CN117929701B - 一种血糖仪智能化控制分析系统 - Google Patents
一种血糖仪智能化控制分析系统 Download PDFInfo
- Publication number
- CN117929701B CN117929701B CN202410288660.8A CN202410288660A CN117929701B CN 117929701 B CN117929701 B CN 117929701B CN 202410288660 A CN202410288660 A CN 202410288660A CN 117929701 B CN117929701 B CN 117929701B
- Authority
- CN
- China
- Prior art keywords
- test
- date
- marked
- calibration
- value
- 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
Links
- 238000004458 analytical method Methods 0.000 title claims abstract description 34
- 239000008280 blood Substances 0.000 claims abstract description 91
- 210000004369 blood Anatomy 0.000 claims abstract description 91
- 238000012795 verification Methods 0.000 claims abstract description 84
- 238000001514 detection method Methods 0.000 claims abstract description 72
- 238000012937 correction Methods 0.000 claims abstract description 67
- 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 abstract description 52
- 239000008103 glucose Substances 0.000 claims abstract description 52
- 230000008859 change Effects 0.000 claims abstract description 30
- 238000013075 data extraction Methods 0.000 claims abstract description 12
- 238000003745 diagnosis Methods 0.000 claims abstract description 7
- 238000012360 testing method Methods 0.000 claims description 147
- 230000004044 response Effects 0.000 claims description 31
- 230000007613 environmental effect Effects 0.000 claims description 27
- 238000012544 monitoring process Methods 0.000 claims description 27
- 238000012216 screening Methods 0.000 claims description 17
- 230000006978 adaptation Effects 0.000 claims description 12
- 238000000034 method Methods 0.000 claims description 11
- 238000013210 evaluation model Methods 0.000 claims description 9
- 230000008569 process Effects 0.000 claims description 6
- 238000004364 calculation method Methods 0.000 claims description 4
- 238000012854 evaluation process Methods 0.000 claims description 4
- 101100272279 Beauveria bassiana Beas gene Proteins 0.000 claims description 3
- 230000003044 adaptive effect Effects 0.000 claims 1
- 201000010099 disease Diseases 0.000 abstract description 8
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 abstract description 8
- 238000009472 formulation Methods 0.000 abstract description 2
- 239000000203 mixture Substances 0.000 abstract description 2
- 230000015556 catabolic process Effects 0.000 abstract 1
- 238000006731 degradation reaction Methods 0.000 abstract 1
- 238000005259 measurement Methods 0.000 description 8
- 238000006243 chemical reaction Methods 0.000 description 2
- 238000011156 evaluation Methods 0.000 description 2
- 238000012423 maintenance Methods 0.000 description 2
- 238000010606 normalization Methods 0.000 description 2
- 230000009467 reduction Effects 0.000 description 2
- 238000012163 sequencing technique Methods 0.000 description 2
- 208000017667 Chronic Disease Diseases 0.000 description 1
- 238000007792 addition Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000033228 biological regulation Effects 0.000 description 1
- 238000012790 confirmation Methods 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 230000007423 decrease Effects 0.000 description 1
- 206010012601 diabetes mellitus Diseases 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 230000002641 glycemic effect Effects 0.000 description 1
- 230000007774 longterm Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 239000000758 substrate Substances 0.000 description 1
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N33/00—Investigating or analysing materials by specific methods not covered by groups G01N1/00 - G01N31/00
- G01N33/48—Biological material, e.g. blood, urine; Haemocytometers
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N33/00—Investigating or analysing materials by specific methods not covered by groups G01N1/00 - G01N31/00
- G01N33/48—Biological material, e.g. blood, urine; Haemocytometers
- G01N33/50—Chemical analysis of biological material, e.g. blood, urine; Testing involving biospecific ligand binding methods; Immunological testing
- G01N33/66—Chemical analysis of biological material, e.g. blood, urine; Testing involving biospecific ligand binding methods; Immunological testing involving blood sugars, e.g. galactose
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/10—Pre-processing; Data cleansing
- G06F18/15—Statistical pre-processing, e.g. techniques for normalisation or restoring missing data
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/22—Matching criteria, e.g. proximity measures
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
- Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
- Y02P90/02—Total factory control, e.g. smart factories, flexible manufacturing systems [FMS] or integrated manufacturing systems [IMS]
Landscapes
- Engineering & Computer Science (AREA)
- Life Sciences & Earth Sciences (AREA)
- Health & Medical Sciences (AREA)
- Physics & Mathematics (AREA)
- Chemical & Material Sciences (AREA)
- General Physics & Mathematics (AREA)
- Hematology (AREA)
- Theoretical Computer Science (AREA)
- Urology & Nephrology (AREA)
- Biomedical Technology (AREA)
- Molecular Biology (AREA)
- Immunology (AREA)
- Data Mining & Analysis (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Artificial Intelligence (AREA)
- Pathology (AREA)
- Bioinformatics & Computational Biology (AREA)
- Medicinal Chemistry (AREA)
- General Health & Medical Sciences (AREA)
- Evolutionary Biology (AREA)
- General Engineering & Computer Science (AREA)
- Biochemistry (AREA)
- Evolutionary Computation (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Analytical Chemistry (AREA)
- Food Science & Technology (AREA)
- Cell Biology (AREA)
- Probability & Statistics with Applications (AREA)
- Microbiology (AREA)
- Biotechnology (AREA)
- Diabetes (AREA)
- Investigating Or Analysing Biological Materials (AREA)
Abstract
本发明属于设备控制分析技术领域，具体公开提供的一种血糖仪智能化控制分析系统，该系统包括：设备使用数据提取模块、设备运行数据提取模块、设备校准设置验证模块、校准频率更正分析模块和设备校准反馈终端。本发明有效解决了当前医用式血糖仪校准设置灵活性较差的问题，充分考虑了不同血糖人员对仪器的干扰以及对检测精度的需求，确保了病患在病情变化以及治疗调整时的检测准确性，同时还确保了血糖仪校准的及时性，进而便于及时发现血糖仪的故障或性能下降，降低了对对医生的诊断和治疗方案产生错误引导的几率，从而减少了后续病患血糖调整治疗方案制定的误差性，提高了病患病情控制的把控度和有效度。
Description
技术领域
本发明属于设备控制分析技术领域，涉及一种血糖仪智能化控制分析系统。
背景技术
糖尿病是一种慢性疾病，需要病患进行长期的血糖监测和管理。传统的血糖监测方法主要依靠病患自行测量血糖水平，存在数据记录不准确、分析能力有限等问题。在此背景下，血糖仪应运而生，为了确保病患的血糖控制效果，需要对血糖仪的运行进行控制和分析。
血糖仪分为家用式血糖仪和医用式血糖仪，对于医用式血糖仪通常需要更高的准确性和精度，以满足临床医生对血糖测量结果的要求，然而医用式血糖仪的校准频率通常是按照固定的要求进行设置的，还存在以下几个方面的不足：1、灵活性较差，难以适应某些人的特殊情况，例如在一些病情变化或治疗调整时需要更频繁的校准以保证准确。
2、及时性不足，环境因素以及不同人员测量血糖的波动情况均会对血糖仪测量结果的准确性产生重要影响，当前未对此进行分析，使得血糖仪无法得到及时的校准，存在长时间监测不精准的可能。
3、增加了治疗方案制定的误差性，当前固定校准频率无法及时发现血糖仪的故障或性能下降，从而会对医生的诊断和治疗方案产生错误引导，不利于病患的病情控制。
发明内容
鉴于此，为解决上述背景技术中所提出的问题，现提出一种血糖仪智能化控制分析系统。
本发明的目的可以通过以下技术方案实现：本发明提供一种血糖仪智能化控制分析系统，该系统包括：设备使用数据提取模块，用于将目标诊疗室内血糖仪标记为目标设备，提取目标设备的使用跟踪数据、设置校准频率和过往校准日志。
设备运行数据提取模块，用于提取目标设备的运行数据，运行数据由电气数据和环境数据组成。
设备校准设置验证模块，用于对目标设备进行校准频率设置适配性验证，得到设置适配性验证结果，所述设置适配性验证结果为适配和非适配中的一个。
校准频率更正分析模块，用于当目标设备的设置适配性验证结果为非适配时，进行目标设备校准频率更正分析，输出目标设备的更正校准频率。
设备校准反馈终端，用于将目标设备的更正校准频率反馈至目标设备校准控制终端，进而进行校准控制。
进一步地，所述对目标设备进行校准频率设置适配性验证，包括：从目标设备的使用跟踪数据中定位出测试次数、各次测试时的标记时间戳和标记测试值。
对各次测试时的标记时间戳进行转化，得到各次测试时的标记日期、标记测试时间点和测试结论显示时间点。
将位于同一标记日期的测试进行归类，得到各标记日期下的测试次数、各次测试的标记测试时间点和标记测试值。
统计各标记日期下的使用频繁度和检测数值波动度/>，/>表示标记日期编号，，并通过使用干扰度评估模型评估得到目标设备的使用干扰度/>。
将标记测试时间点和测试结论显示时间点之间的时长作为响应时长，得到各次测试时的响应时长。
从目标设备的过往校准日志中提取各次过往校准时的检测血糖值偏差，统计目标设备的检测偏差度。
从电气数据中提取各运行日内各监测时间点对应监测的电流和电压，并从环境数据中提取各运行日内各监测时间点对应各环境指标的监测值，统计目标设备的运行环境偏差度。
设置验证规则，将、/>和/>导入验证规则中，输出目标设备的设置适配性验证结果。
进一步地，所述设置验证规则，具体设置过程为：将使用干扰度大于设定使用干扰度作为验证要素1。
将检测偏差度大于设定检测偏差度作为验证要素2。
将运行环境偏差度大于设定运行环境偏差度作为验证要素3。
当验证要素1、验证要素2和验证要素3中任意一个成立时，将非适配作为设置适配性验证结果，当验证要素1、验证要素2和验证要素3均不成立，将适配作为设置适配性验证结果。
进一步地，所述统计各标记日期下的使用频繁度，包括：将各标记日期下的测试次数记为，并将各标记日期下各次测试的标记测试时间点进行相互对比，得到各标记日期下各次测试之间的间隔测试时长，通过均值计算得到各标记日期下的平均间隔测试时长/>。
统计各标记日期下的使用频繁度，/>，/>分别为设定参照的单日测试测试、测试间隔时长。
进一步地，所述统计各标记日期下的检测数值波动度，包括：以测试次序为横坐标，以标记测试值为纵坐标，构建各标记日期下的标记测试值变化曲线，从中定位出峰值点数目、谷值点数目以及各峰值点与其临近谷值点之间的标记测试值差和间隔测试次数。
从各标记日期下各峰值点与其临近谷值点之间的标记测试值差中筛选出最大值，记为，同时通过均值计算得到各标记日期下的平均峰谷标记测试值差/>。
从各标记日期下各峰值点与其临近谷值点之间的间隔测试次数中筛选出最小值，记为，同时按照/>的获取方式同理得到各标记日期下的平均峰谷间隔测试次数。
从各标记日期下峰值点数目和谷值点数目中筛选出最大值，记为，统计各标记日期下的检测数值波动度/>，，/>为设定参照峰谷点数目，分别为设定参照的第一峰谷差、第二峰谷差、第一峰谷间隔次数、第二峰谷间隔次数。
进一步地，所述使用干扰度评估模型的评估过程为：将使用频繁度大于设定参照使用频繁度的标记日期记为超频日期，将检测数值波动度大于设定参照检测数值波动度的标记日期记为波动日期，进而筛选出各超频日期和各波动日期。
统计超频日期数目和波动日期数目/>，并分别与标记日期数目进行作比，将比值分别记为/>和/>。
若某超频日期和某波动日期相同，将该日期记为重合日期，统计重合日期数目。
基于各超频日期和各波动日期，确认最高持续超频日数目和最高持续波动日数目，分别记为和/>。
将作为重合影响比/>，将/>作为连续超频日期比/>，将/>作为连续波动日期比/>。
统计目标设备的使用干扰度，。
进一步地，所述统计目标设备的检测偏差度，包括：以过往校准次序为横坐标，以检测血糖值偏差为纵坐标，构建校准检测偏差变化曲线，并进行斜率和幅值/>提取，设置目标设备的检测偏差补偿权重因子/>。
将各次测试时的标记测试值与设定的各血糖浓度区间进行对比，由此筛选出位于各血糖浓度区间内的各次测试。
从各次测试时的响应时长中截选出位于各血糖浓度区间内各次测试时的响应时长。
以测试次序为横坐标，以响应时长为纵坐标，构建各血糖浓度区间内的测试响应时长变化曲线，并从中提取斜率和位于各血糖浓度区间对应参照测试响应时长上方的曲线段长度/>，/>表示血糖浓度区间编号，/>。
将各血糖浓度区间内的测试响应时长变化曲线长度记为，统计目标设备的检测偏差度/>，/>，/>为设定的测试响应延迟增长率，表示向下取整符号，/>为血糖浓度区间数。
进一步地，所述统计目标设备的运行环境偏差度，包括：将各运行日内各监测时间点对应监测的电流和电压导入波动评估模型中，输出目标设备的电气环境波动度。
按照的输出方式同理输出目标设备的外界环境波动度/>。
从各运行日内各监测时间点对应各环境指标的监测值中提取各运行日内各环境指标的最大值，作为各环境指标的参照值。
将各运行日内各环境指标的参照值与设定的各环境指标对应血糖检测干扰值进行对比，若某运行日内某环境指标的参照值大于其血糖检测干扰值，将该运行日记为环境干扰日。
统计环境干扰日数目，并将运行日数目记为/>，进而统计目标设备的运行环境偏差度/>，/>，/>分别为设定参照的电气环境波动度、外界环境波动，/>表示向上取整符号。
进一步地，所述进行目标设备校准频率更正分析，包括：提取目标设备的使用干扰度、检测偏差度/>和运行环境偏差度/>，设置目标设备校准频率更正导向权重/>。
将与设定的各更正导向权重对应的补偿更正校准频率进行匹配对比，得到目标设备的补偿更正校准频率，将补偿更正校准频率与设置校准频率的和作为目标设备的更正校准频率。
进一步地，所述设置目标设备校准频率更正导向权重，包括：若仅存在大于设定使用干扰度/>，将/>作为目标设备校准频率更正导向权重，记为/>，/>为设定的使用干扰对应的基准更正导向权重。
若仅存在大于设定检测偏差度/>，将/>作为目标设备校准频率更正导向权重，记为/>，/>为设定的检测偏差对应的基准更正导向权重。
若仅存在大于设定运行环境偏差度/>，将/>作为目标设备校准频率更正导向权重，记为/>，/>为设定的环境偏差对应的基准更正导向权重。
若同时存在和/>，将/>作为目标设备校准频率更正导向权重，记为/>。
若同时存在和/>，将/>作为目标设备校准频率更正导向权重，记为/>。
若同时存在和/>，将/>作为目标设备校准频率更正导向权重，记为/>。
若同时存在、/>和/>，将作为目标设备校准频率更正导向权重，记为/>，以此得到目标设备校准频率更正导向权重/>，/>取值为/>或者/>或者/>或者/>或者/>或者或者/>。
相较于现有技术，本发明的有益效果如下：（1）本发明通过根据血糖仪的使用跟踪数据、过往校准日志和运行数据，对血糖仪进行校准频率设置适配性验证，并当设置适配性验证结果为非适配时，确认更正校准频率，实现了血糖仪的针对性校准，有效解决了当前医用式血糖仪校准设置灵活性较差的问题，充分考虑了不同血糖人员对仪器的干扰以及对检测精度的需求，确保了病患在病情变化以及治疗调整时的检测准确性，同时还确保了血糖仪校准的及时性，避免了长时间检测不精准造成的治疗干扰，并且还便于及时发现血糖仪的故障或性能下降，降低了对医生的诊断和治疗方案产生错误引导的几率，从而减少了后续病患血糖调整治疗方案制定的误差性，进而提高了病患病情控制的把控度和有效度。
（2）本发明通过从设备的使用干扰层面、检测偏差层面以及运行环境偏差层面进行验证规则设置，从而进行验证，实现了校准频率设置适配性的多维度验证，充分考虑了环境因素以及不同人员测量血糖的波动情况均会对血糖仪测量结果的准确性的影响，确保了校准频率设置适配性验证结果的可靠度和说服力，实现了校准频率设置的规范性验证。
（3）本发明通过统计各标记日期下的使用频繁度以及检测数值波动度，从而通过使用干扰度评估模型评估得到目标设备的使用干扰度，直观地展示了血糖仪的使用情况以及检测样本的偏差情况，为后续验证规则的设置提供了数据辅助。
（4）本发明通过构建各标记日期下的标记测试值变化曲线，并对曲线中峰值点以及谷值点分别进行间隔测试次数以及标记测试值差分析，进而统计各标记日期下的检测数值波动度，展示了血糖峰值和谷值的高低以及峰值和谷值之间的变化情况，可以更全面地了解血糖波动的情况以及血糖仪的检测状态，提升了后续校准频率设置适配性验证结果的参考性，同时为后续血糖仪的针对性维护提高了参照。
（5）本发明通过根据目标设备的使用干扰度、检测偏差度和运行环境偏差度，设置目标设备校准频率更正导向权重，据此确认更正校准频率，提高了校准频率更正的针对性和有效性，同时也确保了后续目标设备血糖检测的稳定度，进而使得患者和医生能够更早地进行干预和调整治疗计划，以更好地控制血糖水平。
附图说明
为了更清楚地说明本发明实施例的技术方案，下面将对实施例描述所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
图1为本发明系统各模块连接示意图。
具体实施方式
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做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。
如图1所示，本发明提供了一种血糖仪智能化控制分析系统，该系统包括：设备使用数据提取模块、设备运行数据提取模块、设备校准设置验证模块、校准频率更正分析模块和设备校准反馈终端。
上述中，设备校准设置验证模块分别与设备使用数据提取模块、设备运行数据提取模块和校准频率更正分析模块连接，校准频率更正分析模块还与设备校准反馈终端连接。
所述设备使用数据提取模块，用于将目标诊疗室内血糖仪标记为目标设备，提取目标设备的使用跟踪数据、设置校准频率和过往校准日志。
具体地，使用跟踪数据包括但不限于测试次数、各次测试时的标记时间戳和标记测试值。
所述设备运行数据提取模块，用于提取目标设备的运行数据，运行数据由电气数据和环境数据组成。
其中，电气数据为各运行日内各监测时间点对应监测的电流和电压，环境数据为各运行日内各监测时间点对应各环境指标的监测值。
在一个具体实施例中，环境指标包括但不限于温度和湿度。
所述设备校准设置验证模块，用于对目标设备进行校准频率设置适配性验证，得到设置适配性验证结果，所述设置适配性验证结果为适配和非适配中的一个。
示例性地，对目标设备进行校准频率设置适配性验证，包括：E1、从目标设备的使用跟踪数据中定位出测试次数、各次测试时的标记时间戳和标记测试值。
E2、对各次测试时的标记时间戳进行转化，得到各次测试时的标记日期、标记测试时间点和测试结论显示时间点。
需要说明的是，时间戳转化可通过程序执行，其为现有较为成熟技术，具体转化流程不进行赘述。
E3、将位于同一标记日期的测试进行归类，得到各标记日期下的测试次数、各次测试的标记测试时间点和标记测试值。
E4、统计各标记日期下的使用频繁度和检测数值波动度/>，/>表示标记日期编号，/>，并通过使用干扰度评估模型评估得到目标设备的使用干扰度/>。
具体地，统计各标记日期下的使用频繁度，包括：将各标记日期下的测试次数记为，并将各标记日期下各次测试的标记测试时间点进行相互对比，得到各标记日期下各次测试之间的间隔测试时长，通过均值计算得到各标记日期下的平均间隔测试时长/>。
统计各标记日期下的使用频繁度，/>，/>分别为设定参照的单日测试测试、测试间隔时长。
具体地，统计各标记日期下的检测数值波动度，包括：Y1、以测试次序为横坐标，以标记测试值为纵坐标，构建各标记日期下的标记测试值变化曲线，从中定位出峰值点数目、谷值点数目以及各峰值点与其临近谷值点之间的标记测试值差和间隔测试次数。
Y2、从各标记日期下各峰值点与其临近谷值点之间的标记测试值差中筛选出最大值，记为，同时通过均值计算得到各标记日期下的平均峰谷标记测试值差/>。
Y3、从各标记日期下各峰值点与其临近谷值点之间的间隔测试次数中筛选出最小值，记为，同时按照/>的获取方式同理得到各标记日期下的平均峰谷间隔测试次数。
Y4、从各标记日期下峰值点数目和谷值点数目中筛选出最大值，记为，统计各标记日期下的检测数值波动度/>，，/>为设定参照峰谷点数目，分别为设定参照的第一峰谷差、第二峰谷差、第一峰谷间隔次数、第二峰谷间隔次数。
需要说明的是，，且在一个具体实施例中，/>取值可以为，/>且/>。
需要补充的是，血糖测试的峰谷差较大且每次峰值点和谷值点之间的间隔次数较短时，反应了血糖的测试数据的波动情况以及变化情况，而血糖仪的测量误差可能会受到使用频率、样本处理等因素的影响，血糖数据的波动情况和变化频率可能会影响血糖仪的测量稳定性。如果血糖数据波动较大或变化频率较高，血糖仪可能在测量过程中受到干扰，导致测量结果的不稳定性，从而影响精准性，因此从峰谷值偏差以及峰谷点之间的间隔检测次数这两个维度进行血糖波动度分析，从而便于后续校准频率更正分析。
本发明实施例通过构建各标记日期下的标记测试值变化曲线，并对曲线中峰值点以及谷值点分别进行间隔测试次数以及标记测试值差分析，进而统计各标记日期下的检测数值波动度，展示了血糖峰值和谷值的高低以及峰值和谷值之间的变化情况，可以更全面地了解血糖波动的情况以及血糖仪的检测状态，提升了后续校准频率设置适配性验证结果的参考性，同时为后续血糖仪的针对性维护提高了参照。
更具体地，使用干扰度评估模型的评估过程为：L1、将使用频繁度大于设定参照使用频繁度的标记日期记为超频日期，将检测数值波动度大于设定参照检测数值波动度的标记日期记为波动日期，进而筛选出各超频日期和各波动日期。
L2、统计超频日期数目和波动日期数目/>，并分别与标记日期数目进行作比，将比值分别记为/>和/>。
L3、若某超频日期和某波动日期相同，将该日期记为重合日期，统计重合日期数目。
L4、基于各超频日期和各波动日期，确认最高持续超频日数目和最高持续波动日数目，分别记为和/>。
需要说明的是，确认最高持续超频日数目和最高持续波动日数目可以通过遍历计数方式进行确认，即通过遍历计数算法得到，其具体执行过程包括以下步骤：S1、将各超频日期按照时间先后进行排序，并按照其排序构建超频日期列表，按照超频日期列表的构建方式同理构建波动日期列表。
S2、初始化一个计数器变量为0。
S3、遍历超频日期列表，对于每个超频日期：如果超频日期与前一个超频日期的间隔天数为连续，即间隔天数为1天，则将计数器加1，否则，将计数器重置为1.
S4、在每次更新计数器时，记录当前计数器值与之前各次技术器的最大计数值的比较结果，保留最大值，将最大值作为最高持续超频日数目。
S5、遍历波动日期列表，按照最高持续超频日数目的分析步骤同理分析得到最高持续波动日数目。
L5、将作为重合影响比/>，将/>作为连续超频日期比/>，将作为连续波动日期比/>。
L6、统计目标设备的使用干扰度，。
本发明实施例通过统计各标记日期下的使用频繁度以及检测数值波动度，从而通过使用干扰度评估模型评估得到目标设备的使用干扰度，直观地展示了血糖仪的使用情况以及检测样本的偏差情况，为后续验证规则的设置提供了数据辅助。
E5、将标记测试时间点和测试结论显示时间点之间的时长作为响应时长，得到各次测试时的响应时长。
E6、从目标设备的过往校准日志中提取各次过往校准时的检测血糖值偏差，统计目标设备的检测偏差度。
具体地，统计目标设备的检测偏差度，包括：E61、以过往校准次序为横坐标，以检测血糖值偏差为纵坐标，构建校准检测偏差变化曲线，并进行斜率和幅值/>提取，设置目标设备的检测偏差补偿权重因子/>，/>，/>分别为设定参照的校准检测偏差变化率、变化极值差。
检测偏差补偿权重因子表示血糖仪检测偏差分析的误差补偿，即根据每次校准时的表现偏差指标进行误差补偿，其中，表现偏差指标是由校准检测偏差增长趋势和校准检测增长幅度组成，对应校准检测偏差变化曲线中的斜率和幅值，当斜率和幅值较大时，表明血糖仪校准时对应表现检测数值的差异度越大。避免仅从检测的响应情况进行检测偏差的误差，增加检测偏差分析的可靠性和合理性。
在一个具体实施中，对曲线进行斜率提取指提取曲线对应回归线的斜率。
E62、将各次测试时的标记测试值与设定的各血糖浓度区间进行对比，由此筛选出位于各血糖浓度区间内的各次测试。
需要补充的是，筛选出位于各血糖浓度区间内的各次测试具体筛选方式为：若某次测试时的标记测试值位于设定的某血糖浓度区间内，则将该次测试归于该血糖浓度区间，由此筛选出各血糖浓度区间内的各次测试。
E63、从各次测试时的响应时长中截选出位于各血糖浓度区间内各次测试时的响应时长。
E64、以测试次序为横坐标，以响应时长为纵坐标，构建各血糖浓度区间内的测试响应时长变化曲线，并从中提取斜率和位于各血糖浓度区间对应参照测试响应时长上方的曲线段长度/>，/>表示血糖浓度区间编号，/>。
E65、将各血糖浓度区间内的测试响应时长变化曲线长度记为，统计目标设备的检测偏差度/>，/>，/>为设定的测试响应延迟增长率，/>表示向下取整符号，/>为血糖浓度区间数。
E7、从电气数据中提取各运行日内各监测时间点对应监测的电流和电压，并从环境数据中提取各运行日内各监测时间点对应各环境指标的监测值，统计目标设备的运行环境偏差度。
具体地，统计目标设备的运行环境偏差度，包括：E71、将各运行日内各监测时间点对应监测的电流和电压导入波动评估模型中，输出目标设备的电气环境波动度。
需要说明的是，波动评估模型的具体评估过程如下：W1、以监测时间点为横坐标，以电流和电压为纵坐标，构建各运行日的电流波动曲线和电压波动曲线，分别从各运行日的电流波动曲线和电压波动曲线中进行波动点数目提取，分别记为电流波动次数和电压波动次数。
W2、若某运行日中的电流波动次数或者电压波动次数与监测时间点的比值超出四分之一，则将该运行日记为电气波动日。
W3、统计电气波动日数目和运行日数目/>，并将各波动日的电流波动次数和电压波动次数分别进行均值计算，得到波动日的平均电流波动次数/>和平均电压波动次数/>。
W3、将监测时间点数目记为，将/>、/>、/>、/>和/>作为波动评估模型的输入，将电气环境波动度作为波动评估模型的输出，其中，波动评估模型具体表示公式如下：。
E72、按照的输出方式同理输出目标设备的外界环境波动度/>。
E73、从各运行日内各监测时间点对应各环境指标的监测值中提取各运行日内各环境指标的最大值，作为各环境指标的参照值。
E74、将各运行日内各环境指标的参照值与设定的各环境指标对应血糖检测干扰值进行对比，若某运行日内某环境指标的参照值大于其血糖检测干扰值，将该运行日记为环境干扰日。
E75、统计环境干扰日数目，并将运行日数目记为/>，进而统计目标设备的运行环境偏差度/>，/>，/>分别为设定参照的电气环境波动度、外界环境波动，/>表示向上取整符号。
E8、设置验证规则，将、/>和/>导入验证规则中，输出目标设备的设置适配性验证结果。
可理解地，设置验证规则，具体设置过程为：将使用干扰度大于设定使用干扰度作为验证要素1。
将检测偏差度大于设定检测偏差度作为验证要素2。
将运行环境偏差度大于设定运行环境偏差度作为验证要素3。
当验证要素1、验证要素2和验证要素3中任意一个成立时，将非适配作为设置适配性验证结果，当验证要素1、验证要素2和验证要素3均不成立，将适配作为设置适配性验证结果。
本发明实施例通过从设备的使用干扰层面、检测偏差层面以及运行环境偏差层面进行验证规则设置，从而进行验证，实现了校准频率设置适配性的多维度验证，充分考虑了环境因素以及不同人员测量血糖的波动情况均会对血糖仪测量结果的准确性的影响，确保了校准频率设置适配性验证结果的可靠度和说服力，实现了校准频率设置的规范性验证。
所述校准频率更正分析模块，用于当目标设备的设置适配性验证结果为非适配时，进行目标设备校准频率更正分析，输出目标设备的更正校准频率。
示例性地，进行目标设备校准频率更正分析，包括：第一步、提取目标设备的使用干扰度、检测偏差度/>和运行环境偏差度/>，设置目标设备校准频率更正导向权重/>。
具体地，设置目标设备校准频率更正导向权重，包括：N1、若仅存在大于设定使用干扰度/>，将/>作为目标设备校准频率更正导向权重，记为/>，/>为设定的使用干扰对应的基准更正导向权重。
N2、若仅存在大于设定检测偏差度/>，将/>作为目标设备校准频率更正导向权重，记为/>，/>为设定的检测偏差对应的基准更正导向权重。
N3、若仅存在大于设定运行环境偏差度/>，将/>作为目标设备校准频率更正导向权重，记为/>，/>为设定的环境偏差对应的基准更正导向权重。
N4、若同时存在和/>，将/>作为目标设备校准频率更正导向权重，记为/>。
N5、若同时存在和/>，将/>作为目标设备校准频率更正导向权重，记为/>。
N6、若同时存在和/>，将/>作为目标设备校准频率更正导向权重，记为/>。
N7、若同时存在、/>和/>，将作为目标设备校准频率更正导向权重，记为/>，以此得到目标设备校准频率更正导向权重/>，/>取值为/>或者/>或者/>或者/>或者/>或者或者/>。
在一个具体实施例中，可以取值为0.5，/>可以取值为0.65，/>可以取值为0.5。
第二步、将与设定的各更正导向权重对应的补偿更正校准频率进行匹配对比，得到目标设备的补偿更正校准频率，将补偿更正校准频率与设置校准频率的和作为目标设备的更正校准频率。
本发明实施例通过根据目标设备的使用干扰度、检测偏差度和运行环境偏差度，设置目标设备校准频率更正导向权重，据此确认更正校准频率，提高了校准频率更正的针对性和有效性，同时也确保了后续目标设备血糖检测的稳定度，进而使得患者和医生能够更早地进行干预和调整治疗计划，以更好地控制血糖水平。
所述设备校准反馈终端，用于将目标设备的更正校准频率反馈至目标设备校准控制终端，进而进行校准控制。
本发明实施例通过根据血糖仪的使用跟踪数据、过往校准日志和运行数据，对血糖仪进行校准频率设置适配性验证，并当设置适配性验证结果为非适配时，确认更正校准频率，实现了血糖仪的针对性校准，有效解决了当前医用式血糖仪校准设置灵活性较差的问题，充分考虑了不同血糖人员对仪器的干扰以及对检测精度的需求，确保了病患在病情变化以及治疗调整时的检测准确性，同时还确保了血糖仪校准的及时性，避免了长时间检测不精准造成的治疗干扰，并且还便于及时发现血糖仪的故障或性能下降，降低了对医生的诊断和治疗方案产生错误引导的几率，从而减少了后续病患血糖调整治疗方案制定的误差性，进而提高了病患病情控制的把控度和有效度。
以上内容仅仅是对本发明的构思所作的举例和说明，所属本技术领域的技术人员对所描述的具体实施例做各种各样的修改或补充或采用类似的方式替代，只要不偏离发明的构思或者超越本发明所定义的范围，均应属于本发明的保护范围。
Claims (4)
1.一种血糖仪智能化控制分析系统，其特征在于：该系统包括：
设备使用数据提取模块，用于将目标诊疗室内血糖仪标记为目标设备，提取目标设备的使用跟踪数据、设置校准频率和过往校准日志；
设备运行数据提取模块，用于提取目标设备的运行数据，运行数据由电气数据和环境数据组成；
设备校准设置验证模块，用于对目标设备进行校准频率设置适配性验证，得到设置适配性验证结果，所述设置适配性验证结果为适配和非适配中的一个；
校准频率更正分析模块，用于当目标设备的设置适配性验证结果为非适配时，进行目标设备校准频率更正分析，输出目标设备的更正校准频率；
设备校准反馈终端，用于将目标设备的更正校准频率反馈至目标设备校准控制终端，进而进行校准控制；
所述对目标设备进行校准频率设置适配性验证，包括：
从目标设备的使用跟踪数据中定位出测试次数、各次测试时的标记时间戳和标记测试值；
对各次测试时的标记时间戳进行转化，得到各次测试时的标记日期、标记测试时间点和测试结论显示时间点；
将位于同一标记日期的测试进行归类，得到各标记日期下的测试次数、各次测试的标记测试时间点和标记测试值；
统计各标记日期下的使用频繁度和检测数值波动度/>，/>表示标记日期编号，，并通过使用干扰度评估模型评估得到目标设备的使用干扰度/>；
将标记测试时间点和测试结论显示时间点之间的时长作为响应时长，得到各次测试时的响应时长；
从目标设备的过往校准日志中提取各次过往校准时的检测血糖值偏差，统计目标设备的检测偏差度；
从电气数据中提取各运行日内各监测时间点对应监测的电流和电压，并从环境数据中提取各运行日内各监测时间点对应各环境指标的监测值，统计目标设备的运行环境偏差度；
设置验证规则，将、/>和/>导入验证规则中，输出目标设备的设置适配性验证结果；
所述使用干扰度评估模型的评估过程为：
将使用频繁度大于设定参照使用频繁度的标记日期记为超频日期，将检测数值波动度大于设定参照检测数值波动度的标记日期记为波动日期，进而筛选出各超频日期和各波动日期；
统计超频日期数目和波动日期数目/>，并分别与标记日期数目进行作比，将比值分别记为/>和/>；
若某超频日期和某波动日期相同，将该日期记为重合日期，统计重合日期数目；
基于各超频日期和各波动日期，确认最高持续超频日数目和最高持续波动日数目，分别记为和/>；
将作为重合影响比/>，将/>作为连续超频日期比/>，将/>作为连续波动日期比/>；
统计目标设备的使用干扰度，；
所述统计目标设备的检测偏差度，包括：
以过往校准次序为横坐标，以检测血糖值偏差为纵坐标，构建校准检测偏差变化曲线，并进行斜率和幅值/>提取，设置目标设备的检测偏差补偿权重因子/>，，/>分别为设定参照的校准检测偏差变化率、变化极值差；
将各次测试时的标记测试值与设定的各血糖浓度区间进行对比，由此筛选出位于各血糖浓度区间内的各次测试；
从各次测试时的响应时长中截选出位于各血糖浓度区间内各次测试时的响应时长；
以测试次序为横坐标，以响应时长为纵坐标，构建各血糖浓度区间内的测试响应时长变化曲线，并从中提取斜率和位于各血糖浓度区间对应参照测试响应时长上方的曲线段长度/>，/>表示血糖浓度区间编号，/>；
将各血糖浓度区间内的测试响应时长变化曲线长度记为，统计目标设备的检测偏差度/>，/>，/>为设定的测试响应延迟增长率，/>表示向下取整符号，/>为血糖浓度区间数；
所述统计目标设备的运行环境偏差度，包括：
将各运行日内各监测时间点对应监测的电流和电压导入波动评估模型中，输出目标设备的电气环境波动度；
按照的输出方式同理输出目标设备的外界环境波动度/>；
从各运行日内各监测时间点对应各环境指标的监测值中提取各运行日内各环境指标的最大值，作为各环境指标的参照值；
将各运行日内各环境指标的参照值与设定的各环境指标对应血糖检测干扰值进行对比，若某运行日内某环境指标的参照值大于其血糖检测干扰值，将该运行日记为环境干扰日；
统计环境干扰日数目，并将运行日数目记为/>，进而统计目标设备的运行环境偏差度/>，/>，/>分别为设定参照的电气环境波动度、外界环境波动，/>表示向上取整符号；
所述进行目标设备校准频率更正分析，包括：
提取目标设备的使用干扰度、检测偏差度/>和运行环境偏差度/>，设置目标设备校准频率更正导向权重/>；
将与设定的各更正导向权重进行匹配，得到与/>一致的设定的更正导向权重，进而将该设定的更正导向权重对应的补偿更正校准频率作为目标设备的补偿更正校准频率，将补偿更正校准频率与设置校准频率的和作为目标设备的更正校准频率；
所述设置目标设备校准频率更正导向权重，包括：
若仅存在大于设定使用干扰度/>，将/>作为目标设备校准频率更正导向权重，记为/>，/>为设定的使用干扰对应的基准更正导向权重；
若仅存在大于设定检测偏差度/>，将/>作为目标设备校准频率更正导向权重，记为/>，/>为设定的检测偏差对应的基准更正导向权重；
若仅存在大于设定运行环境偏差度/>，将/>作为目标设备校准频率更正导向权重，记为/>，/>为设定的环境偏差对应的基准更正导向权重；
若同时存在和/>，将/>作为目标设备校准频率更正导向权重，记为/>；
若同时存在和/>，将/>作为目标设备校准频率更正导向权重，记为/>；
若同时存在和/>，将/>作为目标设备校准频率更正导向权重，记为/>；
若同时存在、/>和/>，将/>作为目标设备校准频率更正导向权重，记为/>，以此得到目标设备校准频率更正导向权重，/>取值为/>或者/>或者/>或者/>或者/>或者/>或者/>。
2.如权利要求1所述的一种血糖仪智能化控制分析系统，其特征在于：所述设置验证规则，具体设置过程为：
将使用干扰度大于设定使用干扰度作为验证要素1；
将检测偏差度大于设定检测偏差度作为验证要素2；
将运行环境偏差度大于设定运行环境偏差度作为验证要素3；
当验证要素1、验证要素2和验证要素3中任意一个成立时，将非适配作为设置适配性验证结果，当验证要素1、验证要素2和验证要素3均不成立，将适配作为设置适配性验证结果。
3.如权利要求1所述的一种血糖仪智能化控制分析系统，其特征在于：所述统计各标记日期下的使用频繁度，包括：
将各标记日期下的测试次数记为，并将各标记日期下各次测试的标记测试时间点进行相互对比，得到各标记日期下各次测试之间的间隔测试时长，通过均值计算得到各标记日期下的平均间隔测试时长/>；
统计各标记日期下的使用频繁度，/>，/>分别为设定参照的单日测试次数、测试间隔时长。
4.如权利要求1所述的一种血糖仪智能化控制分析系统，其特征在于：所述统计各标记日期下的检测数值波动度，包括：
以测试次序为横坐标，以标记测试值为纵坐标，构建各标记日期下的标记测试值变化曲线，从中定位出峰值点数目、谷值点数目以及各峰值点与其临近谷值点之间的标记测试值差和间隔测试次数；
从各标记日期下各峰值点与其临近谷值点之间的标记测试值差中筛选出最大值，记为，同时通过均值计算得到各标记日期下的平均峰谷标记测试值差/>；
从各标记日期下各峰值点与其临近谷值点之间的间隔测试次数中筛选出最小值，记为，同时按照/>的获取方式同理得到各标记日期下的平均峰谷间隔测试次数/>；
从各标记日期下峰值点数目和谷值点数目中筛选出最大值，记为，统计各标记日期下的检测数值波动度/>，/>，为设定参照峰谷点数目，/>分别为设定参照的第一峰谷差、第二峰谷差、第一峰谷间隔次数、第二峰谷间隔次数。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202410288660.8A CN117929701B (zh) | 2024-03-14 | 2024-03-14 | 一种血糖仪智能化控制分析系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202410288660.8A CN117929701B (zh) | 2024-03-14 | 2024-03-14 | 一种血糖仪智能化控制分析系统 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN117929701A CN117929701A (zh) | 2024-04-26 |
| CN117929701B true CN117929701B (zh) | 2024-05-31 |
Family
ID=90752366
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202410288660.8A Active CN117929701B (zh) | 2024-03-14 | 2024-03-14 | 一种血糖仪智能化控制分析系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN117929701B (zh) |
Citations (11)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| DE102006028669A1 (de) * | 2006-04-26 | 2007-11-08 | Rohde & Schwarz Gmbh & Co. Kg | Verfahren und Vorrichtung zur Ermittlung der Kennlinie eines abstimmbaren Oszillators |
| CN104143961A (zh) * | 2014-07-25 | 2014-11-12 | 广东大普通信技术有限公司 | 一种恒温晶体振荡器频率校准方法、装置及系统 |
| CN107949775A (zh) * | 2015-08-03 | 2018-04-20 | 光谱传感器公司 | 定量光谱的频率配准偏差的确定和校正 |
| CN114114003A (zh) * | 2021-11-29 | 2022-03-01 | 山东汇能电气有限公司 | 一种基于数据监测的断路器运行检测系统 |
| WO2023004614A1 (zh) * | 2021-07-28 | 2023-02-02 | 三诺生物传感股份有限公司 | 一种校正电流信号的方法及系统 |
| CN116887077A (zh) * | 2023-09-07 | 2023-10-13 | 南通市计量检定测试所 | 一种大型设备多仪器同步采集数据分析处理方法 |
| CN116934177A (zh) * | 2023-09-14 | 2023-10-24 | 中交二公局东萌工程有限公司 | 一种企业生产任务管理数据跟踪分析处理系统 |
| CN117105536A (zh) * | 2023-10-23 | 2023-11-24 | 唐山市蓝欣玻璃有限公司 | 一种基于大数据的玻璃在线镀膜过程智能管理系统 |
| CN117217503A (zh) * | 2023-11-09 | 2023-12-12 | 山东华宝隆轻工机械有限公司 | 一种基于大数据的智慧泵站泵群远程智能调度管理系统 |
| CN117422450A (zh) * | 2023-12-18 | 2024-01-19 | 贵州鸿达立信计量检测有限公司 | 计量设备数字维护系统 |
| CN117648471A (zh) * | 2024-01-30 | 2024-03-05 | 深圳鹏锐信息技术股份有限公司 | 一种三维工业设计素材ai智能推荐管理系统 |
-
2024
- 2024-03-14 CN CN202410288660.8A patent/CN117929701B/zh active Active
Patent Citations (11)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| DE102006028669A1 (de) * | 2006-04-26 | 2007-11-08 | Rohde & Schwarz Gmbh & Co. Kg | Verfahren und Vorrichtung zur Ermittlung der Kennlinie eines abstimmbaren Oszillators |
| CN104143961A (zh) * | 2014-07-25 | 2014-11-12 | 广东大普通信技术有限公司 | 一种恒温晶体振荡器频率校准方法、装置及系统 |
| CN107949775A (zh) * | 2015-08-03 | 2018-04-20 | 光谱传感器公司 | 定量光谱的频率配准偏差的确定和校正 |
| WO2023004614A1 (zh) * | 2021-07-28 | 2023-02-02 | 三诺生物传感股份有限公司 | 一种校正电流信号的方法及系统 |
| CN114114003A (zh) * | 2021-11-29 | 2022-03-01 | 山东汇能电气有限公司 | 一种基于数据监测的断路器运行检测系统 |
| CN116887077A (zh) * | 2023-09-07 | 2023-10-13 | 南通市计量检定测试所 | 一种大型设备多仪器同步采集数据分析处理方法 |
| CN116934177A (zh) * | 2023-09-14 | 2023-10-24 | 中交二公局东萌工程有限公司 | 一种企业生产任务管理数据跟踪分析处理系统 |
| CN117105536A (zh) * | 2023-10-23 | 2023-11-24 | 唐山市蓝欣玻璃有限公司 | 一种基于大数据的玻璃在线镀膜过程智能管理系统 |
| CN117217503A (zh) * | 2023-11-09 | 2023-12-12 | 山东华宝隆轻工机械有限公司 | 一种基于大数据的智慧泵站泵群远程智能调度管理系统 |
| CN117422450A (zh) * | 2023-12-18 | 2024-01-19 | 贵州鸿达立信计量检测有限公司 | 计量设备数字维护系统 |
| CN117648471A (zh) * | 2024-01-30 | 2024-03-05 | 深圳鹏锐信息技术股份有限公司 | 一种三维工业设计素材ai智能推荐管理系统 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN117929701A (zh) | 2024-04-26 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US20100330598A1 (en) | METHOD, SYSTEM, AND COMPUTER PROGRAM PRODUCT FOR PROVIDING BOTH AN ESTIMATED TRUE MEAN BLOOD GLUCOSE VALUE AND ESTIMATED GLYCATED HEMOGLOBIN (HbA1C) VALUE FROM STRUCTURED SPOT MEASUREMENTS OF BLOOD GLUCOSE | |
| WO1999027466A2 (en) | System and method for intelligent quality control of a process | |
| EP2006786A1 (en) | Method and glucose monitoring system for monitoring individual metabolic response and for generating nutritional feedback | |
| US20110196213A1 (en) | Display For Biological Values | |
| US8781752B2 (en) | Measuring control method and arrangement | |
| EP2433142A1 (en) | System and method for automatic quality control of clinical diagnostic processes | |
| US20150112722A1 (en) | Medical condition tracking and analysis | |
| US20210128029A1 (en) | Analyte level calibration using baseline analyte level | |
| CN113114530A (zh) | 一种网元健康状态的检测方法及设备 | |
| CN118011307A (zh) | 一种电能表故障数据监测系统及数据存储介质 | |
| CN114617549A (zh) | 用于检测异常值和错误传感器使用情况以及校正、消隐或终止血糖传感器的机器学习模型 | |
| CN114145738B (zh) | 分析物浓度数据生成方法和装置、监测分析物水平的系统 | |
| CN117929701B (zh) | 一种血糖仪智能化控制分析系统 | |
| US20150106124A1 (en) | Date and time accuracy testing patient data transferred from a remote device | |
| CN117457191B (zh) | 一种基于人工智能的线上数字化慢性病患者跟踪管理系统 | |
| US20210265028A1 (en) | Altering patient care based on long term sdd | |
| CN117594223A (zh) | 一种人体生物检测数据信息处理方法 | |
| CN106618570A (zh) | 一种基于生物介电谱的皮肤生化指标检测方法及系统 | |
| CN112768031A (zh) | 一种综合饮食运动体检调理和预防慢性病的健康管理方法 | |
| US20140031658A1 (en) | System and method for monitoring glucose or other compositions in an individual | |
| Bani Amer | An adaptive neurofuzzy technique for determination of blood acidity | |
| CN104458843A (zh) | 医疗智能血糖测试仪 | |
| US20230129975A1 (en) | Evaluation system based on analyte data | |
| CN118136283A (zh) | 一种基于稳态模型的静息能量代谢预测方法及系统 | |
| CN117243578A (zh) | 一种可补偿测量偏量及还原温度偏离的体征测量方法 |
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 | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |