获得血糖检测结果的方法、装置及设备制造方法及图纸

本公开一个或多个实施例提供了一种获得血糖检测结果的方法、装置及设备，利用同一时段内采集到的无创血糖检测结果以及有创血糖检测结果做为训练数据对神经网络模型进行训练，得到训练好的第一神经网络模型，利用该模型基于无创血糖检测结果得到目标血糖检测结果，可实现利用有创血糖检测结果对无创血糖检测结果进行校正，从而可以提高获得的血糖检测结果的准确性。此外，通过将新增一组训练数据与训练集中的其他的训练数据之间的相关性，还可有效剔除训练集中的无效训练数据，确保新增的训练数据的有效性，可进一步提高通过第一神经网络模型确定出的血糖检测结果的准确度。

【技术实现步骤摘要】
获得血糖检测结果的方法、装置及设备
本公开一个或多个实施例涉及血糖检测
，尤其涉及一种获得血糖检测结果的方法、装置及设备。
技术介绍
目前，糖尿病是典型的需要长期频繁监控的慢性疾病，可引起人体内一系列的代谢紊乱，被称为是现代疾病中的第二杀手。监控糖尿病的主要手段可通过频繁地检测血糖浓度并精确、及时地以此为依据调整人体口服降糖药物和胰岛素的用量，有效控制血糖浓度。大众广为使用的血糖检测是有(微)创滴血或指血加试纸的方式(下文简称有创血糖检测)，通常测试需要每天测试多次，操作较为复杂。PPG(PhotoPlethysmoGraphy，光电容积脉搏波)技术是一种无创血糖检测方法，可用来检测人体内血液容积变化。检测过程中，使用固定波长的光照射到人体指端，光透过人体指端后传送到光电接收器，在光束透射过指端的皮肤和组织时，光线会被血液吸收一部分，因此，在另一端的光电接收器接收到的光信号会有所衰减。由于皮肤组织和肌肉具有一定的稳定性，因此，在血液循环过程中，它们的吸收可以看成是不变的，而血液在流动，血液容积随着心脏的跳动，呈规律性变化。于是，光电接收器接收到的光强会随着心脏的收缩呈脉动性变化，如果将这些脉动性变化的光信号转化为电信号，就得到了光电容积脉搏波。光电接收端接收到的脉搏波信号可以反映血糖浓度，故通过建立血糖浓度与脉搏波之间的数学模型，可以计算出血糖浓度值，从而实现无创连续检测。但无创血糖检测方式只能实现血糖趋势跟踪，无法提供较为准确的血糖检测结果。
技术实现思路
有鉴于此，本公开一个或多个实施例的目的在于提出一种获得血糖检测结果的方法、装置及设备，以解决相关技术中无创血糖检测方式无法提供较为准确的血糖检测结果的问题。根据本公开的第一个方面，提供了一种获得血糖检测结果的方法，包括：获取被检测对象的第一有创血糖检测结果；将所述第一有创血糖检测结果以及最近一次采集到的所述被检测对象的一组光电容积脉搏描记PPG信号的特征值构成一组新的训练数据；确定新的训练数据与第一神经网络模型的训练集中的多组训练数据之间的相关度；判断所述多组训练数据中是否存在与所述新的训练数据的相关度达到相关度阈值的目标训练数据；若所述多组训练数据中存在所述目标训练数据，将所述第一有创检测结果与所述目标训练数据中的第二有创检测结果进行比较，若所述第一有创检测结果与所述第二有创检测结果之间差值大于差值阈值，使用新的训练数据替换所述目标训练数据，得到更新的训练集，若所述多组训练数据中不存在所述目标训练数据，将所述新的训练数据加入所述训练集，得到更新的训练集；以更新的训练集中的训练数据对神经网络模型进行训练，得到训练好的所述第一神经网络模型；在获取到一组新的PPG信号后，提取所述新的PPG信号的特征值，将所述特征值输入训练好的第一神经网络模型，得到目标血糖检测结果。可选的，所述方法还包括：获取带有标签的多组血糖影响因子的样本以及带有标签的血糖值的样本；以所述多组血糖影响因子的样本以及所述血糖值的样本为训练数据对神经网络模型进行训练，得到训练好的第二神经网络模型。可选的，所述方法还包括：获取被检测对象的血糖影响因子以及所述目标血糖检测结果；将所述被检测对象的血糖影响因子以及所述目标血糖检测结果输入所述第二神经网络模型，输出所述被检测对象的健康系数。可选的，所述血糖影响因子至少包括以下一种：所述被检测对象的个人基本信息、所述被检测对象的睡眠状况、所述被检测对象的运动状况以及检测当日的天气状况。可选的，所述被检测对象的个人基本信息至少包括以下一种：所述被检测对象的年龄、身高、体重以及所述被检测对象是否吸烟。可选的，获取被检测对象的血糖影响因子以及所述目标血糖检测结果，包括：响应于所述被检测对象录入个人基本信息的操作，接收所述个人基本信息；从终端设备中获取所述被检测对象的睡眠状况，运动状况以及天气状况；对所述个人基本信息、所述睡眠状况、所述运动状态以及所述天气状况进行量化，得到所述血糖影响因子；获取由所述第一神经网络模型输出的目标血糖检测结果。可选的，所述标签包括所述个人基本信息对所述被检测对象的血糖检测结果的影响度，所述方法还包括：根据所述被检测对象的血糖影响因子对所述被检测对象的血糖值的影响度确定出影响所述被检测对象血糖值的高风险因素；确定与所述高风险因素对应的血糖改善措施；输出所述高风险因素以及血糖改善措施。可选的，所述方法还包括：在得到目标血糖检测结果之后，确定所述目标血糖检测结果所对应的目标血糖值区间，其中，不同的血糖值区间对应于不同的治疗措施；确定所述目标血糖值区间对应的目标治疗措施；输出所述目标治疗措施。根据本公开的第二个方面，提供了一种获得血糖检测结果的装置，包括：第一获取模块，用于获取被检测对象的第一有创血糖检测结果；结合模块，用于将所述第一有创血糖检测结果以及最近一次采集到的所述被检测对象的一组光电容积脉搏描记PPG信号的特征值构成一组新的训练数据；第一确定模块，用于确定新的训练数据与第一神经网络模型的训练集中的多组训练数据之间的相关度；判断模块，用于判断所述多组训练数据中是否存在与所述新的训练数据的相关度达到相关度阈值的目标训练数据；更新模块，用于若所述多组训练数据中存在所述目标训练数据，将所述第一有创检测结果与所述目标训练数据中的第二有创检测结果进行比较，若所述第一有创检测结果与所述第二有创检测结果之间差值大于差值阈值，使用新的训练数据替换所述目标训练数据，得到更新的训练集，若所多组训练数据中不存在所述目标训练数据，将所述新的训练数据加入所述训练集，得到更新的训练集；第一训练模块，用于以更新的训练集中的训练数据对神经网络模型进行训练，得到训练好的所述第一神经网络模型；第一执行模块，用于在获取到一组新的PPG信号后，提取所述新的PPG信号的特征值，将所述特征值输入训练好的第一神经网络模型，得到目标血糖检测结果。根据本公开的第三个方面，提供了一种电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述程序时实现如上述任意一种获得血糖检测结果的方法。从上面所述可以看出，本公开一个或多个实施例提供的获得血糖检测结果的方法，利用同一时段内采集到的无创血糖检测结果以及有创血糖检测结果做为训练数据对神经网络模型进行训练，得到训练好的第一神经网络模型，利用该模型基于无创血糖检测结果得到目标血糖检测结果，可实现利用有创血糖检测结果对无创血糖检测结果进行校正，从而可以提高获得的血糖检测结果的准确性。此外，通过将新增一组训练数据与训练集中的其他的训练数据之间的相关性，还可有效剔除训练集中的无效训练数据，确保新增的训练数据的有效性，可进一步提高通过第一神经网络模型确定出的血糖检测结果的准确度。附图说明为了更清楚地说明本公开一个或多个实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本公开一个或多个实施例，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，本文档来自技高网...

【技术保护点】
1.一种获得血糖检测结果的方法，其特征在于，包括：/n获取被检测对象的第一有创血糖检测结果；/n将所述第一有创血糖检测结果以及最近一次采集到的所述被检测对象的一组光电容积脉搏描记PPG信号的特征值构成一组新的训练数据；/n确定新的训练数据与第一神经网络模型的训练集中的多组训练数据之间的相关度；/n判断所述多组训练数据中是否存在与所述新的训练数据的相关度达到相关度阈值的目标训练数据；/n若所述多组训练数据中存在所述目标训练数据，将所述第一有创检测结果与所述目标训练数据中的第二有创检测结果进行比较，若所述第一有创检测结果与所述第二有创检测结果之间差值大于差值阈值，使用新的训练数据替换所述目标训练数据，得到更新的训练集，若所述多组训练数据中不存在所述目标训练数据，将所述新的训练数据加入所述训练集，得到更新的训练集；/n以更新的训练集中的训练数据对神经网络模型进行训练，得到训练好的所述第一神经网络模型；/n在获取到一组新的PPG信号后，提取所述新的PPG信号的特征值，将所述特征值输入训练好的第一神经网络模型，得到目标血糖检测结果。/n

【技术特征摘要】
1.一种获得血糖检测结果的方法，其特征在于，包括：
获取被检测对象的第一有创血糖检测结果；
将所述第一有创血糖检测结果以及最近一次采集到的所述被检测对象的一组光电容积脉搏描记PPG信号的特征值构成一组新的训练数据；
确定新的训练数据与第一神经网络模型的训练集中的多组训练数据之间的相关度；
判断所述多组训练数据中是否存在与所述新的训练数据的相关度达到相关度阈值的目标训练数据；
若所述多组训练数据中存在所述目标训练数据，将所述第一有创检测结果与所述目标训练数据中的第二有创检测结果进行比较，若所述第一有创检测结果与所述第二有创检测结果之间差值大于差值阈值，使用新的训练数据替换所述目标训练数据，得到更新的训练集，若所述多组训练数据中不存在所述目标训练数据，将所述新的训练数据加入所述训练集，得到更新的训练集；
以更新的训练集中的训练数据对神经网络模型进行训练，得到训练好的所述第一神经网络模型；
在获取到一组新的PPG信号后，提取所述新的PPG信号的特征值，将所述特征值输入训练好的第一神经网络模型，得到目标血糖检测结果。


2.根据权利要求1所述的方法，其特征在于，所述方法还包括：
获取带有标签的多组血糖影响因子的样本以及带有标签的血糖值的样本；
以所述多组血糖影响因子的样本以及所述血糖值的样本为训练数据对神经网络模型进行训练，得到训练好的第二神经网络模型。


3.根据权利要求2所述的方法，其特征在于，所述方法还包括：
获取被检测对象的血糖影响因子以及所述目标血糖检测结果；
将所述被检测对象的血糖影响因子以及所述目标血糖检测结果输入所述第二神经网络模型，输出所述被检测对象的健康系数。


4.根据权利要求2或3所述的方法，其特征在于，所述血糖影响因子至少包括以下一种：
所述被检测对象的个人基本信息、所述被检测对象的睡眠状况、所述被检测对象的运动状况以及检测当日的天气状况。


5.根据权利要求4所述的方法，其特征在于，所述被检测对象的个人基本信息至少包括以下一种：
所述被检测对象的年龄、身高、体重以及所述被检测对象是否吸烟。


6.根据权利要求4所述的方法，其特征在于，获取被检测对象的血糖影响因子以及所述目标血糖检测结果，包括：
响应于所述被检测对象录入个人基本信息的操作，接收所述个人基本信息；
从终端设备中获取所述被检测对象的睡眠状况...

【专利技术属性】
技术研发人员：高原，张珣，王胄，黄东升，韩阳，周莉，李鑫，
申请(专利权)人：京东方科技集团股份有限公司，
类型：发明
国别省市：北京;11