CN111632228B - 一种基于可穿戴监测方法的闭环人工胰腺系统 - Google Patents

一种基于可穿戴监测方法的闭环人工胰腺系统 Download PDF

Info

Publication number
CN111632228B
CN111632228B CN202010424624.1A CN202010424624A CN111632228B CN 111632228 B CN111632228 B CN 111632228B CN 202010424624 A CN202010424624 A CN 202010424624A CN 111632228 B CN111632228 B CN 111632228B
Authority
CN
China
Prior art keywords
blood glucose
time
insulin infusion
frequency sensor
monitoring
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
Application number
CN202010424624.1A
Other languages
English (en)
Other versions
CN111632228A (zh
Inventor
聂泽东
李景振
刘宇航
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Shenzhen Institute of Advanced Technology of CAS
Original Assignee
Shenzhen Institute of Advanced Technology of CAS
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Shenzhen Institute of Advanced Technology of CAS filed Critical Shenzhen Institute of Advanced Technology of CAS
Priority to CN202010424624.1A priority Critical patent/CN111632228B/zh
Publication of CN111632228A publication Critical patent/CN111632228A/zh
Priority to PCT/CN2020/128560 priority patent/WO2021232707A1/zh
Priority to US17/312,950 priority patent/US20220313909A1/en
Application granted granted Critical
Publication of CN111632228B publication Critical patent/CN111632228B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61M—DEVICES FOR INTRODUCING MEDIA INTO, OR ONTO, THE BODY; DEVICES FOR TRANSDUCING BODY MEDIA OR FOR TAKING MEDIA FROM THE BODY; DEVICES FOR PRODUCING OR ENDING SLEEP OR STUPOR
    • A61M5/00—Devices for bringing media into the body in a subcutaneous, intra-vascular or intramuscular way; Accessories therefor, e.g. filling or cleaning devices, arm-rests
    • A61M5/14—Infusion devices, e.g. infusing by gravity; Blood infusion; Accessories therefor
    • A61M5/168—Means for controlling media flow to the body or for metering media to the body, e.g. drip meters, counters ; Monitoring media flow to the body
    • A61M5/172—Means for controlling media flow to the body or for metering media to the body, e.g. drip meters, counters ; Monitoring media flow to the body electrical or electronic
    • A61M5/1723—Means for controlling media flow to the body or for metering media to the body, e.g. drip meters, counters ; Monitoring media flow to the body electrical or electronic using feedback of body parameters, e.g. blood-sugar, pressure
    • 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
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61M—DEVICES FOR INTRODUCING MEDIA INTO, OR ONTO, THE BODY; DEVICES FOR TRANSDUCING BODY MEDIA OR FOR TAKING MEDIA FROM THE BODY; DEVICES FOR PRODUCING OR ENDING SLEEP OR STUPOR
    • A61M5/00—Devices for bringing media into the body in a subcutaneous, intra-vascular or intramuscular way; Accessories therefor, e.g. filling or cleaning devices, arm-rests
    • A61M5/14—Infusion devices, e.g. infusing by gravity; Blood infusion; Accessories therefor
    • A61M5/142—Pressure infusion, e.g. using pumps
    • 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
    • G16H20/00—ICT specially adapted for therapies or health-improving plans, e.g. for handling prescriptions, for steering therapy or for monitoring patient compliance
    • G16H20/10—ICT specially adapted for therapies or health-improving plans, e.g. for handling prescriptions, for steering therapy or for monitoring patient compliance relating to drugs or medications, e.g. for ensuring correct administration to patients
    • G16H20/17—ICT specially adapted for therapies or health-improving plans, e.g. for handling prescriptions, for steering therapy or for monitoring patient compliance relating to drugs or medications, e.g. for ensuring correct administration to patients delivered via infusion or injection
    • 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
    • G16H40/00—ICT specially adapted for the management or administration of healthcare resources or facilities; ICT specially adapted for the management or operation of medical equipment or devices
    • G16H40/60—ICT specially adapted for the management or administration of healthcare resources or facilities; ICT specially adapted for the management or operation of medical equipment or devices for the operation of medical equipment or devices
    • G16H40/63—ICT specially adapted for the management or administration of healthcare resources or facilities; ICT specially adapted for the management or operation of medical equipment or devices for the operation of medical equipment or devices for local operation
    • 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
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61M—DEVICES FOR INTRODUCING MEDIA INTO, OR ONTO, THE BODY; DEVICES FOR TRANSDUCING BODY MEDIA OR FOR TAKING MEDIA FROM THE BODY; DEVICES FOR PRODUCING OR ENDING SLEEP OR STUPOR
    • A61M2230/00—Measuring parameters of the user
    • A61M2230/20—Blood composition characteristics
    • A61M2230/201—Glucose concentration
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61M—DEVICES FOR INTRODUCING MEDIA INTO, OR ONTO, THE BODY; DEVICES FOR TRANSDUCING BODY MEDIA OR FOR TAKING MEDIA FROM THE BODY; DEVICES FOR PRODUCING OR ENDING SLEEP OR STUPOR
    • A61M5/00—Devices for bringing media into the body in a subcutaneous, intra-vascular or intramuscular way; Accessories therefor, e.g. filling or cleaning devices, arm-rests
    • A61M5/14—Infusion devices, e.g. infusing by gravity; Blood infusion; Accessories therefor
    • A61M5/168—Means for controlling media flow to the body or for metering media to the body, e.g. drip meters, counters ; Monitoring media flow to the body
    • A61M5/16877—Adjusting flow; Devices for setting a flow rate
    • 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
    • G16H20/00—ICT specially adapted for therapies or health-improving plans, e.g. for handling prescriptions, for steering therapy or for monitoring patient compliance
    • G16H20/30—ICT specially adapted for therapies or health-improving plans, e.g. for handling prescriptions, for steering therapy or for monitoring patient compliance relating to physical therapies or activities, e.g. physiotherapy, acupressure or exercising
    • 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
    • G16H50/70—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for mining of medical data, e.g. analysing previous cases of other patients

Landscapes

  • Health & Medical Sciences (AREA)
  • Engineering & Computer Science (AREA)
  • Biomedical Technology (AREA)
  • Public Health (AREA)
  • General Health & Medical Sciences (AREA)
  • Medical Informatics (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Epidemiology (AREA)
  • Primary Health Care (AREA)
  • Animal Behavior & Ethology (AREA)
  • Veterinary Medicine (AREA)
  • Heart & Thoracic Surgery (AREA)
  • Hematology (AREA)
  • Anesthesiology (AREA)
  • Vascular Medicine (AREA)
  • Diabetes (AREA)
  • Pathology (AREA)
  • Physics & Mathematics (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Medicinal Chemistry (AREA)
  • Data Mining & Analysis (AREA)
  • Chemical & Material Sciences (AREA)
  • General Business, Economics & Management (AREA)
  • Business, Economics & Management (AREA)
  • Databases & Information Systems (AREA)
  • Fluid Mechanics (AREA)
  • Emergency Medicine (AREA)
  • Optics & Photonics (AREA)
  • Biophysics (AREA)
  • Molecular Biology (AREA)
  • Surgery (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可穿戴监测方法的闭环人工胰腺系统。该系统包括：可穿戴血糖监测子模块，用于利用可穿戴设备通过无创方式获取血糖传感信号；饮食运动监测子模块，用于获得能够引起待测者血糖浓度变化的饮食监测数据和运动监测数据；计算控制子模块，用于根据血糖传感信号、饮食监测数据和运动监测数据，利用经训练的深度学习模型，获得胰岛素输注相关信息；胰岛素输注子模块，用于自动实施胰岛素输注；效果评估子模块，用于对胰岛素输注效果进行评估，并将评估结果反馈至计算控制子模块以供其确定是否更新所述胰岛素输注相关信息。本发明能提供一种便捷、舒适、低成本、高适用性、高可靠性的闭环人工胰腺系统。

Description

一种基于可穿戴监测方法的闭环人工胰腺系统
技术领域
本发明涉及医疗健康技术领域，更具体地，涉及一种基于可穿戴监测方法的闭环人工胰腺系统。
背景技术
糖尿病是一种以高血糖为特征的代谢性疾病，高血糖的发生是由于胰岛素分泌缺陷或其生物作用受损，或两者兼有引起。目前糖尿病尚无切实可行的根治方法，糖尿病患者，尤其是I型糖尿病患者，需通过测量血糖浓度来及时调整胰岛素的剂量，进而控制血糖水平，预防或减轻糖尿病并发症。
目前控制血糖水平的方法包括：1)利用微创血糖仪获取患者的血糖浓度，根据血糖浓度来调整胰岛素的剂量，该方法需要频繁扎指采血，会给患者造成较大疼痛，而且有感染的危险，且该方法无法实现实时地胰岛素剂量调整；2)利用植入式连续血糖监测(CGM)传感器实现患者血糖浓度的自动获取，同时佩戴胰岛素输注泵，胰岛素输注泵根据血糖浓度自动调整胰岛素的输注剂量，形成一个人工胰腺系统。然而植入式CGM传感器可能会造成一些患者出现过敏、感染等现象，且传感器寿命较短，需定期更换。此外，目前的人工胰腺系统一般只考虑日常生活条件，当患者处于饮食、运动等情况时，人工胰腺系统的胰岛素剂量自动调整功能表现的不尽如人意。
人工胰腺系统主要由持续血糖监测仪、计算控制系统和胰岛素输注泵组成。持续血糖监测仪用于实时获取血糖浓度数据，计算控制系统基于接收的血糖浓度数据，计算并实时自动调节胰岛素输注速率，进而保证替代胰腺内分泌功能的准确性。在现有技术中，人工胰腺系统存在的缺陷有：人工胰腺系统通过植入式CGM传感器实现血糖浓度数据的获取，植入式CGM传感器会造成患者出现过敏、感染等现象，且传感器寿命较短，需定期更换，使用成本大；目前人工胰腺系统未考虑饮食、运动对血糖浓度变化影响，导致人工胰腺系统在上述情况下的胰岛素自动输注功能表现较差。
发明内容
本发明的目的是克服上述现有技术的缺陷，提供一种基于可穿戴监测方法的闭环人工胰腺系统，实现血糖浓度的实时、无创监测，并根据血糖浓度的变化精确自动地调整胰岛素的输注剂量。
本发明提供一种基于可穿戴监测方法的闭环人工胰腺系统，该系统包括：
可穿戴血糖监测子模块：用于利用可穿戴设备通过无创方式获取反映待测者血糖浓度的血糖传感信号；
饮食运动监测子模块：用于监测待测者的饮食行为和运动行为，获得能够引起待测者血糖浓度变化的饮食监测数据和运动监测数据；
计算控制子模块：用于根据所述血糖传感信号、所述饮食监测数据和所述运动监测数据，利用经训练的深度学习模型，获得待测者的胰岛素输注相关信息；
胰岛素输注子模块：用于根据所述胰岛素输注相关信息，对待测者自动实施胰岛素输注；
效果评估子模块：用于对胰岛素输注效果进行评估，并将评估结果反馈至所述计算控制子模块以供其确定是否更新所述胰岛素输注相关信息。
在一个实施例中，所述可穿戴血糖监测子模块包含低频传感器、第一中频传感器、第二中频传感器和高频传感器，所述低频传感器包含两个接收电极和两个激励电极，所述第一中频传感器和所述第二中频传感器各包括一个接收电极和一个激励电极，各电极以适于消除干扰的方式分布设置。
在一个实施例中，所述低频传感器的激励源频率设置为10Hz至1kHz，用于获取表征血糖浓度的阻抗谱信息；所述第一中频传感器和所述第二中频传感器的激励源频率设置为1kHz至1GHz，用于获取表征血糖浓度的S21值；所述高频传感器的激励源频率设置为1GHz至10GHz，用于获取表征血糖浓度的S11值。
在一个实施例中，所述计算控制子模块执行以下过程：
设定输入矩阵D，表示为：
Figure BDA0002498216980000031
其中，[a(t-N),a(t-N+1),a(t-N+2),a(t-N+3),...,a(t)]表示从(t-N)时刻至t时刻的低频传感器所获取的血糖传感信号，[b(t-N),b(t-N+1),b(t-N+2),b(t-N+3),...,b(t)]表示从(t-N)时刻至t时刻的第一中频传感器所获取的血糖传感信号，[c(t-N),c(t-N+1),c(t-N+2),c(t-N+3),...,c(t)]表示从(t-N)时刻至t时刻的第二中频传感器所获取的血糖传感信号，[d(t-N),d(t-N+1),d(t-N+2),d(t-N+3),...,d(t)]表示从(t-N)时刻至t时刻的高频传感器所获取的血糖传感信号，[e(t-N),e(t-N+1),e(t-N+2),e(t-N+3),...,e(t)]表示从(t-N)时刻至t时刻的卡路里摄入的速率，[f(t-N),f(t-N+1),f(t-N+2),f(t-N+3),...,f(t)]表示从(t-N)时刻至t时刻的运动类型，[g(t-N),g(t-N+1),g(t-N+2),g(t-N+3),...,g(t)]表示从(t-N)时刻至t时刻的运动强度，N表示总时间长度；
设定输出矩阵Y：
Figure BDA0002498216980000032
其中，y1表示胰岛素输注方式，y2表示每次胰岛素持续输注时间，y3表示胰岛素的输注速率；
根据学习到的输入矩阵D和输出矩阵Y之间的映射关系Y＝M×D，获得待测者的所述胰岛素输注相关信息。
在一个实施例中，映射矩阵M是通过预训练长短期记忆网络获得，该长短时记忆网络采用堆叠式架构，依次包括多个LSTM层的叠加和多个Dense层的叠加。
在一个实施例中，所述胰岛素输注子模块通过利用微型电机驱动胰岛素输注泵，同时利用重力感应、近红外监控对输注过程进行监测，并且所述胰岛素输注子模块设有人体通信传输接口，以直接控制胰岛素输注泵。
在一个实施例中，所述效果评估子模块执行以下过程：
确定输入因子U＝{u1,u2,u3,u4}，输入因子U是待测者进行胰岛素输注后的预期血糖值U＝{u1,u2,u3,u4}，其中u1为t时刻的预期血糖值，u2为血糖预期波动幅度，u3为血糖预期变异系数，u4为血糖预期平均值；
确定输出因子V＝{v1,v2,v3,v4}，其中v1为t时刻的真实血糖值，v2为血糖真实波动幅度，v3为血糖真实变异系数，v4为血糖真实平均值；
建立从输入因子到输出因子的评估矩阵，得到从U→F(V)的映射矩阵；
根据获得的映射矩阵评估当前采用的所述胰岛素输注相关信息的有效性。
在一个实施例中，所述饮食监测数据包括饮食过程中卡路里摄入的速率和饮食的总持续时间，是通过可穿戴的摄像设备自动记录的待测者的饮食行为进行分析获得。
在一个实施例中，所述饮食监测数据的获取过程包括：
通过可穿戴摄像设备以预定频率获取被测者的图像信息，并将图像信息上传至云平台；
在云平台通过利用卷积神经网络对每一帧图像进行识别与解析，当识别出被测者处于饮食状态时，则将该帧图像进行保存，并识别图像中的食品种类，计算卡路里总量；
根据每帧图像的变化，自动分析被测者在饮食过程中卡路里摄入的速率和饮食的总持续时间。
在一个实施例中，所述运动监测数据包括运动类型和运动强度，其是通过可穿戴的三轴运动传感器同时获取在x，y，z平面的速度、倾斜、冲击、振动、旋转多种类型的传感信号，进而利用深度学习模型识别出所述运动类型和所述运动强度。
与现有技术相比，本发明的优点在于，通过利用可穿戴监测方法实现血糖浓度的实时、无创监测，同时考虑饮食、运动对血糖浓度变化影响，根据血糖浓度的变化自动调整胰岛素的输注剂量，形成一个闭环的人工胰腺系统。
通过以下参照附图对本发明的示例性实施例的详细描述，本发明的其它特征及其优点将会变得清楚。
附图说明
被结合在说明书中并构成说明书的一部分的附图示出了本发明的实施例，并且连同其说明一起用于解释本发明的原理。
图1是根据本发明一个实施例的基于可穿戴监测方法的闭环人工胰腺系统的示意图；
图2是根据本发明一个实施例的可穿戴监测子模块的示意图；
图3是根据本发明一个实施例的基于LSTM的实现框图；
附图中，Input-输入；Output-输出；timesteps-时间步；Dense-全连接层。
具体实施方式
现在将参照附图来详细描述本发明的各种示例性实施例。应注意到：除非另外具体说明，否则在这些实施例中阐述的部件和步骤的相对布置、数字表达式和数值不限制本发明的范围。
以下对至少一个示例性实施例的描述实际上仅仅是说明性的，决不作为对本发明及其应用或使用的任何限制。
对于相关领域普通技术人员已知的技术、方法和设备可能不作详细讨论，但在适当情况下，所述技术、方法和设备应当被视为说明书的一部分。
在这里示出和讨论的所有例子中，任何具体值应被解释为仅仅是示例性的，而不是作为限制。因此，示例性实施例的其它例子可以具有不同的值。
应注意到：相似的标号和字母在下面的附图中表示类似项，因此，一旦某一项在一个附图中被定义，则在随后的附图中不需要对其进行进一步讨论。
参见图1所示，本发明实施例提供的基于可穿戴监测方法的闭环人工胰腺系统包括可穿戴血糖监测子模块110、饮食监测子模块120、运动监测子模块130、计算控制子模块140、胰岛素输注子模块150以及效果评估子模块160。
可穿戴血糖监测子模块110利用可穿戴技术实现血糖传感数据连续、无创的获取。例如，该子模块是适合于佩戴在腕部或上臂位置的可穿戴设备，其包含了1组低频传感器、2组中频传感器(即中频传感器1和中频传感器2)以及1组高频传感器。在血糖监测过程中，四组传感器同时工作，为了避免不同传感器之间的相互干扰，各组传感器在可穿戴设备中的分布位置如图2所示。在一个实施例中，低频传感器为四电极传感器，其包括2个激励电极和2个接收电极，激励源频率为10Hz至1kHz，通过接收电极获取阻抗谱信息，分析阻抗谱信息与血糖浓度的相关性，从而实现血糖浓度监测。中频传感器是两电极传感器，每组中频传感器包括1个激励电极和1个接收电极，激励源频率为1kHz至1GHz，通过接收电极获取S21值，分析S21值与血糖浓度的相关性，实现血糖浓度监测。高频传感器的激励源频率为1GHz至10GHz，通过测量传感器的S11值，分析S11值与血糖浓度的相关性，实现血糖浓度监测。
应理解的是，也可以采用更多或更少组的传感器实现血糖浓度监测，并且传感器各电极的分布方式可以是多种形式，为了清楚起见，本文主要以四组传感器为例说明原理和具体实施例。
饮食监测子模块120用户监测待测者的状态或动作行为，以获得会影响血糖浓度的相关数据。例如，该子模块可通过可穿戴的摄像设备自动记录被测者的饮食信息。首先，被测者通过佩戴一个可穿戴摄像设备，如具有拍照功能的智能眼镜等，该设备以每分钟1次的频率自动获取被测者的图像信息，并将图像信息上传至云平台，在云平台通过利用卷积神经网络对每一帧图像进行识别与解析。当识别出被测者处于饮食状态时，则将该帧图像进行保存，并根据该帧图像的信息，通过对图像进行分割、特征提取等，利用图像识别算法识别图像中的食物，分析其中的食品种类，计算卡路里总量。并且，根据每帧图像的变化，还可以自动分析被测者在饮食过程中卡路里摄入的速率以及饮食的总持续时间等信息。
运动监测子模块130用于获取被测者的运动信息。例如，被测者佩戴一个可穿戴的三轴运动传感器，利用运动传感器同时获取在x，y，z平面的速度、倾斜、冲击、振动、旋转等不同类型的传感信号，综合考虑x，y，z平面传感信号的变化特征，利用深度学习智能识别算法识别出被测者当前的运动类型(如静坐、跑步、打篮球等)以及当前的运动强度，如将运动强度划分为1到10共10种等级，分别对应于从弱到强的不同强度。
计算控制子模块140用于根据所获取的血糖传感数据、饮食监测数据以及运动监测数据，采用深度学习算法对上述的数据进行训练，输出结果为胰岛素输注方式、输注速率、输注持续时间。
在一个实施例中，计算控制子模块140的具体实现过程如下(以四组传感器为例)：
步骤S210，设定计算控制子模块的输入矩阵D，其可表示如式(1)所示，其中[a(t-N),a(t-N+1),a(t-N+2),a(t-N+3),...,a(t)]表示从(t-N)时刻至t时刻的低频传感器所获取的血糖传感信号；[b(t-N),b(t-N+1),b(t-N+2),b(t-N+3),...,b(t)]表示从(t-N)时刻至t时刻的中频传感器1所获取的血糖传感信号；[c(t-N),c(t-N+1),c(t-N+2),c(t-N+3),...,c(t)]表示从(t-N)时刻至t时刻的中频传感器2所获取的血糖传感信号；[d(t-N),d(t-N+1),d(t-N+2),d(t-N+3),...,d(t)]表示从(t-N)时刻至t时刻的高频传感器所获取的血糖传感信号；[e(t-N),e(t-N+1),e(t-N+2),e(t-N+3),...,e(t)]表示从(t-N)时刻至t时刻的卡路里摄入的速率；[f(t-N),f(t-N+1),f(t-N+2),f(t-N+3),...,f(t)]表示从(t-N)时刻至t时刻的被测者运动类型。为了便于分析，将被测者运动类型进行数字化处理，即用1代表静坐，2代表跑步，3代表打篮球，4代表踢足球等。[g(t-N),g(t-N+1),g(t-N+2),g(t-N+3),...,g(t)]表示从(t-N)时刻至t时刻的运动强度。N表示总时间长度，在本文中，时间以分钟计算，因此，如N＝120，表示数据的时间长度为120分钟。
Figure BDA0002498216980000081
步骤S220，设定计算控制子模块的输出矩阵Y，其可表示如式(2)所示，其中y1表示胰岛素输注方式，如y1＝0表示胰岛素采用持续输注方式，y1≠0表示胰岛素采用间隔输注方式，y1值越大，表示输注间隔时间越长。y2表示每次胰岛素持续输注时间，y3胰岛素的输注速率。
Figure BDA0002498216980000082
步骤S230，根据所设定的输入矩阵D和输出矩阵Y，两者之间的映射关系可表示如式(3)所示，其中M为映射矩阵，映射矩阵M的大小可通过利用长短期记忆网络算法(LSTM)进行确定，如图3所示，其采用堆叠式架构，包括三个LSTM层的叠加以及两个Dense层的叠加，各层的输入、输出维度如图所示，其中N表示总时间长度，timesteps表示在LSTM网络的时间步长。
Y＝M×D (3)
在另外的实施例中，计算控制子模块140也可采用其他的时间递归神经网络确定胰岛素输注相关信息，如GRU(Gated Recurrent Unit)等。
胰岛素输注子模块150用于根据计算控制子模块140的输出结果，对被测者自动实施胰岛素输注。为了实现胰岛素的精准输注，在一个实施例中，通过利用微型电机驱动胰岛素输注泵，同时利用重力感应、近红外监控等方法对输注过程进行监测，一旦发现意外状况将立即发出报警信号。此外，通过在胰岛素输注子模块150预留一个人体通信传输接口，为胰岛素输注泵提供一条附加链路，必要时可通过人体通信传输接口直接控制胰岛素输注泵。
效果评估子模块160用于对胰岛素输注效果进行评估，并将评估结果反馈至计算控制子模块140。
在一个实施例中，效果评估子模块160的实现过程是：
步骤S310，确定输入因子：输入因子U为被测者进行胰岛素输注后的预期血糖值U＝{u1,u2,u3,u4}，其中u1为t时刻的预期血糖值，u2为血糖预期波动幅度，u3为血糖预期变异系数，u4为血糖预期平均值。
步骤S320，确定输出因子：输出因子V＝{v1,v2,v3,v4}，其中v1为t时刻的真实血糖值，v2为血糖真实波动幅度，v3为血糖真实变异系数，v4为血糖真实平均值。其中v1，v2，v3，v4值的大小确定方法如下：利用可穿戴血糖监测子模块获取四组血糖传感信号(低频传感器、中频传感器1、中频传感器2、高频传感器)，并根据传感信号与血糖浓度的拟合函数，将传感信号转换为血糖浓度值。计算上述四组传感器的相应平均值，从而得到v1，v2，v3，v4的值。
步骤S330，建立从输入因子到输出因子的评估矩阵，即得到一个从U→F(V)的映射矩阵。
M1:U→F(V)
Figure BDA0002498216980000091
根据推导出的映射矩阵，即为评估矩阵M1。
Figure BDA0002498216980000092
例如，如果评估结果
Figure BDA0002498216980000093
则将其进行归一化处理。最后根据最大隶属原则，最大ri所对应的项就是评估的结果。如果ri的值小于10％，则说明胰岛素的输注方案是合理的。否则，利用LSTM算法重新计算胰岛素的输注方案。
综上所述，本发明提供的基于可穿戴监测方法的闭环人工胰腺系统，通过利用可穿戴能够进行无创式的血糖浓度监测，同时考虑饮食、运动对血糖浓度变化影响，根据血糖浓度的变化调整胰岛素的输注剂量，并根据对胰岛素输注效果的评估自动调整输注信息，从而形成一个闭环的人工胰腺系统。经验证，本发明在不同情况下均能实现血糖的良好控制，避免高、低血糖事件的发生。
本发明可以是系统、方法和/或计算机程序产品。计算机程序产品可以包括计算机可读存储介质，其上载有用于使处理器实现本发明的各个方面的计算机可读程序指令。
计算机可读存储介质可以是可以保持和存储由指令执行设备使用的指令的有形设备。计算机可读存储介质例如可以是――但不限于――电存储设备、磁存储设备、光存储设备、电磁存储设备、半导体存储设备或者上述的任意合适的组合。计算机可读存储介质的更具体的例子(非穷举的列表)包括：便携式计算机盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、静态随机存取存储器(SRAM)、便携式压缩盘只读存储器(CD-ROM)、数字多功能盘(DVD)、记忆棒、软盘、机械编码设备、例如其上存储有指令的打孔卡或凹槽内凸起结构、以及上述的任意合适的组合。这里所使用的计算机可读存储介质不被解释为瞬时信号本身，诸如无线电波或者其他自由传播的电磁波、通过波导或其他传输媒介传播的电磁波(例如，通过光纤电缆的光脉冲)、或者通过电线传输的电信号。
这里所描述的计算机可读程序指令可以从计算机可读存储介质下载到各个计算/处理设备，或者通过网络、例如因特网、局域网、广域网和/或无线网下载到外部计算机或外部存储设备。网络可以包括铜传输电缆、光纤传输、无线传输、路由器、防火墙、交换机、网关计算机和/或边缘服务器。每个计算/处理设备中的网络适配卡或者网络接口从网络接收计算机可读程序指令，并转发该计算机可读程序指令，以供存储在各个计算/处理设备中的计算机可读存储介质中。
用于执行本发明操作的计算机程序指令可以是汇编指令、指令集架构(ISA)指令、机器指令、机器相关指令、微代码、固件指令、状态设置数据、或者以一种或多种编程语言的任意组合编写的源代码或目标代码，所述编程语言包括面向对象的编程语言—诸如Smalltalk、C++等，以及常规的过程式编程语言—诸如“C”语言或类似的编程语言。计算机可读程序指令可以完全地在用户计算机上执行、部分地在用户计算机上执行、作为一个独立的软件包执行、部分在用户计算机上部分在远程计算机上执行、或者完全在远程计算机或服务器上执行。在涉及远程计算机的情形中，远程计算机可以通过任意种类的网络—包括局域网(LAN)或广域网(WAN)—连接到用户计算机，或者，可以连接到外部计算机(例如利用因特网服务提供商来通过因特网连接)。在一些实施例中，通过利用计算机可读程序指令的状态信息来个性化定制电子电路，例如可编程逻辑电路、现场可编程门阵列(FPGA)或可编程逻辑阵列(PLA)，该电子电路可以执行计算机可读程序指令，从而实现本发明的各个方面。
这里参照根据本发明实施例的方法、装置(系统)和计算机程序产品的流程图和/或框图描述了本发明的各个方面。应当理解，流程图和/或框图的每个方框以及流程图和/或框图中各方框的组合，都可以由计算机可读程序指令实现。
这些计算机可读程序指令可以提供给通用计算机、专用计算机或其它可编程数据处理装置的处理器，从而生产出一种机器，使得这些指令在通过计算机或其它可编程数据处理装置的处理器执行时，产生了实现流程图和/或框图中的一个或多个方框中规定的功能/动作的装置。也可以把这些计算机可读程序指令存储在计算机可读存储介质中，这些指令使得计算机、可编程数据处理装置和/或其他设备以特定方式工作，从而，存储有指令的计算机可读介质则包括一个制造品，其包括实现流程图和/或框图中的一个或多个方框中规定的功能/动作的各个方面的指令。
也可以把计算机可读程序指令加载到计算机、其它可编程数据处理装置、或其它设备上，使得在计算机、其它可编程数据处理装置或其它设备上执行一系列操作步骤，以产生计算机实现的过程，从而使得在计算机、其它可编程数据处理装置、或其它设备上执行的指令实现流程图和/或框图中的一个或多个方框中规定的功能/动作。
附图中的流程图和框图显示了根据本发明的多个实施例的系统、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上，流程图或框图中的每个方框可以代表一个模块、程序段或指令的一部分，所述模块、程序段或指令的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。在有些作为替换的实现中，方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如，两个连续的方框实际上可以基本并行地执行，它们有时也可以按相反的顺序执行，这依所涉及的功能而定。也要注意的是，框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合，可以用执行规定的功能或动作的专用的基于硬件的系统来实现，或者可以用专用硬件与计算机指令的组合来实现。对于本领域技术人员来说公知的是，通过硬件方式实现、通过软件方式实现以及通过软件和硬件结合的方式实现都是等价的。
以上已经描述了本发明的各实施例，上述说明是示例性的，并非穷尽性的，并且也不限于所披露的各实施例。在不偏离所说明的各实施例的范围和精神的情况下，对于本技术领域的普通技术人员来说许多修改和变更都是显而易见的。本文中所用术语的选择，旨在最好地解释各实施例的原理、实际应用或对市场中的技术改进，或者使本技术领域的其它普通技术人员能理解本文披露的各实施例。本发明的范围由所附权利要求来限定。

Claims (8)

1.一种基于可穿戴监测方法的闭环人工胰腺系统，包括：
可穿戴血糖监测子模块：用于利用可穿戴设备通过无创方式获取反映待测者血糖浓度的血糖传感信号；
饮食运动监测子模块：用于监测待测者的饮食行为和运动行为，获得能够引起待测者血糖浓度变化的饮食监测数据和运动监测数据；
计算控制子模块：用于根据所述血糖传感信号、所述饮食监测数据和所述运动监测数据，利用经训练的深度学习模型，获得待测者的胰岛素输注相关信息；
胰岛素输注子模块：用于根据所述胰岛素输注相关信息，对待测者自动实施胰岛素输注；
效果评估子模块：用于对胰岛素输注效果进行评估，并将评估结果反馈至所述计算控制子模块以供其确定是否更新所述胰岛素输注相关信息；
其中，所述可穿戴血糖监测子模块包含低频传感器、第一中频传感器、第二中频传感器和高频传感器，所述低频传感器包含两个接收电极和两个激励电极，所述第一中频传感器和所述第二中频传感器各包括一个接收电极和一个激励电极，各电极以适于消除干扰的方式分布设置；
其中，所述计算控制子模块执行以下过程：
设定输入矩阵D，表示为：
Figure FDA0003013741170000011
其中，[a(t-N),a(t-N+1),a(t-N+2),a(t-N+3),...,a(t)]表示从(t-N)时刻至t时刻的低频传感器所获取的血糖传感信号，[b(t-N),b(t-N+1),b(t-N+2),b(t-N+3),...,b(t)]表示从(t-N)时刻至t时刻的第一中频传感器所获取的血糖传感信号，[c(t-N),c(t-N+1),c(t-N+2),c(t-N+3),...,c(t)]表示从(t-N)时刻至t时刻的第二中频传感器所获取的血糖传感信号，[d(t-N),d(t-N+1),d(t-N+2),d(t-N+3),...,d(t)]表示从(t-N)时刻至t时刻的高频传感器所获取的血糖传感信号，[e(t-N),e(t-N+1),e(t-N+2),e(t-N+3),...,e(t)]表示从(t-N)时刻至t时刻的卡路里摄入的速率，[f(t-N),f(t-N+1),f(t-N+2),f(t-N+3),...,f(t)]表示从(t-N)时刻至t时刻的运动类型，[g(t-N),g(t-N+1),g(t-N+2),g(t-N+3),...,g(t)]表示从(t-N)时刻至t时刻的运动强度，N表示总时间长度；
设定输出矩阵Y：
Figure FDA0003013741170000021
其中，y1表示胰岛素输注方式，y2表示每次胰岛素持续输注时间，y3表示胰岛素的输注速率；
根据学习到的输入矩阵D和输出矩阵Y之间的映射关系Y＝M×D，获得待测者的所述胰岛素输注相关信息，M是映射矩阵。
2.根据权利要求1所述的系统，其中，所述低频传感器的激励源频率设置为10Hz至1kHz，用于获取表征血糖浓度的阻抗谱信息；所述第一中频传感器和所述第二中频传感器的激励源频率设置为1kHz至1GHz，用于获取表征血糖浓度的S21值；所述高频传感器的激励源频率设置为1GHz至10GHz，用于获取表征血糖浓度的S11值。
3.根据权利要求1所述的系统，其中，映射矩阵M是通过预训练长短期记忆网络获得，该长短期记忆网络采用堆叠式架构，依次包括多个LSTM层的叠加和多个Dense层的叠加。
4.根据权利要求1所述的系统，其中，所述胰岛素输注子模块通过利用微型电机驱动胰岛素输注泵，同时利用重力感应、近红外监控对输注过程进行监测，并且所述胰岛素输注子模块设有人体通信传输接口，以直接控制胰岛素输注泵。
5.根据权利要求1所述的系统，其中，所述效果评估子模块执行以下过程：
确定输入因子U＝{u1,u2,u3,u4}，输入因子U是待测者进行胰岛素输注后的预期血糖值U＝{u1,u2,u3,u4}，其中u1为t时刻的预期血糖值，u2为血糖预期波动幅度，u3为血糖预期变异系数，u4为血糖预期平均值；
确定输出因子V＝{v1,v2,v3,v4}，其中v1为t时刻的真实血糖值，v2为血糖真实波动幅度，v3为血糖真实变异系数，v4为血糖真实平均值；
建立从输入因子到输出因子的评估矩阵，得到从U→F(V)的映射矩阵；
根据获得的映射矩阵评估当前采用的所述胰岛素输注相关信息的有效性。
6.根据权利要求1所述的系统，其中，所述饮食监测数据包括饮食过程中卡路里摄入的速率和饮食的总持续时间，是通过可穿戴的摄像设备自动记录的待测者的饮食行为进行分析获得。
7.根据权利要求6所述的系统，其中，所述饮食监测数据的获取过程包括：
通过可穿戴摄像设备以预定频率获取被测者的图像信息，并将图像信息上传至云平台；
在云平台通过利用卷积神经网络对每一帧图像进行识别与解析，当识别出被测者处于饮食状态时，则将该帧图像进行保存，并识别图像中的食品种类，计算卡路里总量；
根据每帧图像的变化，自动分析被测者在饮食过程中卡路里摄入的速率和饮食的总持续时间。
8.根据权利要求1所述的系统，其中，所述运动监测数据包括运动类型和运动强度，其是通过可穿戴的三轴运动传感器同时获取在x，y，z平面的速度、倾斜、冲击、振动、旋转多种类型的传感信号，进而利用深度学习模型识别出所述运动类型和所述运动强度。
CN202010424624.1A 2020-05-19 2020-05-19 一种基于可穿戴监测方法的闭环人工胰腺系统 Active CN111632228B (zh)

Priority Applications (3)

Application Number Priority Date Filing Date Title
CN202010424624.1A CN111632228B (zh) 2020-05-19 2020-05-19 一种基于可穿戴监测方法的闭环人工胰腺系统
PCT/CN2020/128560 WO2021232707A1 (zh) 2020-05-19 2020-11-13 一种基于可穿戴监测方法的闭环人工胰腺系统
US17/312,950 US20220313909A1 (en) 2020-05-19 2020-11-13 Closed-loop artificial pancreas system based on wearable monitoring method

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010424624.1A CN111632228B (zh) 2020-05-19 2020-05-19 一种基于可穿戴监测方法的闭环人工胰腺系统

Publications (2)

Publication Number Publication Date
CN111632228A CN111632228A (zh) 2020-09-08
CN111632228B true CN111632228B (zh) 2021-05-25

Family

ID=72323364

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010424624.1A Active CN111632228B (zh) 2020-05-19 2020-05-19 一种基于可穿戴监测方法的闭环人工胰腺系统

Country Status (3)

Country Link
US (1) US20220313909A1 (zh)
CN (1) CN111632228B (zh)
WO (1) WO2021232707A1 (zh)

Families Citing this family (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111632228B (zh) * 2020-05-19 2021-05-25 中国科学院深圳先进技术研究院 一种基于可穿戴监测方法的闭环人工胰腺系统
CN112365952A (zh) * 2020-10-16 2021-02-12 温州医科大学 基于机器学习法的产时缩宫素速度智能调控方法及系统
CN113413143A (zh) * 2021-06-24 2021-09-21 北京快康达科技有限公司 一种胰岛素输注自适应控制系统
WO2023070253A1 (en) * 2021-10-25 2023-05-04 Medtrum Technologies Inc. Closed-loop artificial pancreas insulin infusion control system
CN116637254A (zh) * 2023-06-14 2023-08-25 山东欣悦健康科技有限公司 一种人工胰腺系统
CN118471435B (zh) * 2024-07-10 2024-09-17 中国人民解放军总医院第二医学中心 一种老年患者围手术期的身体状况监测方法、装置及系统

Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20130211204A1 (en) * 2010-02-05 2013-08-15 Andreas Caduff Wearable sensor device
CN106691449A (zh) * 2016-11-21 2017-05-24 清华大学 一种基于阻抗谱‑光学方法的多传感器无创血糖检测设备
US20180055454A1 (en) * 2015-09-25 2018-03-01 Sanmina Corporation System and method for health monitoring including a user device and biosensor
CN108601563A (zh) * 2015-12-24 2018-09-28 森索富洛公司 非侵入性感测系统
CN109330592A (zh) * 2018-10-19 2019-02-15 天津大学 基于超宽带微波s11参数的血糖浓度检测方法
CN109350078A (zh) * 2018-10-19 2019-02-19 天津大学 基于超宽带微波逆傅里叶变换的血糖浓度检测方法
CN110088842A (zh) * 2016-12-15 2019-08-02 威里利生命科学有限责任公司 闭环胰岛素输送系统

Family Cites Families (14)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US8480580B2 (en) * 1998-04-30 2013-07-09 Abbott Diabetes Care Inc. Analyte monitoring device and methods of use
US7670288B2 (en) * 2005-06-08 2010-03-02 Sher Philip M Fluctuating blood glucose notification threshold profiles and methods of use
EP2152350A4 (en) * 2007-06-08 2013-03-27 Dexcom Inc INTEGRATED MEDICINE DELIVERY DEVICE FOR USE WITH A CONTINUOUS ANALYZING SUBSTANCE SENSOR
CN102596307B (zh) * 2009-09-01 2015-09-09 弗吉尼亚大学专利基金会 利用名义开环特性在糖尿病中进行胰岛素输送调节(aid)的系统、方法和计算机程序产品
US10561785B2 (en) * 2010-06-22 2020-02-18 Medtronic Minimed, Inc. Method and/or system for closed-loop control of glucose to a treatment range
GB2493712B (en) * 2011-08-12 2014-07-02 Gene Onyx Ltd Insulin pump
CN102500013A (zh) * 2011-11-22 2012-06-20 北京化工大学 基于模型预测控制的大剂量胰岛素全自动智能输注方法和装置
CN103418053B (zh) * 2013-07-24 2015-03-11 上海中医药大学附属龙华医院 个体化胰岛素治疗泵及其基础输注率优化方法
CA3013053A1 (en) * 2016-01-28 2017-08-03 Savor Labs, Inc. Method and apparatus for tracking of food intake and other behaviors and providing relevant feedback
EP3411109A4 (en) * 2016-02-05 2019-07-10 Animas Corporation VISUALIZATION AND ANALYSIS TOOL FOR A DRUG DELIVERY SYSTEM
CN108261585B (zh) * 2016-12-30 2022-06-07 上海移宇科技股份有限公司 一种人工胰腺闭环控制的系统和方法
CN106860955A (zh) * 2017-01-21 2017-06-20 广东食品药品职业学院 基于模糊自适应比例微积分控制胰岛素泵闭环输注的方法
US11147920B2 (en) * 2017-04-18 2021-10-19 Lifescan Ip Holdings, Llc Diabetes management system with automatic basal and manual bolus insulin control
CN111632228B (zh) * 2020-05-19 2021-05-25 中国科学院深圳先进技术研究院 一种基于可穿戴监测方法的闭环人工胰腺系统

Patent Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20130211204A1 (en) * 2010-02-05 2013-08-15 Andreas Caduff Wearable sensor device
US20180055454A1 (en) * 2015-09-25 2018-03-01 Sanmina Corporation System and method for health monitoring including a user device and biosensor
CN108601563A (zh) * 2015-12-24 2018-09-28 森索富洛公司 非侵入性感测系统
CN106691449A (zh) * 2016-11-21 2017-05-24 清华大学 一种基于阻抗谱‑光学方法的多传感器无创血糖检测设备
CN110088842A (zh) * 2016-12-15 2019-08-02 威里利生命科学有限责任公司 闭环胰岛素输送系统
CN109330592A (zh) * 2018-10-19 2019-02-15 天津大学 基于超宽带微波s11参数的血糖浓度检测方法
CN109350078A (zh) * 2018-10-19 2019-02-19 天津大学 基于超宽带微波逆傅里叶变换的血糖浓度检测方法

Also Published As

Publication number Publication date
WO2021232707A1 (zh) 2021-11-25
US20220313909A1 (en) 2022-10-06
CN111632228A (zh) 2020-09-08

Similar Documents

Publication Publication Date Title
CN111632228B (zh) 一种基于可穿戴监测方法的闭环人工胰腺系统
CN108430570B (zh) 从可植入医疗装置获取高分辨率信息
US8386050B2 (en) Calibration systems and methods for neural interface devices
CN103596493B (zh) 压力测量设备和方法
CN110650671A (zh) 处理用于分析物评估的生理电数据
US20090187426A1 (en) Implantable medical device system and method for adapting functions of the clinician's workstation thereof
US20110022981A1 (en) Presentation of device utilization and outcome from a patient management system
CN106455996B (zh) 用于无创地监测和识别药物效应和相互作用的方法和设备
WO2015168151A1 (en) System and method for tracking sleep dynamics using behavioral and physiological information
US20120271181A1 (en) Identifying seizures using heart rate decrease
WO2021067250A1 (en) Systems and methods for reaction measurement
CN109620209B (zh) 一种动态心电、呼吸和运动监测系统和方法
CN112154016A (zh) 物理治疗的虚拟环境
US20200375491A1 (en) Heartbeat analyzing method and heartbeat analyzing method
CN118471529A (zh) 用于自动分析连续葡萄糖监测数据的系统和方法
US11484199B2 (en) System and method for predicting a blood glucose level of a user
US20230004795A1 (en) Systems and methods for constructing motion models based on sensor data
WO2015161002A1 (en) Method for estimating a quantity of a blood component in a fluid receiver and corresponding error
CN117224080B (zh) 大数据的人体数据监测方法装置
JP3696047B2 (ja) 健康状態診断装置
KR20220124942A (ko) 연속 혈당 측정기를 이용한 실시간 건강 모니터링 시스템
CN113413143A (zh) 一种胰岛素输注自适应控制系统
JP2022537678A (ja) デジタルバイオマーカー
Jeewandara et al. An Efficient Machine Learning Based Elderly Monitoring System
WO2023053176A1 (ja) 学習装置、行動推薦装置、学習方法、行動推薦方法及び記憶媒体

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