一种血糖神经网络的训练方法及系统技术方案

本申请公开了一种血糖神经网络的训练方法及系统，用于提高血糖检测的准确度。本申请方法包括以下步骤：获取血糖参数组集合；根据血糖参数组集合获取血糖参数组血糖水平；确定糖参数组集合中血糖参考化合物的种类和个数N，根据该种类和个数N确定初始神经网络；根据粒子群算法和个数N生成N个粒子，并根据N个粒子的位置信息生成N维初始矩阵参数；根据N维初始矩阵参数生成惯性权值；将训练样本输入初始神经网络进行迭代训练并生成性能参数集合；根据性能参数集合计算损失值并保存于损失值集合；当损失值集合达到预设收敛条件时，则生成化合物

【技术实现步骤摘要】
一种血糖神经网络的训练方法及系统


[0001]本申请涉及神经网络训练
，尤其涉及一种血糖神经网络的训练方法及系统。

技术介绍

[0002]糖化血红蛋白是血红蛋白与糖类非经酶促结合而成，其合成过程缓慢且相对不可逆，其合成速率与血糖浓度成正比，糖化血糖蛋白存在于血液中的红细胞中。糖化血红蛋白占总血红蛋白的比率能够反应测定前1至2个月内的平均血糖水平，血糖水平由血液中糖化血红蛋白的浓度决定。
[0003]由于糖化血红蛋白可以通过一次检测而得到相对较长时期内的血糖平均值，糖化血红蛋白的含量不受血糖浓度暂时波动的影响，无需考虑用餐时间，而进行血液中糖化血红蛋白的检测。测定糖化血红蛋白作为糖尿病的诊断和评价糖尿病的控制，是一项具有重要意义的可观指标，现已成为反应糖尿病患者血糖控制时间的良好指标，当糖尿病患者血糖控制不佳时，糖化血红蛋白浓度可高至正常值的两倍及以上。
[0004]当前糖化血红蛋白的临床检测分析系统性能涉及仪器、试剂、校准物和质控物的批号、有效期、保存和使用条件、相关操作人员的能力、操作规程的合理性以及环境等因素，其中任何本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种血糖神经网络的训练方法，其特征在于，包括：获取血糖参数组集合，所述血糖参数组集合中包含至少两组糖化血红蛋白合成物参数组；根据所述血糖参数组集合获取血糖参数组对应的血糖水平；确定所述血糖参数组集合中血糖参考化合物的种类和个数N，并根据所述血糖参考化合物的种类和个数N确定初始神经网络；根据粒子群算法和所述血糖参考化合物的个数N生成对应的N个粒子，并根据所述N个粒子的位置信息生成N维初始矩阵参数；根据所述N维初始矩阵参数生成所述N个粒子的惯性权值，所述惯性权值表示所述N个粒子的运动趋势；将所述血糖参数组集合、所述血糖水平以及所述血糖参考化合物的种类输入所述初始神经网络进行迭代训练并生成对应的性能参数集合，所述性能参数集合表示所述N个粒子对所述初始神经网络的优劣；根据所述性能参数集合计算损失值，并将当前损失值保存于损失值集合；当所述损失值集合达到预设收敛条件时，则根据所述N维初始矩阵参数生成化合物
‑
血糖水平关系式；当所述损失值集合未达到预设收敛条件时，则更新所述N个粒子的位置信息以及所述N维初始矩阵参数；根据更新后的所述N维初始矩阵参数更新所述惯性权值，重新训练所述初始神经网络。2.根据权利要求1所述的训练方法，其特征在于，所述根据所述血糖参数组集合获取血糖参数组对应的血糖水平包括：根据所述血糖参数组集合计算血糖参数组对应的糖化血红蛋白含量；获取血糖
‑
血红蛋白曲线；根据所述糖化血红蛋白含量和所述血糖
‑
血红蛋白曲线生成并获取血糖参数组对应的血糖水平。3.根据权利要求1所述的训练方法，其特征在于，所述将所述血糖参数组集合、所述血糖水平以及所述血糖参考化合物的种类输入所述初始神经网络进行迭代训练并生成对应的性能参数集合包括：将所述血糖参数组集合、所述血糖水平以及所述血糖参考化合物的种类生成训练样本集合；将所述训练样本集合输入所述初始神经网络进行迭代训练；根据所述初始神经网络生成对应的性能参数集合。4.根据权利要求1至3中任一项所述的训练方法，其特征在于，所述根据所述N维初始矩阵参数生成所述N个粒子的惯性权值包括：根据所述N维初始矩阵参数获取惯性权值计算公式；根据所述惯性权值计算公式计算并生成所述N个粒子的惯性权值。5.根据权利要求4所述的训练方法，其特征在于，所述惯性权值计算公式为：ω＝(distance(i)/distance_max)*0.8其中，ω是惯性权值，distance(i)是粒子i到全局最优粒子的距离，distance_max是N
个粒子与距离最优粒子的距离的最大值。6.一种...

【专利技术属性】
技术研发人员：杨桂凌，冯诗军，
申请(专利权)人：深圳市优优视界科技有限公司，
类型：发明
国别省市：