一种基于多模融合的低血糖预测方法和系统技术方案

本发明专利技术公开了一种基于多模融合的低血糖预警方法和系统。该系统包括：血糖传感信号获取模块，用于根据采集的多种模态的血糖传感信号与血糖值的相关性输出实时的血糖浓度；人体代谢活动模型构建模块，用于根据人体代谢信息与血糖浓度之间的相关性构建人体代谢活动模型，输出预测的血糖浓度变化趋势；心电信号响应特征分析模块，用于从采集的心电信号中选出与低血糖事件的相关程度满足设定标准的心电特征；非线性回声状态网络模块，用于构建非线性回声状态网络，以所述实时的血糖浓度、所述预测的血糖浓度变化趋势和所选出的心电特征为输入，输出血糖预测结果。本发明专利技术能够提供低成本、高精度、高稳定性的无创低血糖预警。

【技术实现步骤摘要】
一种基于多模融合的低血糖预测方法和系统
本专利技术涉及医疗健康
，更具体地，涉及一种基于多模融合的低血糖预警方法和系统。
技术介绍
低血糖是糖尿病患者最常见和严重的并发症之一。糖尿病患者的低血糖症通常是相对或绝对(外源性或内源性)胰岛素过量以及抵抗血浆葡萄糖浓度下降的生理防御能力受损共同作用的结果。低血糖事件会给患者带来严重的伤害和后遗症，短时间的低血糖会引起短暂的脑功能受损,而长时间低血糖则可能导致神经元的死亡；低血糖还会引发心动过速、心律失常，心肌耗氧量增加等一系列反应，进而导致心脑血管事件的发生，甚至危及生命。因此，如何实现不间断连续低血糖精确预警，成为了糖尿病患者血糖管理中亟待解决的关键问题。目前实现低血糖预警的方法包括：1)基于人体代谢活动的低血糖预警，该方法主要通过分析人体血糖代谢过程建立预警模型，其输出为血糖值；2)基于植入式CGM(ContinuousBloodMonitoring,连续血糖监测)传感器数据的低血糖预警，该方法主要利用植入式CGM传感器获取患者的血糖浓度值，根据历史血糖值及当前值对血糖浓度进行预测，从而实现低血糖预警；3)基于植入式CGM传感器数据和人体代谢活动的低血糖预警，该方法是通过获取患者的人体代谢信息以及植入式CGM传感器数据，从而实现低血糖预警。然而，现有技术方案存在以下缺陷：1)由于人体生理机制复杂性和人的生活方式差异，基于人体代谢活动的低血糖预警方法很难建立精准的低血糖预警模型。此外，该忽视了饮食、运动、药物之间的相互作用对血糖值的影响。r>2)基于植入式CGM传感器数据的低血糖预警方法完全依赖于数据的获取及算法的优化，因此该方法对数据的要求比较高，如出现数据异常、漏缺等情况，将极大的限制低血糖预警的准确度。此外，植入式CGM传感器的使用增加了患者的感染、过敏的风险，且传感器寿命有限，需定时更换，使用成本高。3)基于植入式CGM传感器数据和人体代谢活动的低血糖预警方法同样存在植入式CGM传感器的使用增加了患者的感染、过敏的风险，传感器寿命有限，需定时更换，使用成本高等问题。
技术实现思路
本专利技术的目的是克服上述现有技术的缺陷，提供一种基于多模信号融合的低血糖预警方法和系统，能为糖尿病患者提供一种连续、便捷、舒适和安全的低血糖预警技术方案。根据本专利技术的第一方面，提供一种基于多模融合的低血糖预警系统。该系统包括：血糖传感信号获取模块：用于根据采集的多种模态的血糖传感信号与血糖值的相关性输出实时的血糖浓度；人体代谢活动模型构建模块：用于根据人体代谢信息与血糖浓度之间的相关性构建人体代谢活动模型，输出预测的血糖浓度变化趋势；心电信号响应特征分析模块：用于从采集的心电信号中选出与低血糖事件的相关程度满足设定标准的心电特征；非线性回声状态网络模块：用于构建非线性回声状态网络，以所述实时的血糖浓度、所述预测的血糖浓度变化趋势和所选出的心电特征为输入，输出血糖预测结果。在一个实施例中，所述血糖传感信号获取模块执行以下过程：同步获取利用介电谱、超声、红外三种不同模态的血糖传感信号；采用最小均方自适应滤波对所述不同模态的血糖传感信号分别进行滤波处理；利用所述不同模态的血糖传感信号与血糖值的相关性，确定所述实时的血糖浓度。在一个实施例中，利用适合于佩戴在手腕处的传感器以无创方式同步获取所述不同模态的血糖传感信号，该传感器具备介电谱传感、超声传感和红外传感功能。在一个实施例中，所述人体代谢活动模型构建模块根据人体代谢相关信息之间的相互作用对血糖浓度变化的影响构建人体代谢活动模型，所述人体代谢相关信息包括饮食、运动、药物、情绪中的一项或多项。在一个实施例中，所述心电信号响应特征分析模块执行以下过程：对采集的心电信号进行多尺度的小波分解；利用分解的小波系数在各尺度对心电信号进行去燥重构处理，获得去燥后的心电信号；对去燥后的心电信号进行特征提取并分析所提取特征与低血糖事件的相关性；分析心电波形中不同片段的特征信息对低血糖事件的响应特征，选出与低血糖事件的相关程度满足设定标准的心电特征。在一个实施例中，所述对去燥后的心电信号进行特征提取并分析所提取特征与低血糖事件的相关性包括：从心电信号中提取心率变异性信息，通过从时域、频域两个角度获取心率变异性信息的SDNN、SDANN、RMSSD、PNN50、SDSD以及总功率TP，极低频VLF、低频LF、高频，利用Pearson相关分析方法确定心率变异性信息与低血糖事件的相关性。根据本专利技术的第二方面，提供一种基于多模融合的低血糖预警方法。该方法包括：根据采集的多种模态的血糖传感信号与血糖值的相关性输出实时的血糖浓度；根据人体代谢信息与血糖浓度之间的相关性构建人体代谢活动模型，输出预测的血糖浓度变化趋势；从采集的心电信号中选出与低血糖事件的相关程度满足设定标准的心电特征；构建非线性回声状态网络，以所述实时的血糖浓度、所述预测的血糖浓度变化趋势和所选出的心电特征为输入，输出血糖预测结果。与现有技术相比，本专利技术的优点在于，利用介电谱、超声、红外等无创血糖传感方法实现血糖浓度的监测，通过监测饮食、运动、药物、患者情绪等人体代谢活动实现血糖变化趋势的预测，同时结合心电信号对低血糖事件的响应特性，采用基于非线性回声状态网络的深度学习算法对低血糖进行预警，从而为糖尿病患者提供一种连续、便捷、舒适和安全的低血糖预警方案。通过以下参照附图对本专利技术的示例性实施例的详细描述，本专利技术的其它特征及其优点将会变得清楚。附图说明被结合在说明书中并构成说明书的一部分的附图示出了本专利技术的实施例，并且连同其说明一起用于解释本专利技术的原理。图1是根据本专利技术一个实施例的基于多模融合的低血糖预警系统的示意图；图2是根据本专利技术一个实施例的从心电波形中获取不同片段的特征信息的示意图；图3是根据本专利技术一个实施例的非线性回声状态网络的示意图。具体实施方式现在将参照附图来详细描述本专利技术的各种示例性实施例。应注意到：除非另外具体说明，否则在这些实施例中阐述的部件和步骤的相对布置、数字表达式和数值不限制本专利技术的范围。以下对至少一个示例性实施例的描述实际上仅仅是说明性的，决不作为对本专利技术及其应用或使用的任何限制。对于相关领域普通技术人员已知的技术、方法和设备可能不作详细讨论，但在适当情况下，所述技术、方法和设备应当被视为说明书的一部分。在这里示出和讨论的所有例子中，任何具体值应被解释为仅仅是示例性的，而不是作为限制。因此，示例性实施例的其它例子可以具有不同的值。应注意到：相似的标号和字母在下面的附图中表示类似项，因此，一旦某一项在一个附图中被定义，则在随后的附图中不需要对其进行进一步讨论。参见图1所示，本专利技术实施例提供的基于多模融合的低血糖预警系统包括血糖传感信号获取模块11本文档来自技高网...

【技术保护点】
1.一种基于多模融合的低血糖预警系统，包括：/n血糖传感信号获取模块：用于根据采集的多种模态的血糖传感信号与血糖值的相关性输出实时的血糖浓度；/n人体代谢活动模型构建模块：用于根据人体代谢信息与血糖浓度之间的相关性构建人体代谢活动模型，输出预测的血糖浓度变化趋势；/n心电信号响应特征分析模块：用于从采集的心电信号中选出与低血糖事件的相关程度满足设定标准的心电特征；/n非线性回声状态网络模块：用于构建非线性回声状态网络，以所述实时的血糖浓度、所述预测的血糖浓度变化趋势和所选出的心电特征为输入，输出低血糖预测结果。/n

【技术特征摘要】
1.一种基于多模融合的低血糖预警系统，包括：
血糖传感信号获取模块：用于根据采集的多种模态的血糖传感信号与血糖值的相关性输出实时的血糖浓度；
人体代谢活动模型构建模块：用于根据人体代谢信息与血糖浓度之间的相关性构建人体代谢活动模型，输出预测的血糖浓度变化趋势；
心电信号响应特征分析模块：用于从采集的心电信号中选出与低血糖事件的相关程度满足设定标准的心电特征；
非线性回声状态网络模块：用于构建非线性回声状态网络，以所述实时的血糖浓度、所述预测的血糖浓度变化趋势和所选出的心电特征为输入，输出低血糖预测结果。


2.根据权利要求1所述的基于多模融合的低血糖预警系统，其中，所述血糖传感信号获取模块执行以下过程：
同步获取利用介电谱、超声、红外三种不同模态的血糖传感信号；
采用最小均方自适应滤波对所述不同模态的血糖传感信号分别进行滤波处理；
利用所述不同模态的血糖传感信号与血糖值的相关性，确定所述实时的血糖浓度。


3.根据权利要求2所述的基于多模融合的低血糖预警系统，其中，利用适合于佩戴在手腕处的传感器以无创方式同步获取所述不同模态的血糖传感信号，该传感器具备介电谱传感、超声传感和红外传感功能。


4.根据权利要求1所述的基于多模融合的低血糖预警系统，其中，所述人体代谢活动模型构建模块根据人体代谢相关信息之间的相互作用对血糖浓度变化的影响构建人体代谢活动模型，所述人体代谢相关信息包括饮食、运动、药物、情绪中的一项或多项。


5.根据权利要求4所述的基于多模融合的低血糖预警系统，其中采用以下方程组描述人体代谢活动模型：



其中Id(t)，Iliv(t)分别是血浆和胰脏中胰岛素浓度，单位g/L；I(t)为胰岛素平均浓度,单位g/L；ki，k'i为比例因子，无量纲；X(t)为运动消耗的葡萄糖质量，单位g；Vs(t)为血浆总体积，单位L；S(t)为血糖浓度，单位g/L；P2U为运动过程中胰岛素对葡萄糖的作用因子，无量纲；Sp(t)，St(t)分别是血浆中快速平衡组织和慢速平衡组中的葡萄糖质量，单位g；EGP(t)为内源葡萄糖产生量,单位g；Uii(t)是依赖胰岛素的葡萄糖消耗量，单位g；E(t)为肾中葡萄糖排泄量，单位g；Ra(t)为饮食中碳水化合物的摄入量,单位J；Q(t)为情绪因子，分别对应不同的情绪,无量纲；T(t)，H(t)分别为环境的温度和湿度，单位分别为℃，g/L；k1，k2，k3，k4，k5，k6是方程组中的比例因子。


6.根据权利要求1所述的基于多模融合的低血糖预警系统，其中，所述心电信号响应特征分析模块执行以下过程：
对采集的心电信号进行多尺度的小波分解；
利用分解的小波系...

【专利技术属性】
技术研发人员：聂泽东，李景振，刘宇航，
申请(专利权)人：中国科学院深圳先进技术研究院，
类型：发明
国别省市：广东;44