本發(fā)明涉及計算機技術(shù)領(lǐng)域，尤其涉及一種基于分數(shù)階微分方程的血糖數(shù)據(jù)處理方法及裝置。

背景技術(shù)：

傳統(tǒng)的檢測血糖的儀器主要是大型生化分析儀和便攜式血糖儀兩類。這兩種測量儀均是有創(chuàng)檢測，不僅造成體表創(chuàng)口增加感染幾率，而且限制了檢測頻率，不適用于糖尿病患者。而隨著無創(chuàng)監(jiān)測技術(shù)的發(fā)展，出現(xiàn)了無創(chuàng)血糖檢測儀，通過第一測量信號發(fā)射器往病人皮膚發(fā)射，再由探測器接收漫反射的第一測量信號來測量病人的血糖值。但是現(xiàn)有測量儀的測量準確性會隨源信號的變化而變化，信號容易受到周圍噪聲影響，造成血糖測量不準確，影響醫(yī)生評估病人病情。

技術(shù)實現(xiàn)要素：

本發(fā)明實施例提出一種基于分數(shù)階微分方程的血糖數(shù)據(jù)處理方法及裝置，解決因信號受到周圍噪聲影響而造成的測量結(jié)果不精準的問題。

本發(fā)明實施例提供一種基于分數(shù)階微分方程的血糖數(shù)據(jù)處理方法，包括：

獲取待測者的檢測數(shù)據(jù)和血糖數(shù)據(jù)庫中所述待測者的血糖數(shù)據(jù)；所述血糖數(shù)據(jù)庫設(shè)置在無創(chuàng)血糖檢測儀中；所述檢測數(shù)據(jù)由所述無創(chuàng)血糖檢測儀獲取；

根據(jù)所述檢測數(shù)據(jù)和所述血糖數(shù)據(jù)，建立分數(shù)階微分方程模型，并確定所述分數(shù)階微分方程模型在優(yōu)化過程所需求解的參數(shù)矩陣；

創(chuàng)建噪聲優(yōu)化問題，并根據(jù)所述噪聲優(yōu)化問題的最優(yōu)解，計算所述參數(shù)矩陣中的最優(yōu)參數(shù)；所述噪聲優(yōu)化問題用于過濾環(huán)境噪聲對所述分數(shù)階微分方程模型的影響；

根據(jù)所述優(yōu)化參數(shù)和所述分數(shù)階微分方程模型，建立血糖估計模型；所述血糖估計模型用于根據(jù)所述待測者的檢測數(shù)據(jù)，輸出相應(yīng)的血糖估計值。

進一步的，所述根據(jù)所述檢測數(shù)據(jù)和所述血糖數(shù)據(jù)，建立分數(shù)階微分方程模型，具體為：

所述檢測數(shù)據(jù)為由所述無創(chuàng)血糖檢測儀的傳感器收集的第一測量信號x_k(t)，所述血糖數(shù)據(jù)為y_k(t)，k是所述傳感器在第k個算子的頻率；

則建立的分數(shù)階微分方程模型為：

其中，k＝0,…,K-1；

定義S_k為分數(shù)階微分方程模型的輸出部分的非零階集合，T_k是包含了所有的階，a_p,k和b_q,k分別是輸出部分和輸入部分的相關(guān)參數(shù)，p和q為隨機數(shù)；

則所述分數(shù)階微分方程模型的分數(shù)微分算子為：

其中

進一步的，確定所述分數(shù)階微分方程模型在優(yōu)化過程所需求解的參數(shù)矩陣，具體為：

設(shè)θ_a,k和θ_b,k為分數(shù)階微分方程的輸出和輸入系數(shù)的矢量，N_k為輸入輸出采樣的對數(shù)的總和；

令i＝0,…,N_k-1，則x_k(t)和y_k(t)為輸入和輸出的采樣，同時，令矢量d_y,k(t_i)為包含了輸出采樣的非零分數(shù)階導數(shù)，d_x,k(t_i)包含了輸入采樣的所有分數(shù)階導數(shù)，則關(guān)系式為：

y_k(t_i)+d_y,k(t_i)^Tθ_a,k＝d_x,k(t_i)^Tθ_b,k，i＝0，…，N_k-1，k＝0，…，K-1；

令d_k,i＝[d_y,k(t_i)^T -d_x,k(t_i)^T]^T和

則

令和

則D_kθ_k＝-y_k；

所述參數(shù)矩陣確認為

進一步的，創(chuàng)建噪聲優(yōu)化問題，并根據(jù)所述噪聲優(yōu)化問題的最優(yōu)解，計算所述參數(shù)矩陣中的最優(yōu)參數(shù)，具體為：

令所述參數(shù)矩陣和D＝diag(D₀,…,D_K-1)，則Dθ＝-y；

創(chuàng)建優(yōu)化問題為：

令所述最優(yōu)解為θ^*，則得出θ^*＝-(D^TD)^-1D^Ty；

根據(jù)所述最優(yōu)解，計算獲得所述參數(shù)矩陣中的最優(yōu)參數(shù)。

進一步的，，所述根據(jù)所述優(yōu)化參數(shù)和所述分數(shù)階微分方程模型，建立血糖估計模型，具體為：

將所述優(yōu)化參數(shù)代入所述分數(shù)階微分方程模型，建立所述血糖估計模型。

相應(yīng)地，本發(fā)明實施例還提供一種基于分數(shù)階微分方程的血糖數(shù)據(jù)處理裝置，所述血糖數(shù)據(jù)處理裝置設(shè)置在無創(chuàng)血糖檢測儀中，所述血糖數(shù)據(jù)處理裝置包括：

數(shù)據(jù)獲取模塊，用于獲取待測者的檢測數(shù)據(jù)血糖數(shù)據(jù)庫中所述待測者的血糖數(shù)據(jù)；所述血糖數(shù)據(jù)庫設(shè)置在所述無創(chuàng)血糖檢測儀中；所述檢測數(shù)據(jù)由所述無創(chuàng)血糖檢測儀獲?。?/p>

第一模型建立模塊，用于根據(jù)所述檢測數(shù)據(jù)和所述血糖數(shù)據(jù)，建立分數(shù)階微分方程模型，并確定所述分數(shù)階微分方程模型在優(yōu)化過程所需求解的參數(shù)矩陣；

噪聲優(yōu)化模塊，用于創(chuàng)建噪聲優(yōu)化問題，并根據(jù)所述噪聲優(yōu)化問題的最優(yōu)解，計算所述參數(shù)矩陣中的最優(yōu)參數(shù)；所述噪聲優(yōu)化問題用于過濾環(huán)境噪聲對所述分數(shù)階微分方程模型的影響；

和，第二模型建立模塊，用于根據(jù)所述優(yōu)化參數(shù)和所述分數(shù)階微分方程模型，建立血糖估計模型；所述血糖估計模型用于根據(jù)所述待測者的檢測數(shù)據(jù)，輸出相應(yīng)的血糖估計值。

進一步的，所述第一模型建立模塊包括：

第一模型建立單元，用于建立分數(shù)階微分方程模型；所述分數(shù)階微分方程模型為：

其中，k＝0,…,K-1；

所述檢測數(shù)據(jù)為由所述無創(chuàng)血糖檢測儀的傳感器收集的第一測量信號x_k(t)，所述血糖數(shù)據(jù)為y_k(t)，k是所述傳感器在第k個算子的頻率；

定義單元，用于定義S_k為分數(shù)階微分方程模型的輸出部分的非零階集合，T_k是包含了所有的階，a_p,k和b_q,k分別是輸出部分和輸入部分的相關(guān)參數(shù)，p和q為隨機數(shù)；

和，微分算子確定單元，用于確定所述分數(shù)階微分方程模型的分數(shù)微分算子；所述分數(shù)微分算子為：

其中

進一步的，所述第一模型建立模塊還包括：

參數(shù)矩陣確定單元，所述參數(shù)矩陣確定單元用于確定所述分數(shù)階微分方程模型在優(yōu)化過程所需求解的參數(shù)矩陣，具體為：

設(shè)θ_a,k和θ_b,k為分數(shù)階微分方程的輸出和輸入系數(shù)的矢量，N_k為輸入輸出采樣的對數(shù)的總和；

令i＝0,…,N_k-1，則x_k(t)和y_k(t)為輸入和輸出的采樣，同時，令矢量d_y,k(t_i)為包含了輸出采樣的非零分數(shù)階導數(shù)，d_x,k(t_i)包含了輸入采樣的所有分數(shù)階導數(shù)，則關(guān)系式為：

y_k(t_i)+d_y,k(t_i)^Tθ_a,k＝d_x,k(t_i)^Tθ_b,k，i＝0，…，N_k-1，k＝0，…，K-1；

令d_k,i＝[d_y,k(t_i)^T -d_x,k(t_i)^T]^T和

則

令和

則D_kθ_k＝-y_k；

所述參數(shù)矩陣確認為

進一步的，所述噪聲優(yōu)化模塊用于創(chuàng)建噪聲優(yōu)化問題，并根據(jù)所述噪聲優(yōu)化問題的最優(yōu)解，計算所述參數(shù)矩陣中的最優(yōu)參數(shù)，具體為：

令所述參數(shù)矩陣和D＝diag(D₀,…,D_K-1)，則Dθ＝-y；

創(chuàng)建優(yōu)化問題為：

令所述最優(yōu)解為θ^*，則得出θ^*＝-(D^TD)^-1D^Ty；

根據(jù)所述最優(yōu)解，計算獲得所述參數(shù)矩陣中的最優(yōu)參數(shù)。

進一步的，所述第二模型建立單元用于根據(jù)所述優(yōu)化參數(shù)和所述分數(shù)階微分方程模型，建立血糖估計模型，具體為：

將所述優(yōu)化參數(shù)代入所述分數(shù)階微分方程模型，建立所述血糖估計模型。

實施本發(fā)明實施例，具有如下有益效果：

本發(fā)明實施例提供的基于分數(shù)階微分方程的血糖數(shù)據(jù)處理方法及裝置，根據(jù)獲取的待測者檢測數(shù)據(jù)和數(shù)據(jù)庫預設(shè)的血糖數(shù)據(jù)，建立分數(shù)階微分方程模型，并確定其所需求解的參數(shù)矩陣，再結(jié)合噪聲優(yōu)化問題進行優(yōu)化，求出參數(shù)矩陣中的最優(yōu)參數(shù)。最后根據(jù)最優(yōu)參數(shù)和分數(shù)階微分方程模型，建立血糖估計模型，以此來得到準確的血糖估計值。相比于現(xiàn)有技術(shù)無創(chuàng)血糖儀直接根據(jù)檢測到的數(shù)據(jù)獲得血糖數(shù)據(jù)，本發(fā)明技術(shù)方案解決因信號受到周圍噪聲影響而造成的測量結(jié)果不精準的問題，提高血糖估計的精準性。

附圖說明

圖1是本發(fā)明提供的基于分數(shù)階微分方程的血糖數(shù)據(jù)處理方法的一種實施例的流程示意圖；

圖2是本發(fā)明提供了基于分數(shù)階微分方程的血糖數(shù)據(jù)處理裝置，的一種實施例的結(jié)構(gòu)示意圖；

圖3是本發(fā)明提供的第一模型建立模塊的一種實施例的結(jié)構(gòu)示意圖。

具體實施方式

下面將結(jié)合本發(fā)明實施例中的附圖，對本發(fā)明實施例中的技術(shù)方案進行清楚、完整地描述，顯然，所描述的實施例僅僅是本發(fā)明一部分實施例，而不是全部的實施例。基于本發(fā)明中的實施例，本領(lǐng)域普通技術(shù)人員在沒有作出創(chuàng)造性勞動前提下所獲得的所有其他實施例，都屬于本發(fā)明保護的范圍。

參見圖1，是本發(fā)明提供的基于分數(shù)階微分方程的血糖數(shù)據(jù)處理方法的一種實施例的流程示意圖，該方法包括步驟101至104，各步驟具體如下：

步驟101：獲取待測者的檢測數(shù)據(jù)和血糖數(shù)據(jù)庫中該待測者的血糖數(shù)據(jù)；血糖數(shù)據(jù)庫設(shè)置在無創(chuàng)血糖檢測儀中；檢測數(shù)據(jù)由所述無創(chuàng)血糖檢測儀獲取。

在本實施例中，血糖數(shù)據(jù)庫預先存儲該待測者或其他患者的檢測數(shù)據(jù)及其對應(yīng)的血糖數(shù)據(jù)，如某病人前幾次測量的檢測數(shù)據(jù)和對應(yīng)輸出的血糖值。該檢測數(shù)據(jù)由無創(chuàng)血糖檢測儀上的測量數(shù)據(jù)采集模塊獲取，測量數(shù)據(jù)采集模塊中的第一測量信號發(fā)射器往病人皮膚發(fā)射第一測量信號，并通過第一測量信號數(shù)據(jù)采集模塊中的傳感器接收漫反射的測量信號，再經(jīng)光電轉(zhuǎn)換單元或電信號轉(zhuǎn)換單元和A/D轉(zhuǎn)換器把光信號或電信號轉(zhuǎn)換為數(shù)字信號，即檢測數(shù)據(jù)。另外，無創(chuàng)血糖檢測儀中設(shè)置有存儲模塊，用于存儲血糖數(shù)據(jù)庫。

本實施例中所述的第一測量信號包括所有可通過光電獲得測量數(shù)據(jù)的測量信號，如近紅外，電磁波，超聲波，生物阻抗,以及其它物理信號。以紅外線信號舉例，“第一測量信號”指“紅外光”，“測量數(shù)據(jù)采集模塊”指“紅外數(shù)據(jù)采集模塊”，“第一測量信號發(fā)射器”指“紅外發(fā)射器”，“第一測量信號數(shù)據(jù)采集模塊”指“紅外數(shù)據(jù)采集模塊”。作為本實施例的一種舉例，紅外數(shù)據(jù)采集模塊所獲取的紅外數(shù)據(jù)包括一個或多個不同的紅外線的光波譜。

步驟102：根據(jù)檢測數(shù)據(jù)和血糖數(shù)據(jù)，建立分數(shù)階微分方程模型，并確定分數(shù)階微分方程模型在優(yōu)化過程所需求解的參數(shù)矩陣。

在本實施例中，根據(jù)檢測數(shù)據(jù)和血糖數(shù)據(jù)，建立分數(shù)階微分方程模型具體為：檢測數(shù)據(jù)為由所述無創(chuàng)血糖檢測儀的傳感器收集的第一測量信號x_k(t)，血糖數(shù)據(jù)為y_k(t)，k是傳感器在第k個算子的頻率；

則建立的分數(shù)階微分方程模型為：

其中，k＝0,…,K-1；

定義S_k為分數(shù)階微分方程模型的輸出部分的非零階集合，T_k是包含了所有的階，a_p,k和b_q,k分別是輸出部分和輸入部分的相關(guān)參數(shù)，p和q為隨機數(shù)且不一定是整數(shù)；

則所述分數(shù)階微分方程模型的分數(shù)微分算子為：

其中

在本實施例中，確定分數(shù)階微分方程模型在優(yōu)化過程所需求解的參數(shù)矩陣，具體為：設(shè)θ_a,k和θ_b,k為分數(shù)階微分方程的輸出和輸入系數(shù)的矢量，假設(shè)系統(tǒng)的輸出輸入已經(jīng)采樣，設(shè)N_k為輸入輸出采樣的對數(shù)的總和；

令i＝0,…,N_k-1，則x_k(t)和y_k(t)為輸入和輸出的采樣，同時，令矢量d_y,k(t_i)為包含了輸出采樣的非零分數(shù)階導數(shù)，d_x,k(t_i)包含了輸入采樣的所有分數(shù)階導數(shù)，則關(guān)系式為：

y_k(t_i)+d_y,k(t_i)^Tθ_a,k＝d_x,k(t_i)^Tθ_b,k，i＝0，…，N_k-1，k＝0，…，K-1；

令d_k,i＝[d_y,k(t_i)^T -d_x,k(t_i)^T]^T和

則

令和

則D_kθ_k＝-y_k；

所述參數(shù)矩陣確認為

步驟103：創(chuàng)建噪聲優(yōu)化問題，并根據(jù)噪聲優(yōu)化問題的最優(yōu)解，計算參數(shù)矩陣中的最優(yōu)參數(shù)；該噪聲優(yōu)化問題用于過濾環(huán)境噪聲對分數(shù)階微分方程模型的影響。

在本實施例中，步驟103具體為：令所述參數(shù)矩陣和D＝diag(D₀,…,D_K-1)，則Dθ＝-y；

創(chuàng)建優(yōu)化問題為：

令所述最優(yōu)解為θ^*，則得出θ^*＝-(D^TD)^-1D^Ty；

根據(jù)所述最優(yōu)解，計算獲得所述參數(shù)矩陣中的最優(yōu)參數(shù)。

步驟104：根據(jù)優(yōu)化參數(shù)和分數(shù)階微分方程模型，建立血糖估計模型；血糖估計模型用于根據(jù)待測者的檢測數(shù)據(jù)，輸出相應(yīng)的血糖估計值。

在本實施例中，步驟104具體為：將優(yōu)化參數(shù)代入所述分數(shù)階微分方程模型，建立所述血糖估計模型。該血糖估計模型可根據(jù)實際獲取的檢測數(shù)據(jù)得到優(yōu)化后的血糖估計值，該血糖估計值避免了環(huán)境噪聲的干擾，數(shù)據(jù)更準確。

在本實施例中，在獲得血糖估計值后，還可以通過藍牙,WIFI或LIFI等無線傳輸技術(shù)，將血糖估計值發(fā)送給遠程客戶端?？蛻舳丝梢允鞘謾C、個人電腦或者平板電腦，實現(xiàn)了病人隨時監(jiān)測血糖濃度值。

在本實施例中，本次測量的檢測數(shù)據(jù)和血糖估計值可以存儲在血糖數(shù)據(jù)庫中，以更新血糖數(shù)據(jù)庫中的數(shù)據(jù)，便于提高下次優(yōu)化的精準性。

參見圖2，圖2是本發(fā)明提供了基于分數(shù)階微分方程的血糖數(shù)據(jù)處理裝置，的一種實施例的結(jié)構(gòu)示意圖。如圖2所示，血糖數(shù)據(jù)處理裝置設(shè)置在無創(chuàng)血糖檢測儀中，該血糖數(shù)據(jù)處理裝置包括：數(shù)據(jù)獲取模塊201、第一模型建立模塊202、噪聲優(yōu)化模塊203和第二模型建立模塊204。

作為本實施例的一種舉例，本血糖數(shù)據(jù)處理裝置除了設(shè)置在無創(chuàng)血糖檢測儀中，還可以設(shè)置成可穿戴在耳朵、手指、虎口、手腕、手臂、四肢、身體上的設(shè)備，只需該設(shè)備具備第一測量數(shù)據(jù)采集和用于存儲血糖數(shù)據(jù)庫的存儲等功能即能實現(xiàn)本發(fā)明技術(shù)方案。

數(shù)據(jù)獲取模塊201，用于獲取待測者的檢測數(shù)據(jù)血糖數(shù)據(jù)庫中待測者的血糖數(shù)據(jù)；該血糖數(shù)據(jù)庫設(shè)置在無創(chuàng)血糖檢測儀中；該檢測數(shù)據(jù)由無創(chuàng)血糖檢測儀獲取。

第一模型建立模塊202，用于根據(jù)檢測數(shù)據(jù)和血糖數(shù)據(jù)，建立分數(shù)階微分方程模型，并確定分數(shù)階微分方程模型在優(yōu)化過程所需求解的參數(shù)矩陣。

噪聲優(yōu)化模塊203，用于創(chuàng)建噪聲優(yōu)化問題，并根據(jù)噪聲優(yōu)化問題的最優(yōu)解，計算參數(shù)矩陣中的最優(yōu)參數(shù)；該噪聲優(yōu)化問題用于過濾環(huán)境噪聲對分數(shù)階微分方程模型的影響。

第二模型建立模塊204，用于根據(jù)優(yōu)化參數(shù)和所述分數(shù)階微分方程模型，建立血糖估計模型；該血糖估計模型用于根據(jù)待測者的檢測數(shù)據(jù)，輸出相應(yīng)的血糖估計值。

作為本實施例的一種舉例，參見圖3，圖3是本發(fā)明提供的第一模型建立模塊的一種實施例的結(jié)構(gòu)示意圖。如圖3所述，該第一模型建立模塊包括：第一模型建立單元301、定義單元302、微分算子確定單元303和參數(shù)矩陣確定單元304。

第一模型建立單元301用于建立分數(shù)階微分方程模型。該分數(shù)階微分方程模型為：

其中，k＝0,…,K-1；

檢測數(shù)據(jù)為由無創(chuàng)血糖檢測儀的傳感器收集的第一測量信號x_k(t)，血糖數(shù)據(jù)為y_k(t)，k是傳感器在第k個算子的頻率。

定義單元302用于定義S_k為分數(shù)階微分方程模型的輸出部分的非零階集合，T_k是包含了所有的階，a_p,k和b_q,k分別是輸出部分和輸入部分的相關(guān)參數(shù)，p和q為隨機數(shù)且不一定為整數(shù)。

微分算子確定單元303用于確定分數(shù)階微分方程模型的分數(shù)微分算子。分數(shù)微分算子為：

其中

參數(shù)矩陣確定單元304用于確定分數(shù)階微分方程模型在優(yōu)化過程所需求解的參數(shù)矩陣，具體為：設(shè)θ_a,k和θ_b,k為分數(shù)階微分方程的輸出和輸入系數(shù)的矢量，N_k為輸入輸出采樣的對數(shù)的總和；

令i＝0,…,N_k-1，則x_k(t)和y_k(t)為輸入和輸出的采樣，同時，令矢量d_y,k(t_i)為包含了輸出采樣的非零分數(shù)階導數(shù)，d_x,k(t_i)包含了輸入采樣的所有分數(shù)階導數(shù)，則關(guān)系式為：

y_k(t_i)+d_y,k(t_i)^Tθ_a,k＝d_x,k(t_i)^Tθ_b,k，i＝0，…，N_k-1，k＝0，…，K-1；

令d_k,i＝[d_y,k(t_i)^T -d_x,k(t_i)^T]^T和

則

令和

則D_kθ_k＝-y_k；

該參數(shù)矩陣確認為

在本實施例中，噪聲優(yōu)化模塊203用于創(chuàng)建噪聲優(yōu)化問題，并根據(jù)所述噪聲優(yōu)化問題的最優(yōu)解，計算所述參數(shù)矩陣中的最優(yōu)參數(shù)，具體為：

令參數(shù)矩陣和D＝diag(D₀,…,D_K-1)，則Dθ＝-y；

創(chuàng)建優(yōu)化問題為：

令最優(yōu)解為θ^*，則得出θ^*＝-(D^TD)^-1D^Ty；

根據(jù)最優(yōu)解，計算獲得參數(shù)矩陣中的最優(yōu)參數(shù)。

在本實施例中，第二模型建立單元204用于根據(jù)優(yōu)化參數(shù)和分數(shù)階微分方程模型，建立血糖估計模型，具體為：將優(yōu)化參數(shù)代入分數(shù)階微分方程模型，建立血糖估計模型。

由上可見，本發(fā)明實施例提供的基于分數(shù)階微分方程的血糖數(shù)據(jù)處理方法及裝置，根據(jù)獲取的待測者檢測數(shù)據(jù)和數(shù)據(jù)庫預設(shè)的血糖數(shù)據(jù)，建立分數(shù)階微分方程模型，并確定其所需求解的參數(shù)矩陣，再結(jié)合噪聲優(yōu)化問題進行優(yōu)化，求出參數(shù)矩陣中的最優(yōu)參數(shù)。最后根據(jù)最優(yōu)參數(shù)和分數(shù)階微分方程模型，建立血糖估計模型，以此來得到準確的血糖估計值。相比于現(xiàn)有技術(shù)無創(chuàng)血糖儀直接根據(jù)檢測到的數(shù)據(jù)獲得血糖數(shù)據(jù)，本發(fā)明技術(shù)方案解決因信號受到周圍噪聲影響而造成的測量結(jié)果不精準的問題，提高血糖估計的精準性。

進一步的，本發(fā)明提供的血糖數(shù)據(jù)處理裝置可以將優(yōu)化的血糖值發(fā)送給遠程客戶端，實現(xiàn)病人隨時監(jiān)測血糖濃度值，便于用戶監(jiān)測。

以上所述是本發(fā)明的優(yōu)選實施方式，應(yīng)當指出，對于本技術(shù)領(lǐng)域的普通技術(shù)人員來說，在不脫離本發(fā)明原理的前提下，還可以做出若干改進和潤飾，這些改進和潤飾也視為本發(fā)明的保護范圍。