CN111192681A - 一种用于获取目标血糖特征的方法及系统 - Google Patents
一种用于获取目标血糖特征的方法及系统 Download PDFInfo
- Publication number
- CN111192681A CN111192681A CN201911356495.0A CN201911356495A CN111192681A CN 111192681 A CN111192681 A CN 111192681A CN 201911356495 A CN201911356495 A CN 201911356495A CN 111192681 A CN111192681 A CN 111192681A
- Authority
- CN
- China
- Prior art keywords
- blood glucose
- glucose data
- index
- data
- blood
- 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.)
- Pending
Links
- 239000008280 blood Substances 0.000 title claims abstract description 342
- 210000004369 blood Anatomy 0.000 title claims abstract description 342
- WQZGKKKJIJFFOK-GASJEMHNSA-N Glucose Natural products OC[C@H]1OC(O)[C@H](O)[C@@H](O)[C@@H]1O WQZGKKKJIJFFOK-GASJEMHNSA-N 0.000 title claims abstract description 247
- 239000008103 glucose Substances 0.000 title claims abstract description 247
- 238000000034 method Methods 0.000 title claims abstract description 25
- 238000012545 processing Methods 0.000 claims abstract description 14
- 239000011159 matrix material Substances 0.000 claims description 57
- 238000004364 calculation method Methods 0.000 claims description 9
- 230000005484 gravity Effects 0.000 claims description 9
- 238000010606 normalization Methods 0.000 claims description 7
- 230000002641 glycemic effect Effects 0.000 claims description 6
- 238000007781 pre-processing Methods 0.000 claims description 4
- 230000008569 process Effects 0.000 claims description 3
- 206010012601 diabetes mellitus Diseases 0.000 abstract description 14
- 201000010099 disease Diseases 0.000 abstract description 9
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 abstract description 9
- 230000008859 change Effects 0.000 abstract description 3
- 238000010586 diagram Methods 0.000 description 9
- 238000004590 computer program Methods 0.000 description 7
- 230000006870 function Effects 0.000 description 5
- 102000017011 Glycated Hemoglobin A Human genes 0.000 description 4
- 238000001514 detection method Methods 0.000 description 4
- 108010014663 Glycated Hemoglobin A Proteins 0.000 description 3
- 210000000056 organ Anatomy 0.000 description 3
- 238000012360 testing method Methods 0.000 description 3
- 230000007547 defect Effects 0.000 description 2
- NOESYZHRGYRDHS-UHFFFAOYSA-N insulin Chemical compound N1C(=O)C(NC(=O)C(CCC(N)=O)NC(=O)C(CCC(O)=O)NC(=O)C(C(C)C)NC(=O)C(NC(=O)CN)C(C)CC)CSSCC(C(NC(CO)C(=O)NC(CC(C)C)C(=O)NC(CC=2C=CC(O)=CC=2)C(=O)NC(CCC(N)=O)C(=O)NC(CC(C)C)C(=O)NC(CCC(O)=O)C(=O)NC(CC(N)=O)C(=O)NC(CC=2C=CC(O)=CC=2)C(=O)NC(CSSCC(NC(=O)C(C(C)C)NC(=O)C(CC(C)C)NC(=O)C(CC=2C=CC(O)=CC=2)NC(=O)C(CC(C)C)NC(=O)C(C)NC(=O)C(CCC(O)=O)NC(=O)C(C(C)C)NC(=O)C(CC(C)C)NC(=O)C(CC=2NC=NC=2)NC(=O)C(CO)NC(=O)CNC2=O)C(=O)NCC(=O)NC(CCC(O)=O)C(=O)NC(CCCNC(N)=N)C(=O)NCC(=O)NC(CC=3C=CC=CC=3)C(=O)NC(CC=3C=CC=CC=3)C(=O)NC(CC=3C=CC(O)=CC=3)C(=O)NC(C(C)O)C(=O)N3C(CCC3)C(=O)NC(CCCCN)C(=O)NC(C)C(O)=O)C(=O)NC(CC(N)=O)C(O)=O)=O)NC(=O)C(C(C)CC)NC(=O)C(CO)NC(=O)C(C(C)O)NC(=O)C1CSSCC2NC(=O)C(CC(C)C)NC(=O)C(NC(=O)C(CCC(N)=O)NC(=O)C(CC(N)=O)NC(=O)C(NC(=O)C(N)CC=1C=CC=CC=1)C(C)C)CC1=CN=CN1 NOESYZHRGYRDHS-UHFFFAOYSA-N 0.000 description 2
- 238000007410 oral glucose tolerance test Methods 0.000 description 2
- 102000004877 Insulin Human genes 0.000 description 1
- 108090001061 Insulin Proteins 0.000 description 1
- 208000008589 Obesity Diseases 0.000 description 1
- 208000036142 Viral infection Diseases 0.000 description 1
- 230000009471 action Effects 0.000 description 1
- 210000004204 blood vessel Anatomy 0.000 description 1
- 238000007796 conventional method Methods 0.000 description 1
- 230000006866 deterioration Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000003745 diagnosis Methods 0.000 description 1
- 235000005911 diet Nutrition 0.000 description 1
- 230000037213 diet Effects 0.000 description 1
- 208000016097 disease of metabolism Diseases 0.000 description 1
- 229940079593 drug Drugs 0.000 description 1
- 239000003814 drug Substances 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 210000001508 eye Anatomy 0.000 description 1
- 230000002068 genetic effect Effects 0.000 description 1
- 108091005995 glycated hemoglobin Proteins 0.000 description 1
- 230000036541 health Effects 0.000 description 1
- 210000002216 heart Anatomy 0.000 description 1
- 229940125396 insulin Drugs 0.000 description 1
- 210000003734 kidney Anatomy 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 230000003340 mental effect Effects 0.000 description 1
- 208000030159 metabolic disease Diseases 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 210000005036 nerve Anatomy 0.000 description 1
- 235000020824 obesity Nutrition 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000011369 optimal treatment Methods 0.000 description 1
- 210000000496 pancreas Anatomy 0.000 description 1
- 230000008506 pathogenesis Effects 0.000 description 1
- 230000000737 periodic effect Effects 0.000 description 1
- 230000035935 pregnancy Effects 0.000 description 1
- 238000012552 review Methods 0.000 description 1
- 230000003248 secreting effect Effects 0.000 description 1
- 230000000451 tissue damage Effects 0.000 description 1
- 231100000827 tissue damage Toxicity 0.000 description 1
- 238000011282 treatment Methods 0.000 description 1
- 230000009385 viral infection Effects 0.000 description 1
Images
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
- 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
- G16H50/30—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for calculating health indices; for individual health risk assessment
-
- 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
- A61B5/14532—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 glucose, e.g. by tissue impedance measurement
-
- 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
Landscapes
- Health & Medical Sciences (AREA)
- Engineering & Computer Science (AREA)
- Medical Informatics (AREA)
- Public Health (AREA)
- Biomedical Technology (AREA)
- General Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Pathology (AREA)
- Primary Health Care (AREA)
- Data Mining & Analysis (AREA)
- Databases & Information Systems (AREA)
- Epidemiology (AREA)
- Physics & Mathematics (AREA)
- Biophysics (AREA)
- Optics & Photonics (AREA)
- Emergency Medicine (AREA)
- Heart & Thoracic Surgery (AREA)
- Molecular Biology (AREA)
- Surgery (AREA)
- Animal Behavior & Ethology (AREA)
- Veterinary Medicine (AREA)
- Investigating Or Analysing Biological Materials (AREA)
Abstract
本发明公开了一种用于获取目标血糖特征的方法及系统，属于数据处理技术领域。本发明方法包括：获取目标多次多项的血糖数据矩阵；获取目标多次多项的血糖数据矩阵中任意一项任意一次血糖数据与所述血糖数据指标的比重；确定多次多项的血糖数据矩阵中任意一项血糖数据指标的熵值；确定多次多项的血糖数据矩阵中任意一项血糖数据指标的效用值；确定多次多项的血糖数据矩阵中任意一项血糖数据指标的权重；获取目标血糖特征。本发明对目标几项血糖指标的历史数据进行综合评估，可以比较直观地显示出病情变化和患病风险，为将要患糖尿病的人群提供有效支持。
Description
技术领域
本发明涉及数据处理技术领域，并且更具体地，涉及一种用于获取目标血糖特征的方法及系统。
背景技术
糖尿病是由于胰腺分泌功能缺陷或胰岛素作用缺陷引起的，以血糖升高为特征的代谢性疾病。糖尿病患者若血糖长期控制不佳，可导致器官组织损伤，成为“万病之源”，伴发各种器官，尤其是眼、心、血管、肾、神经损害或器官功能不全或衰竭，严重可致患者残疾或者死亡。因此，在常规体检过程中，都会包含血糖、糖化血红蛋白等糖尿病相关项目的检测。此外，糖尿病患者还需要去医院或健康管理机构进行相关指数的定期复查。
糖尿病的病因及发病机制十分复杂，目前尚未完全阐明，传统学说认为与以下因素有关：遗传因素、精神因素、肥胖因素、病毒感染、妊娠等。糖尿病的诊断主要是通过血糖测定来判断，血糖检测方法主要由三种：空腹血糖检测、口服葡萄糖耐量试验、糖化血红蛋白测定。
对于糖尿病的检测和复查，患者一般通过血糖检测结果来判断是否患病，以及服药、调节生活习惯后的病情变化，并在医生的指导下进行药量、饮食、运动等方面的合理调整。
医生通过血糖判断患者的糖尿病发展情况，一般是依据空腹血糖检测、口服葡萄糖耐量试验、糖化血红蛋白等的正常参考值。如果患者的这几项指标在正常范围内，则判定未患糖尿病或病情控制情况较好，但是这种常规方法无法预测患病前期的风险及病情恶化风险。如果患者的血糖数据已经超出正常范围并确诊糖尿病，或病情发生恶化，这时再来提醒患者采取相应的治疗措施，可能会错过最佳的治疗时机。
发明内容
针对上述问题本发明提出了一种用于获取目标血糖特征的方法，包括：，获取目标多次多项的血糖数据，根据多次各项血糖指数的正常值参考范围对血糖数据进行预处理，获取目标多次多项的血糖数据矩阵；
对目标多次多项的血糖数据矩阵进行归一化处理，确定目标多次多项的血糖数据矩阵中任意一项任意一次血糖数据指标，获取目标多次多项的血糖数据矩阵中任意一项任意一次血糖数据与所述血糖数据指标的比重；
根据所述血糖数据矩阵中任意一项任意一次血糖数据与所述血糖数据指标的比重确定多次多项的血糖数据矩阵中任意一项血糖数据指标的熵值；
根据所述任意一项血糖数据指标的熵值确定多次多项的血糖数据矩阵中任意一项血糖数据指标的效用值；
根据所述任意一项血糖数据指标的效用值确定多次多项的血糖数据矩阵中任意一项血糖数据指标的权重；
根据所述血糖数据矩阵中任意一项任意一次血糖数据与所述血糖数据指标的比重、血糖数据矩阵中任意一项血糖数据指标的熵值、任意一项血糖数据指标的效用值和任意一项血糖数据指标的权重，获取目标血糖特征。
可选的，对目标多次多项的血糖数据矩阵进行归一化处理，具体公式如下：
其中，Xij为第i次第j项的血糖数据指标，i＝1至n，n大于1，j＝1至m，m大于1。
可选的，获取目标多次多项的血糖数据矩阵中任意一项任意一次血糖数据与所述血糖数据指标的比重，具体包括：
其中，Pij为第i次第j项血糖数据与第j项血糖数据指标的比重和
为血糖数据指标。
可选的，确定多次多项的血糖数据矩阵中任意一项血糖数据指标的熵值，具体为：
其中，ej为多次多项的血糖数据矩阵中j项血糖数据指标的熵值、ej大于或等于0和k为常数k＝1/ln m。
可选的，多次多项的血糖数据矩阵中任意一项血糖数据指标的效用值，具体为：
gj＝1-ej
其中，gj为多次多项的血糖数据矩阵中j项血糖数据指标的效用值。
可选的，多次多项的血糖数据矩阵中任意一项血糖数据指标的权重，具体为：
其中，Wj为多次多项的血糖数据矩阵中j项血糖数据指标的权重。
可选的，血糖特征包括：生物熵值和血糖特征指数：
所述生物熵值的确定公式如下：
所述血糖特征指数的确定公式如下：
其中，Ei为生物熵值和Si为血糖特征指数。
本发明还提供了一种用于获取目标血糖特征的系统，包括：，
采集模块，获取目标多次多项的血糖数据，根据多次各项血糖指数的正常值参考范围对血糖数据进行预处理，获取目标多次多项的血糖数据矩阵；
处理模块，对目标多次多项的血糖数据矩阵进行归一化处理，确定目标多次多项的血糖数据矩阵中任意一项任意一次血糖数据指标，获取目标多次多项的血糖数据矩阵中任意一项任意一次血糖数据与所述血糖数据指标的比重；
第一计算模块，根据所述血糖数据矩阵中任意一项任意一次血糖数据与所述血糖数据指标的比重确定多次多项的血糖数据矩阵中任意一项血糖数据指标的熵值；
第二计算模块，根据所述任意一项血糖数据指标的熵值确定多次多项的血糖数据矩阵中任意一项血糖数据指标的效用值；
第三计算模块，根据所述任意一项血糖数据指标的效用值确定多次多项的血糖数据矩阵中任意一项血糖数据指标的权重；
获取特征模块，根据所述血糖数据矩阵中任意一项任意一次血糖数据与所述血糖数据指标的比重、血糖数据矩阵中任意一项血糖数据指标的熵值、任意一项血糖数据指标的效用值和任意一项血糖数据指标的权重，获取目标血糖特征。
可选的，对目标多次多项的血糖数据矩阵进行归一化处理，具体公式如下：
其中，Xij为第i次第j项的血糖数据指标，i＝1至n，n大于1，j＝1至m，m大于1。
可选的，获取目标多次多项的血糖数据矩阵中任意一项任意一次血糖数据与所述血糖数据指标的比重，具体包括：
其中，Pij为第i次第j项血糖数据与第j项血糖数据指标的比重和
为血糖数据指标。
可选的，确定多次多项的血糖数据矩阵中任意一项血糖数据指标的熵值，具体为：
其中，ej为多次多项的血糖数据矩阵中j项血糖数据指标的熵值、ej大于或等于0和k为常数k＝1/ln m。
可选的，多次多项的血糖数据矩阵中任意一项血糖数据指标的效用值，具体为：
gj＝1-ej
其中，gj为多次多项的血糖数据矩阵中j项血糖数据指标的效用值。
可选的，多次多项的血糖数据矩阵中任意一项血糖数据指标的权重，具体为：
其中，Wj为多次多项的血糖数据矩阵中j项血糖数据指标的权重。
可选的，血糖特征包括：生物熵值和血糖特征指数：
所述生物熵值的确定公式如下：
所述血糖特征指数的确定公式如下：
其中，Ei为生物熵值和Si为血糖特征指数。
本发明对目标几项血糖指标的历史数据进行综合评估，可以比较直观地显示出病情变化和患病风险，为将要患糖尿病的人群提供有效支持。
附图说明
图1为本发明一种用于获取目标血糖特征的方法流程图；
图2为本发明一种用于获取目标血糖特征的系统结构图。
具体实施方式
现在参考附图介绍本发明的示例性实施方式，然而，本发明可以用许多不同的形式来实施，并且不局限于此处描述的实施例，提供这些实施例是为了详尽地且完全地公开本发明，并且向所属技术领域的技术人员充分传达本发明的范围。对于表示在附图中的示例性实施方式中的术语并不是对本发明的限定。在附图中，相同的单元/元件使用相同的附图标记。
除非另有说明，此处使用的术语(包括科技术语)对所属技术领域的技术人员具有通常的理解含义。另外，可以理解的是，以通常使用的词典限定的术语，应当被理解为与其相关领域的语境具有一致的含义，而不应该被理解为理想化的或过于正式的意义。
本发明提出了一种用于获取目标血糖特征的方法，如图1所示，包括：，获取目标多次多项的血糖数据，根据多次各项血糖指数的正常值参考范围对血糖数据进行预处理，获取目标多次多项的血糖数据矩阵；
对目标多次多项的血糖数据矩阵进行归一化处理，对目标多次多项的血糖数据矩阵进行归一化处理，具体公式如下：
其中，Xij为第i次第j项的血糖数据指标，i＝1至n，n大于1，j＝1至m，m大于1。
确定目标多次多项的血糖数据矩阵中任意一项任意一次血糖数据指标，获取目标多次多项的血糖数据矩阵中任意一项任意一次血糖数据与所述血糖数据指标的比重；
获取目标多次多项的血糖数据矩阵中任意一项任意一次血糖数据与所述血糖数据指标的比重，具体包括：
其中，Pij为第i次第j项血糖数据与第j项血糖数据指标的比重和
为血糖数据指标。
根据所述血糖数据矩阵中任意一项任意一次血糖数据与所述血糖数据指标的比重确定多次多项的血糖数据矩阵中任意一项血糖数据指标的熵值；
确定多次多项的血糖数据矩阵中任意一项血糖数据指标的熵值，具体为：
其中，ej为多次多项的血糖数据矩阵中j项血糖数据指标的熵值、ej大于或等于0和k为常数k＝1/ln m。
根据所述任意一项血糖数据指标的熵值确定多次多项的血糖数据矩阵中任意一项血糖数据指标的效用值；
多次多项的血糖数据矩阵中任意一项血糖数据指标的效用值，具体为：
gj＝1-ej
其中，gi为多次多项的血糖数据矩阵中j项血糖数据指标的效用值。
根据所述任意一项血糖数据指标的效用值确定多次多项的血糖数据矩阵中任意一项血糖数据指标的权重；
多次多项的血糖数据矩阵中任意一项血糖数据指标的权重，具体为：
其中，Wj为多次多项的血糖数据矩阵中j项血糖数据指标的权重。
根据所述血糖数据矩阵中任意一项任意一次血糖数据与所述血糖数据指标的比重、血糖数据矩阵中任意一项血糖数据指标的熵值、任意一项血糖数据指标的效用值和任意一项血糖数据指标的权重，获取目标血糖特征。
血糖特征包括：生物熵值和血糖特征指数：
所述生物熵值的确定公式如下：
所述血糖特征指数的确定公式如下：
其中，Ei为生物熵值和Si为血糖特征指数。
本发明还提供了一种用于获取目标血糖特征的系统200，如图2所示，包括：，
采集模块201，获取目标多次多项的血糖数据，根据多次各项血糖指数的正常值参考范围对血糖数据进行预处理，获取目标多次多项的血糖数据矩阵；
处理模块202，对目标多次多项的血糖数据矩阵进行归一化处理，确定目标多次多项的血糖数据矩阵中任意一项任意一次血糖数据指标，获取目标多次多项的血糖数据矩阵中任意一项任意一次血糖数据与所述血糖数据指标的比重；
第一计算模块203，根据所述血糖数据矩阵中任意一项任意一次血糖数据与所述血糖数据指标的比重确定多次多项的血糖数据矩阵中任意一项血糖数据指标的熵值；
第二计算模块204，根据所述任意一项血糖数据指标的熵值确定多次多项的血糖数据矩阵中任意一项血糖数据指标的效用值；
第三计算模块205，根据所述任意一项血糖数据指标的效用值确定多次多项的血糖数据矩阵中任意一项血糖数据指标的权重；
获取特征模块206，根据所述血糖数据矩阵中任意一项任意一次血糖数据与所述血糖数据指标的比重、血糖数据矩阵中任意一项血糖数据指标的熵值、任意一项血糖数据指标的效用值和任意一项血糖数据指标的权重，获取目标血糖特征。
对目标多次多项的血糖数据矩阵进行归一化处理，具体公式如下：
其中，Xij为第i次第j项的血糖数据指标，i＝1至n，n大于1，j＝1至m，m大于1。
获取目标多次多项的血糖数据矩阵中任意一项任意一次血糖数据与所述血糖数据指标的比重，具体包括：
其中，Pij为第i次第j项血糖数据与第j项血糖数据指标的比重和
为血糖数据指标。
可选的，确定多次多项的血糖数据矩阵中任意一项血糖数据指标的熵值，具体为：
其中，ej为多次多项的血糖数据矩阵中j项血糖数据指标的熵值、ej大于或等于0和k为常数k＝1/ln m。
多次多项的血糖数据矩阵中任意一项血糖数据指标的效用值，具体为：
gj＝1-ej
其中，gj为多次多项的血糖数据矩阵中j项血糖数据指标的效用值。
多次多项的血糖数据矩阵中任意一项血糖数据指标的权重，具体为：
其中，Wj为多次多项的血糖数据矩阵中j项血糖数据指标的权重。
血糖特征包括：生物熵值和血糖特征指数：
所述生物熵值的确定公式如下：
所述血糖特征指数的确定公式如下：
其中，Ei为生物熵值和Si为血糖特征指数。
本发明对患者空腹血糖、口服葡萄糖耐量、糖化血红蛋白等几项血糖指标的历史数据进行综合评估，可以比较直观地显示出病情变化和患病风险，为将要患糖尿病的人群提供有效支持。
本领域内的技术人员应明白，本申请的实施例可提供为方法、系统、或计算机程序产品。因此，本申请可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且，本申请可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
本申请是参照根据本申请实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
最后应当说明的是：以上实施例仅用以说明本发明的技术方案而非对其限制，尽管参照上述实施例对本发明进行了详细的说明，所属领域的普通技术人员应当理解：依然可以对本发明的具体实施方式进行修改或者等同替换，而未脱离本发明精神和范围的任何修改或者等同替换，其均应涵盖在本发明的权利要求保护范围之内。
Claims (14)
1.一种用于获取目标血糖特征的方法，所述方法包括：
获取目标多次多项的血糖数据，根据多次各项血糖指数的正常值参考范围对血糖数据进行预处理，获取目标多次多项的血糖数据矩阵；
对目标多次多项的血糖数据矩阵进行归一化处理，确定目标多次多项的血糖数据矩阵中任意一项任意一次血糖数据指标，获取目标多次多项的血糖数据矩阵中任意一项任意一次血糖数据与所述血糖数据指标的比重；
根据所述血糖数据矩阵中任意一项任意一次血糖数据与所述血糖数据指标的比重确定多次多项的血糖数据矩阵中任意一项血糖数据指标的熵值；
根据所述任意一项血糖数据指标的熵值确定多次多项的血糖数据矩阵中任意一项血糖数据指标的效用值；
根据所述任意一项血糖数据指标的效用值确定多次多项的血糖数据矩阵中任意一项血糖数据指标的权重；
根据所述血糖数据矩阵中任意一项任意一次血糖数据与所述血糖数据指标的比重、血糖数据矩阵中任意一项血糖数据指标的熵值、任意一项血糖数据指标的效用值和任意一项血糖数据指标的权重，获取目标血糖特征。
2.根据权利要求1所述的方法，所述对目标多次多项的血糖数据矩阵进行归一化处理，具体公式如下：
其中，Xij为第i次第j项的血糖数据指标，i＝1至n，n大于1，j＝1至m，m大于1。
3.根据权利要求1所述的方法，所述获取目标多次多项的血糖数据矩阵中任意一项任意一次血糖数据与所述血糖数据指标的比重，具体包括：
其中，Pij为第i次第j项血糖数据与第j项血糖数据指标的比重和
为血糖数据指标。
4.根据权利要求1所述的方法，所述确定多次多项的血糖数据矩阵中任意一项血糖数据指标的熵值，具体为：
其中，ej为多次多项的血糖数据矩阵中j项血糖数据指标的熵值、ej大于或等于0和k为常数k＝1/lnm。
5.根据权利要求1所述的方法，所述多次多项的血糖数据矩阵中任意一项血糖数据指标的效用值，具体为：
gj＝1-ej
其中，gj为多次多项的血糖数据矩阵中j项血糖数据指标的效用值。
6.根据权利要求1所述的方法，所述多次多项的血糖数据矩阵中任意一项血糖数据指标的权重，具体为：
其中，Wj为多次多项的血糖数据矩阵中j项血糖数据指标的权重。
7.根据权利要求1所述的方法，所述血糖特征包括：生物熵值和血糖特征指数：
所述生物熵值的确定公式如下：
所述血糖特征指数的确定公式如下：
其中，Ei为生物熵值和Si为血糖特征指数。
8.一种用于获取目标血糖特征的系统，所述系统包括：，
采集模块，获取目标多次多项的血糖数据，根据多次各项血糖指数的正常值参考范围对血糖数据进行预处理，获取目标多次多项的血糖数据矩阵；
处理模块，对目标多次多项的血糖数据矩阵进行归一化处理，确定目标多次多项的血糖数据矩阵中任意一项任意一次血糖数据指标，获取目标多次多项的血糖数据矩阵中任意一项任意一次血糖数据与所述血糖数据指标的比重；
第一计算模块，根据所述血糖数据矩阵中任意一项任意一次血糖数据与所述血糖数据指标的比重确定多次多项的血糖数据矩阵中任意一项血糖数据指标的熵值；
第二计算模块，根据所述任意一项血糖数据指标的熵值确定多次多项的血糖数据矩阵中任意一项血糖数据指标的效用值；
第三计算模块，根据所述任意一项血糖数据指标的效用值确定多次多项的血糖数据矩阵中任意一项血糖数据指标的权重；
获取特征模块，根据所述血糖数据矩阵中任意一项任意一次血糖数据与所述血糖数据指标的比重、血糖数据矩阵中任意一项血糖数据指标的熵值、任意一项血糖数据指标的效用值和任意一项血糖数据指标的权重，获取目标血糖特征。
9.根据权利要求8所述的系统，所述对目标多次多项的血糖数据矩阵进行归一化处理，具体公式如下：
其中，Xij为第i次第j项的血糖数据指标，i＝1至n，n大于1，j＝1至m，m大于1。
10.根据权利要求8所述的系统，所述获取目标多次多项的血糖数据矩阵中任意一项任意一次血糖数据与所述血糖数据指标的比重，具体包括：
其中，Pij为第i次第j项血糖数据与第j项血糖数据指标的比重和
为血糖数据指标。
11.根据权利要求8所述的系统，所述的确定多次多项的血糖数据矩阵中任意一项血糖数据指标的熵值，具体为：
其中，ej为多次多项的血糖数据矩阵中j项血糖数据指标的熵值、ej大于或等于0和k为常数k＝1/ln m。
12.根据权利要求8所述的系统，所述多次多项的血糖数据矩阵中任意一项血糖数据指标的效用值，具体为：
gj＝1-ej
其中，gj为多次多项的血糖数据矩阵中j项血糖数据指标的效用值。
13.根据权利要求8所述的系统，所述多次多项的血糖数据矩阵中任意一项血糖数据指标的权重，具体为：
其中，Wj为多次多项的血糖数据矩阵中j项血糖数据指标的权重。
14.根据权利要求8所述的系统，所述血糖特征包括：生物熵值和血糖特征指数：
所述生物熵值的确定公式如下：
所述血糖特征指数的确定公式如下：
其中，Ei为生物熵值和Si为血糖特征指数。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201911356495.0A CN111192681A (zh) | 2019-12-25 | 2019-12-25 | 一种用于获取目标血糖特征的方法及系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201911356495.0A CN111192681A (zh) | 2019-12-25 | 2019-12-25 | 一种用于获取目标血糖特征的方法及系统 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN111192681A true CN111192681A (zh) | 2020-05-22 |
Family
ID=70710492
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201911356495.0A Pending CN111192681A (zh) | 2019-12-25 | 2019-12-25 | 一种用于获取目标血糖特征的方法及系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN111192681A (zh) |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2021007485A1 (en) * | 2019-07-10 | 2021-01-14 | University Of Virginia Patent Foundation | System and method for online domain adaptation of models for hypoglycemia prediction in type 1 diabetes |
| CN112768068A (zh) * | 2020-12-18 | 2021-05-07 | 新绎健康科技有限公司 | 一种用于评估目标静息状态能量熵的方法及系统 |
Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN104850758A (zh) * | 2015-06-10 | 2015-08-19 | 史方 | 健康指数评分方法 |
| CN105078474A (zh) * | 2015-08-21 | 2015-11-25 | 武汉苏酷科技有限公司 | 一种血糖及血压监测和控制系统 |
| CN105512505A (zh) * | 2016-01-19 | 2016-04-20 | 宇龙计算机通信科技(深圳)有限公司 | 一种健康提示方法及终端设备 |
| CN106485086A (zh) * | 2016-10-19 | 2017-03-08 | 大连大学 | 基于aic和改进熵权法的人体体成分预测方法 |
| US20190369108A1 (en) * | 2018-06-05 | 2019-12-05 | The Board Of Trustees Of The Leland Stanford Junior University | Methods for Evaluating Glycemic Regulation and Applications Thereof |
-
2019
- 2019-12-25 CN CN201911356495.0A patent/CN111192681A/zh active Pending
Patent Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN104850758A (zh) * | 2015-06-10 | 2015-08-19 | 史方 | 健康指数评分方法 |
| CN105078474A (zh) * | 2015-08-21 | 2015-11-25 | 武汉苏酷科技有限公司 | 一种血糖及血压监测和控制系统 |
| CN105512505A (zh) * | 2016-01-19 | 2016-04-20 | 宇龙计算机通信科技(深圳)有限公司 | 一种健康提示方法及终端设备 |
| CN106485086A (zh) * | 2016-10-19 | 2017-03-08 | 大连大学 | 基于aic和改进熵权法的人体体成分预测方法 |
| US20190369108A1 (en) * | 2018-06-05 | 2019-12-05 | The Board Of Trustees Of The Leland Stanford Junior University | Methods for Evaluating Glycemic Regulation and Applications Thereof |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2021007485A1 (en) * | 2019-07-10 | 2021-01-14 | University Of Virginia Patent Foundation | System and method for online domain adaptation of models for hypoglycemia prediction in type 1 diabetes |
| CN112768068A (zh) * | 2020-12-18 | 2021-05-07 | 新绎健康科技有限公司 | 一种用于评估目标静息状态能量熵的方法及系统 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Zarkogianni et al. | A review of emerging technologies for the management of diabetes mellitus | |
| Ong et al. | Visual impairment, age-related eye diseases, and cognitive function: the Singapore Malay Eye study | |
| RU2630122C2 (ru) | Способ непрерывного прогнозирования тяжести заболевания у пациента, летального исхода и длительности госпитализации | |
| RU2679572C1 (ru) | Система поддержки принятия клинических решений на основе принятия решений по сортировке пациентов | |
| Elliott et al. | Population-level incidence and predictors of surgically induced diabetes and exocrine insufficiency after partial pancreatic resection | |
| US20230386669A1 (en) | System, apparatus, method, and graphical user interface for screening | |
| Magid et al. | Health-related quality of life predicts emergency department utilization for patients with asthma | |
| WO2020013230A1 (ja) | ヘルスケア管理方法 | |
| Wu et al. | Data resource profile: the Hong Kong diabetes surveillance database (HKDSD) | |
| CN111192681A (zh) | 一种用于获取目标血糖特征的方法及系统 | |
| Ravi et al. | Current concepts and clinical importance of glycemic variability | |
| Field et al. | Rapid, noninvasive detection of diabetes-induced retinal metabolic stress | |
| Kim et al. | Deep learning model for predicting intradialytic hypotension without privacy infringement: a retrospective two-center study | |
| CN103093112B (zh) | 预警装置 | |
| Brognara et al. | The association between cognitive impairment and diabetic foot care: Role of neuropathy and glycated hemoglobin | |
| Chen et al. | Glycemic status and its association with retinal age gap: Insights from the UK biobank study | |
| Sasongko et al. | Rationale and methodology for a community-based study of diabetic retinopathy in an Indonesian population with type 2 diabetes mellitus: the Jogjakarta Eye Diabetic Study in the Community | |
| JP6401297B2 (ja) | インスリン分泌能分析装置、当該装置を備えるインスリン分泌能分析システム及びインスリン分泌能分析方法 | |
| Blokh et al. | Estimation of heterogeneity in diagnostic parameters of age-related diseases | |
| Talebpour et al. | Comparison between emergency severity index plus capnometer and emergency severity index in the dyspneic patients with chronic heart failure | |
| Romero-Aroca et al. | Validation of an Algorithm for the Prediction of Diabetic Retinopathy in Type 1 Diabetic Patients in a Spanish Population | |
| US20240170156A1 (en) | Risk index system for evaluating risk of diabetic retinopathy | |
| Liu et al. | Lessons learnt from harnessing deep learning for real-world clinical applications in ophthalmology: detecting diabetic retinopathy from retinal fundus photographs | |
| US20230197239A1 (en) | Information processing device, information processing method and information processing program | |
| TWI803893B (zh) | 敗血症之人工智慧輔助醫療診斷方法及其系統 |
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 | ||
| RJ01 | Rejection of invention patent application after publication |
Application publication date: 20200522 |
|
| RJ01 | Rejection of invention patent application after publication |