用于检测传感器的操作状态的方法和状态机系统技术方案

本发明专利技术涉及用于检测传感器的操作状态的方法，该方法在状态机中包括：接收与传感器的操作有关的连续监测数据；提供经训练的学习算法以用于检测表明传感器功能的传感器的操作状态，其中，根据包括历史数据的训练数据集来训练学习算法；通过用经训练的学习算法分析连续监测数据来检测传感器的操作状态；以及提供指示所检测到的传感器的操作状态的输出数据。此外，提供一种状态机系统，该状态机具有一个或多个处理器，其被配置用于进行数据处理并执行用于检测传感器的操作状态的方法。

Method and state machine system for detecting the operation state of sensors

【技术实现步骤摘要】
【国外来华专利技术】用于检测传感器的操作状态的方法和状态机系统
本公开涉及用于确定传感器的操作状态的方法和状态机系统。
技术介绍
文献US2014/0182350A1公开了一种用于确定CGM（连续葡萄糖监测）传感器的寿命终止的方法，该方法包括使用寿命终止函数来评估多个风险因素以确定传感器的寿命终止状态，以及提供与传感器的寿命终止状态有关的输出。所述多个风险因素选自包括以下的列表：传感器已使用的天数、信号灵敏度是否降低、是否存在预定的噪声模式、是否存在预定的氧浓度模式、以及参考BG（血液葡萄糖）值和EGV传感器值之间的误差。文献EP2335584A2涉及一种用于自诊断测试并响应于自诊断测试的结果来设置连续分析物传感器的暂停操作模式的方法。在文献US2015/164386A1中，电化学阻抗谱（EIS）与连续葡萄糖监测仪和连续葡萄糖监测（CGM）结合使用，使得能够进行体内传感器校准、总（传感器）瑕疵（fault）分析以及智能传感器诊断和故障检测。定义了等效电路模型，并使用电路元件来表征传感器行为。文献US2010/323431A1公开了用于控制具有双稳态段的双稳态显示的控制电路和方法，每个双稳态段能够通过施加电压而在开状态和关状态之间转换。电压从电荷泵提供给显示驱动器，并根据系统控制器提供的显示指令经由输出从显示驱动器供应给双稳态段中的各个段。检测显示驱动器的输出中的至少一个的双稳态段电压水平和该电压的电荷泵电压水平两者，并将其分别与有效的双稳态段电压水平和有效的电荷泵电压水平进行比较。如果所检测到的电压水平中的任一者无效，则可以向系统控制器提供故障信号。
技术实现思路
本公开的目的在于提供用于检测传感器的操作状态的状态机系统和方法，其将允许更安全地预测潜在的操作状态问题。为了解决该问题，提出了根据独立权利要求1的用于检测传感器的操作状态的方法。此外，提供了根据独立权利要求12的用于执行用于检测传感器的操作状态的方法的状态机系统。替换实施例是从属权利要求的主题。根据一个方面，提供了一种用于检测传感器的操作状态的方法。在状态机中，所述方法包括：接收与传感器的操作有关的连续监测数据；提供经训练的学习算法以用于检测表明传感器功能的所述传感器的操作状态，其中，根据包括历史数据的训练数据集来训练所述学习算法；通过用所述经训练的学习算法分析所述连续监测数据来检测所述传感器的操作状态；以及提供指示所检测到的所述传感器的操作状态的输出数据。根据另一方面，提供了一种状态机系统。所述状态机系统具有一个或多个处理器，其被配置用于数据处理并执行用于检测传感器的操作状态的方法，所述方法包括：接收与传感器的操作有关的连续监测数据；提供经训练的学习算法以用于检测表明传感器功能的所述传感器的操作状态，其中，根据包括历史数据的训练数据集来训练所述学习算法；通过用所述经训练的学习算法分析所述连续监测数据来检测所述传感器的操作状态；以及提供指示所检测到的所述传感器的操作状态的输出数据。根据所提出的技术，将机器学习过程应用于检测传感器的操作状态。藉此，实现了用于通过使用经训练的学习算法来确定传感器的操作状态的预测方法，所述经训练的学习算法是根据训练数据集训练的，并被应用于分析与传感器的操作有关的连续监测数据。例如，可以预测关于传感器的操作的异常和/或故障，从而避免传感器操作中的潜在问题。根据包括历史数据的训练数据集来训练学习算法。如本申请中使用的术语“历史数据”是指在确定操作状态的过程之前收集、检测和/或测量的数据。可以在开始收集为了操作状态检测而接收的连续监测数据之前已检测或收集了历史数据。训练数据集可以是由同一传感器和/或某不同的传感器收集、检测和/或测量的。与针对其来检测操作状态的传感器不同的传感器可以是相同的传感器类型。训练数据集可以包括指示要检测或预测的传感器状态的训练数据。例如，训练数据集可以指示以下中的一个或多个：制造瑕疵状态、故障状态、血糖指示状态和记忆性（anamnestic）指示状态。检测可以包括以下中的至少一个：检测传感器的制造瑕疵状态，其指示传感器的制造过程中的瑕疵；检测传感器的故障状态，其指示传感器的故障；检测传感器的异常状态，其指示传感器操作中的异常；检测传感器的血糖指示状态，其指示为其提供连续监测数据的患者的血糖指数；以及检测传感器的记忆性指示状态，其指示为其提供连续监测数据的患者的记忆性患者状态。可以在制造传感器之后执行传感器的制造瑕疵状态的检测。替换地或附加地，可以在制造过程仍在运行的同时将制造瑕疵状态的检测应用于中间传感器产品（非最终传感器）。类似地，传感器的故障状态的检测可以是制造过程的一部分或与制造过程有关。替换地，通过所提出的技术，例如在应用传感器用于测量的情况下，可以在制造过程完成之后预测传感器的故障状态。传感器的异常状态的检测可以在测量过程中进行，例如在传感器对测量信号的检测正在发生的同时实时地进行。类似地，可以在测量过程正在运行的同时执行对血糖指示状态的检测和对记忆性指示状态的检测中的一个。替换地，可以在测量过程完成之后应用这样的检测。例如，响应于检测到传感器的血糖指示状态，可以确定患者的血糖指数。血糖指数是与特定类型的食物相关联的数字，其指示食物对人的血液葡萄糖（也称为血糖）水平的影响。一百的值可以表示标准，即等价量的纯葡萄糖。附加地或替换地，可以确定其他血糖参数，这样的参数包括血液葡萄糖水平的变化率，加速度，由于例如患者的运动、进餐引起的事件模式，关于传感器的记忆性指示状态的传感器上的机械应力。关于记忆性指示状态，可以确定潜在记忆性的数据，诸如hba1c或人口统计数据，比如患者的年龄和/或性别。提供经训练的学习算法可以包括提供选自以下群组的至少一个学习算法：K最近邻、支持向量机、朴素贝叶斯、决策树（诸如随机森林）、逻辑回归（诸如多项式逻辑回归）、神经元网络（neuronalnetwork）、决策树、以及贝叶斯网络。优先考虑的可以是朴素贝叶斯、随机森林和多项式逻辑回归中的一个。在优选实施例中，可以应用随机森林算法，针对该算法分析或自动合并参数之间的相关性和相互作用。在该实施例中，一种方法包括根据包括历史数据的训练数据集来训练学习算法。该方法还可以包括根据包括历史数据的训练数据集来训练学习算法。训练可以包括根据包括体内历史训练数据和体外历史训练数据中的至少一个的训练数据集来训练学习算法。训练可以包括根据包括连续监测历史数据的训练数据集来训练学习算法。训练可以包括根据包括来自以下群组的测试数据的训练数据集来训练学习算法：制造测试数据、患者测试数据、经个性化的患者测试数据、包括多个患者数据集的群体测试数据。训练数据集可以是从这样的不同测试数据中的一个或多个导出的，以针对传感器的一个或多个操作状态来优化训练数据集。训练可以包括根据训练数据集来训练学习算法，所述训练数据集包括指示来自以下群组的一个或多个传感器相关参数的训练数据：传感器的电流值，特别是在连续监测传感器的情况下的工作电极的电流值；传感本文档来自技高网...

【技术保护点】
1.一种用于检测传感器的操作状态的方法，所述方法在状态机中包括/n- 接收与传感器的操作有关的连续监测数据；/n- 提供经训练的学习算法以用于检测表明传感器功能的所述传感器的操作状态，其中，根据包括历史数据的训练数据集来训练所述学习算法；/n- 通过用所述经训练的学习算法分析所述连续监测数据来检测所述传感器的操作状态；以及/n- 提供指示所检测到的所述传感器的操作状态的输出数据。/n

【技术特征摘要】
【国外来华专利技术】20170629 EP 17178771.61.一种用于检测传感器的操作状态的方法，所述方法在状态机中包括
-接收与传感器的操作有关的连续监测数据；
-提供经训练的学习算法以用于检测表明传感器功能的所述传感器的操作状态，其中，根据包括历史数据的训练数据集来训练所述学习算法；
-通过用所述经训练的学习算法分析所述连续监测数据来检测所述传感器的操作状态；以及
-提供指示所检测到的所述传感器的操作状态的输出数据。


2.根据权利要求1所述的方法，其中，所述检测包括以下中的至少一个
-检测所述传感器的制造瑕疵状态，其指示所述传感器的制造过程中的瑕疵；
-检测所述传感器的故障状态，其指示所述传感器的故障；
-检测所述传感器的异常状态，其指示传感器操作中的异常；
-检测所述传感器的血糖指示状态，其指示为其提供所述连续监测数据的患者的血糖指数；以及
-检测所述传感器的记忆性指示状态，其指示为其提供所述连续监测数据的患者的记忆性患者状态。


3.根据权利要求1或2所述的方法，其中，提供经训练的学习算法包括提供选自以下群组的至少一个学习算法
-K最近邻；
-支持向量机；
-朴素贝叶斯；
-决策树，如随机森林；
-逻辑回归，如多项式逻辑回归；
-神经元网络；
-决策树；以及
-贝叶斯网络。


4.根据前述权利要求中的至少一项所述的方法，还包括根据包括历史数据的训练数据集来训练学习算法。


5.根据权利要求4所述的方法，其中，所述训练包括根据训练数据集来训练所述学习算法，所述训练数据集包括体内历史训练数据和体外历史训练数据中的至少一个。


6.根据权利要求4和5所述的方法，其中，所述训练包括根据包括连续监测历史数据的训练数据集来训练所述学习算法。


7.根据权利要求4至6中的至少一项所述的方法，其中，所述训练包括根据包括来自以下群组的测试数据的训练数据集来训练所述学习算法：制造测试数据、患者测试数据、经个性化的...

【专利技术属性】
技术研发人员：F吕克特，J魏尔巴赫，FT尼恩贝格，
申请(专利权)人：豪夫迈·罗氏有限公司，
类型：发明
国别省市：瑞士;CH