【技术实现步骤摘要】
一种用于血糖预测的数据处理方法
[0001]本专利技术涉及生物医学的
，更具体地，涉及一种用于血糖预测的数据处理方法。
技术介绍
[0002]糖尿病的预防与治疗是目前社会上的一个重大卫生问题，因为糖尿病的危害严重，其危害的严重性在于后期引起的各种并发症如心脑血管病变、视网膜病变、肾病、中风甚至失明和截肢等问题。到目前为止，糖尿病还没有彻底根治的办法，但临床中，通过采取有效的血糖预测方法对患者的血糖进行预测，以预测值作为指导，再结合饮食、运动和药物的综合治疗，患者的病情是可以控制的，此时，血糖预测的准确度则显得至关重要。
[0003]从血糖检测方式层面而言，存在有创血糖检测方式、微创无糖检测方式和无创血糖检测方式，其中，相对于有创检测方式耗材多、易感染、体验感差等多项弊端，微创及无创血糖检测方式正逐渐成为主流，伴随着同步而来的，还有基于无创方式实现的血糖预测技术，如现有技术中公开了一种利用近红外光预测人血糖水平的方法，即利用近红外光谱法采集到脉电(PPG)信号，然后对其进行特征提取，并结合一系列其他特征，同步采集...
【技术保护点】
【技术特征摘要】
1.一种用于血糖预测的数据处理方法，其特征在于，包括：S1.采集与血糖预测相关的数据，包括受试者的生理指标数据及与生理指标数据同步对应采集的实际血糖值；S2.提取生理指标数据的特征，组成初始特征矩阵，初始特征矩阵中包括X组特征值，每组有Y种特征，将X组特征值与其相应的实际血糖值划分为第一数据集和第二数据集备用，其中第一数据集作为作为血糖预测的训练数据集，第二数据集作为血糖预测的测试数据集；S3.将第一数据集中每组的Y种特征中某一单个特征Fx与该组同步对应的实际血糖值取出作为一个分组，设共形成n个分组，按实际血糖值的大小将n个分组的内容进行升序排序，得到该特征的特征序列；第二数据集不作处理，后续进行血糖预测时使用；S4.利用经验模态分解法对特征序列进行处理，得到处理后的特征F1x；S5.利用多项式曲线拟合法对特征序列进行处理，得到处理后的特征F2x；S6.对Y种特征中除单个特征Fx之外的剩余Y
‑
1个特征重复执行步骤S3～步骤S5，分别得到经验模态分解算法处理后的特征矩阵F1：{F11，F12，...，F1
y
}与多项式曲线拟合后的特征矩阵F2：{F21，F22，...，F2
y
}，共2y个特征；S7.基于随机森林算法，确定特征矩阵F1与特征矩阵F2中2y个特征对血糖值的贡献率，并进行排序筛选，组成最新的特征矩阵F
’
，完成与血糖预测相关的数据处理。2.根据权利要求1所述的用于血糖预测的数据处理方法，其特征在于，所述的受试者的生理指标数据包括：受试者的身高、体重、餐饮习惯、同步心率、血压、血脂、ECG心电信号及PPG脉电信号，利用血糖仪同步对应采集实际血糖值。3.根据权利要求2所述的用于血糖预测的数据处理方法，其特征在于，设置受试者的个数为A，糖尿病患者与指标健康者各占一半；设置数据采集周期为L天，与血糖预测相关的数据每天的采集时段为早餐前、午餐后、下午茶后及晚餐后四个时间点，在L天中每天的每一个时间点后的间隔Δt时间内，采集受试者的生理指标数据，且采集同步对应的实际血糖值，以实际血糖值作为血糖参考值。4.根据权利要求3所述的用于血糖预测的数据处理方法，其特征在于，在步骤S2中，设在早餐前、午餐后、下午茶后及晚餐后四个时间点中任意一个时间点后的间隔Δt时间内采集受试者的生理指标数据，提取的特征共Y种，在不同时间点不同受试者上进行采集，得到与血糖预测相关的初始特征矩阵F:其中，每一列代表一种特征，共Y种，每一行代表一组特征值，共X行，a
XY
表示第Y种特征下第X组中的第X个特征值，采集的同步对应的实际血糖值表示为：[BG1、BG2、
…
、BGX]；以特征值为纵坐标，以血糖参考值为横坐标建立直角坐标网络，将步骤S3得到的特征序列中的值在直角坐标网络中标出，然后依次连接，形成特征值与血糖参考值的关系曲线。5.根据权利要求4所述的用于血糖预测的数据处理方法，其特征在于，以特征值为纵坐
标，以血糖参考值为横坐标建立直角坐标网络，将步骤S3得到的特征序列中的值在直角坐标网络中标出，然后依次连接，形成特征值与血糖参考值的关系曲线，利用经验模态分解算法提取关系曲线中的IMF分量，得到n个分组的IMF分量：IMF1～IMF
n
，然后进行经验模态分解算法的迭代操作，得到该特征与血糖参考值的最优IMF分量组合，并重构出关系曲线C：C＝IMF
...
【专利技术属性】
技术研发人员：韦怡婷，盛雨晴，凌永权，刘庆，郭海瑞，胡铃越，
申请(专利权)人：广东工业大学，
类型：发明
国别省市：
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。