【技术实现步骤摘要】
【国外来华专利技术】
本专利技术涉及一种用于测量血流中的成份的方法和系统。本专利技术特别适合于通过至 少一个神经网处理人的一组血糖测量值,以获得整体血糖水平,并且将在该上下文中描述 本专利技术。
技术介绍
本专利技术的
技术介绍
的以下讨论旨在便于理解本专利技术。但是,应当理解,讨论不是确 认或者承认在本申请的优先权日期的任何权限内,引用的任何材料被公布、得知或者作为 公知常识的一部分。用于测量人的血糖水平的一种传统方式是使用细针来刺破人的手指。这种创伤性 技术允许通过由针引起的开口将血流从人的血管吸出。然后,该血流被置于包含了与血糖 反应以形成色基(chromophor)的试剂的带子上。带子随后被具有分析器(例如,血糖仪) 的反射系数色度计读取,以确定血流中出现的血糖水平。这种创伤性手段在人一天需要数次监控他的/她的血糖水平的情况下是不期望 的。这是由于以该方式可以得到多个测量值的事实-会引起不必要的疼痛和麻烦;-在重新使用针的情况下增加了污染的风险。相反,如果不重新使用针,则针处置 的成本与每日所需进行的测量值的数量相一致地增加;并且-生物排泄物与每日所需进行的测量值的数量相一致地增加,这必须适当地进行处理。创伤性技术的这些问题导致开发用于测量血糖水平的无创伤性技术。在各种无创伤性技术中,用于量化血糖的光学吸收技术证明是用于无创伤性血糖 检测/监视的有前途的手段。光学吸收技术原理主要是通过光纤使用向测量位置提供的特 定波长的入射红外线辐射源。红外线辐射的波长使得其易于被血流中的血糖吸收。因此,当红外线辐射被引导通过测量位置时,辐射的一部分被血流中的血糖吸收 或者反射到光纤传感 ...
【技术保护点】
一种用于测量血流的成份的系统,包括:至少一个神经网,用于处理由无创伤性测量单元获得的多个测量值以确定血流中的成份的整体测量值。
【技术特征摘要】
【国外来华专利技术】SG 2008-4-16 200802911-8一种用于测量血流的成份的系统,包括至少一个神经网,用于处理由无创伤性测量单元获得的多个测量值以确定血流中的成份的整体测量值。2.一种用于测量血流的成份的系统,包括无创伤性测量单元,用于测量所述成份;以及,至少一个神经网,用于处理由所述无创伤性测量单元获得的多个测量值以确定血流中 的成份的整体测量值。3.一种用于测量血流中的成份的方法,包括从无创伤性测量单元获得多个测量值;并且通过至少一个神经网来处理所述多个测量值以确定血流中的成份的整体测量值。4.根据权利要求1-3的任何一个的用于测量血流中的成份的系统或者方法,其中,所 述至少一个神经网实现反向传播算法。5.根据权利要求4所述的用于测量血流中的成份的系统或者方法,其中,所述至少一 个神经网的输入层中的节点的数量匹配所述无创伤性测量单元获得的多个测量值中的测 量值的数量。6.根据权利要求4或者权利要求5所述的用于测量血流中的成份的系统或者方法,其 中,所述至少一个神经网包括具有至少四个节点的隐藏层。7.根据权利要求4-6中的任何一个所述的用于测量血流中的成份的系统或者方法,其 中,在训练所述至少一个神经网之前,从受控源确定与所述至少一个神经网中的每一个输 出节点相关联的线性方程。8.根据权利要求7所述的用于测量血流中的成份的系统或者方法,其中,通过自动的 处理来确定与每个隐藏的节点相关联的线性方程。9.根据权利要求4-8中的任何一个所述的用于测量血流中的成份的系统或者方法,其 中,所述隐藏节点的输出值是加权测量值之和。10.根据权利要求4-9中的任何一个所述的用于测量血流中的成份的系统或者方法, 其中,所述输出节点的输出值是加权的标准化的隐藏节点输出值之和。11.根据权利要求4-10中的任何一个所述的用于测量血流中的成份的系统或者方法, 其中,参考输出梯度误差来计算对于在隐藏节点和输出节点之间的每个链路的权重的调12.根据权利要求11所述的用于测量血流中的成份的系统或者方法,其中,所述输出 梯度误差被计算如下5 k = (tk-nk) · nk · (l-nk)其中、是输出梯度误差,nk是输出节点k的标准化输出值,tk是由与输出节点k相关联的线性方程确定的输出节点k的目标输出值。13.根据权利要求12所述的用于测量血流中的成份的系统或者方法,其中,根据下面 的公式来计算对于在隐藏节点和输出节点之间的每个链路的权重的调整Δ whoJk (ρ+1) = η · δ k · f (netj) +m · Awhojk(P其中η表示学习速率, m表示动量成份, 、是输出梯度误差, whoJk (ρ+1)表示对权重的更新的改变, Whojk(P)表示在对权重的先前的改变, f(netj)是隐藏节点j的标准化的输出值。14.根据权利要求4-13中的任何一个所述的用于测量血流中的成份的系统或者方法, 其中,参考隐藏层梯度误差来计算对于在输入节点和隐藏节点之间的每个链路的权重的调iF. ο15.根据权利要求14所述的用于测量血流中的成份的系统或者方法,其中,所述隐藏 层梯度误差被计算如下δ j=( f(netj) · (1- f(netj )X δ k . whoJk(p)其中Y是在所涉及的神经网的输出层中的神经元的总数, f(netj)是隐藏节点j的标准化的输出值, 、是输出梯度误差,whoJk(p)表示在隐藏节点j和输出节点k之间的链路的当前加权。16.根据权利要求15所述的用于测量血流中的成份的系统或者方法,其中,将对于在 输入节点和隐藏节点之间的每个链路的权重的调整计算如下Δψ Η^·(ρ+1) = η · δ j · X^mAwihij (ρ)其中,n表示学习速率, m表示动量成份, Sj是隐藏层梯度误差, Xi是输入节点i的值, wihjk(p+l)表示对权重的更新的改变, wihJk(p)表示对权重的先前的改变。17.根据权利要求13或者权利要求16所述的用于测量血流中的成份的系统或者方法, 其中,在训练期间自动地调整所述学习速率(η)和动量参数(m)。18.根据权利要...
【专利技术属性】
技术研发人员:陈崇铭,P拉维恩德朗,
申请(专利权)人:格路寇斯特斯系统私人有限公司,
类型:发明
国别省市:SG[新加坡]
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。