【技术实现步骤摘要】
【国外来华专利技术】用于分析物分析的基于人工神经网络深度学习的方法、装置、学习策略及系统
本专利技术涉及一种利用人工神经网络深度学习技术分析测量对象的方法、装置、学习方法及系统。更具体地,本专利技术涉及一种利用人工神经网络深度学习技术分析测量对象的方法、装置、学习方法及系统,应用人工神经网络深度学习技术从对传感器所获得的信号进行转换图像化的数据识别出相当于测量对象的区域,并从该区域提取确定测量对象种类或浓度所需的各种要素,以预测最适合的测量对象的种类和浓度。
技术介绍
通常,体外诊断产品最重要的标准之一是测量结果的准确度。对于这样的产品,当存在测量对象时,检测传感器输出信号,分析仪识别出该信号并应用预定的校准曲线或算法发送定量或定性结果。测量结果的准确度可能受到各种变量(例如干扰物、外部环境和样品特性)引起的干扰作用的影响。比如用于测量血糖的电化学传感器,由于诸如电极表面上氧化的测量对象之外的物质的存在或者粘度等血液性质的变化导致的血糖向电极的扩散系数(DiffusionCoefficient)或者电极表面上的反应速率(ReactionRate)的变化等,输出的电信号可能会受到影响。为了尽量减少或消除这样的影响,代替向传感器施加简单的DC电压的方式,采用了施加具有各种类型图案波形的输入电压并利用适当的统计数学技术处理从电极反应获得的波形的方法。自2010年代以来,进军血糖测量市场的公司有所增加,而且每个国家扩大了国民保险,因此降低价格的压力也有所增加。为了提高用户的安全性,主要的标准管理组织和认证机构正在 ...
【技术保护点】
1.一种利用人工神经网络深度学习技术分析测量对象的系统,其包括:/n生物特征信息测量装置;以及/n基于分析生物特征信息的人工智能的深度学习服务器,/n所述深度学习服务器具备:信号获取单元,用于获取基于电化学反应的信号,将通过所述生物特征信息测量装置采集的血液注入具有一对电极的传感器会引起所述电化学反应;信号处理单元,用于将从所述信号获取单元获取的信号预处理为用于人工智能深度学习的信号;生物特征信息测量算法生成单元,用于利用深度学习人工神经网络技术自动提取利用通过所述信号处理单元处理的信号进行优化的生物特征信息测量算法的特征;以及优化算法结果提供单元,用于向所述生物特征信息测量装置提供优化的生物特征信息测量算法。/n
【技术特征摘要】
【国外来华专利技术】20180328 KR 10-2018-00361601.一种利用人工神经网络深度学习技术分析测量对象的系统,其包括:
生物特征信息测量装置;以及
基于分析生物特征信息的人工智能的深度学习服务器,
所述深度学习服务器具备:信号获取单元,用于获取基于电化学反应的信号,将通过所述生物特征信息测量装置采集的血液注入具有一对电极的传感器会引起所述电化学反应;信号处理单元,用于将从所述信号获取单元获取的信号预处理为用于人工智能深度学习的信号;生物特征信息测量算法生成单元,用于利用深度学习人工神经网络技术自动提取利用通过所述信号处理单元处理的信号进行优化的生物特征信息测量算法的特征;以及优化算法结果提供单元,用于向所述生物特征信息测量装置提供优化的生物特征信息测量算法。
2.根据权利要求1所述的利用人工神经网络深度学习技术分析测量对象的系统,其中,
所述信号处理单元排除从所述信号获取单元获取的信号中血液注入异常和硬件异常导致的信号,所述生物特征信息测量算法生成单元包括:算法架构单元,用于形成用于血糖测量的算法架构;算法学习单元,用于调整算法中的变量,使得能够最准确地预测血糖预测值为真值的血糖值;以及集成算法单元,用于通过组合一种以上算法来算出最终预测值,以提高预测血糖值的准确度和精密度。
3.根据权利要求1所述的利用人工神经网络深度学习技术分析测量对象的系统,其中,
所述算法架构单元包括:特征提取单元,用于提取通过所述信号处理单元进行信号预处理的生物特征信息信号数据中包含的测量对象的特征;以及血糖值预测单元,用于利用通过所述特征提取单元获得的特征来估算血糖值。
4.根据权利要求1所述的利用人工神经网络深度学习技术分析测量对象的系统,其中,
所述算法架构单元利用深度学习人工神经网络技术从反映测量对象的成分、血细胞比容、温度、干扰物质的特性等周围环境的图像中自动提取要分类或测量的反映结果值的特征。
5.根据权利要求1所述的利用人工神经网络深度学习技术分析测量对象的系统,其中,
所述算法学习单元使用所提取的特征经算法学习过程导出预测结果值的误差最小的人工神经网络算法中的变量值。
6.一种利用人工神经网络深度学习技术的血糖测量装置,其包括:
连接器,具有一对电极的电化学生物传感器安装于所述电连接器;
电流电压转换器,其与所述连接器电连接;
数字模拟转换器电路,用于控制成对所述电化学生物传感器的一对电极施加恒定电压,并施加具有三角波或方波、阶梯波或其他变形的三角函数形式的波形的循环电压;以及
微控制器,用于控制这些电压,
所述微控制器具有人工智能深度学习算法计算单元,用于根据从根据权利要求1至5中任何一项所述的利用人工神经网络深度学习技术分析测量对象的系统获得的优化的基于人工智能的深度学习算法自动计算血糖。
7.根据权利要求6所述的利用人工神经网络深度学习技术的血糖测量装置,其还包括:
异常信号处理单元,用于在检测到所述电化学生物传感器与所述连接器连接不良或者血液注入异常和硬件异常导致的异常信号时,发出警报、显示于显示器。
8.根据权利要求6所述的利用人工神经网络深度学习技术的血糖测量装置,其中,
所述人工智能深度学习算法计算单元通过由所述基于分析生物特征信息的人工智能的深度学习服务器导出的优化的人工智能深度学习血糖测量算法在8秒以内由通过所述电化学生物传感器测量的响应电流求出血糖测量值。
9.一种利用人工神经网络深度学习技术的血糖测量方法,其包括:
准备试样的步骤;
将电化学生物传感器装设于生物特征信息测量装置的步骤;
在所述生物传感器与试样接触...
【专利技术属性】
技术研发人员:姜秉根,李明澔,李锡沅,南学铉,车晟熏,
申请(专利权)人:爱森新株式会社,
类型:发明
国别省市:韩国;KR
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。