用于生成用于确定分析物值的软件实现的模块的方法和系统、计算机程序产品以及用于确定分析物值的方法和系统技术方案

本公开提供了一种用于生成用于确定分析物值的软件实现的模块的方法，所述方法包括：在一个或多个数据处理器的布置中，提供指示针对多个输入参数所测量的第一值的第一输入数据集，所述输入参数包括第一输入参数和第二输入参数；以及提供指示针对所述多个输入参数的第二值的第二输入数据集，所述第二值包括：针对来自所述多个输入参数的至少一个输入参数的增强值，所述增强值与针对所述至少一个输入参数所测量的第一值不同并且通过增强所述第一值来确定；以及针对来自所述多个输入参数的至少一个剩余的输入参数的第一值。所述方法进一步包括：通过以生理模型处理所述第一输入数据集，确定指示分析物的第一多个分析物值的第一分析物数据；通过以所述生理模型处理所述第二输入数据集，确定指示所述分析物的第二多个分析物值的第二分析物数据；从所述第一分析物数据和所述第二分析物数据两者确定训练数据集；确定测试数据集，所述测试数据集与所述训练数据集不同；提供软件实现的机器学习模型，其被配置成确定所述分析物的分析物值；通过所述训练数据集训练所述软件实现的机器学习模型；以及通过所述测试数据集测试所述软件实现的机器学习模型。此外，本公开提供了一种用于生成用于确定分析物值的软件实现的模块的系统、用于生成用于确定分析物值的软件实现的模块的计算机程序产品、用于确定分析物值的方法以及用于确定分析物值的系统。以及用于确定分析物值的系统。以及用于确定分析物值的系统。

【技术实现步骤摘要】
【国外来华专利技术】用于生成用于确定分析物值的软件实现的模块的方法和系统、计算机程序产品以及用于确定分析物值的方法和系统
[0001]本公开涉及一种用于生成用于确定分析物值的软件实现的模块的方法和系统以及计算机程序产品。此外，本公开涉及用于确定分析物值的方法和系统。

技术介绍

[0002]为了预测患者的葡萄糖水平，提出了要在预测过程中应用的不同模型。一方面，提出了所谓的生理(葡萄糖预测)模型。此外，还应用了机器学习(葡萄糖预测)模型，其也可以称为数据驱动(葡萄糖预测)模型。
[0003]据发现，建立完全数据驱动的葡萄糖预测模型(其对例如胰岛素或碳水化合物摄入灵敏)是一项艰巨的任务，特别是在用于模型训练的数据确实来自真实世界的用户数据的情况下。这些数据集只会反映单个患者的非常狭窄的治疗部位(大多数情况下，大多数患者都会很好地应对他们的治疗，而边缘例子很少见)。因此，任何机器学习算法都难以概括出对特定患者的正常治疗部位之外的胰岛素或碳水化合物的反应。另一方面，惯常治疗部位之外的情况正是葡萄糖预测算法会对患者最有用的例子，该算法要么针对错误进行警告，要么帮助寻找对危急情况的最佳响本文档来自技高网...

【技术保护点】

【技术特征摘要】
【国外来华专利技术】1.一种用于生成用于确定体液中的葡萄糖值的软件实现的模块的方法，所述方法包括：在一个或多个数据处理器的布置中，
‑
提供第一输入数据集，其指示针对多个输入参数所测量的第一值，所述输入参数包括第一输入参数和第二输入参数；
‑
提供第二输入数据集，其指示针对所述多个输入参数的第二值，所述第二值包括：
‑
针对来自所述多个输入参数的至少一个输入参数的增强值，所述增强值与针对所述至少一个输入参数所测量的第一值不同并且通过增强所述第一值来确定；以及
‑
针对来自所述多个输入参数的至少一个剩余的输入参数的第一值；
‑
通过以生理模型处理所述第一输入数据集，确定指示分析物的第一多个分析物值的第一分析物数据，所述分析物为体液中的葡萄糖；
‑
通过以所述生理模型处理所述第二输入数据集，确定指示所述分析物的第二多个分析物值的第二分析物数据；
‑
从所述第一分析物数据和所述第二分析物数据两者确定训练数据集；
‑
确定测试数据集，所述测试数据集与所述训练数据集不同；
‑
提供软件实现的机器学习模型(60)，其被配置成确定患者的体液中的葡萄糖值；
‑
通过所述训练数据集训练所述软件实现的机器学习模型(60)；以及
‑
通过所述测试数据集测试所述软件实现的机器学习模型(60)。2.根据权利要求1所述的方法，其中
‑
确定所述第一分析物数据包括：通过以所述生理模型处理所述第一输入数据集，确定指示所述分析物的所述分析物值经预测时间段(22)的第一时间依存过程(43、53)的第一预测性分析物数据；以及
‑
确定所述第二分析物数据包括：通过以所述生理模型处理所述第二输入数据集，确定指示所述分析物的所述分析物值经所述预测时间段(22)的第二时间依存过程(46、56)的第二预测性分析物数据。3.根据权利要求1或2所述的方法，其中
‑
提供所述第一输入数据集包括：提供指示经测量时间段针对所述多个输入参数所测量的第一值的第一输入数据集；以及
‑
提供所述第二输入数据集包括：提供指示经所述测量时间段的针对所述多个输入参数的第二值的第二输入数据集。4.根据权利要求2和3所述的方法，其中所述预测时间段(22)被提供为所述测量时间段的延续部分。5.根据前述权利要求中至少一项所述的方法，其进一步包括：在所述一个或多个数据处理器的所述布置中，
‑
接收指示针对所述至少一个输入参数的参数限制的限制数据；以及
‑
对针对所述至少一个输入参数的所述第一值的增强进行限制。6.根据前述权利要求中至少一项所述的方法，其中确定所述测试数据集包括：仅从所述第一分析物数据确定测试数据集。7.根据前述权利要求中至少一项所述的方法，其中确定所述训练数据集包括：
‑
确定残差分析物数据；
‑
从所述第二分析物数据和所述残差分析物数据确定增强分析物数据；以及
‑
至少从所述增强分析物数据确定所述训练数据集。8.根据权利要求7所述的方法，其中确定所述残差分析物数据包括：从所述第一分析物数据和所测量的分析物数据确定残差分析物数据。9.根据前述权利要求中至少一项所述的方法，其中提供所述第一输入数据集包括：提供指示针对多个输入参数连续地测量的第一值的第一连续输入数据集。10.根据前述权利要求中至少一项所述的方法，其进一步包括：
‑
提供指示针对所述多个输入参数的第三值的第三输入数据集，所述第三值包括：
...

【专利技术属性】
技术研发人员：L，
申请(专利权)人：豪夫迈，
类型：发明
国别省市：