[发明专利]基于平滑处理及融合的血糖预测方法、系统及医疗设备

说明书

本发明提出一种基于平滑处理及融合的血糖预测方法、系统及医疗设备，涉及医疗器械的技术领域，首先采集原始数据特征值，对其进行归一化处理，通过相关系数将归一化后的特征值进行平滑处理，使特征值与血糖实测值的关系更具相关性，形成特征矩阵作为数据集，并划分为训练集、验证集与测试集，将特征贡献率不同的特征值组合，利用最优相关系数对不同血糖预测模型得到的血糖预测结果矩阵进行融合，得到最终血糖预测结果，充分考虑饮食行为变化，降低饮食行为变化对预测结果产生的偏差，提高了血糖值预测结果的准确度，该方法可封装于系统，进一步形成医疗设备的应用，为糖尿病患者在日常生活中采取自我干预措施提供指导。

技术领域

本发明涉及医疗器械的技术领域，更具体地，涉及一种基于平滑处理及融合的血糖预测方法、系统及医疗设备。

背景技术

近年来，随着人们生活水平的提升，人们生活方式也在不断改变，工作强度增大，体力活动明显减少，生活节奏的加快也使得人们长期处于应激环境，导致糖尿病患者的人数激增，糖尿病从少见病变成了一种流行病。

糖尿病是一个终身疾病，目前医学水平无法根除治愈，因此，对糖尿病患者的血糖的监测就显得尤为重要。糖尿病患者的血糖调节能力差，当其外源性碳水化合物的摄入行为发生变化时，可能引起体内血糖的大幅波动，而血糖波动会造成机体器官的损害，加速并发症的发生。由此引发思考，若能对糖尿病患者的外源性摄入行为进行积极的人为干预，及时提醒糖尿病患者在有效时间内摄入碳水化合物，对糖尿病患者能享受正常生活而言相当重要，而准确地对血糖进行预测，是实现上述目的的前提，从而为糖尿病患者在日常生活中方便的提供血糖依据。

现有技术中公开了一种无创血糖测量方法，该方案以随机森林算法以及神经网络预测算法为基础，首先测量待测个体指端的能量代谢参数，并发送至测量主机，测量主机调用随机森林算法预测待测个体指端的能量代谢参数的血糖类别，并调取对应的神经网络预测算法计算待测个体指端的血糖值，实现了血糖的无创预测，对于同一个人，该方案在血糖变化比较平稳阶段具有较高准确度，但在血糖波动较大的阶段其血糖预测准确度明显降低，无法适应个体饮食行为的变化。

发明内容

为解决当前采用传统血糖预测方法无法适应个体饮食行为变化，导致血糖预测准确度低的问题，本发明提出一种基于平滑处理及融合的血糖预测方法、系统及医疗设备，降低个体饮食行为变化对预测结果产生的偏差，提高血糖预测结果的准确度，为糖尿病患者在日常生活中自我监测血糖水平并采取自我干预措施提供参考。

为了达到上述技术效果，本发明的技术方案如下：

一种基于平滑处理及融合的血糖预测方法，包括：

S1.确定个体饮食行为及数据采集时段，采集N次个体在不同饮食行为下的生理指标数据作为原始特征值，并实测生理指标数据同步对应的血糖值，作为血糖参考值；

S2.基于原始特征值形成原始特征值矩阵，对原始特征值矩阵中的原始特征值进行归一化处理，得到新特征值，形成新特征值矩阵；

S3.计算新特征值的相关系数，基于相关系数对新特征值进行平滑处理，得到平滑特征值，并将平滑特征值划分为训练集、验证集和测试集；

S4.引入随机森林模型，利用随机森林模型计算平滑特征值的特征贡献率并排序，并选择特征贡献率大于零的平滑特征值；

S5.从训练集中选择排序在前e位的平滑特征值并抽取，作为固定集合，剩余的平滑特征值均分为f组集合，将均分的f组集合与e位平滑特征值组合成新的特征向量，并形成f个特征矩阵；

S6.利用f个特征矩阵以及其同步对应的血糖参考值训练随机森林模型，得到f个血糖预测模型；

S7.将验证集依次输入f个血糖预测模型，得到第一血糖预测结果矩阵；

S8.基于第一血糖预测结果矩阵，计算f个血糖预测模型的最优相关系数；