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！

申请/专利权人：北京市疾病预防控制中心

摘要：本申请提供一种非接触非侵入无损伤的糖分监测预警干预方法，包括：收集在历史阶段中关于目标糖尿病人的个人血糖水平的光谱数据，通过数据预处理，识别光谱数据中的噪声和背景信号干扰并移除，通过回归分析算法得到关于个人血糖水平的拉曼光谱特征峰；根据所得的拉曼光谱特征峰与目标糖尿病人在历史阶段的实际血糖水平数据，建立血糖水平预测模型；通过收集并分析目标糖尿病人在历史阶段中的生理参数，包括血浆渗透压、血容量，将分析后的生理参数与实际血糖水平数据关联，建立血糖脱水模型，所述血糖脱水模型用于描述血糖与脱水状态之间的关系。

主权项：1.一种非接触非侵入无损伤的糖分监测预警干预方法，其特征在于，所述方法包括：收集在历史阶段中关于目标糖尿病人的个人血糖水平的光谱数据，通过数据预处理，识别光谱数据中的噪声和背景信号干扰并移除，通过回归分析算法得到关于个人血糖水平的拉曼光谱特征峰；包括，收集目标糖尿病人历史阶段个人血糖水平的光谱数据，得到第一拉曼光谱信息；对第一拉曼光谱信息进行数据预处理，识别并移除所述拉曼光谱信息中的噪声和背景信号干扰，得到第二拉曼光谱数据；根据所述第二拉曼光谱数据，采用回归分析算法，建立个人血糖水平与所述拉曼光谱特征峰之间的数学模型，确定所述拉曼光谱特征峰与所述血糖水平的对应关系；如果所述建立的数学模型精度未达到预设精度，则优化所述数学模型，直到满足预设精度要求为止；根据所得的拉曼光谱特征峰与目标糖尿病人在历史阶段的实际血糖水平数据，建立血糖水平预测模型；包括，计算所述拉曼光谱特征峰与实际血糖水平之间的皮尔逊相关系数，筛选出与血糖水平相关性为高的特征峰，作为建立血糖水平预测模型的输入变量；以所述筛选出的拉曼光谱特征峰为自变量，所述实际血糖水平为因变量，建立血糖水平预测模型；评估所述血糖水平预测模型的预测性能；通过收集并分析目标糖尿病人在历史阶段中的生理参数，包括血浆渗透压、血容量，将分析后的生理参数与实际血糖水平数据关联，建立血糖脱水模型，所述血糖脱水模型用于描述血糖与脱水状态之间的关系；包括，对所述收集到的生理参数数据进行预处理，去除包括异常值、重复值和缺失值的噪声数据，形成标准化的生理参数数据集；对所述标准化的生理参数数据集进行特征工程，识别出与血糖水平相关性为高的生理参数特征，与血糖水平相关性为高的生理参数特征包括血浆渗透压和血容量，构建生理参数特征向量；计算所述生理参数特征向量与实际血糖水平数据之间的相关性，确定相关性的显著性水平，筛选出与血糖水平显著相关的生理参数特征子集；根据所述筛选出的生理参数特征子集，建立血糖脱水预测模型，通过训练集数据拟合血糖脱水预测模型参数，并运用测试集评估血糖脱水预测模型的预测性能，基于评估结果优化血糖脱水预测模型以提高血糖脱水状态的预测准确性；在目标糖尿病人运动后，获取目标糖尿病人的运动数据，包括运动模式和运动强度，对目标糖尿病人的运动数据进行数据处理及分析，得到目标糖尿病人的运动种类、频率和持续时间，通过人体流失水分与运动强度的关系，建立动态预测模型，以预估运动后的不同时间段内病人的脱水程度；包括，对采集到的运动数据进行预处理，通过时间序列分析方法去除数据中的噪声和异常值，提取运动模式和强度的时间序列特征；对所述预处理后的时间序列特征进行分析，通过模式识别算法判断目标糖尿病人的运动种类，包括步行、慢跑、快跑和骑行；利用频域分析方法计算运动强度时间序列的频率特征，得到目标糖尿病人的运动频率和持续时间；建立人体流失水分与运动强度之间的动态预测模型，拟合运动强度、运动持续时间、环境温度和湿度因素与人体流失水分量之间的非线性函数；将目标糖尿病人的运动种类、频率和持续时间信息代入所述非线性函数中，计算出运动过程中的水分流失速率，并结合个人体重和年龄生理参数，估算出运动结束后不同时间段内的累积流失水分量；结合血糖脱水模型以及运动数据预测出的脱水程度，基于目标糖尿病人运动后的脱水程度是否影响血糖检测，将目标糖尿病人分为高脱水和低脱水，运动数据包括运动种类、运动频率及持续时间因素在内的特征数据；对于高脱水病人，根据脱水程度以及血糖脱水模型，将基于血糖水平预测模型检测的血糖进行修正，再结合正常血糖水平生成糖分摄入方案，对于低脱水病人，根据目前血糖水平预测模型检测的血糖与正常血糖水平进行对比，生成糖分摄入方案。

全文数据：

权利要求：

百度查询： 北京市疾病预防控制中心 一种非接触非侵入无损伤的糖分监测预警干预方法