[发明专利]基于鸿蒙操作系统的臂戴式血糖仪

权利要求书

1.一种基于鸿蒙操作系统的臂戴式血糖仪，其特征在于，包括：数据采集模块、基于鸿蒙操作系统的智能终端，所述数据采集模块与所述智能终端通信连接；

所述数据采集模块包括壳体、数据采集单元；所述壳体包括两个弧形部件和至少两个弹性部件，两个所述弧形部件的两端分别通过所述弹性部件连接；所述数据采集单元包括光源模组和光检测模组，所述光源模组用于发射照向检测对象手臂上指定位置的光线，所述光检测模组用于检测所述指定位置的反射光信息；

所述智能终端获取所述数据采集模块输出的数据并输入训练好的人工智能模型，根据所述人工智能模型的输出确定检测对象的血糖值或血糖值范围，所述数据采集模块输出的数据包括所述反射光信息。

2.根据权利要求1所述的血糖仪，其特征在于，所述光源模组包括平行光二极管，且所述平行光二极管围绕所述光检测模组均匀设置；

所述平行光二极管包括管芯和封装体，所述封装体包覆于所述管芯外；

所述封装体包括围绕所述管芯侧面设置的不透光部件，所述不透光部件的顶部包覆所述管芯的顶部边缘部分，所述封装体还包括设置于所述管芯底侧的吸光部件以及设置于所述管芯顶侧的球面准直透镜；

所述管芯是通过在基板上形成外延层并对所述外延层进行图案化得到，所述管芯具有竖直侧面或顶部向中心倾斜的侧面。

3.根据权利要求1所述的血糖仪，其特征在于，所述人工智能模型包括：N个分别对所述反射光信息进行特征提取的第一神经网络模型，N为大于1的正整数；N个所述第一神经网络模型包括用于提取所述反射光信息中波数维度的特征的神经网络模型以及用于提取所述反射光信息中频域维度的特征的神经网络模型；

金字塔模型，用于分别对所述第一神经网络提取的、多个层次的第一特征信息进行整合得到N个第二特征信息；

分类器模型，用于根据N个所述第二特征信息输出检测对象的血糖值属于各血糖值范围的概率；所述分类器模型包括多个通过加权求和方式集成的分类器。

4.根据权利要求3所述的血糖仪，其特征在于，所述智能终端还用于对所述数据采集模块输出的数据进行预处理，所述预处理包括通过采用最小二乘拟合系数建立滤波函数，对移动窗口内的数据进行多项式最小二乘拟合，多项式拟合的表达式为：

z^*(i)＝a₀+a₁i+a₂i²+…+a_bi^b

其中，z^*(i)为Savitzky-Golay卷积平滑法建立多次拟合曲线后中心点位置得到的拟合值，a₀，a₁，a₂...a_b是通过以下公式计算得到：

其中，所述移动窗口内的数据为z(i)，i＝-M，…，0，…，M，μ＝0，1，2…，b。

5.根据权利要求3所述的血糖仪，其特征在于，所述分类器模型是通过以下方式构建：

获取l条训练样本：{(x₁，y₁)，(x₂，y₂)，…，(x_l，y_l)}，x_j为N个所述第二特征信息，y_j为血糖值范围，血糖值范围总数为K个，初始化权值

令t＝1，2，…，T，T为最大训练次数；

按照权值w^t，选择训练样本；

对训练样本进行血糖值范围的分类识别；

令k＝1，2，…，K，循环计算各血糖值范围中，分到各血糖值范围样本的权值和：判断各血糖值范围中分类正确的样本权值和是否大于分到其他血糖值范围的样本的权值和若是则进行下一次循环，否则转至对样本进行血糖值范围的分类识别步骤重新开始计算；

计算h_t的伪错误率：

令

计算新的权重向量：

归一化得到所述分类器模型为：