System.ArgumentOutOfRangeException: 索引和长度必须引用该字符串内的位置。 参数名: length 在 System.String.Substring(Int32 startIndex, Int32 length) 在 zhuanliShow.Bind() 血糖预测模型的训练方法、装置、设备及存储介质制造方法及图纸_技高网

血糖预测模型的训练方法、装置、设备及存储介质制造方法及图纸

技术编号:40066122 阅读:9 留言:0更新日期:2024-01-16 23:27
本申请提供一种血糖预测模型的训练方法、装置、设备及存储介质,该方法包括确定待训练的血糖预测模型的使用场景信息;将所述使用场景信息输入到训练获得的数据分布预测模型中,得到与所述使用场景信息对应的数据分布比例;基于所述数据分布比例和所述第一样本数据集生成第二样本数据集;所述第二样本数据集为所述第一样本数据集的子集;基于所述第二样本数据集训练所述待训练的血糖预测模型,从而通过数据分布预测模型先确定血糖预测模型使用场景对应的数据分布比例,并根据该数据分布比例从第一样本数据集中筛选出第二样本数据集,并通过第二样本数据集训练血糖预测模型,在保证样本数据质量的同时,提高了血糖预测模型预测血糖的准确度。

【技术实现步骤摘要】

本申请涉及血糖预测模型,尤其涉及一种血糖预测模型的训练方法、装置、电子设备及存储介质。


技术介绍

1、随着高血糖人数的增加,血糖预测的研究越来越多,及时预测血糖数据,有效控制血糖波动成为糖尿病管理与控制的主要任务。目前相关技术中,一种方法是通过训练血糖预测模型来实现血糖的预测,而训练血糖预测模型时,往往需要大量的样本数据,而样本数据的质量会直接影响到最终训练获得的血糖预测模型的预测准确性,但是,由于血糖样本数据无法通过人工标注来大量获得,因此,相关技术中通过各种渠道收集的血糖样本数据虽然能够满足数量要求,但是无法保证样本数据的质量,进而导致血糖预测模型的预测准确度不高。


技术实现思路

1、有鉴于此,本申请的目的在于提出一种血糖预测模型的训练方法、装置、设备及存储介质以解决或部分解决上述技术问题。

2、基于上述目的,本申请的提供了一种血糖预测模型的训练方法,包括:

3、确定待训练的血糖预测模型的使用场景信息;所述使用场景信息包括医院等级、医院类型和医院所在城市等级;

4、将所述使用场景信息输入到训练获得的数据分布预测模型中,得到与所述使用场景信息对应的数据分布比例;

5、获取第一样本数据集,并基于所述数据分布比例和所述第一样本数据集生成第二样本数据集;所述第二样本数据集为所述第一样本数据集的子集;

6、基于所述第二样本数据集训练所述待训练的血糖预测模型。

7、基于同一个构思,本申请还提出了一种血糖预测模型的训练装置,包括:

8、确定模块,确定待训练的血糖预测模型的使用场景信息;所述使用场景信息包括医院等级、医院类型和医院所在城市等级;

9、分布模块,将所述使用场景信息输入到训练获得的数据分布预测模型中,得到与所述使用场景信息对应的数据分布比例;

10、生成模块,获取第一样本数据集,并基于所述数据分布比例和所述第一样本数据集生成第二样本数据集;所述第二样本数据集为所述第一样本数据集的子集;

11、训练模块,基于所述第二样本数据集训练所述待训练的血糖预测模型。

12、基于同一个构思,本申请还提出了一种电子设备,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,所述处理器执行所述程序时实现如上所述的血糖预测模型的训练方法。

13、基于同一个构思,本申请还提出了一种非暂态计算机可读存储介质,所述非暂态计算机可读存储介质存储计算机指令,所述计算机指令用于使计算机执行如上所述的血糖预测模型的训练方法。

14、从上面所述可以看出,本申请提供的血糖预测模型的训练方法、装置、设备及存储介质,确定待训练的血糖预测模型的使用场景信息;所述使用场景信息包括医院等级、医院类型和医院所在城市等级;将所述使用场景信息输入到训练获得的数据分布预测模型中,得到与所述使用场景信息对应的数据分布比例;获取第一样本数据集,并基于所述数据分布比例和所述第一样本数据集生成第二样本数据集;所述第二样本数据集为所述第一样本数据集的子集;基于所述第二样本数据集训练所述待训练的血糖预测模型,从而通过数据分布预测模型先确定血糖预测模型使用场景对应的数据分布比例,并根据该数据分布比例从第一样本数据集中筛选出第二样本数据集,并通过第二样本数据集训练血糖预测模型,在保证样本数据质量的同时,提高了血糖预测模型预测血糖的准确度。

本文档来自技高网...

【技术保护点】

1.一种血糖预测模型的训练方法,其特征在于,包括:

2.根据权利要求1所述的方法,其特征在于,基于所述数据分布比例和所述第一样本数据集生成第二样本数据集,具体包括:

3.根据权利要求1所述的方法,其特征在于,生成所述第一样本数据集的步骤包括:

4.根据权利要求3所述的方法,其特征在于,基于所述历史血糖数据以及所述医嘱数据确定所述样本用户的用药时间,具体包括:

5.根据权利要求4所述的方法,其特征在于,基于所述历史血糖数据对所述初始用药时间进行调整,确定所述样本用户的用药时间,具体包括:

6.根据权利要求5所述的方法,其特征在于,基于所述用餐时间以及所述历史血糖数据对所述初始用药时间进行调整,确定所述样本用户的用药时间,具体包括:

7.根据权利要求5所述的方法,其特征在于,确定所述样本用户的用餐时间,具体包括:

8.一种血糖预测模型的训练装置,其特征在于,包括:

9.一种电子设备,其特征在于,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,所述处理器执行所述程序时实现如权利要求1至7任意一项所述的方法。

10.一种非暂态计算机可读存储介质,其特征在于,所述非暂态计算机可读存储介质存储计算机指令,所述计算机指令用于使计算机执行权利要求1至7任一所述的方法。

...

【技术特征摘要】

1.一种血糖预测模型的训练方法,其特征在于,包括:

2.根据权利要求1所述的方法,其特征在于,基于所述数据分布比例和所述第一样本数据集生成第二样本数据集,具体包括:

3.根据权利要求1所述的方法,其特征在于,生成所述第一样本数据集的步骤包括:

4.根据权利要求3所述的方法,其特征在于,基于所述历史血糖数据以及所述医嘱数据确定所述样本用户的用药时间,具体包括:

5.根据权利要求4所述的方法,其特征在于,基于所述历史血糖数据对所述初始用药时间进行调整,确定所述样本用户的用药时间,具体包括:

6.根据权利要求5所述的方法,其特征在于,基于...

【专利技术属性】
技术研发人员:王宏立王鹏张伟邢磊洋董玉珠
申请(专利权)人:北京华益精点生物技术有限公司
类型:发明
国别省市:

网友询问留言 已有0条评论
  • 还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。

1