 | 一种基于近红外光能量守恒法的无创血糖计算方法以及信号采集装置 |
CN106338597A (zh) * | 2016-10-18 | 2017-01-18 | 哈尔滨工业大学深圳研究生院 | 呼吸气体测量的方法及系统 |
Non-Patent Citations (3)
Title |
---|
ZHANG, YANG; ZHU, JIAN-MING; LIANG, YONG-BO: "Non-invasive blood glucose detection system based on conservation of energy method", 《PHYSIOLOGICAL MEASUREMENT 》 * |
朱健铭,陈真诚: "能量代谢守恒法无创血糖检测算法研究", 《传感技术学报》 * |
王弟亚: "便携式无创伤血糖检测仪的关键技术研究", 《中国优秀硕士学位论文全文数据库医药卫生科技辑》 * |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113367692A (zh) * | 2021-06-08 | 2021-09-10 | 广东科谷智能科技有限公司 | 一种可调节用户血糖的调节方法、调节系统及存储介质 |
CN113367692B (zh) * | 2021-06-08 | 2023-09-29 | 广东科谷智能科技有限公司 | 一种可调节用户血糖的调节方法、调节系统及存储介质 |
WO2023087672A1 (zh) * | 2021-11-22 | 2023-05-25 | 乐普(北京)医疗器械股份有限公司 | 基于光学信号特征及代谢热特征的血糖预测方法和装置 |
Also Published As
Publication number | Publication date |
---|---|
CN107802255B (zh) | 2021-01-29 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US10825569B2 (en) | Universal non-invasive blood glucose estimation method based on time series analysis | |
CN105962906B (zh) | 一种体温测量方法及装置 | |
Crema et al. | Virtual respiratory rate sensors: An example of a smartphone-based integrated and multiparametric mhealth gateway | |
US20080306393A1 (en) | Deriving Central Aortic Systolic Pressure and Analyzing Arterial Waveform Data to Derive Central Aortic Systolic Pressure Values | |
CN106901705A (zh) | 一种无感知人体多生理参数采集装置及采集方法和应用 | |
Wu et al. | Data processing platform design and algorithm research of wearable sports physiological parameters detection based on medical internet of things | |
CN107802255A (zh) | 一种基于代谢法的血糖数据处理方法及装置 | |
CN111588353A (zh) | 一种体温测量方法 | |
CN114145724A (zh) | 基于ecg和ppg多生理特征参数动态监测血压的方法 | |
CN111887847A (zh) | 基于人体成分仪的内脏脂肪测量方法、装置、计算机设备和存储介质 | |
CN108272449A (zh) | 非接触式的血压监测方法及系统 | |
CN206443702U (zh) | 一种无创血糖检测装置 | |
Kavitha et al. | Smart wireless healthcare monitoring for drivers community | |
CN113040738B (zh) | 血压检测装置 | |
CN111755127A (zh) | 一种基于代谢混合法的血糖估算方法 | |
CN117406798A (zh) | 一种制氧机流量自动控制方法及系统 | |
CN106805943B (zh) | 基于分数阶微分方程的血糖数据处理方法及装置 | |
CN117423455A (zh) | 一种基于数据分析的用户健康管理系统及方法 | |
CN112790748A (zh) | 一种中心动脉压波形重构系统及方法 | |
CN112881303A (zh) | 一种基于高光谱成像技术的血糖浓度检测方法 | |
CN111973188A (zh) | 一种基于神经网络估算呼吸力学参数的方法 | |
CN110338798A (zh) | 基于rfid标签的人体呼吸量评估系统及方法 | |
CN201453268U (zh) | 远程呼吸监护医疗系统 | |
CN109480812A (zh) | 一种基于物联网通讯的脉搏健康数据管理系统 | |
Ionescu et al. | A recurrent parameter model to characterize the high-frequency range of respiratory impedance in healthy subjects |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |