人工智能深度学习方法校正持续血糖的监测方法技术

本发明专利技术属于血糖监测技术领域，具体公开人工智能深度学习方法校正持续血糖的监测方法，其具体步骤是：(1)收集单一的患者一段时间内持续变化的准确血糖值；(2)通过进行多次指尖采血法测得准确的血糖值；(3)用准确血糖值对持续的血糖监测仪所测得的血糖值进行矫正；(4)对比数据进行深度人工学习校正；(5)利用人工智能自动编码器技术校正可持续血糖监测仪测出的数据；(6)并将此人工智能方法所识别的数值差异模式归纳出血糖校正模式；(7)在人工智能训练完毕之后，该可持续血糖监测，并利用人工智能训练所得到的数值校正方法对所记录的血糖值进行校正。该方法能为糖尿病患者提供了准确可靠的血糖实时数据，以便更好地管理自身身体状况。

【技术实现步骤摘要】
人工智能深度学习方法校正持续血糖的监测方法
本专利技术属于血糖监测
，特别涉及一种人工智能深度学习方法校正持续血糖的监测方法。
技术介绍
糖尿病已经成为严重威胁人类健康的慢性疾病之一，据世界卫生组织统计，糖尿病患者逐年递增，世界各国的糖尿病患者已达到2亿之多，而我国更是成为了糖尿病的高发区，我国糖尿病患者已超过1亿，糖尿病发病率高达10％，平均每年增长550万例，每天增长1.5万例，每小时增长600例，每分钟增长10例，更糟糕的是在日益增加的糖尿病病人后面，还有2.64亿人处于糖尿病前期，血糖不在正常值之内，但也不满足糖尿病诊断标准，离糖尿病就差一步之遥，如果不注意饮食和锻炼，可能使他们的病情恶化而成为糖尿病人。糖尿病是由遗传因素、免疫功能紊乱、微生物感染及其毒素、自由基毒素、精神因素等等各种致病因子作用于机体导致胰岛功能减退、胰岛素抵抗等而引发的糖、蛋白质、脂肪、水和电解质等一系列代谢紊乱综合征，临床上以高血糖为主要特点，典型病例可出现多尿、多饮、多食、消瘦等表现，即“三多一少”症状。糖尿病患者如果没有妥善治疗或治疗失当，最容易引起诸多并发症，如眼底出血、视力模糊，心脏衰弱，血压不平隐，高血脂症，手脚麻木或针刺感，小腿抽痛痉挛，水肿、皮肤病、伤口难愈合，牙龈肿胀出血，脂肪肝等。如果拖延日久，会容易造成眼底出血及周边神经症状。严重糖尿病容易出现酮症酸中毒、昏迷、肾脏症候群、蛋白尿、脑中风等病症。现阶段没有根治糖尿病的方法，只能通过频繁的监测血糖值来调节患者的进食与用药。血糖检测能及时发现患者的血糖值异常情况(血糖值或高或低)，有些高血糖患者不能察觉自身异常，只能依靠血糖监测及时发现，以防止酮症酸、酮症中毒等。低血糖也能造成极大的危害，比如低血糖会导致脑组织供血不足，有可能引起死亡。患者需要依据血糖浓度来调整饮食及药物。传统的血糖检测的方法包括以下几种方法：抽静脉血检测、快速血糖测定仪检测、血糖试纸比色检测等。第一种，抽取静脉血血糖检测是利用生化仪抽静脉血后用离心机分离血液得到血浆，血浆通过与葡萄糖氧化酶反应氧化葡萄糖后产生过氧化氢，用另外一个监测系统测定过氧化氢的多少，而得出血糖含量，该方法通常检测时间缓慢，且静脉抽血后很难做到立刻检验，而标本放置时间越长血糖就会由于糖酵解而降低。第二种，快速血糖测定仪检测具有体积小、易携带、操作简便、快速检测等优点，快速血糖仪测定的是末梢血的血糖值，末梢血是动静脉混合血，理论上其血糖水平比静脉血糖略高，尤其是餐后血糖差异较大。快速血糖仪的优点是简便快捷，但其结果难免略有误差。第三种，血糖试纸比色法血糖检测：该方法不需要检测仪就可测定血糖浓度，但其是一种半定量测试方法，试纸只能在18-35℃使用。早期的血糖仪用葡萄糖氧化酶比色法，试纸与血液反应后改变颜色，到时间后抹去血滴再放入血糖仪通过测量色谱得到血糖值。上述方法都需要针刺手指或静脉血，用血液来检测。虽然有的方法正在广泛使用，有的正在研究之中，但是不管是那一种方法它们都要抽取病人的血液，是属于有创探测，会引起病人的不适和增加感染的机会，还需要价格不菲的消耗品，所以都不是理想的检测方法。为了解决有创检查所带来的不便与疼痛，近年来无创血糖检测已经成为国内外竞相研发的热点，无创血糖的检测包括近红外光谱法、中红外光谱法、代谢热法等，这些方法大多都是利用光谱分析确定血糖浓度，有的还会结合温度、湿度等参数加以分析，但是由于人体环境复杂，而且每个人的身体有所差异，现有血糖仪精度普遍不高，因此临床和市场都没得到广泛推广。糖尿病人的血糖值一般起伏较大，有创监测以及目前所有的无创血糖值只能在少数时间点读取血糖值，可连续监测的血糖仪成为了广大糖尿病患者的需求，也取得了一定的成果，例如有人研发了可持续监测的血糖仪，这是一种微创血糖仪，探针植入皮下，可以连续记录皮下空间间质液中的血糖波动，能够随着时间的推移完成对血糖趋势的跟踪，同时也会产生炎症，使监测信号受到影响，但连续式血糖监测是任然是今后的一个发展方向，研发热度高，技术有待完善。现有血糖监测技术多为指尖抽血监测，由于指尖抽血会对皮肤产生一定的创伤和疼痛，患者往往不愿意经常抽血，会产生抵触心理，这就很有可能会延误治疗的最佳时期，造成严重的后果，而且这种方法只能单点测量，不能反映血糖变化的趋势，不利于病情的监控和治疗，目前市场上出现的一些无创血糖仪同样有此局限性，而无创血糖仪最大的缺点在于测量不够精确，这是由于无创血糖仪并不是直接检测人体血糖浓度，大多数通过红外探测组织液的变化，然后利用算法计算得出血糖值，但是由于人体内环境复杂，而且人与人之间的身体也有差异，同时又受到外部环境的影响，因此无创血糖检测虽然避免了使患者身体受到创伤，然而却存在着很大的误差，也无法正真反应病人血糖状况。可持续血糖仪能够较好的反映糖尿病患者的血糖波动，它是由探针植入皮下，录皮下空间间质液中的血糖波动，在植入的前几天能够较为准确的测量病人的血糖值，但随着探针植入时间的增长，会诱发炎症反应，影响测量的准确值。随着机器学习、人工智能的兴起，不少学者将人工智能技术用于糖尿病血糖值的检测，特别是无创血糖监测与机器学习的结合。由于机器学习需要较大的数据采集量才能取得较好的学习效果，而且所采集的数据必须具有一定的准确性，但由于无创血糖仪往往只能在某个时间点才能测量，不能连续采集数据，这就给数据的采集带来较大的工作量，数据量较少加上数据不够准确，因此并没有很好的学习效果。另外，另外，这样的方法并不能达到个性化的效果，为了弥补上述数据量不够的缺陷，采集数据时会从很多个糖尿病患者身上获得训练的数据，然后用这个结果再去检测其他患者，但显然，由于人与人之间身体差异的原因，检测的效果也不是很好，而且，这样的方法显然大大增加了工作量，因此不能得到广泛应用。因此，研发一种能为糖尿病患者提供了准确可靠的血糖实时数据，以便更好地管理自身身体状况的人工智能深度学习方法校正持续血糖的监测方法迫在眉睫。
技术实现思路
本专利技术的目的是克服现有技术的不足，公开一种人工智能深度学习方法校正持续血糖的监测方法，该方法较好的解决可持续血糖仪由于生物相容性所带来的后期检测不准的问题患者所佩戴的可持续血糖仪从开始佩戴直至该血糖仪寿命结束，从始至终都为患者提供了准确的血糖随时间的波动变化趋势及具体的血糖值，以便患者更好地管理自身血糖，此外，其可针对不同的患者，该方法都可以在不同的患者身上自适应的学习，通过归纳学习得出血糖校正模型。为了达到上述技术目的，本专利技术是按以下技术方案实现的：本专利技术所述的人工智能深度学习方法校正持续血糖的监测方法，其具体步骤是：(1)收集单一的患者一段时间内持续变化的准确血糖值：首先利用可持续血糖监测仪血糖监测技术从单一的患者身上收集一段时间内连续变化不准确的血糖值；(2)通过进行多次指尖采血的血糖监测方法测得准确的血糖值；(3)用所得的准确血糖值对持续俄血糖监测仪所测得的血糖值进行矫正；(4)通过在大量患者身上进行血糖数据采集，将采集到的大量患者的持续血糖监测的数据校正前和校正后的结果进行对比，以对比结果作为样本，将这些数据进行深度人工学习校正；(5)通过利用可持续检测血糖仪的采集到的数据利用人工智能自动编码器技术，深度学习，多层神经本文档来自技高网...

【技术保护点】
1.人工智能深度学习方法校正持续血糖的监测方法，其具体步骤是：(1)收集单一的患者一段时间内持续变化的准确血糖值：首先利用可持续血糖监测仪血糖监测技术从单一的患者身上收集一段时间内连续变化不准确的血糖值；(2)通过进行多次指尖采血的血糖监测方法测得准确的血糖值；(3)用所得的准确血糖值对持续俄血糖监测仪所测得的血糖值进行矫正；(4)通过在大量患者身上进行血糖数据采集，将采集到的大量患者的持续血糖监测的数据校正前和校正后的结果进行对比，以对比结果作为样本，将这些数据进行深度人工学习校正；(5)通过利用可持续检测血糖仪的采集到的数据利用人工智能自动编码器技术，深度学习，多层神经网络方法进行训练，得到训练之后的结果再用于校正可持续血糖监测仪测出的数据；(6)使其识别持续血糖监测仪的数据在患者身上校正前和校正后的结果的差异的规律与模式，获取可持续血糖监测技术所获取的血糖值与实际血糖值差异的程度规律，并将此人工智能方法所识别的数值差异模式归纳出血糖校正模式；(7)在人工智能训练完毕之后，该可持续血糖监测，并利用人工智能训练所得到的数值校正方法对所记录的血糖值进行校正。

【技术特征摘要】
1.人工智能深度学习方法校正持续血糖的监测方法，其具体步骤是：(1)收集单一的患者一段时间内持续变化的准确血糖值：首先利用可持续血糖监测仪血糖监测技术从单一的患者身上收集一段时间内连续变化不准确的血糖值；(2)通过进行多次指尖采血的血糖监测方法测得准确的血糖值；(3)用所得的准确血糖值对持续俄血糖监测仪所测得的血糖值进行矫正；(4)通过在大量患者身上进行血糖数据采集，将采集到的大量患者的持续血糖监测的数据校正前和校正后的结果进行对比，以对比结果作为样本，将这些数据进行深度人工学习校正；(5)通过利用可持续检测血糖仪的采集到的数据利用人工智能自动编码器技术，深度学习，多层神经网络方法进行训练，得到训练之后的结果再用于校正可持续血糖监测仪测出的数据；(6)使其识别持续血糖监测仪的数据在患者身上校正前和校...

【专利技术属性】
技术研发人员：谢曦，吴江明，柳成林，陈惠琄，杭天，洪澍彬，蔡向高，肖帅，林迪安，杨成端，辜美霖，
申请(专利权)人：中山大学，
类型：发明
国别省市：广东,44