基于DTW的血糖趋势预测方法、系统及医疗设备技术方案

本发明专利技术涉及医疗数据分析技术领域，公开了一种基于DTW的血糖趋势预测方法、系统及医疗设备。所述基于DTW的血糖趋势预测方法，包括：采集血糖真实值的时间序列P；通过PRRx预测方法获取血糖预测值的时间序列Q；计算时间序列P和时间序列Q的相似性度量；根据计算的相似性度量计算预测时间序列H的单位校准值；根据计算的预测时间序列H的单位校准值计算预测时间序列H预测血糖峰值；以及根据计算的预测时间序列H预测血糖峰值获取血糖趋势预测数据。通过实际距离到相似性度量的转化、相似性度量到新的预测距离的转化而获取到准确的血糖趋势预测数据，减轻了患者检测治疗的痛苦，提升了血糖趋势预测的准确性和治疗效果。

【技术实现步骤摘要】
基于DTW的血糖趋势预测方法、系统及医疗设备
本专利技术涉及医疗数据分析
，尤其涉及一种基于DTW的血糖趋势预测方法、系统及医疗设备。
技术介绍
糖尿病的治疗通常需要采血装置刺入血管频繁采血以检测血糖值，给患者带来麻烦和痛苦，而现有基于采集心率数据计算心率峰-峰值距离PRRx值来预测血糖趋势测量方法的准确度较低，并不能投入实际的临床治疗。动态时间弯曲(DynamicTimeWarping,DTW)是一种强大的时间序列相似度度量方法，DTW距离定义了序列之间的最佳对齐匹配关系，支持不同长度的时间序列的相似度度量和时间轴的伸缩和弯曲，具有更好的鲁棒性。
技术实现思路
鉴于此，本专利技术提供一种基于DTW的血糖趋势预测方法、系统及医疗设备，解决现有血糖趋势预测方法准确度较低的技术问题。根据本专利技术的一个实施例，提供一种基于DTW的血糖趋势预测方法，包括：采集血糖真实值的时间序列P；通过PRRx预测方法获取血糖预测值的时间序列Q；计算时间序列P和时间序列Q的相似性度量；根据计算的相似性度量计算预测时间序列H的单位校准值；根据计算的预测时间序列H的单位校准值计算预测时间序列H预测血糖峰值；以及根据计算的预测时间序列H预测血糖峰值获取血糖趋势预测数据。优选的，所述计算时间序列P和时间序列Q的相似性度量，包括：计算时间序列P和时间序列Q构成弯曲矩阵的DTW距离；计算弯曲矩阵随机X份DTW距离的DTW平均值；根据余弦相关度公式计算时间序列P和时间序列Q的余弦相关度；计算时间序列P和时间序列Q的均值和方差；计算时间序列P和时间序列Q单个个体对整体时间序列的影响权重系数；根据计算的余弦相关度和影响权重系数计算加权余弦相关度；以及根据计算的加权余弦相关度计算时间序列P和时间序列Q的相似性度量。优选的，所述根据计算的相似性度量计算预测时间序列H的单位校准值，包括：通过PRRx预测方法获取血糖预测值的时间序列H；计算查找时间序列P和时间序列Q的DTW最小值；以及根据计算的DTW最小值和相似性度量计算预测时间序列H的单位校准值。优选的，所述根据计算的预测时间序列H的单位校准值计算预测时间序列H预测血糖峰值，包括：标记时间序列H和时间序列P的全部峰值及峰值数量；以及根据标记的时间序列H和时间序列P的对应峰值和计算的单位校准值计算预测时间序列H预测血糖峰值。优选的，在所述根据计算的预测时间序列H预测血糖峰值获取血糖趋势预测数据之后，还包括：当获取的血糖趋势预测数据超出预设警戒范围时，提醒获取的血糖趋势预测数据。根据本专利技术的另一个实施例，还提供一种基于DTW的血糖趋势预测系统，包括：采集模块，用于采集血糖真实值的时间序列P；预测模块，用于通过PRRx预测方法获取血糖预测值的时间序列Q；相似性度量计算模块，用于所述采集模块采集的计算时间序列P和所述预测模块预测的时间序列Q的相似性度量；单位校准值计算模块，用于根据所述相似性度量计算模块计算的相似性度量计算预测时间序列H的单位校准值；预测血糖峰值计算模块，用于根据所述单位校准值计算模块计算的预测时间序列H的单位校准值计算预测时间序列H预测血糖峰值；以及血糖趋势数据获取模块，用于根据所述预测血糖峰值计算模块计算的预测时间序列H预测血糖峰值获取血糖趋势预测数据。优选的，所述相似性度量计算模块，包括：DTW距离计算单元，用于计算时间序列P和时间序列Q构成弯曲矩阵的DTW距离；DTW平均值计算单元，用于计算弯曲矩阵随机X份DTW距离的DTW平均值；余弦相关度计算单元，用于根据余弦相关度公式计算时间序列P和时间序列Q的余弦相关度；均值方差计算单元，用于计算时间序列P和时间序列Q的均值和方差；影响权重系数计算单元，用于计算时间序列P和时间序列Q单个个体对整体时间序列的影响权重系数；加权余弦相关度计算单元，用于根据所述余弦相关度计算单元计算的余弦相关度和所述影响权重系数计算单元计算的影响权重系数计算加权余弦相关度；以及相似性度量计算单元，用于根据所述加权余弦相关度计算单元计算的加权余弦相关度计算时间序列P和时间序列Q的相似性度量。优选的，所述单位校准值计算模块，包括：时间序列预测单元，用于通过PRRx预测方法获取血糖预测值的时间序列H；计算查找单元，用于计算查找计算时间序列P和时间序列Q的DTW最小值；以及单位校准值计算单元，用于根据所述计算查找单元计算的DTW最小值和相似性度量计算预测时间序列H的单位校准值。优选的，所述预测血糖峰值计算模块，包括：标记单元，用于标记时间序列H和时间序列P的全部峰值及峰值数量；以及预测血糖峰值计算单元，用于根据所述标记单元标记的时间序列H和时间序列P的对应峰值和计算的单位校准值计算预测时间序列H预测血糖峰值。根据本专利技术又一个实施例，还提供一种医疗设备，所述医疗设备包括上述的基于DTW的血糖趋势预测系统。本专利技术提供的基于DTW的血糖趋势预测方法、系统及医疗设备，采集血糖真实值的时间序列P；通过PRRx预测方法获取血糖预测值的时间序列Q；计算时间序列P和时间序列Q的相似性度量；根据计算的相似性度量计算预测时间序列H的单位校准值；根据计算的预测时间序列H的单位校准值计算预测时间序列H预测血糖峰值；以及根据计算的预测时间序列H预测血糖峰值获取血糖趋势预测数据，通过实际距离到相似性度量的转化、相似性度量到新的预测距离的转化，最终直观、快捷地获取到患者血糖趋势预测数据，给糖尿病治疗提供准确的治疗参考数据，减轻了患者检测治疗的痛苦，提升了血糖趋势预测的准确性和治疗效果。附图说明为了更清楚地说明本专利技术实施例中的技术方案，下面将对实施例描述中所需要使用的附图作简单的介绍。显而易见地，下面描述中的附图仅仅是本专利技术的一些实施例，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为本专利技术一个实施例中基于DTW的血糖趋势预测方法的流程示意图。图2为本专利技术一个实施例中计算时间序列P和时间序列Q的相似性度量的流程示意图。图3为本专利技术一个实施例中根据计算的相似性度量计算预测时间序列H的单位校准值的流程示意图。图4为本专利技术一个实施例中根据计算的预测时间序列H的单位校准值计算预测时间序列H预测血糖峰值的流程示意图。图5为本专利技术另一个实施例中基于DTW的血糖趋势预测系统的结构示意图。图6为本专利技术另一个实施例中相似性度量计算模块的结构示意图。图7为本专利技术另一个实施例中单位校准值计算模块的结构示意图。图8为本专利技术另一个实施例中预测血糖峰值计算模块的结构示意图。图9为本专利技术又一个实施例中医疗设备的结构示意图。具体实施方式下面结合附图和具体实施方式对本专利技术的技术方案作进一步更详细的描述。显然，所描述的实施例仅仅是本专利技术的一部分实施例，而不是全部的实施例。基于本专利技术中的实施例，本领域普通技术人员在没有作出创造性劳动的前提下所获得的所有其他实施例，都应属于本专利技术保护的范围。在本专利技术的描述中，需要理解的是，术语“第一”、“第二”等仅用于描述目的，而不能理解为指示或暗示相对重要性。在本专利技术的描述中，需要说明的是，除非另有明确的规定和限定，术语“相连”、“连接”应做广义理解，例如，可以是固定连接，也可以是可拆卸连接，或一体地连接；可以是机械连接，也可以是电连接；可以是直接相连本文档来自技高网...

【技术保护点】
1.一种基于DTW的血糖趋势预测方法，其特征在于，包括：采集血糖真实值的时间序列P；通过PRRx预测方法获取血糖预测值的时间序列Q；计算时间序列P和时间序列Q的相似性度量；根据计算的相似性度量计算预测时间序列H的单位校准值；根据计算的预测时间序列H的单位校准值计算预测时间序列H预测血糖峰值；以及根据计算的预测时间序列H预测血糖峰值获取血糖趋势预测数据。

【技术特征摘要】
1.一种基于DTW的血糖趋势预测方法，其特征在于，包括：采集血糖真实值的时间序列P；通过PRRx预测方法获取血糖预测值的时间序列Q；计算时间序列P和时间序列Q的相似性度量；根据计算的相似性度量计算预测时间序列H的单位校准值；根据计算的预测时间序列H的单位校准值计算预测时间序列H预测血糖峰值；以及根据计算的预测时间序列H预测血糖峰值获取血糖趋势预测数据。2.根据权利要求1所述的基于DTW的血糖趋势预测方法，其特征在于，所述计算时间序列P和时间序列Q的相似性度量，包括：计算时间序列P和时间序列Q构成弯曲矩阵的DTW距离；计算弯曲矩阵随机X份DTW距离的DTW平均值；根据余弦相关度公式计算时间序列P和时间序列Q的余弦相关度；计算时间序列P和时间序列Q的均值和方差；计算时间序列P和时间序列Q单个个体对整体时间序列的影响权重系数；根据计算的余弦相关度和影响权重系数计算加权余弦相关度；以及根据计算的加权余弦相关度计算时间序列P和时间序列Q的相似性度量。3.根据权利要求2所述的基于DTW的血糖趋势预测方法，其特征在于，所述根据计算的相似性度量计算预测时间序列H的单位校准值，包括：通过PRRx预测方法获取血糖预测值的时间序列H；计算查找时间序列P和时间序列Q的DTW最小值；以及根据计算的DTW最小值和相似性度量计算预测时间序列H的单位校准值。4.根据权利要求3所述的基于DTW的血糖趋势预测方法，其特征在于，所述根据计算的预测时间序列H的单位校准值计算预测时间序列H预测血糖峰值，包括：标记时间序列H和时间序列P的全部峰值及峰值数量；以及根据标记的时间序列H和时间序列P的对应峰值和计算的单位校准值计算预测时间序列H预测血糖峰值。5.根据权利要求1所述的基于DTW的血糖趋势预测方法，其特征在于，在所述根据计算的预测时间序列H预测血糖峰值获取血糖趋势预测数据之后，还包括：当获取的血糖趋势预测数据超出预设警戒范围时，提醒获取的血糖趋势预测数据。6.一种基于DTW的血糖趋势预测系统，其特征在于，包括：采集模块，用于采集血糖真实值的时间序列P；预测模块，用于通过PRRx预测方法获取血糖预测值的时间序列Q；相似性度量计算模块，用于所述采集模块采集的计算...

【专利技术属性】
技术研发人员：樊卓宸，王新安，李秋平，赵天夏，
申请(专利权)人：北京大学深圳研究生院，
类型：发明
国别省市：广东,44