[发明专利]一种基于连续血糖监测的方法及装置

说明书

本发明公开了一种基于连续血糖监测的方法及装置，包括：获取至少两名用户的血糖数据，根据预设的数据拼接方法构成第一血糖数据矩阵，从第一血糖数据矩阵中获取多个第一血糖数据输入向量以及各第一血糖数据输入向量分别对应的输出数据；采用机器学习算法，根据所述多组第一血糖数据输入向量以及各第一血糖数据输入向量分别对应的输出数据，对预设的数学模型进行训练，得到血糖数据预测模型；获取一名待预测用户的已有血糖数据，根据预设的数据拼接方法构成第二血糖数据输入向量；将所述第二血糖数据输入向量输入所述血糖数据预测模型，获取所述待预测用户的当前时刻之后的血糖数据的预测值，实现了用群体血糖数据预测个体血糖浓度。

技术领域

本发明实施例涉及血糖监测领域，尤其涉及一种基于连续血糖监测的方法及装置。

背景技术

糖尿病是长期血糖水平波动超出正常范围(90-120mmol/L)之外的代谢病理状态，若管理不善将会导致严重的并发症。目前，糖尿病的治疗尚无有效方法，现有的血糖测量方法都需要频繁针刺取血进行血糖的自我监测，经常性地对患者进行针刺取血，会对患者造成生理上的疼痛与心理上的恐惧与抵触，甚至会引发感染，从而限制了血糖检测的频率。由于采集的血糖数据较少，使得很多数据分析方法无法使用。

CGM(Continuous Glucose Monitoring，连续血糖监测)技术的出现，为有效解决上述问题提供了可能，其中，最重要的是为通过数据分析方法实现血糖浓度预测提供了可能。具体地，CGM设备通过微创或无创方式实时采集患者的血糖浓度，并每隔较短时间间隔输出一个血糖数据，测得的连续血糖数据可以看作是一种时间序列，针对时间序列的预测算法中，最典型的便是机器学习算法，如ANN(Artificial Neural Network，人工神经网络)，SVR(Support Vector Regression，支持向量机回归)，RT(Regression Tree，回归树)等，应用上述机器学习算法对连续血糖时间序列进行预测，上述是建立在采集的血糖数据足够多的基础上实现的。但是，在实际应用中，由于很多患者使用CGM设备时间较短，导致采集的血糖数据量较少，因而，无法应用上述机器学习算法对其血糖浓度进行预测。

针对上述问题，目前尚未提出有效的解决方案。

发明内容

本发明提供一种基于连续血糖监测的方法及装置，实现用群体血糖数据预测个体血糖数据。

第一方面，本发明实施例提供了一种基于连续血糖监测的方法，包括：

获取至少两名用户的血糖数据，根据预设的数据拼接方法构成第一血糖数据矩阵，从第一血糖数据矩阵中获取多个第一血糖数据输入向量以及各第一血糖数据输入向量分别对应的输出数据；

采用机器学习算法，根据所述多组第一血糖数据输入向量以及各第一血糖数据输入向量分别对应的输出数据，对预设的数学模型进行训练，得到血糖数据预测模型；

获取一名待预测用户的已有血糖数据，根据预设的数据拼接方法构成第二血糖数据输入向量；

将所述第二血糖数据输入向量输入所述血糖数据预测模型，获取所述待预测用户的当前时刻之后的血糖数据的预测值。

第二方面，本发明实施例还提供了一种基于连续血糖监测的装置，包括：

训练阶段血糖数据生成模块，用于获取至少两名用户的血糖数据，根据预设的数据拼接方法构成第一血糖数据矩阵，从第一血糖数据矩阵中获取多个第一血糖数据输入向量以及各第一血糖数据输入向量分别对应的输出数据；

血糖数据预测模型生成模块，用于采用机器学习算法，根据所述多组第一血糖数据输入向量以及各第一血糖数据输入向量分别对应的输出数据，对预设的数学模型进行训练，得到血糖数据预测模型；

预测阶段血糖数据生成模块，用于获取一名待预测用户的已有血糖数据，根据预设的数据拼接方法构成第二血糖数据输入向量；