一种基于DeepAR的血糖预测和控制方法技术

本发明专利技术公开了一种基于DeepAR的血糖预测和控制方法，本发明专利技术涉及血糖预测相关领域，包括基于DeepAR的血糖预测模型以及一个基于智能控制算法的人体血糖生理仿真模型，对血糖预测模型进行初步处理，利用人体血糖仿真模型验证血糖预测算法，本发明专利技术通过研究面向人工胰脏的数据驱动模型和血糖预测，根据监测到的历史数据，利用预测算法预测到下一时间段的血糖变化的趋势，再根据血糖变化趋势提前控制饮食还能够对即将产生的低血糖和高血糖进行提前报警，有效的保证了人工胰脏的安全性和可靠性。有效的保证了人工胰脏的安全性和可靠性。有效的保证了人工胰脏的安全性和可靠性。

【技术实现步骤摘要】
一种基于DeepAR的血糖预测和控制方法


[0001]本专利技术涉及血糖预测相关领域，具体为一种基于DeepAR的血糖预测和控制方法。

技术介绍

[0002]随着现代科学技术的发展以及生活条件的不断提高，人们的生活方式发生了翻天覆地的变化，人们经常吃精加工食物，甚至饮食过度，缺乏锻炼，同时随着老龄化的不断加剧，导致糖尿病患者的比例增高，且发病原因尚不明确。
[0003]血糖预测是人工胰脏实现人体血糖闭环调节算法的基础和关键。目前血糖闭环控制算法一直是学者研究的方向，人工胰脏的控制算法很大程度上依赖于血糖预测所提供的未来知识信息，即预测模型的预测能力对于基于模型的控制器起到了至关重要的作用。基于准确血糖预测的血糖控制可以提前避免高/低血糖的发生，当预测到高/低血糖即将发生时，提前采取措施，控制胰岛素泵的注射量，使血糖能够维持在正常范围内，血糖预测可以使控制器做出正确的决策，极大避免高/低血糖对人体的影响。目前较少有研究人员将数据驱动建模技术应用于人工胰脏系统。

技术实现思路

[0004]本专利技术的目的在于提供一种基于DeepAR的血糖预测和控制方法，以解决上述
技术介绍
中提出的问题。
[0005]为实现上述目的，本专利技术提供如下技术方案：一种基于DeepAR的血糖预测和控制方法，包括以下步骤：
[0006]步骤一：建立基于DeepAR的血糖预测模型；
[0007]步骤二：构建一个基于智能控制算法的人体血糖生理仿真模型；
[0008]步骤三：在预测模型中进行数据的输入；
[0009]步骤四：对输入的数据进行预处理；
[0010]步骤五：利用人体血糖仿真模型验证血糖预测算法；
[0011]步骤六：构建Bergman人体血糖最小模型仿真；
[0012]步骤七：采用智能控制模糊PID算法调节血糖水平；
[0013]步骤八：使用采集的大量人体血糖数据集运用构建的血糖预测模型，得到血糖未来取值的概率分布，预测血糖变化趋势；
[0014]步骤九：将预测模型得到的预测结果交由血糖闭环控制算法，分析处理后驱动基于STM32设计的胰岛素泵完成胰岛素输注动作，实现最终的人体血糖调节。
[0015]作为优选，血糖预测模型通过数据集学习预测序列在每个时间步上取值的概率分布达到预测血糖水平波动趋势的目的，从而能够提前采取措施，防止低血糖事件的发生。
[0016]作为优选，构建Bergman人体血糖最小模型仿真应用MATLAB中的Simulink工具箱。
[0017]综上所述，本专利技术有益效果是：
[0018]1、本专利技术通过研究面向人工胰脏的数据驱动模型和血糖预测，根据监测到的历史
数据，利用预测算法预测到下一时间段的血糖变化的趋势，再根据血糖变化趋势提前控制饮食还能够对即将产生的低血糖和高血糖进行提前报警，有效的保证了人工胰脏的安全性和可靠性。
[0019]2、本专利技术通过研究的数据驱动血糖模型能够有效地保障了闭环算法的应用性，不仅可以调控变化水平控制人体血糖，还能探索到一些隐藏在血糖变化背后的其他血糖信息，还可以结合病人日志记录客观的反映血糖波动的全貌和趋势，为患者制定个性化的治疗方案提供比较精确全面的资料。
附图说明
[0020]为了更清楚地说明专利技术实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是专利技术的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
[0021]图1为本专利技术一种基于DeepAR的血糖预测和控制方法整体结构示意图。
具体实施方式
[0022]本说明书中公开的所有特征，或公开的所有方法或过程中的步骤，除了互相排斥的特征和/或步骤以外，均可以以任何方式组合。
[0023]本说明书(包括任何附加权利要求、摘要和附图)中公开的任一特征，除非特别叙述，均可被其他等效或具有类似目的的替代特征加以替换。即，除非特别叙述，每个特征只是一系列等效或类似特征中的一个例子而已。
[0024]下面结合图1对本专利技术进行详细说明，其中，为叙述方便，现对下文所说的方位规定如下：下文所说的上下左右前后方向与图1视图方向的前后左右上下的方向一致，图1为本专利技术装置的正视图，图1所示方向与本专利技术装置正视方向的前后左右上下方向一致。
[0025]请参阅图1，本专利技术提供的一种实施例：一种基于DeepAR的血糖预测和控制方法，包括以下步骤：
[0026]步骤一：建立基于DeepAR的血糖预测模型；
[0027]步骤二：构建一个基于智能控制算法的人体血糖生理仿真模型；
[0028]步骤三：在预测模型中进行数据的输入；
[0029]步骤四：对输入的数据进行预处理；
[0030]步骤五：利用人体血糖仿真模型验证血糖预测算法；
[0031]步骤六：构建Bergman人体血糖最小模型仿真；
[0032]步骤七：采用智能控制模糊PID算法调节血糖水平；
[0033]步骤八：使用采集的大量人体血糖数据集运用构建的血糖预测模型，得到血糖未来取值的概率分布，预测血糖变化趋势；
[0034]步骤九：将预测模型得到的预测结果交由血糖闭环控制算法，分析处理后驱动基于STM32设计的胰岛素泵完成胰岛素输注动作，实现最终的人体血糖调节。
[0035]另外，在一个实施例中，血糖预测模型通过数据集学习预测序列在每个时间步上取值的概率分布达到预测血糖水平波动趋势的目的，从而能够提前采取措施，防止低血糖
事件的发生。
[0036]另外，在一个实施例中，构建Bergman人体血糖最小模型仿真应用MATLAB中的Simulink工具箱。
[0037]以上所述，仅为专利技术的具体实施方式，但专利技术的保护范围并不局限于此，任何不经过创造性劳动想到的变化或替换，都应涵盖在专利技术的保护范围之内。因此，专利技术的保护范围应该以权利要求书所限定的保护范围为准。
本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于DeepAR的血糖预测和控制方法，其特征在于：包括以下步骤：步骤一：模型建立，包括基于DeepAR的血糖预测模型以及一个基于智能控制算法的人体血糖生理仿真模型；步骤二：对血糖预测模型进行初步处理；步骤三：利用人体血糖仿真模型验证血糖预测算法；步骤四:构建Bergman人体血糖最小模型仿真；步骤五：采用智能控制模糊PID算法调节血糖水平；步骤六：得到血糖未来取值的概率分布，预测血糖变化趋势；步骤七：将预测模型得到的预测结果交由血糖闭环控制算法，实现人体血糖调节。2.根据权利要求1所述的一种基于DeepAR的血糖预测和控制方法，其特征在于：步骤一中血糖预测模型通过数据集学习预测序列在每个时间步上取值的概率分布达到预测血糖水平波动趋势的目的，提前采取措施，防止低血糖事件的发生。3....

【专利技术属性】
技术研发人员：郭婧，黎建军，黄子杰，杨礼源，姚震，王凯悦，姜骁哲，农晓莹，
申请(专利权)人：中国计量大学，
类型：发明
国别省市：