CN111755122A - 一种基于cnn和模型融合的糖尿病血糖预测系统及方法 - Google Patents
一种基于cnn和模型融合的糖尿病血糖预测系统及方法 Download PDFInfo
- Publication number
- CN111755122A CN111755122A CN202010435372.2A CN202010435372A CN111755122A CN 111755122 A CN111755122 A CN 111755122A CN 202010435372 A CN202010435372 A CN 202010435372A CN 111755122 A CN111755122 A CN 111755122A
- Authority
- CN
- China
- Prior art keywords
- data
- module
- blood sugar
- patient
- intelligent user
- 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 74
- 210000004369 blood Anatomy 0.000 title claims abstract description 74
- 206010012601 diabetes mellitus Diseases 0.000 title claims abstract description 33
- 230000004927 fusion Effects 0.000 title claims abstract description 19
- 238000000034 method Methods 0.000 title claims abstract description 15
- 238000012545 processing Methods 0.000 claims abstract description 33
- 238000012544 monitoring process Methods 0.000 claims abstract description 31
- 230000005540 biological transmission Effects 0.000 claims abstract description 15
- 238000012937 correction Methods 0.000 claims abstract description 13
- 230000000474 nursing effect Effects 0.000 claims abstract description 8
- 239000003814 drug Substances 0.000 claims description 32
- 238000005303 weighing Methods 0.000 claims description 20
- 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 claims description 13
- 239000008103 glucose Substances 0.000 claims description 13
- 230000002354 daily effect Effects 0.000 claims description 12
- 238000004458 analytical method Methods 0.000 claims description 10
- 230000003203 everyday effect Effects 0.000 claims description 10
- 229940127560 insulin pen Drugs 0.000 claims description 10
- 235000003166 Opuntia robusta Nutrition 0.000 claims description 9
- 244000218514 Opuntia robusta Species 0.000 claims description 9
- 229940079593 drug Drugs 0.000 claims description 9
- 238000011176 pooling Methods 0.000 claims description 9
- 235000005911 diet Nutrition 0.000 claims description 6
- 230000037213 diet Effects 0.000 claims description 6
- 230000036541 health Effects 0.000 claims description 4
- 230000033001 locomotion Effects 0.000 claims description 4
- ORILYTVJVMAKLC-UHFFFAOYSA-N Adamantane Natural products C1C(C2)CC3CC1CC2C3 ORILYTVJVMAKLC-UHFFFAOYSA-N 0.000 claims description 3
- 230000002159 abnormal effect Effects 0.000 claims description 3
- 230000036772 blood pressure Effects 0.000 claims description 3
- 238000009223 counseling Methods 0.000 claims description 3
- 238000000605 extraction Methods 0.000 claims description 3
- 239000011159 matrix material Substances 0.000 claims description 3
- 230000008569 process Effects 0.000 claims description 3
- 238000003672 processing method Methods 0.000 claims description 3
- 238000012549 training Methods 0.000 claims description 3
- 201000001421 hyperglycemia Diseases 0.000 abstract description 3
- 230000002218 hypoglycaemic effect Effects 0.000 abstract description 3
- 208000013016 Hypoglycemia Diseases 0.000 abstract description 2
- 238000010586 diagram Methods 0.000 description 4
- 235000012054 meals Nutrition 0.000 description 4
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000011160 research Methods 0.000 description 2
- 208000002249 Diabetes Complications Diseases 0.000 description 1
- 206010012655 Diabetic complications Diseases 0.000 description 1
- 241001620684 Guillermo Species 0.000 description 1
- 208000031662 Noncommunicable disease Diseases 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 230000001684 chronic effect Effects 0.000 description 1
- 230000003247 decreasing effect Effects 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000002124 endocrine Effects 0.000 description 1
- 235000013305 food Nutrition 0.000 description 1
- 235000020294 guillermo Nutrition 0.000 description 1
- 230000003345 hyperglycaemic effect Effects 0.000 description 1
- 230000001771 impaired effect Effects 0.000 description 1
- 230000001788 irregular Effects 0.000 description 1
- 210000001503 joint Anatomy 0.000 description 1
- 230000002265 prevention Effects 0.000 description 1
- 208000024891 symptom Diseases 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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/04—Architecture, e.g. interconnection topology
- G06N3/045—Combinations of networks
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/08—Learning methods
-
- 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
- G16H70/00—ICT specially adapted for the handling or processing of medical references
- G16H70/20—ICT specially adapted for the handling or processing of medical references relating to practices or guidelines
-
- 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
- G16H80/00—ICT specially adapted for facilitating communication between medical practitioners or patients, e.g. for collaborative diagnosis, therapy or health monitoring
Landscapes
- Engineering & Computer Science (AREA)
- Health & Medical Sciences (AREA)
- Medical Informatics (AREA)
- General Health & Medical Sciences (AREA)
- Physics & Mathematics (AREA)
- Biomedical Technology (AREA)
- Public Health (AREA)
- Theoretical Computer Science (AREA)
- Primary Health Care (AREA)
- Epidemiology (AREA)
- Data Mining & Analysis (AREA)
- Computing Systems (AREA)
- Biophysics (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Mathematical Physics (AREA)
- Software Systems (AREA)
- Evolutionary Computation (AREA)
- Life Sciences & Earth Sciences (AREA)
- Computational Linguistics (AREA)
- Pathology (AREA)
- Molecular Biology (AREA)
- Artificial Intelligence (AREA)
- Databases & Information Systems (AREA)
- Bioethics (AREA)
- Measuring And Recording Apparatus For Diagnosis (AREA)
Abstract
本发明提供一种基于CNN和模型融合的糖尿病血糖预测系统及方法，系统包括血糖管理模块、住院患者管理模块、智能用户端、终端监测模块，所述血糖管理模块和智能用户端通过网络服务器连接，所述血糖管理模块包括数据输入单元、数据处理单元、数据输出单元、提醒单元、数据显示单元，所述数据输入单元与住院患者管理模块和智能用户端连接，所述数据输出单元与智能用户端、提醒单元、数据显示单元连接，所述数据输入单元、数据处理单元、数据输出单元电性连接，所述智能用户端包括警示纠错模块、信息录入模块、服务模块，所述终端监测模块通过无线传输模块和智能用户端连接。本发明多方位监测，减少高血糖或者低血糖带给患者的危害，实现精准护理。
Description
技术领域
本发明属于设备技术领域，具体涉及一种基于CNN和模型融合的糖尿病血糖预测系统和方法。
背景技术
糖尿病目前已成为全球威胁人类生命和健康的重大非传染性疾病之一。其中，中国糖尿病患者占1.096亿，居全球首位。
根据国际糖尿病联盟(IDF)的统计，截至2015年，全球糖尿病患者人数已达4.15亿，预计到2040年，该人群将达到6.42亿。发展中国家将会面临糖尿病患病率更大幅度地增长。其中，中国糖尿病患者占1.096亿，居全球首位。一项研究表明在美国糖尿病患者占总住院患者的比例为12％～25％，在中国约 15.1％，且非内分泌科高血糖发生率也逐年增长。2017年程文炜等研究指出中国有半数以上(55.1％)中老年人受到糖尿病威胁，且糖尿病患病率及其主要影响因素具有空间分布异质性,重点防控区域主要集中在东北和北部地区。2016年一项调查显示我省农村地区糖尿病患病率为9.5％，糖调节受损患病率16.3％。糖尿病引起的慢性并发症不仅成为致残、致死的主要原因，亦导致医疗费用的上升，一项研究预测2010～2020年糖尿病患者的相关医疗总费用预计将増长到 4020.53亿元，其额外的经济负担将增长到1691.27亿元，与无并发症的糖尿病患者相比，有并发症者的医疗费用支出增加了3～4倍，而控制血糖达标是预防糖尿病并发症的关键。
近十年来国内外各大医疗中心纷纷开始将关注点集中于血糖的信息化系统管理上，并取得了不凡的成效。自动化、智能化、数字化、信息化血糖监测是住院糖尿病患者血糖管理的发展趋势。2008年，以色列伊迪斯沃尔芬森医学中心通过血糖监测系统对超过15万个血糖数据的分析显示，使用血糖监测系统后，住院患者血糖均值由1.44±5.83mmol/L下降至10.33±5.11mmol/L(P＜ 0.0001)，目标范围内的血糖监测值由5.55％上升至61.60％，且低血糖事件没有增加。美国田纳西大学的Guillermo等调查显示住院患者中有约38％的患者合并高血糖状态；国内研究也显示，通过采用动态血糖监测系统，实时监测血糖，有利于控制血糖，改善症状，减少并发症。
但同时糖尿病并非仅监测血糖值就可以的，应该从多方位包括体重、血糖值、运动情况、用餐情况综合进行监测与监控，综合控制血糖，但现有技术还没有出现这种监测系统，且现有的系统没有和医院患者管理的系统连接，无法将病患住院和出院后的信息实现对接。
发明内容
本发明提供一种基于CNN和模型融合的糖尿病血糖预测系统和方法，与医院现有的住院患者管理系统(HIS)连接，多方位包括体重、血糖值、运动情况、用餐情况等综合进行监测与监控，使患者在最短的时间内将血糖控制良好，减少高血糖或者低血糖带给患者的危害，实现精准护理。
本发明的技术方案是：一种基于CNN和模型融合的糖尿病血糖预测系统，包括血糖管理模块、住院患者管理模块、智能用户端、终端监测模块，所述血糖管理模块和智能用户端通过网络服务器连接，所述血糖管理模块包括数据输入单元、数据处理单元、数据输出单元、提醒单元、数据显示单元，所述数据输入单元分别与住院患者管理模块和智能用户端的连接，所述数据输出单元与智能用户端、提醒单元、数据显示单元连接，所述数据输入单元、数据处理单元、数据输出单元电性连接，所述智能用户端包括警示纠错模块、信息录入模块、服务模块，所述终端监测模块通过无线传输模块和智能用户端连接，所述终端监测模块包括血糖检测仪、血压计、体重计、运动手环、智能药盒、智能餐具。
方案进一步地，所述智能药盒包括盒体、盒盖、置于盒体内的胰岛素笔放置腔、口服药放置腔，所述盒体和盒盖中间对应位置设有卡扣和卡槽，所述胰岛素笔放置腔、口服药放置腔的底部均设有重量传感器Ⅰ，所述盒体一侧设有电源Ⅰ，所述重量传感器Ⅰ通过无线传输模块和智能用户端连接，所述电源Ⅰ和重量传感器Ⅰ电性连接。
方案进一步地，所述智能餐具为设有多个餐格的矩形餐盘，所述餐盘的一侧设有电源开关，所述餐盘的底部设有电源Ⅱ，所述餐格的底部均设有重量传感器Ⅱ，所述重量传感器Ⅱ通过无线传输模块和智能用户端连接，所述电源Ⅱ和重量传感器Ⅱ电性连接。
方案进一步地，所述智能用户端包括手机或者平板电脑。
本发明另一方面的提供一种基于CNN和模型融合的糖尿病血糖预测方法，包括以下步骤：
(1)建立用户名和患者档案库，连接住院患者管理模块将里面住院患者的信息提取过来建立患者档案，不住院的患者未建立档案的通过智能用户端进行用户名的注册和个人基本信息的录入建立患者档案，整体完成患者档案库的建立，并保存在血糖管理模块中；
(2)不住院患者数据监测和收集：利用终端监测模块进行每日不住院患者相关数据测量，测量之后的数据通过无线传输模块和智能用户端连接，智能用户端将数据传输给血糖管理模块进行数据处理分析，每日定时利用血糖检测仪、血压计、体重计进行血糖值、体重、血压的测量，运动手环随身携带记录患者每日运动量，智能药盒内装有药品，监测每日服药情况，智能餐具监测每日用餐情况；
(3)住院患者数据监测和收集：住院患者通过医护人员每日定时测量，并将数据通过住院患者管理模块进行记录和保存；
(4)患者数据的处理分析：不住院患者的数据通过网络服务器从智能用户端传输给血糖管理模块的数据输入单元，再传输给数据处理单元进行数据的处理分析，并将处理结果、解读结果、注意事项以报告形式通过数据输出单元输出给智能用户端和数据显示单元分别供患者和医护人员查看，方便患者及时了解自己的状况，有异常时将结果也同时传输给提醒模块提醒医护人员对患者进行直接的一对一联系沟通，实现精准护理的目的，住院患者的数据通过网络服务器从住院患者管理模块传输给血糖管理模块的数据输入单元，再传输给数据处理单元进行数据的处理分析，并将处理结果、解读结果、注意事项以报告形式通过数据输出单元输出给数据显示单元医护人员查看，方便医护人员为患者制定下一步治疗方案；
(5)不住院患者通过智能用户端的服务模块进行结果的查看，智能用户端进行每日状况监测，当饮食、运动、用药不符合规律时及时进行信息提醒，发生漏吃药等状况时通过警示纠错模块发出信息提示音进行纠错提醒；
(6)不住院患者通过智能用户端的服务模块可以进行健康教育、心理疏导、饮食及运动指导、化验结果解读、血糖仪及胰岛素笔的规范使用指导；
方案进一步地，上述步骤(4)中数据处理方法是：利用CNN对收集来的每种数据进行特征提取，所述CNN共包含4层，1个卷积层，1个池化层和一个全连接层，卷积层由32个卷积核构成，卷积核大小为1*3，池化层紧跟在卷积层的后面，窗口大小为2，用于实现对时域1D信号进行最大值池化，最后一层是全连接层，该层中26个Batch-Normalized的输出将作为新特征用于特征矩阵的构建，在迭代过程中，使用均方差(MSE)作为损失函数，采用Adam优化器对影响模型训练和模型输出的网络参数进行更新。
本发明的优点是：
本发明建立不住院患者信息和住院患者信息病例档案库，实现了对患者信息的全方位记录，患者在出院后也可以通过本发明进行实时监控，避免信息的错漏影响患者治疗情况，且实现患者住院和出院后身体监测情况的对接，实现完整的监控；
本发明通过数据处理形成报告，供患者自行查看，降低了现有技术中医护人员的工作负担，不需要招募很多的医生，通过患者自检、护理人员护理、医生关键的治疗指导实现精准的护理，避免影响患者治疗情况；
本发明通过检测数据的实时自动传输，减少患者自行记录的工作量，并且通过纠错提醒，降低客户对信息过于频繁的反感度，增强了患者使用这一整套系统的舒适度，便于该系统的实施应用。
附图说明
图1是本发明一种基于CNN和模型融合的糖尿病血糖预测系统的原理结构框图；
图2是本发明一种基于CNN和模型融合的糖尿病血糖预测系统的血糖管理模块的原理结构框图；
图3是本发明一种基于CNN和模型融合的糖尿病血糖预测系统的智能餐具结构示意图；
图4是本发明一种基于CNN和模型融合的糖尿病血糖预测系统的智能餐具侧面结构示意图；
图5是本发明一种基于CNN和模型融合的糖尿病血糖预测系统的智能药盒的结构示意图；
其中：1、血糖管理模块，1-1、数据输入单元，1-2、数据处理单元，1-3、数据输出单元，1-4、提醒单元，1-5、数据显示单元，2、住院患者管理模块，3、智能用户端，4、终端监测模块，5、血糖检测仪，6、血压计，7、体重计，8、运动手环，9、智能药盒，91、盒盖，92、胰岛素笔放置腔，93、口服药放置腔， 94、卡扣，10、智能餐具，101、餐格，102、电源开关，103、电源Ⅱ，104、重量传感器Ⅱ。
具体实施方式
下面结合附图对本发明做清楚完整的描述，以使本领域的技术人员在不需要作出创造性劳动的条件下，能够充分实施本发明。
本发明的具体实施方式是：如图1-5所示，一种基于CNN和模型融合的糖尿病血糖预测系统，包括血糖管理模块1、住院患者管理模块2、智能用户端3、终端监测模块4，所述血糖管理模块1和智能用户端3通过网络服务器连接，所述血糖管理模块1包括数据输入单元1-1、数据处理单元1-2、数据输出单元1-3、提醒单元1-4、数据显示单元1-5，所述数据输入单元1-1分别与住院患者管理模块2和智能用户端3的连接，所述数据输出单元1-3与智能用户端3、提醒单元 1-4、数据显示单元1-5连接，所述数据输入单元1-1、数据处理单元1-2、数据输出单元1-3电性连接，所述智能用户端3包括警示纠错模块、信息录入模块、服务模块，所述终端监测模块4通过无线传输模块和智能用户端3连接，所述终端监测模块4包括血糖检测仪5、血压计6、体重计7、运动手环8、智能药盒9、智能餐具10。
本实施例进一步的，所述智能药盒9包括盒体、盒盖91、置于盒体内的胰岛素笔放置腔92、口服药放置腔93，所述盒体和盒盖91中间对应位置设有卡扣 94和卡槽，所述胰岛素笔放置腔92、口服药放置腔93的底部均设有重量传感器Ⅰ，所述盒体一侧设有电源Ⅰ，所述重量传感器Ⅰ通过无线传输模块和智能用户端3连接，所述电源Ⅰ和重量传感器Ⅰ电性连接，通过重量传感器Ⅰ监测用户用药情况，将监测数据传输给智能用户端3再传输给血糖管理模块1进行记录保存，用户没有按时服药时对其进行纠错提醒。
本实施例进一步的，所述智能餐具10为设有多个餐格101的矩形餐盘，所述餐盘的一侧设有电源开关102，所述餐盘的底部设有电源Ⅱ103，所述餐格101 的底部均设有重量传感器Ⅱ104，所述重量传感器Ⅱ104通过无线传输模块和智能用户端3连接，所述电源Ⅱ103和重量传感器Ⅱ104电性连接，用户将其食物按隔分装，监测用户每日用餐情况，将监测数据传输给智能用户端3再传输给血糖管理模块1进行记录保存，用户用饭不规律或者超标时对其进行纠错提醒。
本实施例进一步的，所述智能用户端3包括手机或者平板电脑。
本发明另一方面的提供一种基于CNN和模型融合的糖尿病血糖预测方法，包括以下步骤：
(1)建立用户名和患者档案库，连接住院患者管理模块将里面住院患者的信息提取过来建立患者档案，不住院的患者未建立档案的通过智能用户端进行用户名的注册和个人基本信息的录入建立患者档案，整体完成患者档案库的建立，并保存在血糖管理模块中；
(2)不住院患者数据监测和收集：利用终端监测模块进行每日不住院患者相关数据测量，测量之后的数据通过无线传输模块和智能用户端连接，智能用户端将数据传输给血糖管理模块进行数据处理分析，每日定时利用血糖检测仪、血压计、体重计进行血糖值、体重、血压的测量，运动手环随身携带记录患者每日运动量，智能药盒内装有药品，监测每日服药情况，智能餐具监测每日用餐情况；
(3)住院患者数据监测和收集：住院患者通过医护人员每日定时测量，并将数据通过住院患者管理模块进行记录和保存；
(4)患者数据的处理分析：不住院患者的数据通过网络服务器从智能用户端传输给血糖管理模块的数据输入单元，再传输给数据处理单元进行数据的处理分析，并将处理结果、解读结果、注意事项以报告形式通过数据输出单元输出给智能用户端和数据显示单元分别供患者和医护人员查看，方便患者及时了解自己的状况，有异常时将结果也同时传输给提醒模块提醒医护人员对患者进行直接的一对一联系沟通，实现精准护理的目的，住院患者的数据通过网络服务器从住院患者管理模块传输给血糖管理模块的数据输入单元，再传输给数据处理单元进行数据的处理分析，并将处理结果、解读结果、注意事项以报告形式通过数据输出单元输出给数据显示单元医护人员查看，方便医护人员为患者制定下一步治疗方案；
(5)不住院患者通过智能用户端的服务模块进行结果的查看，智能用户端进行每日状况监测，当饮食、运动、用药不符合规律时及时进行信息提醒，发生漏吃药等状况时通过警示纠错模块发出信息提示音进行纠错提醒；
(6)不住院患者通过智能用户端的服务模块可以进行健康教育、心理疏导、饮食及运动指导、化验结果解读、血糖仪及胰岛素笔的规范使用指导；
本实施例进一步的，上述步骤(4)中数据处理方法是：利用CNN对收集来的每种数据进行特征提取，所述CNN共包含4层，1个卷积层，1个池化层和一个全连接层，卷积层由32个卷积核构成，卷积核大小为1*3，池化层紧跟在卷积层的后面，窗口大小为2，用于实现对时域1D信号进行最大值池化，最后一层是全连接层，该层中26个Batch-Normalized的输出将作为新特征用于特征矩阵的构建，在迭代过程中，使用均方差(MSE)作为损失函数，采用Adam优化器对影响模型训练和模型输出的网络参数进行更新。
以上对本发明的较佳实施例进行了描述，需要指出的是，本发明并不局限于上述特定实施方式，其中未尽详细描述的设备和结构应该理解为用本领域中的普通方式予以实施；任何熟悉本领域的技术人员，在不脱离本发明技术方案范围情况下，依据本发明的技术实质对以上实施例所做的任何简单修改、等同变化及修饰，均仍属于本发明技术方案保护的范围内。
Claims (6)
1.一种基于CNN和模型融合的糖尿病血糖预测系统，其特征在于，包括血糖管理模块、住院患者管理模块、智能用户端、终端监测模块，所述血糖管理模块和智能用户端通过网络服务器连接，所述血糖管理模块包括数据输入单元、数据处理单元、数据输出单元、提醒单元、数据显示单元，所述数据输入单元分别与住院患者管理模块和智能用户端的连接，所述数据输出单元与智能用户端、提醒单元、数据显示单元连接，所述数据输入单元、数据处理单元、数据输出单元电性连接，所述智能用户端包括警示纠错模块、信息录入模块、服务模块，所述终端监测模块通过无线传输模块和智能用户端连接，所述终端监测模块包括血糖检测仪、血压计、体重计、运动手环、智能药盒、智能餐具。
2.根据权利要求1所述的一种基于CNN和模型融合的糖尿病血糖预测系统，其特征在于，所述智能药盒包括盒体、盒盖、置于盒体内的胰岛素笔放置腔、口服药放置腔，所述盒体和盒盖中间对应位置设有卡扣和卡槽，所述胰岛素笔放置腔、口服药放置腔的底部均设有重量传感器Ⅰ，所述盒体一侧设有电源Ⅰ，所述重量传感器Ⅰ通过无线传输模块和智能用户端连接，所述电源Ⅰ和重量传感器Ⅰ电性连接。
3.根据权利要求2所述的一种基于CNN和模型融合的糖尿病血糖预测系统，其特征在于，所述智能餐具为设有多个餐格的矩形餐盘，所述餐盘的一侧设有电源开关，所述餐盘的底部设有电源Ⅱ，所述餐格的底部均设有重量传感器Ⅱ，所述重量传感器Ⅱ通过无线传输模块和智能用户端连接，所述电源Ⅱ和重量传感器Ⅱ电性连接。
4.根据权利要求3所述的一种基于CNN和模型融合的糖尿病血糖预测系统，其特征在于，所述智能用户端包括手机或者平板电脑。
5.根据权利要求4所述的系统的一种基于CNN和模型融合的糖尿病血糖预测方法，其特征在于，包括以下步骤：
(1)建立用户名和患者档案库，连接住院患者管理模块将里面住院患者的信息提取过来建立患者档案，不住院的患者未建立档案的通过智能用户端进行用户名的注册和个人基本信息的录入建立患者档案，整体完成患者档案库的建立，并保存在血糖管理模块中；
(2)不住院患者数据监测和收集：利用终端监测模块进行每日不住院患者相关数据测量，测量之后的数据通过无线传输模块和智能用户端连接，智能用户端将数据传输给血糖管理模块进行数据处理分析，每日定时利用血糖检测仪、血压计、体重计进行血糖值、体重、血压的测量，运动手环随身携带记录患者每日运动量，智能药盒内装有药品，监测每日服药情况，智能餐具监测每日用餐情况；
(3)住院患者数据监测和收集：住院患者通过医护人员每日定时测量，并将数据通过住院患者管理模块进行记录和保存；
(4)患者数据的处理分析：不住院患者的数据通过网络服务器从智能用户端传输给血糖管理模块的数据输入单元，再传输给数据处理单元进行数据的处理分析，并将处理结果、解读结果、注意事项以报告形式通过数据输出单元输出给智能用户端和数据显示单元分别供患者和医护人员查看，方便患者及时了解自己的状况，有异常时将结果也同时传输给提醒模块提醒医护人员对患者进行直接的一对一联系沟通，实现精准护理的目的，住院患者的数据通过网络服务器从住院患者管理模块传输给血糖管理模块的数据输入单元，再传输给数据处理单元进行数据的处理分析，并将处理结果、解读结果、注意事项以报告形式通过数据输出单元输出给数据显示单元医护人员查看，方便医护人员为患者制定下一步治疗方案；
(5)不住院患者通过智能用户端的服务模块进行结果的查看，智能用户端进行每日状况监测，当饮食、运动、用药不符合规律时及时进行信息提醒，发生漏吃药等状况时通过警示纠错模块发出信息提示音进行纠错提醒；
(6)不住院患者通过智能用户端的服务模块可以进行健康教育、心理疏导、饮食及运动指导、化验结果解读、血糖仪及胰岛素笔的规范使用指导。
6.根据权利要求5所述一种基于CNN和模型融合的糖尿病血糖预测方法，其特征在于，上述步骤(4)中数据处理方法是：利用CNN对收集来的每种数据进行特征提取，所述CNN共包含4层，1个卷积层，1个池化层和一个全连接层，卷积层由32个卷积核构成，卷积核大小为1*3，池化层紧跟在卷积层的后面，窗口大小为2，用于实现对时域1D信号进行最大值池化，最后一层是全连接层，该层中26个Batch-Normalized的输出将作为新特征用于特征矩阵的构建，在迭代过程中，使用均方差(MSE)作为损失函数，采用Adam优化器对影响模型训练和模型输出的网络参数进行更新。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010435372.2A CN111755122A (zh) | 2020-05-21 | 2020-05-21 | 一种基于cnn和模型融合的糖尿病血糖预测系统及方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010435372.2A CN111755122A (zh) | 2020-05-21 | 2020-05-21 | 一种基于cnn和模型融合的糖尿病血糖预测系统及方法 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN111755122A true CN111755122A (zh) | 2020-10-09 |
Family
ID=72673885
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202010435372.2A Pending CN111755122A (zh) | 2020-05-21 | 2020-05-21 | 一种基于cnn和模型融合的糖尿病血糖预测系统及方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN111755122A (zh) |
Cited By (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN112102953A (zh) * | 2020-10-22 | 2020-12-18 | 平安科技（深圳）有限公司 | 个性化糖尿病健康管理系统、设备及存储介质 |
| CN112582072A (zh) * | 2020-12-23 | 2021-03-30 | 中南大学湘雅医院 | 一种住院患者血糖管理质量分析平台 |
| CN113080949A (zh) * | 2021-03-30 | 2021-07-09 | 北京京东拓先科技有限公司 | 低血糖预警方法及装置、计算机可存储介质 |
| CN115662643A (zh) * | 2022-10-27 | 2023-01-31 | 李强 | 一种糖尿病健康医疗大数据采集系统 |
| WO2024049445A1 (en) * | 2022-09-02 | 2024-03-07 | Google Llc | Multi-head convolutional network for average glucose prediction |
Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN107203695A (zh) * | 2017-06-02 | 2017-09-26 | 浙江大学 | 一种基于云平台大数据统计与计算的糖尿病监测与交互系统 |
| CN108511070A (zh) * | 2018-04-18 | 2018-09-07 | 郑州大学第附属医院 | 一种糖尿病患者评估及管理系统 |
| CN109448855A (zh) * | 2018-09-17 | 2019-03-08 | 大连大学 | 一种基于cnn和模型融合的糖尿病血糖预测方法 |
| CN109712723A (zh) * | 2019-01-25 | 2019-05-03 | 北京中器华康科技发展有限公司 | 一种基于血糖监测的体检系统及在糖尿病监控系统中的应用 |
-
2020
- 2020-05-21 CN CN202010435372.2A patent/CN111755122A/zh active Pending
Patent Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN107203695A (zh) * | 2017-06-02 | 2017-09-26 | 浙江大学 | 一种基于云平台大数据统计与计算的糖尿病监测与交互系统 |
| CN108511070A (zh) * | 2018-04-18 | 2018-09-07 | 郑州大学第附属医院 | 一种糖尿病患者评估及管理系统 |
| CN109448855A (zh) * | 2018-09-17 | 2019-03-08 | 大连大学 | 一种基于cnn和模型融合的糖尿病血糖预测方法 |
| CN109712723A (zh) * | 2019-01-25 | 2019-05-03 | 北京中器华康科技发展有限公司 | 一种基于血糖监测的体检系统及在糖尿病监控系统中的应用 |
Cited By (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN112102953A (zh) * | 2020-10-22 | 2020-12-18 | 平安科技（深圳）有限公司 | 个性化糖尿病健康管理系统、设备及存储介质 |
| CN112102953B (zh) * | 2020-10-22 | 2023-06-16 | 平安科技（深圳）有限公司 | 个性化糖尿病健康管理系统、设备及存储介质 |
| CN112582072A (zh) * | 2020-12-23 | 2021-03-30 | 中南大学湘雅医院 | 一种住院患者血糖管理质量分析平台 |
| CN113080949A (zh) * | 2021-03-30 | 2021-07-09 | 北京京东拓先科技有限公司 | 低血糖预警方法及装置、计算机可存储介质 |
| CN113080949B (zh) * | 2021-03-30 | 2023-09-22 | 北京京东拓先科技有限公司 | 低血糖预警方法及装置、计算机可存储介质 |
| WO2024049445A1 (en) * | 2022-09-02 | 2024-03-07 | Google Llc | Multi-head convolutional network for average glucose prediction |
| CN115662643A (zh) * | 2022-10-27 | 2023-01-31 | 李强 | 一种糖尿病健康医疗大数据采集系统 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN111755122A (zh) | 一种基于cnn和模型融合的糖尿病血糖预测系统及方法 | |
| Palanivel Rajan | Review and investigations on future research directions of mobile based telecare system for cardiac surveillance | |
| CN103976741B (zh) | 用于糖尿病管理的被分析物测试方法和装置 | |
| CN106529182A (zh) | 一种云医院 | |
| US7606617B2 (en) | Urinalysis for the early detection of and recovery from worsening heart failure | |
| CN107680674A (zh) | 一种基于健康大数据的健康物联网平台及其管理方法 | |
| CN107203695A (zh) | 一种基于云平台大数据统计与计算的糖尿病监测与交互系统 | |
| EP3148435A1 (en) | System for monitoring health related information for individuals | |
| CN105125134A (zh) | 一种基于物联网的体征监测马桶圈 | |
| WO2005081170A2 (en) | Diabetes management and patient database system via mobile communication device | |
| Joshi et al. | Smart healthcare for diabetes during COVID-19 | |
| Ganesh | Health monitoring system using raspberry Pi and IoT | |
| US20180060518A1 (en) | Electronic community medical marijuana network | |
| Finet et al. | Review of current telemedicine applications for chronic diseases. Toward a more integrated system? | |
| CN106384018A (zh) | 一种基于智能医疗床的医疗系统 | |
| CN114081462A (zh) | 一种基于多维度生理信息的心脏健康监护系统 | |
| CN114883006A (zh) | 一种基于大数据的健康监测和动态管理系统及应用 | |
| CN117577262A (zh) | 一种基于大语言模型技术的智能动态血压管理方法与系统 | |
| Joshi et al. | Smart healthcare for diabetes: A COVID-19 perspective | |
| CN108027848A (zh) | 用于管理对人的炎症性自身免疫性疾病的处置的设备、系统和方法 | |
| Zulfiqar et al. | Telemedicine and cardiology in the elderly in France: inventory of experiments | |
| CN203138481U (zh) | 基于无线的远程心电监护系统 | |
| Li et al. | Health activities monitoring and warning system for geriatric daily living in extra care homes | |
| TWI582719B (zh) | Silver and wisdom family medical module and care service integration system platform | |
| Poorejbari et al. | Diabetes patients monitoring by cloud computing |
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: 20201009 |