CN110097937A - 个性化血糖区间统计方法及装置 - Google Patents
个性化血糖区间统计方法及装置 Download PDFInfo
- Publication number
- CN110097937A CN110097937A CN201910393559.8A CN201910393559A CN110097937A CN 110097937 A CN110097937 A CN 110097937A CN 201910393559 A CN201910393559 A CN 201910393559A CN 110097937 A CN110097937 A CN 110097937A
- Authority
- CN
- China
- Prior art keywords
- blood glucose
- value
- point
- blood
- 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
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
- G16H10/00—ICT specially adapted for the handling or processing of patient-related medical or healthcare data
- G16H10/60—ICT specially adapted for the handling or processing of patient-related medical or healthcare data for patient-specific data, e.g. for electronic patient records
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
- G16H50/00—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics
- G16H50/20—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for computer-aided diagnosis, e.g. based on medical expert systems
Abstract
本发明公开了一种个性化血糖区间统计方法及装置,方法包括:预先设置用户基础血糖数据,基础血糖数据包括血糖基准值和与之对应的基础变量;获取用户脉搏数据;根据脉搏数据,计算得到用户身体的实际变量;根据实际变量计算得到实际血糖值;将实际变量和实际血糖值与基础变量和血糖基准值分别对应进行比较,校验实际血糖值是否有效;校验有效,保存该实际血糖值作为有效血糖值;根据有效血糖值确定用户的个性化血糖区间。通过创建数据模型,根据脉搏数据计算用户血糖值和对应的变量,再使用该变量验证该血糖值是否有效,获取多个有效血糖值,确定用户血糖的个性化血糖区间,使用户可以根据自己的个性化血糖区间科学管理自己的血糖,精准高效。
Description
技术领域
本发明涉及到健康管理领域,特别是涉及到一种个性化血糖区间统计方法及装置。
背景技术
血液中的葡萄糖称为血糖(Glu)。葡萄糖是人体的重要组成成分,也是能量的重要来源,正常人体每天需要很多的糖来提供能量,为各种组织、脏器的正常运作提供动力。所以血糖必须保持一定的水平才能维持体内各器官和组织的需要。正常人血糖的产生和利用处于动态平衡的状态,维持在一个相对稳定的水平,
血糖作为人体健康的一项重要指标,血糖的变化可以作为疾病预防与诊断的一个重要参考。人们需要对自身血糖做不定期的检测,尤其是糖尿病人,需要对自身血糖有一个实时的准确把握。现实当中,人们测试出来血糖值,都是和国际规定的餐前和餐后血糖值作比对,经过我们临床测试发现每个人的血糖差异比较大,由于人体的个体差异不同,比如说有的测试者血糖已经超出国际规定的区间范围,按照血糖国际标准,测试者已经是糖尿病人患者了,但是通过医院的检查,测试者的身体各项指标都很正常。
针对这样的情况,有必要提出一种可以让每一个人都按照自己的合理血糖区间范围科学管理自己的血糖的方法。
发明内容
为了解决上述现有技术的缺陷,本发明的目的是提供一种个性化血糖区间统计方法及装置。
为达到上述目的,本发明的技术方案是:
一种个性化血糖区间统计方法,包括以下步骤,
预先设置用户基础血糖数据,基础血糖数据包括血糖基准值和与之对应的基础变量;
获取用户脉搏数据;
根据脉搏数据,计算得到用户身体的实际变量;
根据实际变量计算得到实际血糖值;
将实际变量和实际血糖值与基础变量和血糖基准值分别对应进行比较,校验实际血糖值是否有效;
校验为有效,则保存该实际血糖值作为有效血糖值;
根据所有有效血糖值确定用户的个性化血糖区间;
其中,实际变量包括:血管半径r、血流速度Vr2n、血粘度比Jn、心搏出量SVn、血流速率、血管的外周阻力、心脏每次搏动的幅度、脉搏的极值点、平均切面点、差分阈值点、心跳间隙、心跳间隔、分段切点、分层切点和时序对应点,上述的n代表大于0的自然数。
进一步地,所述获取用户脉搏数据步骤,还包括,
通过传感器获取脉搏数据,传感器的采样频率为500hz;
过滤并提取脉搏数据的有效数值点。
进一步地,所述根据所有有效血糖值确定用户的个性化血糖区间步骤,包括,
对所有有效血糖值进行排序,以所有有效血糖值中的最大值和最小值作为用户的个性化血糖区间的极值。
进一步地,所述根据所有有效血糖值确定用户的个性化血糖区间步骤之后,包括,
将得到的实际血糖值做线性归化分析,获取实际血糖值变化趋势;
根据变化趋势发出用户血糖报告。
进一步地,所述预先设置用户基础血糖数据,基础血糖数据包括血糖基准值和与之对应的基础变量步骤,包括,
采集用户多组空腹状态下的脉搏数据;
根据多组脉搏数据确定基础脉搏数据;
根据基础脉搏数据分别计算得到基础变量;
使用测量工具直接测用户血糖,并作为血糖基准值;
将上述的血糖基准值和基础变量作为基础血糖数据,并保存;
其中基础变量包括:血管半径ry、血流速度Vr2y、血粘度比Jy、脉搏的极值点R1y、心搏出量SVy、血流速率、血管的外周阻力、心脏每次搏动的幅度、平均切面点、差分阈值点、心跳间隙、心跳间隔、分段切点、分层切点和时序对应点。
进一步地,所述根据脉搏数据,计算得到用户身体的实际变量步骤,包括,
计算血流数据,积分脉搏数据的数值点,计算出数值点的速度,反比数值点的速度获得血流速度;
计算心博出量,心博出量SVn=(0.283/(k*k))(Ps-Pd)*T,k=(Ps-Pm)/(Ps-Pd),其中,参数T是心动周期,Ps是单次测量脉搏曲线极大值,Pd是单次测量脉搏曲线极小值,Pm是单次测量脉搏曲线的平面切面点;
计算分段切点,将单次测量脉搏曲线分成a个分段,获取分段切点的时间和位置信息,a为大于0的自然数;
计算分层切点,将上述的分段再分成b个分层,获取每个分层切点的数据,b为大于0的自然数;
计算血粘度比,血粘度比Jn=(π*R*r4)/(8I),其中,默认I和R都是1,r为血管半径。
进一步地,所述根据实际变量计算得到实际血糖值步骤,包括,
计算实际血糖值公式为:
B=b*((SVy*R2y*R1n)/(SVn*R1y*R2n))*(Sy/Sn)*(Jy/Jn)*(Vr2y/Vr2n)
其中,B为实际血糖值,b为血糖基准值,SVy为基础变量的心搏出量,R2y为极值,R1y为中值,Sy为基础变量的面积比数据,Jy为基础变量的血粘度比,Vr2y为基础变量的血流速度,
R1n为极值,R2n为中值,SVn为实际变量的心搏出量,Sn为实际变量的面积比数据,Jn为实际变量的血粘度比,Vr2n为实际变量的血流速度。
本发明还提出了一种个性化血糖区间统计装置,包括,
数据预设单元,用于预先设置用户基础血糖数据,基础血糖数据包括血糖基准值和与之对应的基础变量;
脉搏获取单元,用于获取用户脉搏数据;
变量计算单元,用于根据脉搏数据,计算得到用户身体的实际变量;
血糖计算单元,用于根据实际变量计算得到实际血糖值;
血糖校验单元,用于将实际变量和实际血糖值与基础变量和血糖基准值分别对应进行比较,校验实际血糖值是否有效;
数据保存单元,用于校验为有效,则保存该实际血糖值作为有效血糖值;
个性化单元,用于根据所有有效血糖值确定用户的个性化血糖区间;
其中,实际变量包括:血管半径r、血流速度Vr2n、血粘度比Jn、心搏出量SVn、血流速率、血管的外周阻力、心脏每次搏动的幅度、脉搏的极值点、平均切面点、差分阈值点、心跳间隙、心跳间隔、分段切点、分层切点和时序对应点,上述的n代表大于0的自然数。
进一步地,所述数据预设单元包括:
采集模块,用于采集用户多组空腹状态下的脉搏数据;
选定模块,用于根据多组脉搏数据确定基础脉搏数据;
计算模块,用于根据基础脉搏数据分别计算得到基础变量;
测量模块,用于使用测量工具直接测用户血糖,并作为血糖基准值;
保存模块,用于将上述的血糖基准值和基础变量作为基础血糖数据,并保存;
其中基础变量包括:血管半径ry、血流速度Vr2y、血粘度比Jy、脉搏的极值点R1y、心搏出量SVy、血流速率、血管的外周阻力、心脏每次搏动的幅度、平均切面点、差分阈值点、心跳间隙、心跳间隔、分段切点、分层切点和时序对应点。
进一步地,还包括趋势监控单元,用于将得到的实际血糖值做线性归化分析,获取实际血糖值变化趋势,并根据变化趋势发出用户血糖报告。
本发明的有益效果是:通过创建数据模型,根据脉搏数据计算用户血糖值和对应的变量,再使用该变量验证该血糖值是否有效,获取多个有效血糖值,确定用户血糖的个性化血糖区间,使用户可以根据自己的个性化血糖区间科学管理自己的血糖,精准高效。
附图说明
图1为本发明一实施例一种个性化血糖区间统计方法的方法流程图;
图2为本发明一种预先设置用户基础血糖数据步骤的具体方法流程图;
图3为本发明一种获取用户脉搏数据步骤的具体方法流程图;
图4为本发明另一实施例一种个性化血糖区间统计方法的方法流程图;
图5为本发明一种个性化血糖区间统计装置的结构原理框图;
图6为本发明一种数据预设单元的结构原理框图;
图7为本发明一种单次脉搏数据的数据分段图;
图8为本发明一种单次脉搏数据的波浪图;
图9为本发明一种单次脉搏数据的心博出量图。
具体实施方式
为阐述本发明的思想及目的,下面将结合附图和具体实施例对本发明做进一步的说明。
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的一部分实施例,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。
需要说明,本发明实施例中所有方向性指示(诸如上、下、左、右、前、后等)仅用于解释在某一特定姿态(如附图所示)下各部件之间的相对位置关系、运动情况等,如果该特定姿态发生改变时,则该方向性指示也相应地随之改变,所述的连接可以是直接连接,也可以是间接连接。
另外,在本发明中如涉及“第一”、“第二”等的描述仅用于描述目的,而不能理解为指示或暗示其相对重要性或者隐含指明所指示的技术特征的数量。由此,限定有“第一”、“第二”的特征可以明示或者隐含地包括至少一个该特征。另外,各个实施例之间的技术方案可以相互结合,但是必须是以本领域普通技术人员能够实现为基础,当技术方案的结合出现相互矛盾或无法实现时应当认为这种技术方案的结合不存在,也不在本发明要求的保护范围之内。
如无特别说明,本文中的“/”代表含义为“或”。
参照图1-4和7-9,提出本发明一具体实施例,一种个性化血糖区间统计方法,包括以下步骤:
S10、预先设置用户基础血糖数据,基础血糖数据包括血糖基准值和与之对应的基础变量。
S20、获取用户脉搏数据。
S30、根据脉搏数据,计算得到用户身体的实际变量。
S40、根据实际变量计算得到实际血糖值。
S50、将实际变量和实际血糖值与基础变量和血糖基准值分别对应进行比较,校验实际血糖值是否有效。
S60、校验为有效,则保存该实际血糖值作为有效血糖值。
S70、根据所有有效血糖值确定用户的个性化血糖区间。
其中,实际变量包括:血管半径r、血流速度Vr2n、血粘度比Jn、心搏出量SVn、血流速率、血管的外周阻力、心脏每次搏动的幅度、脉搏的极值点、平均切面点、差分阈值点、心跳间隙、心跳间隔、分段切点、分层切点和时序对应点,上述的n代表大于0的自然数。
对于步骤S10,在最开始时,先采集目标用户3组空腹的脉搏数据,通过3组空腹的脉搏数据之间相互比较,确定出适合的脉搏数据,作为基础脉搏数据,并提取该基础脉搏数据的数值点,计算得到对应的基础变量,并使用生化仪采集目标用户的血糖值作为基础血糖,血糖基准值关联基础变量作为基础血糖数据进行存储,同时根据血糖基准值和基础脉搏数据的数值点(Ps、Pb和Pm)计算出来一个权值k,k=(Ps-Pm)/(Ps-Pd)也一起保存于数据库,后续新计算的实际血糖数据使用权值k进行校验。具体的,后续计算时,根据每次脉搏数据计算每次的权值k数据,每次权值k可能不同。例如,血糖基准值是5,对应计算出来的权值k是0.3,再采集一次的数据计算出来的权值是0.5,再采集一次计算出来的权值k是0.4。
参考图2,步骤S10包括以下步骤:
S11、采集用户多组空腹状态下的脉搏数据。
S12、根据多组脉搏数据确定基础脉搏数据。
S13、根据基础脉搏数据分别计算得到基础变量。
S14、使用测量工具直接测用户血糖,并作为血糖基准值。
S15、将上述的血糖基准值和基础变量作为基础血糖数据,并保存。
其中基础变量包括:血管半径ry、血流速度Vr2y、血粘度比Jy、脉搏的极值点R1y、心搏出量SVy、血流速率、血管的外周阻力、心脏每次搏动的幅度、平均切面点、差分阈值点、心跳间隙、心跳间隔、分段切点、分层切点和时序对应点。
其中,获取多组空腹状态下的脉搏数据,用于比对脉搏数据,并筛选出最适合的脉搏数据,避免只使用单次脉搏数据出现误差的情况。同时根据脉搏数据计算得到上述的基础变量,用于后续校验新计算血糖值,筛选出有效血糖值。
对于步骤S20,通过传感器采集用户脉搏数据,具体的,传感器的采样频率是500hz,可以预先设定每采集一组脉搏数据的采集时长为90秒,这样每次采集脉搏数据就大概可以获取40000多个数值点,将这些脉搏数据数值点经过过滤筛选处理,显示在同个坐标系下,上述的数值点在坐标系上整体形成了波动性变化,如图7所示。
参考图3,,步骤S20包括以下步骤:
S21、通过传感器获取脉搏数据,传感器的采样频率为500hz。
S22、过滤并提取脉搏数据的有效数值点。
对于步骤S21和S22,通过传感活动脉搏数据之后,过滤脉搏数据并提取脉搏数据的有效数值点,用于后续实际变量的计算。
对于步骤S30,根据脉搏数据的数值点计算该次测量的实际变量,分别计算出血管半径、血流速度、速率、血粘度、血管的外周阻力、心脏每次搏动的幅度、数据点的极值点、平均切面点、差分阈值点、心搏出量、心跳间隙、心跳间隔、分段切点、分层切点、时序对应点。
具体的,不同实际变量计算过程如下:
a1、计算血流数据,积分脉搏数据的数值点,计算出数值点的速度,反比数值点的速度获得血流速度。
a2、计算心博出量,心博出量SVn=(0.283/(k*k))(Ps-Pd)*T,k=(Ps-Pm)/(Ps-Pd),其中,参数T是心动周期,Ps是单次测量脉搏数据极大值,Pd是单次测量脉搏数据极小值,Pm是单次测量脉搏曲线的平面切面点,如图8所示。
a3、计算分段切点,将单次测量脉搏曲线分成a个分段,获取分段切点的时间和位置信息,a为大于0的自然数。如图7所示,在本实施例中,测量脉搏曲线被分成A1,A2,A3,B1,B2,B3,C1,C2和C3一共8个分段,其中分段切点也对应为8个,通过将测量脉搏曲线进行切分,能够将测量脉搏曲线进行细化,获取每分段的变化具体数据。
a4、计算分层切点,将上述的分段再分成b个分层,获取每个分层切点的数据,b为大于0的自然数,在本实施例中b为7个,在上述8个分段的基础上,将每个分段切分成7个分层,进一步细化每个分段的数据,并获取每个分层的变化具体数据。
a5、计算血粘度比,血粘度比Jn=(π*R*r4)/(8I),其中,默认I和R都是1,r为血管半径。
a6、计算血管半径,假定血管半径在一定范围内是不变的,计算一段时间内连续脉搏数据对应极大值和极小值的比列值,其中连续脉搏数据是指一定时间内连续采集的脉搏数据,例如在90秒内连续采集的100个脉搏数据,每个脉搏数据都可以计算出来一个极大值和一个极小值的比例值。
a7、计算速率,根据一段时间内数值点多个速度线性归化之后,通过斜率的变化所得。
a8、计算外周阻力,外周阻力是脉搏数据曲线图中的降中峡(为图8中R2位置)的值与极值点的比值。
a9、计算心脏每次搏动的搏幅,选取一段时间内所有脉搏数据的极大值。
a10、计算平面切面点,为一组数据可以等分两边面积的点Pm。
a11、计算差分阈值点,为心脏每一次搏动极大值点和极小值点。
a12、计算心跳间隙,为每俩次搏动的极值点的连线。
a13、计算心跳间隔,为每俩次搏动的极小值间隔。
a14、计算时序对应点,存储血糖基准值的时序,与新采集的脉搏数据的比对参考。
对于步骤S40,在计算完上述的实际变量之后,根据实际变量来计算得到实际血糖值。
具体的,实际血糖值计算公式为:
B=b*((SVy*R2y*R1n)/(SVn*R1y*R2n))*(Sy/Sn)*(Jy/Jn)*(Vr2y/Vr2n)
其中,B为实际血糖值,b为血糖基准值,SVy为基础变量的心搏出量,R2y为极值,R1y为中值,Sy为基础变量的面积比数据(如图9所示),Jy为基础变量的血粘度比,Vr2y为基础变量的血流速度。
R1n为极值,R2n为中值,SVn为实际变量的心搏出量,Sn为实际变量的面积比数据,Jn为实际变量的血粘度比,Vr2n为实际变量的血流速度。
对于步骤S50和S60,在根据脉搏数据计算得到实际变量和实际血糖值之后,将实际血糖值与血糖基准值比较,实际变量与实际血糖值进行比较。根据本领域的常识,当血糖变化的时候血管半径、血流速度、速率、血粘度、血管的外周阻力、心脏每次搏动的幅度、数据点的极值点、平均切面点、差分阈值点、心搏出量、心跳间隙、心跳间隔、分段切点、分层切点、时序对应点变量会发生变化。若果实际血糖值相对于血糖基准值发生变化时,而实际变量没有相对基础变量发生变化,或者变化的程度与实际血糖值的变化的程度不对应,则代表该采集的脉搏数据无效,计算得到的实际血糖值和实际变量无效,需要重新采集。
需要说明的是,实际血糖值相对血糖基准值发生变化时,实际变量也会发生变化,在具体比较时,并不一定要求上述14种变量全部发生变化,根据实际需要可以在大多数变量发生了相应的变化时,就判定由该次采集到的脉搏数据计算得到的实际血糖值有效,具体的,可以是在8个或8个以上的实际变量对应发生变化之后判断该次数据有效。
对于步骤S70,传感器除了会间隔一定的时间采集脉搏数据用于计算实际血糖值之外,还可以在具体的时间点/段采集脉搏数据用于计算实际血糖值,在一个时间段内可以获取到多个有效血糖值,将所有有效血糖值进行排序,并将其中的最大值和最小值作为,目标客户血糖的个性化血糖区间,个性化血糖区间相对于现有的标准血糖区间更加贴合目标用户的血糖健康情况,通过个性化血糖区间可以更加准确,科学的管理用户自己的血糖,精准高效。
具体的,步骤S70包括;对所有有效血糖值进行排序,以所有有效血糖值中的最大值和最小值作为用户的个性化血糖区间的极值。
通过后台算法每天都会根据新采集到地有效血糖值统计个性化血糖区间,统计出血糖值数据分布均匀的区间为我们的个性化血糖区间,比如说:{4、5、6、7、8、5、6、4、7、5、6、4、5、6、15},那15就不是均匀分布,我们会剔除掉,那么个性化区间就是{4-8}。
参考图4,在本发明一具体实施例中,步骤S70之后,还包括,
S80、将得到的实际血糖值做线性归化分析,获取实际血糖值变化趋势。
S90、根据变化趋势发出用户血糖报告。
对于步骤S80和S90,根据已有的有效血糖值分析血糖值趋势变化,对有效血糖值(实际血糖值)做线性归化分析,归化后直线的斜率变化直接反映了血糖速度的变化,超出了上述的个性化血糖区间,就发出消息预警,提示用户血糖升高/降低,注意休息。
本方案通过创建数据模型,根据脉搏数据计算用户血糖值和对应的变量,再使用该变量验证该血糖值是否有效,获取多个有效血糖值,确定用户血糖的个性化血糖区间,使用户可以根据自己的个性化血糖区间科学管理自己的血糖,精准高效。
参考图5-9,本发明还提出了一种个性化血糖区间统计装置,包括,
数据预设单元10,用于预先设置用户基础血糖数据,基础血糖数据包括血糖基准值和与过滤并提取脉搏数据的有效数值点之对应的基础变量。
脉搏获取单元20,用于获取用户脉搏数据。
变量计算单元30,用于根据脉搏数据,计算得到用户身体的实际变量。
血糖计算单元40,用于根据实际变量计算得到实际血糖值。
血糖校验单元50,用于将实际变量和实际血糖值与基础变量和血糖基准值分别对应进行比较,校验实际血糖值是否有效。
数据保存单元60,用于校验为有效,则保存该实际血糖值作为有效血糖值。
个性化单元70,用于根据所有有效血糖值确定用户的个性化血糖区间。
趋势监控单元80,用于将得到的实际血糖值做线性归化分析,获取实际血糖值变化趋势,并根据变化趋势发出用户血糖报告。
其中,实际变量包括:血管半径r、血流速度Vr2n、血粘度比Jn、心搏出量SVn、血流速率、血管的外周阻力、心脏每次搏动的幅度、脉搏的极值点、平均切面点、差分阈值点、心跳间隙、心跳间隔、分段切点、分层切点和时序对应点,上述的n代表大于0的自然数。
对于数据预设单元10,在最开始时,先采集目标用户3组空腹的脉搏数据,通过3组空腹的脉搏数据之间相互比较,确定出适合的脉搏数据,作为基础脉搏数据,并提取该基础脉搏数据的数值点,计算得到对应的基础变量,并使用生化仪采集目标用户的血糖值作为基础血糖,血糖基准值关联基础变量作为基础血糖数据进行存储,同时根据血糖基准值和基础脉搏数据的数值点(极大值Ps、极小值Pb和单次测量脉搏曲线的平面切面点Pm)计算出来一个权值k,k=(Ps-Pm)/(Ps-Pd)也一起保存于数据库,后续新计算的实际血糖数据使用权值k进行校验。具体的,后续计算时,根据每次脉搏数据计算每次的权值k数据,每次权值k可能不同。例如,血糖基准值是5,对应计算出来的权值k是0.3,再采集一次的数据计算出来的权值是0.5,再采集一次计算出来的权值k是0.4。
参考图6,数据预设单元10包括:
采集模块11,用于采集用户多组空腹状态下的脉搏数据。
选定模块12,用于根据多组脉搏数据确定基础脉搏数据。
计算模块13,用于根据基础脉搏数据分别计算得到基础变量。
测量模块14,用于使用测量工具直接测用户血糖,并作为血糖基准值。
保存模块15,用于将上述的血糖基准值和基础变量作为基础血糖数据,并保存。
其中基础变量包括:血管半径ry、血流速度Vr2y、血粘度比Jy、脉搏的极值点R1y、心搏出量SVy、血流速率、血管的外周阻力、心脏每次搏动的幅度、平均切面点、差分阈值点、心跳间隙、心跳间隔、分段切点、分层切点和时序对应点。
其中,获取多组空腹状态下的脉搏数据,用于比对脉搏数据,并筛选出最适合的脉搏数据,避免只使用单次脉搏数据出现误差的情况。同时根据脉搏数据计算得到上述的基础变量,用于后续校验新计算血糖值,筛选出有效血糖值。
对于脉搏获取单元20,通过传感器采集用户脉搏数据,具体的,传感器的采样频率是500hz,可以预先设定每采集一组脉搏数据的采集时长为90秒,这样每次采集脉搏数据就大概可以获取40000多个数值点,将这些脉搏数据数值点经过过滤筛选处理,显示在同个坐标系下,上述的数值点在坐标系上整体形成了波动性变化,如图7所示。通过传感活动脉搏数据之后,过滤脉搏数据并提取脉搏数据的有效数值点,用于后续实际变量的计算。
对于变量计算单元30,根据脉搏数据的数值点计算该次测量的实际变量,分别计算出血管半径、血流速度、速率、血粘度、血管的外周阻力、心脏每次搏动的幅度、数据点的极值点、平均切面点、差分阈值点、心搏出量、心跳间隙、心跳间隔、分段切点、分层切点、时序对应点。
不同实际变量计算过程如下
a1、计算血流数据,积分脉搏数据的数值点,计算出数值点的速度,反比数值点的速度获得血流速度。
a2、计算心博出量,心博出量SVn=(0.283/(k*k))(Ps-Pd)*T,k=(Ps-Pm)/(Ps-Pd),其中,参数T是心动周期,Ps是单次测量脉搏数据极大值,Pd是单次测量脉搏数据极小值,Pm是单次测量脉搏曲线的平面切面点。
a3、计算分段切点,将单次测量脉搏曲线分成a个分段,获取分段切点的时间和位置信息,a为大于0的自然数。如图7所示,在本实施例中,a为8,测量脉搏曲线被分成A1,A2,A3,B1,B2,B3,C1,C2和C3一共8个分段,其中分段切点也对应为8个,通过将测量脉搏曲线进行切分,能够将测量脉搏曲线进行细化,获取每分段的变化具体数据。
a4、计算分层切点,将上述的分段再分成b个分层,获取每个分层切点的数据,b为大于0的自然数。在本实施例中b为7个,在上述8个分段的基础上,将每个分段切分成7个分层,进一步细化每个分段的数据,并获取每个分层的变化具体数据。
a5、计算血粘度比,血粘度比Jn=(π*R*r4)/(8I),其中,默认I和R都是1,r为血管半径。
a6、计算血管半径,假定血管半径在一定范围内是不变的,计算一段时间内连续脉搏数据各自极大值和极小值的比列值,其中连续脉搏数据是指一定时间内连续采集的脉搏数据,例如在90秒内连续采集的100个脉搏数据,每个脉搏数据都可以计算出来一个极大值和一个极小值的比例值。
a7、计算速率,根据一段时间内数值点多个速度线性归化之后,通过斜率的变化所得。
a8、计算外周阻力,外周阻力是脉搏数据曲线图中的降中峡(为图8中R2位置)的值与极值点的比值。
a9、计算心脏每次搏动的搏幅,选取一段时间内所有脉搏数值的极大值。
a10、计算平面切面点,为一组数据可以等分两边面积的点Pm。
a11、计算差分阈值点,为心脏每一次搏动极大值点和极小值点。
a12、计算心跳间隙,为每俩次搏动的极值点的连线。
a13、计算心跳间隔,为每俩次搏动的极小值间隔。
a14、计算时序对应点,存储血糖基准值的时序,和新采集的脉搏数据的比对参考。对于步骤S40,在计算完上述的实际变量之后,根据实际变量来计算得到实际血糖值。
对于血糖计算单元40,在计算完上述的实际变量之后,根据实际变量来计算得到实际血糖值。
具体的,实际血糖值计算公式为:
B=b*((SVy*R2y*R1n)/(SVn*R1y*R2n))*(Sy/Sn)*(Jy/Jn)*(Vr2y/Vr2n)
其中,B为实际血糖值,b为血糖基准值,SVy为基础变量的心搏出量,R2y为极值,R1y为中值,Sy为基础变量的面积比数据(如图9所示),Jy为基础变量的血粘度比,Vr2y为基础变量的血流速度。
R1n为极值,R2n为中值,SVn为实际变量的心搏出量,Sn为实际变量的面积比数据,Jn为实际变量的血粘度比,Vr2n为实际变量的血流速度。
对于血糖校验单元50和数据保存单元60,在根据脉搏数据计算得到实际变量和实际血糖值之后,将实际血糖值与血糖基准值比较,实际变量与实际血糖值进行比较。根据本领域的常识,当血糖变化的时候血管半径、血流速度、速率、血粘度、血管的外周阻力、心脏每次搏动的幅度、数据点的极值点、平均切面点、差分阈值点、心搏出量、心跳间隙、心跳间隔、分段切点、分层切点、时序对应点变量会发生变化。若果实际血糖值相对于血糖基准值发生变化时,而实际变量没有相对基础变量发生变化,或者变化的程度与实际血糖值的变化的程度不对应,则代表该采集的脉搏数据无效,计算得到的实际血糖值和实际变量无效,需要重新采集。
需要说明的是,实际血糖值相对血糖基准值发生变化时,实际变量也会发生变化,在具体比较时,并不一定要求上述14种变量全部发生变化,根据实际需要可以在大多数变量发生了相应的变化时,就判定由该次采集到的脉搏数据计算得到的实际血糖值有效,具体的,可以是在8个或8个以上的实际变量对应发生变化之后判断该次数据有效。
对于个性化单元70,传感器除了会间隔一定的时间采集脉搏数据用于计算实际血糖值之外,还可以在具体的时间点/段采集脉搏数据用于计算实际血糖值,在一个时间段内可以获取到多个有效血糖值,将所有有效血糖值进行排序,并将其中的最大值和最小值作为目标客户血糖的个性化血糖区间,个性化血糖区间相对于现有的标准血糖区间更加贴合目标用户的血糖健康情况,通过个性化血糖区间可以更加准确,科学的管理用户自己的血糖,精准高效。
具体的,对所有有效血糖值进行排序,以所有有效血糖值中的最大值和最小值作为用户的个性化血糖区间的极值。
通过后台算法每天都会根据新采集到地有效血糖值统计个性化血糖区间,统计出血糖值数据分布均匀的区间为我们的个性化血糖区间,比如说:{4、5、6、7、8、5、6、4、7、5、6、4、5、6、15},那15就不是均匀分布,我们会剔除掉,那么个性化区间就是{4-8}。对于趋势监控单元80,根据已有的有效血糖值分析血糖值趋势变化,对有效血糖值(实际血糖值)做线性归化分析,归化后直线的斜率变化直接反映了血糖速度的变化,超出了上述的个性化血糖区间,就发出消息预警,提示用户血糖升高/降低,注意休息。
本方案通过创建数据模型,根据脉搏数据计算用户血糖值和对应的变量,再使用该变量验证该血糖值是否有效,获取多个有效血糖值,确定用户血糖的个性化血糖区间,使用户可以根据自己的个性化血糖区间科学管理自己的血糖,精准高效。
以上所述仅为本发明的优选实施例,并非因此限制本发明的专利范围,凡是利用本发明说明书及附图内容所作的等效结构或等效流程变换,或直接或间接运用在其他相关的技术领域,均同理包括在本发明的专利保护范围内。
Claims (10)
1.一种个性化血糖区间统计方法,其特征在于,包括以下步骤,
预先设置用户基础血糖数据,基础血糖数据包括血糖基准值和与之对应的基础变量;
获取用户脉搏数据;
根据脉搏数据,计算得到用户身体的实际变量;
根据实际变量计算得到实际血糖值;
将实际变量和实际血糖值与基础变量和血糖基准值分别对应进行比较,校验实际血糖值是否有效;
校验为有效,则保存该实际血糖值作为有效血糖值;
根据所有有效血糖值确定用户的个性化血糖区间;
其中,实际变量包括:血管半径r、血流速度Vr2n、血粘度比Jn、心搏出量SVn、血流速率、血管的外周阻力、心脏每次搏动的幅度、脉搏的极值点、平均切面点、差分阈值点、心跳间隙、心跳间隔、分段切点、分层切点和时序对应点,上述的n代表大于0的自然数。
2.如权利要求1所述的个性化血糖区间统计方法,其特征在于,所述获取用户脉搏数据步骤,还包括,
通过传感器获取脉搏数据,传感器的采样频率为500hz;
过滤并提取脉搏数据的有效数值点。
3.如权利要求1所述的个性化血糖区间统计方法,其特征在于,所述根据所有有效血糖值确定用户的个性化血糖区间步骤,包括,
对所有有效血糖值进行排序,以所有有效血糖值中的最大值和最小值作为用户的个性化血糖区间的极值。
4.如权利要求1或3所述的个性化血糖区间统计方法,其特征在于,所述根据所有有效血糖值确定用户的个性化血糖区间步骤之后,包括,
将得到的实际血糖值做线性归化分析,获取实际血糖值变化趋势;
根据变化趋势发出用户血糖报告。
5.如权利要求1所述的个性化血糖区间统计方法,其特征在于,所述预先设置用户基础血糖数据,基础血糖数据包括血糖基准值和与之对应的基础变量步骤,包括,
采集用户多组空腹状态下的脉搏数据;
根据多组脉搏数据确定基础脉搏数据;
根据基础脉搏数据分别计算得到基础变量;
使用测量工具直接测用户血糖,并作为血糖基准值;
将上述的血糖基准值和基础变量作为基础血糖数据,并保存;
其中基础变量包括:血管半径ry、血流速度Vr2y、血粘度比Jy、脉搏的极值点R1y、心搏出量SVy、血流速率、血管的外周阻力、心脏每次搏动的幅度、平均切面点、差分阈值点、心跳间隙、心跳间隔、分段切点、分层切点和时序对应点。
6.如权利要求1所述的个性化血糖区间统计方法,其特征在于,所述根据脉搏数据,计算得到用户身体的实际变量步骤,包括,
计算血流数据,积分脉搏数据的数值点,计算出数值点的速度,反比数值点的速度获得血流速度;
计算心博出量,心博出量SVn=(0.283/(k*k))(Ps-Pd)*T,其中,k=(Ps-Pm)/(Ps-Pd),参数T是心动周期,Ps是单次测量脉搏曲线最大值,Pd是单次测量脉搏曲线最小值,Pm是单次测量脉搏曲线的平面切面点;
计算分段切点,将单次测量脉搏曲线分成a个分段,获取分段切点的时间和位置信息,a为大于0的自然数;
计算分层切点,将上述的分段再分成b个分层,获取每个分层切点的数据,b为大于0的自然数;
计算血粘度比,血粘度比Jn=(π*R*r4)/(8I),其中,默认I和R都是1,r为血管半径。
7.如权利要求6所述的个性化血糖区间统计方法,其特征在于,所述根据实际变量计算得到实际血糖值步骤,包括,
计算实际血糖值公式为:
B=b*((SVy*R2y*R1n)/(SVn*R1y*R2n))*(Sy/Sn)*(Jy/Jn)*(Vr2y/Vr2n)
其中,B为实际血糖值,b为血糖基准值,SVy为基础变量的心搏出量,R2y为极值,R1y为中值,Sy为基础变量的面积比数据,Jy为基础变量的血粘度比,Vr2y为基础变量的血流速度,
R1n为极值,R2n为中值,SVn为实际变量的心搏出量,Sn为实际变量的面积比数据,Jn为实际变量的血粘度比,Vr2n为实际变量的血流速度。
8.一种个性化血糖区间统计装置,其特征在于,包括,
数据预设单元,用于预先设置用户基础血糖数据,基础血糖数据包括血糖基准值和与之对应的基础变量;
脉搏获取单元,用于获取用户脉搏数据;
变量计算单元,用于根据脉搏数据,计算得到用户身体的实际变量;
血糖计算单元,用于根据实际变量计算得到实际血糖值;
血糖校验单元,用于将实际变量和实际血糖值与基础变量和血糖基准值分别对应进行比较,校验实际血糖值是否有效;
数据保存单元,用于校验为有效,则保存该实际血糖值作为有效血糖值;
个性化单元,用于根据所有有效血糖值确定用户的个性化血糖区间;
其中,实际变量包括:血管半径r、血流速度Vr2n、血粘度比Jn、心搏出量SVn、血流速率、血管的外周阻力、心脏每次搏动的幅度、脉搏的极值点、平均切面点、差分阈值点、心跳间隙、心跳间隔、分段切点、分层切点和时序对应点,上述的n代表大于0的自然数。
9.如权利要求8所述的个性化血糖区间统计装置,其特征在于,所述数据预设单元包括:
采集模块,用于采集用户多组空腹状态下的脉搏数据;
选定模块,用于根据多组脉搏数据确定基础脉搏数据;
计算模块,用于根据基础脉搏数据分别计算得到基础变量;
测量模块,用于使用测量工具直接测用户血糖,并作为血糖基准值;
保存模块,用于将上述的血糖基准值和基础变量作为基础血糖数据,并保存;
其中基础变量包括:血管半径ry、血流速度Vr2y、血粘度比Jy、脉搏的极值点R1y、心搏出量SVy、血流速率、血管的外周阻力、心脏每次搏动的幅度、平均切面点、差分阈值点、心跳间隙、心跳间隔、分段切点、分层切点和时序对应点。
10.如权利要求8所述的个性化血糖区间统计装置,其特征在于,还包括趋势监控单元,用于将得到的实际血糖值做线性归化分析,获取实际血糖值变化趋势,并根据变化趋势发出用户血糖报告。
Priority Applications (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910393559.8A CN110097937B (zh) | 2019-05-13 | 2019-05-13 | 个性化血糖区间统计方法及装置 |
PCT/CN2019/090644 WO2020228084A1 (zh) | 2019-05-13 | 2019-06-11 | 个性化血糖区间统计方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910393559.8A CN110097937B (zh) | 2019-05-13 | 2019-05-13 | 个性化血糖区间统计方法及装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110097937A true CN110097937A (zh) | 2019-08-06 |
CN110097937B CN110097937B (zh) | 2021-07-06 |
Family
ID=67447814
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910393559.8A Active CN110097937B (zh) | 2019-05-13 | 2019-05-13 | 个性化血糖区间统计方法及装置 |
Country Status (2)
Country | Link |
---|---|
CN (1) | CN110097937B (zh) |
WO (1) | WO2020228084A1 (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113288133A (zh) * | 2021-05-06 | 2021-08-24 | 广东工业大学 | 用于预测血糖值的方法、装置、存储介质及处理器 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101357062A (zh) * | 2008-08-22 | 2009-02-04 | 华南理工大学 | 基于容积脉搏波检测的生命体征参数测评装置 |
CN104490373A (zh) * | 2014-12-17 | 2015-04-08 | 辛勤 | 脉搏信号的判断方法、判断装置以及生理参数测量设备 |
CN106175788A (zh) * | 2016-09-19 | 2016-12-07 | 爱国者电子科技有限公司 | 血糖检测提醒装置、电子血糖仪 |
CN107296616A (zh) * | 2017-05-20 | 2017-10-27 | 深圳市前海安测信息技术有限公司 | 便携式无创血糖检测设备及方法 |
CN108200166A (zh) * | 2017-12-30 | 2018-06-22 | 广州柏颐信息科技有限公司 | 一种基于传感器监测的低功耗控制方法和装置 |
Family Cites Families (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP3763687B2 (ja) * | 1998-12-25 | 2006-04-05 | 三井金属鉱業株式会社 | 血糖値測定装置 |
ES2928760T3 (es) * | 2015-03-13 | 2022-11-22 | Univ Shinshu | Dispositivo de medición no invasiva del nivel de glucosa en sangre |
CN105193423A (zh) * | 2015-09-25 | 2015-12-30 | 北京大学深圳研究生院 | 无创血糖检测方法、装置及系统 |
CN107374646B (zh) * | 2017-07-31 | 2020-10-30 | 中国科学院半导体研究所 | 基于近红外技术的血糖检测装置及方法、电子装置 |
-
2019
- 2019-05-13 CN CN201910393559.8A patent/CN110097937B/zh active Active
- 2019-06-11 WO PCT/CN2019/090644 patent/WO2020228084A1/zh active Application Filing
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101357062A (zh) * | 2008-08-22 | 2009-02-04 | 华南理工大学 | 基于容积脉搏波检测的生命体征参数测评装置 |
CN104490373A (zh) * | 2014-12-17 | 2015-04-08 | 辛勤 | 脉搏信号的判断方法、判断装置以及生理参数测量设备 |
CN106175788A (zh) * | 2016-09-19 | 2016-12-07 | 爱国者电子科技有限公司 | 血糖检测提醒装置、电子血糖仪 |
CN107296616A (zh) * | 2017-05-20 | 2017-10-27 | 深圳市前海安测信息技术有限公司 | 便携式无创血糖检测设备及方法 |
CN108200166A (zh) * | 2017-12-30 | 2018-06-22 | 广州柏颐信息科技有限公司 | 一种基于传感器监测的低功耗控制方法和装置 |
Also Published As
Publication number | Publication date |
---|---|
WO2020228084A1 (zh) | 2020-11-19 |
CN110097937B (zh) | 2021-07-06 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Yoon et al. | Cuff-less blood pressure estimation using pulse waveform analysis and pulse arrival time | |
US8388542B2 (en) | System for cardiac pathology detection and characterization | |
Zeballos et al. | Behind the scenes of cardiopulmonary exercise testing | |
EP1389948B1 (en) | Patient condition display | |
CN108309262A (zh) | 多参数监护数据分析方法和多参数监护仪 | |
CN108309263A (zh) | 多参数监护数据分析方法和多参数监护系统 | |
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 | |
CN101765398B (zh) | 前负荷依赖性和流体反应性的评估 | |
CN108577830A (zh) | 一种面向用户的体征信息动态监护方法和动态监护系统 | |
CN108478209A (zh) | 心电信息动态监护方法和动态监护系统 | |
WO2005067788B1 (en) | Determination of glucose sensitivity and a method to manipulate blood glucose concentration | |
JP2014000105A (ja) | 非侵襲的連続血圧モニタリング方法及び装置 | |
US9510760B2 (en) | Method for estimating central aortic pulse pressure by cuff pressure pulse wave oscillation signals and device thereof | |
CN108186000A (zh) | 基于心冲击信号与光电信号的实时血压监测系统及方法 | |
EP3785610A1 (en) | Method of processing a signal representing a physiological rhythm | |
CN110037673A (zh) | 血压个性化区间的统计方法及装置 | |
CN106066933A (zh) | 获取房颤识别人工神经网络权重值矩阵的方法 | |
Marques et al. | A real time, wearable ECG and blood pressure monitoring system | |
JP6670376B2 (ja) | 心弾動図(bcg波)の複数の基準点の間で測定された時間差から大動脈の脈拍の伝搬時間(大動脈ptt)を見積もる方法と装置。 | |
Ball-Llovera et al. | An experience in implementing the oscillometric algorithm for the noninvasive determination of human blood pressure | |
KR100745972B1 (ko) | 심박간격변이도를 이용한 표준지표 산출 방법 | |
Liu et al. | Cuffless blood pressure measurement using smartwatches: a large-scale validation study | |
CN110097937A (zh) | 个性化血糖区间统计方法及装置 | |
WO2007013326A1 (ja) | 生体状態判定装置および刺激強度判定装置 | |
CN115064261A (zh) | 基于人工智能的血糖统计系统及方法 |
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 | ||
CB03 | Change of inventor or designer information | ||
CB03 | Change of inventor or designer information |
Inventor after: Wang Zuodi Inventor before: Wang Zuodi |
|
GR01 | Patent grant | ||
GR01 | Patent grant |