提供了一种用于预测血糖水平的循环神经网络装置和系统。所述循环神经网络装置包括第一长短期记忆(LSTM)网络和第二LSTM网络。第一LSTM网络可包括用于接收近红外(NIR)辐射数据的输入以及输出。第二LSTM网络可包括用于接收第一LSTM网络的输出的输入以及用于基于输入到第一LSTM网络的NIR辐射数据来输出血糖水平数据的输出。
【技术实现步骤摘要】
用于预测血糖水平的循环神经网络装置和系统本申请要求于2019年3月15日提交的第62/819,493号美国临时申请和于2019年5月2日提交的第16/402,204号美国申请的优先权权益，所述申请的公开通过引用全部包含于此。
在此公开的主题涉及神经网络。更具体地，在此公开的主题涉及基于接收的近红外辐射数据来预测血糖水平的循环神经网络。
技术介绍
定期监测和维持血糖水平对于预防由糖尿病引起的并发症可能是重要的。用于血糖测量的大多数市场上可获得的装置是侵入性的或微创性的，并且是不方便的并可能是疼痛的。近红外(NIR)辐射的检测可用作血糖水平的指标，并且可被认为用于非侵入性方法的数据的源。
技术实现思路
示例实施例提供了一种用于预测血糖水平的循环神经网络，所述循环神经网络可包括第一长短期记忆(LSTM)和第二LSTM。第一长短期记忆(LSTM)网络可包括用于接收近红外(NIR)辐射数据的输入以及输出。输入NIR辐射数据可包括多通道NIR辐射数据。在一个实施例中，输入NIR辐射数据可包括第一泛音NIR辐射数据。第二LSTM网络可包括用于接收第一LSTM网络的输出的输入以及用于基于输入到第一LSTM网络的NIR辐射数据来输出血糖水平数据的输出。在一个实施例中，所述循环神经网络可包括结合到第一LSTM网络的输入的去噪滤波器，去噪滤波器接收NIR辐射数据并且将去噪的NIR辐射数据输出到第一LSTM网络的输入。在一个实施例中，去噪滤波器可包括Savitzky-Golay滤波器。示例实施例提供了一种用于预测血糖水平的系统，所述系统可包括输入接口和循环神经网络。输入接口可接收多通道近红外(NIR)辐射数据。在一个实施例中，输入NIR辐射数据可包括第一泛音NIR辐射数据。所述循环神经网络可结合到输入接口，并且可包括第一长短期记忆(LSTM)网络和第二LSTM网络。第一长短期记忆(LSTM)网络可包括用于接收近红外(NIR)辐射数据的输入以及输出。第二LSTM网络可包括用于接收第一LSTM网络的输出的输入以及用于基于输入到第一LSTM网络的NIR辐射数据来输出血糖水平数据的输出。在一个实施例中，所述循环神经网络可包括结合到第一LSTM网络的输入的去噪滤波器，去噪滤波器接收NIR辐射数据并且将去噪的NIR辐射数据输出到第一LSTM网络的输入。在一个实施例中，去噪滤波器可包括Savitzky-Golay滤波器。附图说明在下面的部分中，将参照附图中示出的示例性实施例来描述在此公开的主题的方面，其中：图1描绘根据在此公开的主题的预测血糖水平的系统的第一示例实施例的框图；图2是根据在此公开的主题的系统的第一示例实施例的另一框图；图3描绘根据在此公开的主题的LSTM网络的示例实施例的框图；以及图4描绘图1中描绘的系统的一部分，其中，数据归一化器和去噪器是系统的部件。具体实施方式在下面的具体实施方式中，阐述了许多具体细节，以便提供对公开的彻底理解。然而，本领域的技术人员将理解，可在没有这些具体细节的情况下实践公开的方面。在其它情况下，没有详细描述公知的方法、过程、组件和电路，以免模糊在此公开的主题。贯穿本说明书对“一个实施例”或者“实施例”的引用表示结合实施例描述的特定特征、结构或特性可被包括在在此公开的至少一个实施例中。因此，在贯穿本说明书的各个地方中出现的短语“在一个实施例中”或“在实施例中”或“根据一个实施例”(或者具有相似含义的其它短语)可不必全部表示相同的实施例。此外，在一个或多个实施例中，特定特征、结构或特性可以以任何合适的方式来组合。在这方面，如在此使用的，词语“示例性”表示“用作示例、实例或说明”。在此描述为“示例性”的任何实施例将不被解释为必然优选或优于其它实施例。另外，在一个或多个实施例中，特定特征、结构或特性可以以任何合适的方式来组合。此外，根据在此讨论的上下文，单数术语可包括对应的复数形式，并且复数术语可包括对应的单数形式。相似地，带有连字符的术语(例如，“二-维”、“预-确定”、“特定-像素”等)可与对应的非带有连字符的版本(例如，“二维”、“预确定”、“特定像素”等)偶尔可互换地使用，并且大写的条目(例如，“CounterClock”、“RowSelect”、“PIXOUT”等)可与对应的非大写的版本(例如，“counterclock”、“rowselect”、“pixout”等)可互换地使用。这样的偶尔可互换的使用不应被认为彼此不一致。此外，根据在此讨论的上下文，单数术语可包括对应的复数形式，并且复数术语可包括对应的单数形式。还应注意，在此示出和讨论的各种附图(包括组件图)仅为了说明的目的，并且不按比例绘制。相似地，示出各种波形图和时序图仅为了说明的目的。例如，为了清楚，一些元件的大小可相对于其它元件被夸大。此外，如果认为合适，则在附图之中重复参考标号以指示对应的和/或相似的元件。在此使用的术语仅为了描述一些示例实施例的目的，而不意在限制要求保护的主题。如在此使用的，除非上下文另外清楚地指示，否则单数形式也意在包括复数形式。还将理解，术语“包括”和/或“包含”在本说明书中使用时，指定存在陈述的特征、整体、步骤、操作、元件、组件和/或它们的组，但不排除存在或增加一个或多个其它特征、整体、步骤、操作、元件、组件和/或它们的组。将理解，当元件或层被称为“在”另一元件或层“上”、“连接到”或者“结合到”另一元件或层时，它可直接在另一元件或层上、直接连接到或者直接结合到另一元件或层，或者可存在中间元件或层。相反，当元件或层被称为“直接在”另一元件或层“上”、“直接连接到”或者“直接结合到”另一元件或层时，不存在中间元件或层。相同的标号始终表示相同的元件。如在此使用的，术语“和/或”包括相关所列项中的一个或多个的任何组合和全部组合。如在此使用的，术语“第一”、“第二”等用作它们之后的名词的标签，并且除非这样明确地定义，否则不暗示任何类型的顺序(例如，空间、时间、逻辑等)。此外，可在两个或更多个附图之间使用相同的参考标号以表示具有相同或相似功能的部件、组件、块、电路、单元或模块。然而，这样的用法仅为了简化说明和易于讨论，并不暗示这样的组件或单元的构造或结构细节在所有实施例之间都是相同的，或者这样共同引用的部件/模块是实现在此公开的示例实施例中的一些的唯一方式。除非另有定义，否则在此使用的所有术语(包括技术术语和科学术语)具有与由本主题所属领域的普通技术人员通常理解的含义相同的含义。还将理解，除非在此清楚地如此定义，否则术语(诸如通用词典中定义的术语)应被解释为具有与它们在相关领域的上下文中的含义一致的含义，并且将不以理想化或过于形式化的含义进行解释。如在此使用的，术语“模块”表示被配置为提供在此结合模块描述的功能的软件、固件和/或硬件的任何组合。软件可被实现为软件包、代码和/或指令集或者指令，并且例如，如在此描述的任何实现中使用的术语“硬件”可单个地或者以任何组合的形式包括硬连线电路、可编程电路、状态本文档来自技高网...
【技术保护点】
1.一种用于预测血糖水平的循环神经网络装置，所述循环神经网络包括：/n第一长短期记忆LSTM网络，包括用于接收近红外NIR辐射数据的输入以及输出；和/n第二LSTM网络，包括用于接收第一LSTM网络的输出的输入以及用于基于输入到第一LSTM网络的NIR辐射数据来输出血糖水平数据的输出。/n
【技术特征摘要】
20190315 US 62/819,493;20190502 US 16/402,2041.一种用于预测血糖水平的循环神经网络装置，所述循环神经网络包括：
第一长短期记忆LSTM网络，包括用于接收近红外NIR辐射数据的输入以及输出；和
第二LSTM网络，包括用于接收第一LSTM网络的输出的输入以及用于基于输入到第一LSTM网络的NIR辐射数据来输出血糖水平数据的输出。
2.根据权利要求1所述的循环神经网络装置，还包括：去噪滤波器，结合到第一LSTM网络的输入，去噪滤波器接收NIR辐射数据并且将去噪的NIR辐射数据输出到第一LSTM网络的输入。
3.根据权利要求2所述的循环神经网络装置，其中，去噪滤波器包括Savitzky-Golay滤波器。
4.根据权利要求2所述的循环神经网络装置，还包括：自动编码器，结合到去噪滤波器的输入，自动编码器接收NIR辐射数据并且输出与NIR辐射数据对应的数据编码，
其中，去噪滤波器接收与NIR辐射数据对应的数据编码。
5.根据权利要求1所述的循环神经网络装置，还包括：自动编码器，结合到第一LSTM网络的输入，自动编码器接收NIR辐射数据并且将去噪的NIR辐射数据输出到第一LSTM网络的输入。
6.根据权利要求1所述的循环神经网络装置，其中，NIR辐射数据包括多通道NIR辐射数据。
7.根据权利要求6所述的循环神经网络装置，其中，NIR辐射数据包括131个通道。
8.根据权利要求1所述...
【专利技术属性】
技术研发人员：埃尔哈姆·萨卡哈伊，乔治斯·乔治亚迪斯，刘留，邓伟然，
申请(专利权)人：三星电子株式会社，
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。