买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

龙图腾网恭喜北京理工大学申请的专利一种基于生理信息高斯过程和元学习的餐后血糖预测系统获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN118452907B 。

龙图腾网通过国家知识产权局官网在2025-05-23发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202410553422.5，技术领域涉及：A61B5/145；该发明授权一种基于生理信息高斯过程和元学习的餐后血糖预测系统是由史大威;陈婧;蔡德恒;薛敬茂;赵晋银设计研发完成，并于2024-05-07向国家知识产权局提交的专利申请。

本一种基于生理信息高斯过程和元学习的餐后血糖预测系统在说明书摘要公布了：本发明公开了一种基于生理信息高斯过程和元学习的餐后血糖预测系统，包括具有神经网络均值函数的高斯过程血糖预测模块、生理信息融合的优化模块以及元学习模块；具有神经网络均值函数的高斯过程血糖预测模块中的神经网络均值函数用于捕捉非线性葡萄糖动力学；生理信息融合的优化模块，将葡萄糖动力学的先验知识通过偏微分不等式描述，并以代价函数的形式嵌入到模型优化过程中；元学习模块，通过元学习方法提高模型的快速学习和泛化能力。本发明采用上述的一种基于生理信息高斯过程和元学习的餐后血糖预测系统，能够有效融入已知的血糖动态变化规律进行数据驱动学习，实现小样本下的个体化餐后血糖预测，并对预测结果的不确定性进行定量估计。

本发明授权一种基于生理信息高斯过程和元学习的餐后血糖预测系统在权利要求书中公布了：1.一种基于生理信息高斯过程和元学习的餐后血糖预测系统，其特征在于：包括具有神经网络均值函数的高斯过程血糖预测模块、生理信息融合的优化模块以及元学习模块；所述具有神经网络均值函数的高斯过程GP血糖预测模块中的神经网络均值函数用于捕捉非线性葡萄糖动力学，其在贝叶斯框架下，对血糖预测的不确定性信息进行量化，进一步评估高血糖和低血糖的潜在风险；所述生理信息融合的优化模块，将葡萄糖动力学的先验知识通过偏微分不等式描述，并以代价函数的形式嵌入到模型优化过程中，将模型训练引导到预期的方向；所述元学习模块，通过元学习方法MAML提高模型的快速学习和泛化能力，在元训练阶段经过内循环和外循环的迭代学习，首先得到初始模型，然后，在元测试阶段中得到多个个体化的血糖预测模型；所述元学习模块利用MAML方法，在不受模型类型限制的情况下快速学习新任务，将元训练和元测试的数据集定义为与；其中被分为和集，共有个任务，，均由个任务组成，在元训练阶段，任务的内循环更新是基于进行的，内循环，其中，分别表示高斯过程的均值函数和核函数的超参数，表示关于，;表示内循环损失函数，在这里，采用表示参数化后的高斯过程；外循环更新为，其中，;为元损失函数，具体形式为，表示多个任务损失的求和，用于指导全局参数更新，表示由内层更新后的参数定义的模型，和分别为内循环学习率和外循环学习率；在元测试阶段，根据获得的基础模型，采用梯度下降算法，快速学习患者的特定任务模型，其中为相应的学习率，预测验证以数据集为基础进行；在GP中引入神经网络均值函数，采用长短期记忆LSTM神经网络来描述葡萄糖的平均水平，在标准递归神经网络的基础上引入了一个单元、一个遗忘门、一个输入门和一个输出门；所述生理信息融合的优化模块，采用偏微分不等式，描述受胰岛素和碳水化合物对血糖变化的影响，其中表示进餐事件的胰岛素输注剂量，表示相应的碳水化合物摄入量，为相应的第j个输出标签；设计成本函数，在训练过程中嵌入先验的偏微分不等式，其中，为对数似然函数，和分别为针对胰岛素和摄入膳食所设计的惩罚项，具体形式如下： ， ， ， 和是权重系数，用梯度下降法对成本函数进行优化，与参数对应的梯度为，，其中，K和分别表示高斯过程的协方差矩阵和均值函数，经过多次迭代得到模型。

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人北京理工大学，其通讯地址为：100081 北京市海淀区中关村南大街5号；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。