一种基于球坐标核主成分分析的血糖数据处理方法及系统技术方案

本发明专利技术公开了一种基于球坐标的核主成分分析的血糖数据处理方法及系统，包括，获取生理指标数据及其对应的实际血糖值，构建用于血糖预测的样本数据集，进行归一化处理后，构建原始特征矩阵；将样本数据集的鲁棒中心定义为一范数中值，将原始特征矩阵的特征向量映射到超球面上，并使映射后的数据均值位于单位超球面的球心；将球心为原点，建立笛卡尔坐标系，将原始特征矩阵的特征向量映射到笛卡尔坐标系上，生成第一特征矩阵后，将球坐标代替笛卡尔坐标，通过将球角或半径设置为均值，生成流形降维后的第二特征矩阵，并映射回笛卡尔坐标系上，完成对样本数据集的数据处理；本发明专利技术的运算复杂度也远小于传统的主成分分析和常用的核主成分分析。核主成分分析。核主成分分析。

【技术实现步骤摘要】
一种基于球坐标核主成分分析的血糖数据处理方法及系统


[0001]本专利技术涉及信号发生器电路设计
，具体而言，涉及一种基于球坐标核主成分分析的血糖数据处理方法及系统。

技术介绍

[0002]糖尿病是一种终身性代谢性疾病，由胰岛素分泌受损、生物效应受损等多种原因引起，以慢性高血糖为特征。随着人们生活水平的发展以及人们生活方式的变化，糖尿病的患病人群愈来愈趋向年轻化，并且成为我国的重要的卫生保健问题之一。目前糖尿病尚无有效的治疗方法，但定期监测血糖水平可降低或延缓并发症的发生。自我监测被认为是控制糖尿病最直接、最可行的方法之一。
[0003]成熟的检测技术是使用血糖分析仪，通过穿刺患者的手指顶部获得的血液样本来测量血糖水平。这种方法不仅因频繁采血给患者带来痛苦和负担，而且无法实时监测。无创血糖技术可以克服上述缺点，成为智能医疗研究的热门课题。该方法是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进行预测，同步采集的有创血糖值作为参考，从而搭建出高准确度的血糖预测模型。
[0004]但是由于人体中血液成分复杂,测量仪器的精度,以及测量环境的变化等都会使得光谱数据带有大量的噪声,得到的数据存在部分离群值是不可避免的，从而影响血糖模型的准确率和稳健性。提高模型稳健性的重要途径就是使用一些数据预处理方法来滤除噪声，提高信噪比，使得对同个受试者每次采集的样本特征数据之间的差异减少。

技术实现思路

[0005]为滤除与血糖预测相关的原始数据特征的噪声，对原始的样本数据集进行数据预处理，本专利技术的目的是提出一种基于球坐标核主成分分析的血糖数据处理方法，用于通过降低模型的复杂度，有效提取出对被测量具有最佳解释能力的信息，提高了模型的稳健性。同时，该方法的运算时间远低于传统的主成分分析和常用的核主成分分析。
[0006]为了实现上述技术目的，本申请提供了一种基于球坐标核主成分分析的血糖数据处理方法，包括以下步骤：
[0007]获取生理指标数据及其对应的实际血糖值，构建用于血糖预测的样本数据集；
[0008]基于生理指标数据提取若干种特征作为样本数据集的特征值,进行归一化处理后，依据样本数据集的采集次数，根据特征的种类，构建原始特征矩阵；
[0009]将样本数据集的鲁棒中心定义为一范数中值，将原始特征矩阵的特征向量映射到超球面上，并使映射后的数据均值位于单位超球面的球心，其中，球心表示鲁棒中心；
[0010]将球心为原点，建立笛卡尔坐标系，将原始特征矩阵的特征向量映射到笛卡尔坐标系上，生成第一特征矩阵；
[0011]基于第一特征矩阵，将球坐标代替笛卡尔坐标，通过将球角或半径设置为均值，生成流形降维后的第二特征矩阵；
[0012]将第二特征矩阵映射回笛卡尔坐标系上，完成对样本数据集的数据处理。
[0013]优选地，在构建样本数据集的过程中，生理指标数据包括：身高、体重、餐饮习惯、同步心率、血压、血脂、ECG心电信号以及PPG脉电信号。
[0014]优选地，在构建样本数据集的过程中，通过从生理指标数据中提取相关特征，以对应的实际血糖值作为参考，构建样本数据集，其中，样本数据集用于通过数据处理后，作为神经网络的输入，对神经网络进行训练，生成用于预测血糖的血糖预测模型。
[0015]优选地，在将特征向量映射到超球面的过程中，基于原始特征矩阵的特征向量，依据特征向量的均值，以及特征向量与球心的欧氏距离，将特征向量映射到超球面。
[0016]优选地，在获取特征向量的均值的过程中，依据M估计算法进行迭代，将超球面的球心接近映射后的数据均值,使得球心成为鲁棒中心。
[0017]优选地，在获取第二特征矩阵的过程中，将流形维度降至k维，计算第一特征矩阵的每一行的方差和均值，根据方差，将行的值替换成对应的均值，生成流形降维后的第二特征矩阵。
[0018]优选地，在将第二特征矩阵映射回笛卡尔坐标系上的过程中，将第二特征矩阵进行重构后，映射回笛卡尔坐标系，生成最终的特征矩阵，完成对样本数据集的数据处理。
[0019]本专利技术提供了一种基于球坐标核主成分分析的血糖数据处理系统，包括：
[0020]数据采集模块，用于获取生理指标数据及其对应的实际血糖值，构建用于血糖预测的样本数据集；
[0021]第一数据处理模块，用于基于生理指标数据提取若干种特征作为样本数据集的特征值,进行归一化处理后，依据样本数据集的采集次数，根据特征的种类，构建原始特征矩阵；
[0022]第二数据处理模块，用于将样本数据集的鲁棒中心定义为一范数中值，将原始特征矩阵的特征向量映射到超球面上，并使映射后的数据均值位于单位超球面的球心，其中，球心表示鲁棒中心；
[0023]第三数据处理模块，用于将球心为原点，建立笛卡尔坐标系，将原始特征矩阵的特征向量映射到笛卡尔坐标系上，生成第一特征矩阵；
[0024]第三数据处理模块，用于基于第一特征矩阵，将球坐标代替笛卡尔坐标，通过将球角或半径设置为均值，生成流形降维后的第二特征矩阵；并将第二特征矩阵映射回笛卡尔坐标系上，完成对样本数据集的数据处理。
[0025]本专利技术公开了以下技术效果：
[0026]本专利技术在降低球坐标系中所表示的特征矢量的自由度的同时，也降低了笛卡尔坐标系中所表示的特征矢量流形的维数，从而降低了模型的复杂度，有效提取出对被测量具有最佳解释能力的信息；而且以一范数中值作为数据的鲁棒中心，利用该方法进行降维所得到的主成分受到离群值的影响远小于传统的主成分分析，提高了模型的稳健性；同时，该方法的运算复杂度也远小于传统的主成分分析和常用的核主成分分析。
附图说明
[0027]为了更清楚地说明本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本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。
[0028]图1表示本专利技术实施例1中提出的基于核主成分分析的血糖数据处理方法的流程示意图；
[0029]图2表示本专利技术实施例2中提出的找到数据的鲁棒中心的过程示意图；
[0030]图3表示本专利技术实施例3中提出的基于核主成分分析和传统的主成分分析对比的示意图。
具体实施方式
[0031]为使本申请实施例的目的、技术方案和优点更加清楚，下面将结合本申请实施例中附图，对本申请实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本申请一部分实施例，而不是全部的实施例。通常在此处附图中描述和示出的本申请实施例的组件可以以各种不同的配置来布置和设计。因此，以下对在附图中提供的本申请的实施例的详细描述并非旨在限制要求保护的本申请的范围，而是仅仅表示本申请的选定实施例。基于本申请的实施例，本领域技术人员在没有做出创造性劳动的前提下所获得的所有其他实施例，都属于本申请保护的范围。...

【技术保护点】

【技术特征摘要】
1.一种基于球坐标核主成分分析的血糖数据处理方法，其特征在于，包括以下步骤：获取生理指标数据及其对应的实际血糖值，构建用于血糖预测的样本数据集；基于所述生理指标数据提取若干种特征作为所述样本数据集的特征值,进行归一化处理后，依据样本数据集的采集次数，根据所述特征的种类，构建原始特征矩阵；将所述样本数据集的鲁棒中心定义为一范数中值，将所述原始特征矩阵的特征向量映射到超球面上，并使映射后的数据均值位于单位超球面的球心，其中，所述球心表示所述鲁棒中心；将所述球心为原点，建立笛卡尔坐标系，将所述原始特征矩阵的特征向量映射到所述笛卡尔坐标系上，生成第一特征矩阵；基于所述第一特征矩阵，将球坐标代替所述笛卡尔坐标，通过将球角或半径设置为均值，生成流形降维后的第二特征矩阵；将所述第二特征矩阵映射回所述笛卡尔坐标系上，完成对所述样本数据集的数据处理。2.根据权利要求1所述一种基于球坐标核主成分分析的血糖数据处理方法，其特征在于：在构建样本数据集的过程中，所述生理指标数据包括：身高、体重、餐饮习惯、同步心率、血压、血脂、ECG心电信号以及PPG脉电信号。3.根据权利要求2所述一种基于球坐标核主成分分析的血糖数据处理方法，其特征在于：在构建样本数据集的过程中，通过从生理指标数据中提取相关特征，以对应的实际血糖值作为参考，构建所述样本数据集，其中，所述样本数据集用于通过数据处理后，作为神经网络的输入，对所述神经网络进行训练，生成用于预测血糖的血糖预测模型。4.根据权利要求3所述一种基于球坐标核主成分分析的血糖数据处理方法，其特征在于：在将特征向量映射到超球面的过程中，基于所述原始特征矩阵的所述特征向量，依据所述特征向量的均值，以及所述特征向量与所述球心的欧氏距离，将所述特征向量映射到所述超球面。5.根据权利要求4所述一种基...

【专利技术属性】
技术研发人员：袁昊，邓兴华，李霜，陈江飞，
申请(专利权)人：迈德医疗科技深圳有限公司，
类型：发明
国别省市：