基于多维度血糖趋势分析预警血糖疾病风险分析系统技术方案

本发明专利技术提供了一种基于多维度血糖趋势分析预警血糖疾病风险分析系统，包括：血糖采集模块，用于基于用户在不小于最小分析时长的时段内每个时刻的血糖值，生成实时血糖变化曲线；生理采集模块，用于获取用户的个体生理特征；数据处理模块，用于将实时血糖变化曲线的波动趋势

【技术实现步骤摘要】
基于多维度血糖趋势分析预警血糖疾病风险分析系统


[0001]本专利技术涉及智能医疗
，特别涉及一种基于多维度血糖趋势分析预警血糖疾病风险分析系统
。

技术介绍

[0002]糖尿病是一种常见的慢性疾病，全球范围内有大量的患者
。
随着人口老龄化和生活方式的改变，糖尿病的发病率和死亡率也在不断上升
。
因此，预警血糖疾病风险具有重要的医疗意义
。
[0003]但是，现存的血糖疾病风险分析多通过人工经验的诊断，而人工经验诊断一般基于检测患者在不同状态下的血糖数值进行进一步诊断判断，其存在两个缺陷，一是若要在用户未患病之前准确预测出血糖疾病的发病风险程度需要检测血红蛋白，无法仅仅基于血糖数值在未患病之前准确预测出血糖疾病的发病风险程度，其二，由于其采用单一的阈值比较来诊断分析，导致其患病风险的程度仅仅分为几个等级去表示确定，而无法细致量化出其血糖疾病风险的分析结果
。
[0004]因此，本专利技术提出了一种基于多维度血糖趋势分析预警血糖疾病风险分析系统
。

技术实现思路

[0005]本专利技术提供一种基于多维度血糖趋势分析预警血糖疾病风险分析系统，用以基于对血糖数据的多维趋势分析，实现仅仅依靠血糖监测结果即可在用户未患病之前准确预测出用户的血糖疾病风险评估值，也实现了血糖疾病风险程度的具体量化，并进一步地实现对用户血糖指标的有效管理预警
。
[0006]本专利技术提供一种基于多维度血糖趋势分析预警血糖疾病风险分析系统，包括：
[0007]血糖采集模块，用于基于用户在不小于最小分析时长的时段内每个时刻的血糖值，生成实时血糖变化曲线；
[0008]生理采集模块，用于获取用户的个体生理特征；
[0009]数据处理模块，用于将实时血糖变化曲线的波动趋势
、
波动速度
、
波动值，当作多维度血糖趋势数据；
[0010]数据分析模块，用于基于多维度血糖趋势数据和个体生理特征以及机器学习算法，获得血糖疾病风险评估值；
[0011]风险预警模块，用于基于血糖疾病风险评估值，为用户提供个性化管理预警信息
。
[0012]优选的，血糖采集模块，包括：
[0013]血糖采集子模块，用于采集用户的实时血糖值，同时，记录实时血糖值的采集持续时长；
[0014]曲线拟合子模块，用于当采集持续时长不小于最小分析时长时，则将当前获得的所有实时血糖值按照时序拟合，获得实时血糖变化曲线
。
[0015]优选的，生理采集模块，包括：
[0016]有效提取子模块，用于基于有效信息类型表，在个人信息中提取出有效生理信息，将有效生理信息当作有效生理特征；
[0017]关联挖掘子模块，用于对有效生理特征进行关联深层挖掘，获得关联生理特征；
[0018]特征合并子模块，用于将有效生理特征和关联生理特征合并当作个体生理特征
。
[0019]优选的，关联挖掘子模块，包括：
[0020]模型训练单元，用于基于海量人工挖掘实例训练获得深层挖掘模型；
[0021]深层挖掘单元，用于将用户的所有有效生理特征输入至深层挖掘模型，获得关联生理特征
。
[0022]优选的，数据处理模块，包括：
[0023]趋势确定子模块，用于确定出表征实时血糖变化曲线中实时血糖值随时间变化的血糖变化表征函数，将血糖变化表征函数的一阶导函数当作波动趋势；
[0024]速度确定子模块，用于将血糖变化表征函数的二阶导函数当作波动速度；
[0025]波动值确定子模块，用于将实时血糖变化曲线中的所有血糖峰值和血糖谷值当作波动值；
[0026]多维确定子模块，用于将波动趋势
、
波动速度
、
波动值，当作多维度血糖趋势数据
。
[0027]优选的，数据分析模块，包括：
[0028]实例获取子模块，用于获取海量包括不同人体的个体生理特征和人工标记的血糖疾病风险评估值的人体监测实例；
[0029]画像构建子模块，用于基于海量人体监测实例中包含的所有个体生理特征，构建出海量人体监测实例的多维生理特征画像；
[0030]样本优化子模块，用于基于多维生理特征画像对海量人体监控实例进行优化，获得优化训练样本；
[0031]模型搭建子模块，用于基于机器学习算法对合格训练样本进行学习，搭建出血糖疾病风险评估模型；
[0032]模型分析子模块，用于将用户的多维度血糖趋势数据和个体生理特征输入至血糖疾病风险评估模型，获得血糖疾病风险评估值
。
[0033]优选的，画像构建子模块，包括：
[0034]第一类型确定单元，用于确定出个体生理特征中所有生理特征类型中数据形式为连续型变量的连续型生理特征类型；
[0035]所属段确定单元，用于基于人工标记的连续型生理特征类型对血糖疾病的影响程度的数据划分阶段，确定出每个个体生理特征中每个连续型生理特征类型的特征数据所属段；
[0036]表征值确定单元，用于将个体生理特征中连续型生理特征类型的特征数据所属段和离散型生理特征类型的特征数值，当作对应生理特征类型的特征表征数值；
[0037]集群画像生成单元，用于将每两个个体生理特征之间对应的特征表征数值相同的生理特征类型，当作对应两个个体生理特征的相同生理特征类型，以相同生理特征类型总数从小到大的顺序，依次确定出当前个体生理特征从里至外的个体生理特征连接包围层，基于当前个体生理特征从里至外的所有个体生理特征连接包围层，生成当前个体生理特征的集群网络；
[0038]特征画像生成单元，用于基于所有个体生理特征的集群网络，生成海量人体监测实例的多维生理特征画像
。
[0039]优选的，特征画像生成单元，包括：
[0040]去重合并子单元，用于将所有个体生理特征的集群网络进行去重合并，获得总生理特征关联网络；
[0041]类型标记子单元，用于将所有相同生理特征类型和对应的相同的特征表征数值标记在总生理特征关联网络中对应两个个体生理特征的连接线之间，获得标记网络；
[0042]单维度提取子单元，用于将标记网络中包含同种生理特征类型的所有连接线和对应连接线的连接节点提取出来，获得对应生理特征类型维度的单维度关联网络；
[0043]多维汇总子单元，用于将所有生理特征类型维度的单维度关联网络汇总当作多维生理特征画像
。
[0044]优选的，样本优化子模块，包括：
[0045]准确度计算单元，用于基于多维生理特征画像中每个生理特征类型的单维度关联网络，计算出每个生理特征类型的单维度模型分析准确度；
[0046]评估值计算单元，用于基于每个生理特征类型对血糖疾病风险评估值的预设影响权重和单维度模型分析准确度，计算出每个生理特征类型的样本评估值；
[0047本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.
基于多维度血糖趋势分析预警血糖疾病风险分析系统，其特征在于，包括：血糖采集模块，用于基于用户在不小于最小分析时长的时段内每个时刻的血糖值，生成实时血糖变化曲线；生理采集模块，用于获取用户的个体生理特征；数据处理模块，用于将实时血糖变化曲线的波动趋势
、
波动速度
、
波动值，当作多维度血糖趋势数据；数据分析模块，用于基于多维度血糖趋势数据和个体生理特征以及机器学习算法，获得血糖疾病风险评估值；风险预警模块，用于基于血糖疾病风险评估值，为用户提供个性化管理预警信息
。2.
根据权利要求1所述的基于多维度血糖趋势分析预警血糖疾病风险分析系统，其特征在于，血糖采集模块，包括：血糖采集子模块，用于采集用户的实时血糖值，同时，记录实时血糖值的采集持续时长；曲线拟合子模块，用于当采集持续时长不小于最小分析时长时，则将当前获得的所有实时血糖值按照时序拟合，获得实时血糖变化曲线
。3.
根据权利要求1所述的基于多维度血糖趋势分析预警血糖疾病风险分析系统，其特征在于，生理采集模块，包括：有效提取子模块，用于基于有效信息类型表，在个人信息中提取出有效生理信息，将有效生理信息当作有效生理特征；关联挖掘子模块，用于对有效生理特征进行关联深层挖掘，获得关联生理特征；特征合并子模块，用于将有效生理特征和关联生理特征合并当作个体生理特征
。4.
根据权利要求3所述的基于多维度血糖趋势分析预警血糖疾病风险分析系统，其特征在于，关联挖掘子模块，包括：模型训练单元，用于基于海量人工挖掘实例训练获得深层挖掘模型；深层挖掘单元，用于将用户的所有有效生理特征输入至深层挖掘模型，获得关联生理特征
。5.
根据权利要求1所述的基于多维度血糖趋势分析预警血糖疾病风险分析系统，其特征在于，数据处理模块，包括：趋势确定子模块，用于确定出表征实时血糖变化曲线中实时血糖值随时间变化的血糖变化表征函数，将血糖变化表征函数的一阶导函数当作波动趋势；速度确定子模块，用于将血糖变化表征函数的二阶导函数当作波动速度；波动值确定子模块，用于将实时血糖变化曲线中的所有血糖峰值和血糖谷值当作波动值；多维确定子模块，用于将波动趋势
、
波动速度
、
波动值，当作多维度血糖趋势数据
。6.
根据权利要求1所述的基于多维度血糖趋势分析预警血糖疾病风险分析系统，其特征在于，数据分析模块，包括：实例获取子模块，用于获取海量包括不同人体的个体生理特征和人工标记的血糖疾病风险评估值的人体监测实例；画像构建子模块，用于基于海量人体监测实例中包含的所有个体生理特征，构建出海
量人体监测实例的多维生理特征画像；样本优化子模块，用于基于多维生理特征画像对海量人体监控实例进行优化，获得优化训练样本；模型搭建子模块，用于基于机器学习算法对合格训练样本进行学习，搭建出血糖疾病风险评估模型；模型分析子模块，用于将用户的多维度血糖趋势数...

【专利技术属性】
技术研发人员：白伟民，
申请(专利权)人：北京雪扬科技有限公司，
类型：发明
国别省市：