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()
【技术实现步骤摘要】
本申请实施例涉及血糖检测领域,特别是涉及一种无创血糖浓度异常的检测方法、装置、设备及存储介质。
技术介绍
1、目前主流的血糖自我检测方法一般为有创血糖检测方法,有创的血糖检测方法虽然灵敏有效,但该侵入式的检测方法不仅耗材成本高,反复的取样也容易导致感染的风险。因此,无创血糖检测技术具有重要的研究意义。
2、目前能够实现无创血糖检测的方法有电学法、光学方法和声学方法,然而上述方法虽然可以做到无创检测,响应速度也相对较快,但其灵敏度不高。在实际应用中,需要频繁进行血糖检测的目标人群往往需及时获取血糖变化的异常情况。因此,如果无创血糖检测方法不能保证对血糖异常状态的灵敏度的话,将会对应用该方法进行血糖检测的人群带来健康隐患。
技术实现思路
1、本专利技术提供了一种无创血糖浓度异常的检测方法、装置、设备及存储介质,通过对心电信号数据进行特征提取,从而实现低成本、灵敏度高、测量准确度高的无创血糖浓度异常的检测。
2、第一方面,本专利技术提供了一种无创血糖浓度异常检测方法,包括如下步骤:
3、获取心电信号数据;
4、通过张量平行因子分解算法,对所述心电信号数据进行特征提取,获取心电信号特征参数;
5、通过将所述心电信号特征参数与所述预设参数进行对比分析,获取血糖浓度异常状态分析结果。
6、进一步地,所述对所述心电信号数据进行特征提取,包括如下步骤:
7、将所述心电信号数据划分为多个子模块,构建样本协方差矩阵,其
8、通过三次张平行因子分解,将所述多个子模块的样本协方差矩阵合成为三阶张量;
9、对所述三阶张量进行张量矩阵化展开,并通过最小二乘法进行迭代,获取所述样本权值矩阵;
10、根据所述样本权值矩阵,通过稀疏重构方法,获取心电信号数据特征。
11、进一步地,所述将所述心电信号数据划分为多个子模块,构建样本协方差矩阵,包括如下步骤:
12、根据所述心电信号数据,构建样本协方差矩阵,所述样本协方差矩阵的表达式为
13、e[x(t)xh(t)]=arsa
14、其中,x(t)表示t时刻的心电信号数据,xh(t)表示x(t)的共轭,e[·]表示期望运算,rs=e[s(t)sh(t)]表示样本核心矩阵,s(t)表示t时刻的心电信号数据特征,a表示样本权值矩阵。
15、进一步地,所述获取所述样本权值矩阵,包括如下步骤:
16、将所述心电信号数据划分为p个子模块,所述p个子模块的样本协方差矩阵表达式为
17、
18、将所述合成为三阶张量rx,定义矩阵c,对所述三阶张量rx进行张量的矩阵化展开,获取所述rx的矩阵表达式为
19、rx=[a⊙a*]·ct
20、其中,⊙表示khatri-rao乘积;
21、通过奇异值分解,构建所述样本权值矩阵方程,所述样本权值矩阵方程表达式为
22、rx=u∑vh
23、
24、根据所述样本权值矩阵方程,通过最小二乘法进行迭代,获取所述样本权值矩阵,其中,所述迭代过程还通过精确直线搜索算法对最小二乘法的收敛速度进行优化。
25、进一步地,根据所述样本权值矩阵,通过稀疏重构方法,获取心电信号数据特征,包括如下步骤:
26、对所述样本权值矩阵进行排序,获取自适应权重;
27、根据所述样本权值矩阵和所述自适应权重,通过稀疏重构的方式提取心电信号的特征s,所述特征s的表达式为
28、s=π-1(s)at[aπ-1(s)at]-1x
29、其中,π(s)=diag(|s1|-1,…,|sn|-1)。
30、进一步地,所述心电信号数据,包括如下至少一种:
31、p波的持续时间、p波的幅值、pq间隔的持续时间、qrs合成波的持续时间、qt间隔的持续时间和t波的幅值。
32、第二方面,本专利技术还提供了一种无创血糖浓度异常检测装置,包括:
33、数据获取模块,用于获取心电信号数据;
34、特征参数获取模块,用于通过张量平行因子分解算法,对所述心电信号数据进行特征提取,获取心电信号特征参数;
35、异常结果分析模块,用于通过将所述心电信号特征参数与所述预设参数进行对比分析,获取血糖浓度异常状态分析结果。
36、进一步地,所述特征参数获取模块,还包括:
37、样本矩阵构建单元,用于将所述心电信号数据划分为多个子模块,构建样本协方差矩阵,其中,所述样本协方差矩阵包括样本核心矩阵和样本权值矩阵;
38、合成张量单元,用于通过三次张平行因子分解,将所述多个子模块的样本协方差矩阵合成为三阶张量;
39、权值矩阵获取单元,用于对所述三阶张量进行张量矩阵化展开,并通过最小二乘法进行迭代,获取所述样本权值矩阵;
40、心电信号特征获取单元,用于根据所述样本权值矩阵,通过稀疏重构方法,获取心电信号数据特征。
41、第三方面,本专利技术还提供一种计算机设备,包括:
42、至少一个存储器以及至少一个处理器;
43、所述存储器,用于存储一个或多个程序;
44、当所述一个或多个程序被所述至少一个处理器执行,使得所述至少一个处理器实现如第一方面所述的一种无创血糖浓度异常检测方法的步骤。
45、第四方面,本专利技术还提供一种计算机可读存储介质,所述计算机可读存储介质存储有计算机程序,所述计算机程序被处理器执行时实现如第一方面所述的一种无创血糖浓度异常检测方法的步骤。
46、本专利技术通过获取心电信号数据;并通过张量平行因子分解算法,对所述心电信号数据进行特征提取,获取心电信号特征参数;再通过将所述心电信号特征参数与所述预设参数进行对比分析,获取血糖浓度异常状态分析结果。本专利技术依据由于血糖异常波动相较于总体血糖水平的上升对患者心肌细胞损伤可能更大,影响心脏相关传导系统功能,导致心电图发生异常这一原理,对血糖检测目标的心电特征是否存在异常进行分析,并通过张量平行因子分解算法降低了特征提取的计算复杂度,实现了低成本、灵敏度高、测量准确度高的无创血糖浓度异常的检测。
47、为了更清楚地说明本申请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本申请的一些实施例,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。
本文档来自技高网...【技术保护点】
1.一种无创血糖浓度异常检测方法,其特征在于,包括如下步骤:
2.根据权利要求1所述的一种无创血糖浓度异常检测方法,其特征在于,所述对所述心电信号数据进行特征提取,包括如下步骤:
3.根据权利要求2所述的一种无创血糖浓度异常检测方法,其特征在于,所述将所述心电信号数据划分为多个子模块,构建样本协方差矩阵,包括如下步骤:
4.根据权利要求3所述的一种无创血糖浓度异常检测方法,其特征在于,所述获取所述样本权值矩阵,包括如下步骤:
5.根据权利要求4所述的一种无创血糖浓度异常检测方法,其特征在于,根据所述样本权值矩阵,通过稀疏重构方法,获取心电信号数据特征,包括如下步骤:
6.根据权利要求5所述的一种无创血糖浓度异常检测方法,其特征在于,所述心电信号数据,包括如下至少一种:
7.一种无创血糖浓度异常检测装置,其特征在于,包括:
8.根据权利要求7所述的一种无创血糖浓度异常检测装置,其特征在于,所述特征参数获取模块,还包括:
9.一种计算机设备,其特征在于,包括:
10.一种计算机
...【技术特征摘要】
1.一种无创血糖浓度异常检测方法,其特征在于,包括如下步骤:
2.根据权利要求1所述的一种无创血糖浓度异常检测方法,其特征在于,所述对所述心电信号数据进行特征提取,包括如下步骤:
3.根据权利要求2所述的一种无创血糖浓度异常检测方法,其特征在于,所述将所述心电信号数据划分为多个子模块,构建样本协方差矩阵,包括如下步骤:
4.根据权利要求3所述的一种无创血糖浓度异常检测方法,其特征在于,所述获取所述样本权值矩阵,包括如下步骤:
5.根据权利要求4所述的一种无创血糖浓度异常检测方法,其特征在于,根据所述样本权值矩阵,通过稀疏重构...
【专利技术属性】
技术研发人员:李民友,李涛,徐海天,
申请(专利权)人:广州市进德生物科技有限公司,
类型:发明
国别省市:
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。