-
公开(公告)号：CN118398193A
公开(公告)日：2024-07-26
申请号：CN202410484792.8
申请日：2024-04-22
IPC: G16H50/20 , G16B20/50 , G16B40/20 , G06N3/0442 , G06N3/09
Abstract: 本发明公开了一种基于长短期记忆神经网络的GCK‑MODY鉴别诊断方法，包括数据收集与预处理模块和基于LSTM模型的基因突变分类模块；数据采集与预处理模块，将采集完成的糖尿病患者的血糖数据和分类标签对应整理，对血糖数据进行预处理；将预处理后的血糖数据作为分类模块的输入，分类标签作为分类模块的输出，进行LSTM模型训练。本发明采用一种基于长短期记忆神经网络的GCK‑MODY鉴别诊断方法，运用长短期记忆神经网络在处理时间序列数据时能够捕捉时间依赖性的特征，构造一种辅助医师诊断和决策的短期时间序列预测模型，解决了机器学习在糖尿病诊断问题中数据复杂和高度不稳定的问题。
-
公开(公告)号：CN111063435B
公开(公告)日：2022-09-27
申请号：CN201911039832.3
申请日：2019-10-29
Abstract: 本发明提供一种糖尿病分型诊断系统，该诊断系统采集参与者葡萄糖的测量值并进行分段处理，获得趋势波动函数，并根据所述趋势波动函数完成糖尿病的诊断。该系统能够克服多种干扰因素导致的测得的瞬时血糖波动数据信息冗杂的现状，利用数据分析技术揭示不同类型糖尿病动态血糖变化过程的波动规律，初步建立一个基于瞬时血糖监测数据、用于评估患者内在胰岛素产生和协助糖尿病分型的新指标，即去趋势波动函数Fd(l)，以协助糖尿病的诊断和揭示糖尿病的实质。
-
公开(公告)号：CN112927802B
公开(公告)日：2022-07-19
申请号：CN202110117772.3
申请日：2021-01-28
Abstract: 本发明提供一种专家经验辅助的餐前胰岛素剂量学习优化决策系统，结合人工智能和专家经验方法，同时挖掘患者血糖监测和胰岛素输注数据蕴含的信息，实现在少样本下，仍能基于历史数据确定安全有效的餐前胰岛素剂量，改善餐后血糖管理，同时赋予系统不断自适应学习，提升决策性能的能力；由此可见，本发明为改善餐后血糖管理，利用少量患者历史数据，设计了专家决策辅助的餐前胰岛素剂量个体化学习决策系统，该系统引入模型预测评估方法，有效避免少样本条件下系统决策失误，持续学习患者血糖代谢规律；同时，本发明还引入迭代更新思想，自适应确定餐后血糖管理目标，实现为不同患病情况的糖尿病患者少样本下快速确定安全有效的餐前胰岛素剂量。
-
公开(公告)号：CN109999270B
公开(公告)日：2020-09-04
申请号：CN201910222692.7
申请日：2019-03-22
Abstract: 本发明提供一种基于血糖变化趋势的人工胰腺自适应自抗扰控制器，包括跟踪微分器模块、扩维观测器模块、非线性反馈模块和约束模块，其中，所述非线性反馈模块的非线性反馈模型为：u＝(‑fhan(k1e1,k2e2,r2,a)‑z3)/b0其中，k1,k2,a为根据血糖变化趋势自适应的参数，r2称为控制量增益；e1和e2为血糖浓度及其变化率设定值与估计值之间的误差信号，z3为总干扰的估计值；b0为已知增益系数。本发明把作用于被控对象的所有不确定因素作用都归结为“未知扰动”而用对象的输入输出数据对它进行估计并给予补偿。因此本控制器算法对个人参数不准，模型不确定，进食干扰，饭前剂量不准等扰动具有一定的鲁棒性。
-
公开(公告)号：CN111063435A
公开(公告)日：2020-04-24
申请号：CN201911039832.3
申请日：2019-10-29
Abstract: 本发明提供一种糖尿病分型诊断系统，该诊断系统采集参与者葡萄糖的测量值并进行分段处理，获得趋势波动函数，并根据所述趋势波动函数完成糖尿病的诊断。该系统能够克服多种干扰因素导致的测得的瞬时血糖波动数据信息冗杂的现状，利用数据分析技术揭示不同类型糖尿病动态血糖变化过程的波动规律，初步建立一个基于瞬时血糖监测数据、用于评估患者内在胰岛素产生和协助糖尿病分型的新指标，即去趋势波动函数Fd(l)，以协助糖尿病的诊断和揭示糖尿病的实质。
-
Patent Agency Ranking
公开(公告)号：CN105567815A
公开(公告)日：2016-05-11
申请号：CN201610002298.9
申请日：2016-01-06
IPC: C12Q1/68
Abstract: 本发明涉及用于检测一种特殊类型糖尿病的试剂盒，该试剂盒包括INS（胰岛素）基因启动子区甲基化水平检测的引物以及制备阳性对照的引物。该试剂盒通过检测胰岛素启动子区甲基化水平，为这种特殊类型糖尿病临床转归和预后及诊断提供依据。
-
公开(公告)号：CN119694586A
公开(公告)日：2025-03-25
申请号：CN202411851090.5
申请日：2024-12-16
IPC: G16H50/70 , G16H10/60 , G06F18/10 , G06F18/213 , G06F18/24 , G06F18/214 , A61B5/145 , A61B5/00
Abstract: 本发明属于血糖识别技术领域，公开了基于智能可穿戴设备的1型糖尿病无创低血糖识别方法，包括以下步骤：采集1型糖尿病患者多源生理指标和血糖数据并进行特征提取和分类标记；构建目标函数，结合叶子节点分裂和信息增益寻找目标函数最优解，得到打分函数和特征划分准则；根据低血糖发生概率绘制动态低血糖概率图谱，可视化患者发生低血糖事件的整体情况及变化，指导个体化的低血糖识别和预警；引入校正模块，根据反馈的指尖血糖水平持续对算法进行个体化优化。本发明采用上述基于智能可穿戴设备的1型糖尿病无创低血糖识别方法，解决了现有持续葡萄糖监测设备在血糖监测中有创、不可重复利用和价格昂贵的问题，实现了低血糖的准确识别。
-
公开(公告)号：CN118398194A
公开(公告)日：2024-07-26
申请号：CN202410484794.7
申请日：2024-04-22
IPC: G16H50/20 , G16B20/50 , G16B40/20 , G06N3/0442 , G06N3/0464 , G06N3/045 , G06N3/09
Abstract: 本发明公开了一种基于XGBoost算法的GCK‑MODY鉴别诊断系统，包括数据采集与预处理模块和基于XGBoost算法的分类模块；数据采集与预处理模块，将采集完成的糖尿病患者的葡萄糖数据和分类标签对应整理，对葡萄糖数据进行最大最小归一化处理；将最大最小归一化处理后的葡萄糖数据作为分类模块的输入，分类标签作为分类模块的输出，进行XGBoost模型训练；XGBoost模型通过梯度提升算法最小化损失函数，并通过正则化技术来防止过拟合进行训练。本发明采用上述一种基于XGBoost算法的GCK‑MODY鉴别诊断方法及系统，实现了对于葡萄糖变化时间序列的二分类，从而在2型和GCK‑MODY基因突变型糖尿病人的区分问题中获得具有较高的准确率。
-
公开(公告)号：CN109599159A
公开(公告)日：2019-04-09
申请号：CN201811621333.0
申请日：2018-12-28
Applicant: 北京大学人民医院
Abstract: 本发明涉及一种胰岛素强化治疗中获得餐时胰岛素剂量的称量方法及其应用装置，该装置包括数据处理模块以及分别与数据处理模块电连接的电子秤和触控显示屏；触控显示屏用于向数据处理模块输入信息以及显示数据处理模块输出的信息；电子秤用于为食材称重并将称重数据发送到数据处理模块；数据处理模块用于根据电子秤和触控显示屏输入的信息计算出本餐所需要的胰岛素剂量。本发明设计科学，操作简单，使用方便，既解决了碳水化合物计算的实际困难，又帮助患者整理利用了血糖监测设备提供的数据及变化趋势，在进行规范胰岛素注射相关糖尿病教育中具有重要的意义，可以很好地满足实际应用的需要。
-
公开(公告)号：CN112927802A
公开(公告)日：2021-06-08
申请号：CN202110117772.3
申请日：2021-01-28
Abstract: 本发明提供一种专家经验辅助的餐前胰岛素剂量学习优化决策系统，结合人工智能和专家经验方法，同时挖掘患者血糖监测和胰岛素输注数据蕴含的信息，实现在少样本下，仍能基于历史数据确定安全有效的餐前胰岛素剂量，改善餐后血糖管理，同时赋予系统不断自适应学习，提升决策性能的能力；由此可见，本发明为改善餐后血糖管理，利用少量患者历史数据，设计了专家决策辅助的餐前胰岛素剂量个体化学习决策系统，该系统引入模型预测评估方法，有效避免少样本条件下系统决策失误，持续学习患者血糖代谢规律；同时，本发明还引入迭代更新思想，自适应确定餐后血糖管理目标，实现为不同患病情况的糖尿病患者少样本下快速确定安全有效的餐前胰岛素剂量。
-
-
-
-
-
-
-
-
-
Search Results
13
records
(took 0.025 seconds)
