一種包含血糖分類功能故障檢測(cè)模塊的連續(xù)血糖監(jiān)測(cè)設(shè)備制造技術(shù)

本發(fā)明專利技術(shù)公開了一種包含血糖分類功能故障檢測(cè)模塊的連續(xù)血糖監(jiān)測(cè)設(shè)備，該設(shè)備通過(guò)建立血糖PCA監(jiān)測(cè)圖對(duì)連續(xù)血糖監(jiān)測(cè)儀進(jìn)行故障檢測(cè)，以便提供準(zhǔn)確的血糖信號(hào)。由于外源輸入的影響(如飲食、病人情感變化等)，病人的血糖波動(dòng)情況會(huì)發(fā)生改變，相應(yīng)的血糖信號(hào)SPE值也有明顯改變變化；此外，血糖信號(hào)間存在明顯的非線性，因此無(wú)法建立起一個(gè)統(tǒng)一有效的控制限來(lái)檢測(cè)血糖儀是否發(fā)生故障。本發(fā)明專利技術(shù)中將血糖信號(hào)分為若干類，保證類內(nèi)信號(hào)局部線性化且血糖波動(dòng)情況相近，從而保證每類內(nèi)能更好的進(jìn)行血糖儀故障檢測(cè)，為后續(xù)的血糖預(yù)測(cè)、控制等提供更為準(zhǔn)確可信的數(shù)據(jù)，具有重要的作用。

【技術(shù)實(shí)現(xiàn)步驟摘要】
一種包含血糖分類功能故障檢測(cè)模塊的連續(xù)血糖監(jiān)測(cè)設(shè)備
本專利技術(shù)屬于血糖數(shù)據(jù)處理和分析的研究領(lǐng)域，特別是涉及一種包含血糖分類功能故障檢測(cè)模塊的連續(xù)血糖監(jiān)測(cè)設(shè)備。
技術(shù)介紹
為了管理監(jiān)測(cè)血糖水平，必須要對(duì)血糖水平進(jìn)行測(cè)量，目前采用的是連續(xù)血糖監(jiān)測(cè)設(shè)備。隨著連續(xù)血糖監(jiān)測(cè)(CGM)設(shè)備的快速發(fā)展，使得更高精度的控制變?yōu)榱丝赡埽瑢?shí)時(shí)的CGM系統(tǒng)對(duì)高/低血糖的提前檢測(cè)起到了重要的作用。通過(guò)比較當(dāng)前的測(cè)量值與高/低血糖閥值之間的關(guān)系就可以產(chǎn)生報(bào)警，而及時(shí)的高低血糖報(bào)警尤其是夜間的報(bào)警對(duì)于糖尿病患者尤為重要。但是通常來(lái)說(shuō)，CGM系統(tǒng)會(huì)發(fā)生各種故障，從而導(dǎo)致提供的血糖信息不再可靠，甚至?xí)?dǎo)致錯(cuò)誤的高低血糖血糖警報(bào)和錯(cuò)誤的血糖治療決策。因此，CGM血糖儀的在線故障顯得尤為重要。本專利技術(shù)基于PCA監(jiān)測(cè)圖，通過(guò)分析血糖相關(guān)特性的變化情況進(jìn)而檢測(cè)CGM血糖儀是否發(fā)生故障。在實(shí)際應(yīng)用中，血糖的相關(guān)特性受飲食等外源輸入影響而發(fā)生變化。此外，血糖信號(hào)間存在明顯的非線性，因此無(wú)法建立起一個(gè)統(tǒng)一有效的PCA模型進(jìn)行故障檢測(cè)。通過(guò)PCA迭代，可以將血糖數(shù)據(jù)按相關(guān)特性分類，同時(shí)實(shí)現(xiàn)局部線性化，從而提高PCA監(jiān)測(cè)圖的性能
技術(shù)實(shí)現(xiàn)思路
本專利技術(shù)的目的在于針對(duì)傳統(tǒng)PCA監(jiān)測(cè)圖的不足，提出一種包含血糖分類功能故障檢測(cè)模塊的連續(xù)血糖監(jiān)測(cè)設(shè)備本專利技術(shù)的目的是通過(guò)以下技術(shù)方案來(lái)實(shí)現(xiàn)的：一種包含血糖分類功能故障檢測(cè)模塊的連續(xù)血糖監(jiān)測(cè)設(shè)備，該設(shè)備包括：用于采集人體血糖信息，輸出血糖可用信號(hào)的傳感器；用于對(duì)傳感器的輸出信號(hào)進(jìn)行放大處理的信號(hào)放大器；用于對(duì)信號(hào)放大器輸出的模擬信號(hào)進(jìn)行數(shù)字轉(zhuǎn)換的單片機(jī)；用于對(duì)單片機(jī)輸出的數(shù)字信號(hào)進(jìn)行數(shù)據(jù)處理的故障檢測(cè)模塊，故障檢測(cè)模塊可以集成在單片機(jī)中，也可以單獨(dú)使用；用于將故障檢測(cè)模塊輸出的血糖監(jiān)測(cè)值SPE顯示的顯示器；用于數(shù)據(jù)存儲(chǔ)的存儲(chǔ)器；所述故障檢測(cè)模塊進(jìn)行數(shù)據(jù)處理的過(guò)程包括以下步驟：(1)血糖數(shù)據(jù)預(yù)處理：將以一定采樣周期Δt獲得的單片機(jī)輸出的連續(xù)血糖信號(hào)組合成一維時(shí)序數(shù)據(jù)xg1×l，其中xg表示檢測(cè)到的血糖信號(hào)，l為采樣個(gè)數(shù)；(2)對(duì)于連續(xù)血糖信號(hào)建立PCA模型：將連續(xù)m個(gè)血糖信號(hào)作為PCA模型多維輸入，即x(k)＝[xg(k-m+1),xg(k-m+2),...xg(k)]TT＝XPE＝X-XPPT其中X＝[x(1),x(2),...x(n)]T是由n×m維的血糖數(shù)據(jù)組成的訓(xùn)練矩陣；P為m×r維負(fù)載矩陣，r為保留的主元個(gè)數(shù)，r≤m；T為n×r維得分矩陣，為血糖數(shù)據(jù)矩陣X在主元空間的投影；E＝[e(1),e(2),...,e(n)]T為n×m維的殘差矩陣。通過(guò)統(tǒng)計(jì)量SPE對(duì)血糖數(shù)據(jù)進(jìn)行監(jiān)測(cè)：SPE(i)＝e(i)Te(i)SPE的控制限可以通過(guò)以下公式近似求取：其中g(shù)＝v/2m，h＝2m2/v，m為全部SPE的均值，v為全部SPE的方差，α為控制線的置信度。(3)通過(guò)PCA迭代的方法將病人的血糖信號(hào)進(jìn)行分類，并建立相應(yīng)的PCA模型；(4)根據(jù)步驟(3)的分類結(jié)果，建立血糖儀在線故障檢測(cè)的PCA監(jiān)測(cè)圖，具體包括以下子步驟：(4.1)將在線傳入的血糖數(shù)據(jù)分別代入各類PCA模型，計(jì)算SPE值：etest,iT＝xtestT-xtestTPiPiTSPEnew,i＝etest,iTetest,i其中xtest是當(dāng)前時(shí)刻輸入的m×1維的血糖測(cè)試數(shù)據(jù)，Pi是第i類PCA模型的負(fù)載矩陣，而etest,i是測(cè)試數(shù)據(jù)代入第i類PCA模型所得的殘差向量，SPEtest,i是etest,i對(duì)應(yīng)的SPE值；(4.2)確定檢測(cè)結(jié)果：resulttest,i＝SPEtest,i<SPE_Limitiresulttest＝resulttest,1∨resulttest,2∨...∨resulttest,k其中resulttest,i是測(cè)試數(shù)據(jù)在第i類PCA模型下檢測(cè)結(jié)果，其中resulttest,i＝1代表檢測(cè)結(jié)果正常，resulttest,i＝0代表檢測(cè)結(jié)果異常；∨為取并集的邏輯運(yùn)算；resulttest為最終檢測(cè)結(jié)果，為所有類PCA模型下檢測(cè)結(jié)果的并集，當(dāng)連續(xù)若干時(shí)刻的故障檢測(cè)結(jié)果均為異常，則可說(shuō)明血糖儀發(fā)生故障。進(jìn)一步地，所述步驟(3)具體包括以下子步驟：(3.1)對(duì)于某個(gè)特定病人選取足量血糖儀正常工作時(shí)的血糖數(shù)據(jù)作為訓(xùn)練數(shù)據(jù)，用于病人血糖分類；并將這些訓(xùn)練數(shù)據(jù)如步驟(2)鋪展成n個(gè)采樣點(diǎn)組成的n×m維數(shù)據(jù)矩陣X。假定全部訓(xùn)練數(shù)據(jù)屬于同一類(即第一類)，即：X1＝X＝[x(1),x(2),...x(n)]T；(3.2)利用PCA迭代的方法將血糖分為若干類，具體步驟如下：(3.2.1)根據(jù)步驟(2)對(duì)第一類的數(shù)據(jù)矩陣建立PCA模型：E1＝X1-X1P1P1TSPE1(i)＝e1(i)Te1(i)(3.2.2)通過(guò)PCA模型控制限SPE_Limit1可以將數(shù)據(jù)X1分為兩類，即SPE在控制限以下的和SPE在控制限以上的其中傳入第二類，而作為新的第一類，即(3.2.3)重復(fù)步驟(3.2.1)和(3.2.2)直至符合第一類迭代終止條件；(3.2.4)根據(jù)步驟(3.2.1)——(3.2.3)，可以獲得第二類及之后各類，直至所有類都停止迭代且沒有新的類分離出來(lái)，則判定完成分類；(3.2.5)利用各類的最終分類結(jié)果建立各類最終的PCA模型；進(jìn)一步地，所述步驟(3.2.3)中，所述迭代終止條件判定包括線性判定和SPE離散程度判定。所述線性判定是基于PCA模型，檢驗(yàn)分類后血糖信號(hào)間是否為線性關(guān)系：a)提取第i類Xi的主元Ti，并進(jìn)行K均值聚類將Xi分為m個(gè)區(qū)域；b)分別計(jì)算每個(gè)區(qū)域的相關(guān)系數(shù)矩陣，記為R(h)，h＝1,2,...,m。根據(jù)每個(gè)變量的均值和方差可計(jì)算出R(h)中每個(gè)元素的置信限，用矩陣表示為：其中和分別為第i變量和第j變量的相關(guān)系數(shù)的下界和上界，和Cα是標(biāo)準(zhǔn)正態(tài)分布檢驗(yàn)水平為α?xí)r的臨界值，n(h)是第h區(qū)域的樣本數(shù)；c)利用粒子群優(yōu)化算法獲得相關(guān)系數(shù)矩陣的第k個(gè)特征值λk的上下限和滿足：并計(jì)算殘差矩陣的弗羅貝尼烏斯范數(shù)邊界限：以及其中n為PCA模型保留主元個(gè)數(shù)，ΔRmax和ΔRmin中的元素分別是R中非對(duì)角元素的波動(dòng)，用于決定最大值和最小值d)比較各區(qū)域的殘差矩陣的弗羅貝尼烏斯范數(shù)是否落在邊界內(nèi)，若所有范數(shù)均落在邊界以內(nèi)，則說(shuō)明數(shù)據(jù)為線性數(shù)據(jù)；所述SPE離散程度判定即相關(guān)特性判定：若類內(nèi)數(shù)據(jù)的SPE滿足：且只有少數(shù)采樣點(diǎn)超出SPE控制限，即：則說(shuō)明類內(nèi)數(shù)據(jù)的相關(guān)特性近似，即血糖波動(dòng)情況相同。其中mi為第i類SPE的均值，α為控制線的置信度。本專利技術(shù)的有益效果是：本專利技術(shù)所提出的含血糖分類功能故障檢測(cè)模塊的連續(xù)血糖監(jiān)測(cè)設(shè)備能夠根據(jù)病人血糖信號(hào)間不同的相關(guān)特性將血糖分為若干類，再分別進(jìn)行故障檢測(cè)，以便提高PCA監(jiān)測(cè)圖的檢測(cè)精度，從而提升血糖信號(hào)的可信度。本專利技術(shù)易于實(shí)施，為血糖處理和分析的研究指明了新的方向。附圖說(shuō)明圖1是本專利技術(shù)連續(xù)血糖監(jiān)測(cè)設(shè)備的結(jié)構(gòu)框圖；圖2是本專利技術(shù)連續(xù)血糖監(jiān)測(cè)設(shè)備中血糖分類的流程圖；圖3是本專利技術(shù)連續(xù)血糖監(jiān)測(cè)設(shè)備中在線故障檢測(cè)的實(shí)現(xiàn)流程圖；圖4是原始PCA的SPE監(jiān)測(cè)圖；圖5是通過(guò)PCA迭代分類的SPE監(jiān)測(cè)圖，(a)第一類SPE監(jiān)測(cè)圖(b)第二類SPE監(jiān)測(cè)圖(c)第三類SPE監(jiān)測(cè)圖；圖6是PCA迭代分類的檢測(cè)結(jié)果(正常情況)，(a)正常本文檔來(lái)自技高網(wǎng)...

【技術(shù)保護(hù)點(diǎn)】
一種包含血糖分類功能故障檢測(cè)模塊的連續(xù)血糖監(jiān)測(cè)設(shè)備，其特征在于，該設(shè)備包括：用于采集人體血糖信息，輸出血糖可用信號(hào)的傳感器；用于對(duì)傳感器的輸出信號(hào)進(jìn)行放大處理的信號(hào)放大器；用于對(duì)信號(hào)放大器輸出的模擬信號(hào)進(jìn)行數(shù)字轉(zhuǎn)換的單片機(jī)；用于對(duì)單片機(jī)輸出的數(shù)字信號(hào)進(jìn)行數(shù)據(jù)處理的故障檢測(cè)模塊，故障檢測(cè)模塊可以集成在單片機(jī)中，也可以單獨(dú)使用；用于將故障檢測(cè)模塊輸出的血糖監(jiān)測(cè)值SPE顯示的顯示器；用于數(shù)據(jù)存儲(chǔ)的存儲(chǔ)器；所述故障檢測(cè)模塊進(jìn)行數(shù)據(jù)處理的過(guò)程包括以下步驟：(1)血糖數(shù)據(jù)預(yù)處理：將以一定采樣周期Δt獲得的單片機(jī)輸出的連續(xù)血糖信號(hào)組合成一維時(shí)序數(shù)據(jù)xg1×l，其中xg表示檢測(cè)到的血糖信號(hào)，l為采樣個(gè)數(shù)；(2)對(duì)于連續(xù)血糖信號(hào)建立PCA模型：將連續(xù)m個(gè)血糖信號(hào)作為PCA模型多維輸入，即x(k)＝[xg(k?m+1),xg(k?m+2),...xg(k)]TT＝XPE＝X?XPPT其中X＝[x(1),x(2),...x(n)]T是由n×m維的血糖數(shù)據(jù)組成的訓(xùn)練矩陣；P為m×r維負(fù)載矩陣，r為保留的主元個(gè)數(shù)，r≤m；T為n×r維得分矩陣，為血糖數(shù)據(jù)矩陣X在主元空間的投影；E＝[e(1),e(2),...,e(n)]T為n×m維的殘差矩陣。通過(guò)統(tǒng)計(jì)量SPE對(duì)血糖數(shù)據(jù)進(jìn)行監(jiān)測(cè)：SPE(i)＝e(i)Te(i)SPE的控制限可以通過(guò)以下公式近似求取：SPE~gχh,α2]]>其中g(shù)＝v/2m，h＝2m2/v，m為全部SPE的均值，v為全部SPE的方差，α為控制線的置信度。(3)通過(guò)PCA迭代的方法將病人的血糖信號(hào)進(jìn)行分類，并建立相應(yīng)的PCA模型；(4)根據(jù)步驟(3)的分類結(jié)果，建立血糖儀在線故障檢測(cè)的PCA監(jiān)測(cè)圖，具體包括以下子步驟：(4.1)將在線傳入的血糖數(shù)據(jù)分別代入各類PCA模型，計(jì)算SPE值：etest,iT=xtestT-xtestTPiPiT]]>SPEnew,i＝etest,iTetest,i其中xtest是當(dāng)前時(shí)刻輸入的m×1維的血糖測(cè)試數(shù)據(jù)，Pi是第i類PCA模型的負(fù)載矩陣，而etest,i是測(cè)試數(shù)據(jù)代入第i類PCA模型所得的殘差向量，SPEtest,i是etest,i對(duì)應(yīng)的SPE值；(4.2)確定檢測(cè)結(jié)果：resulttest,i＝SPEtest,i<SPE_Limitiresulttest＝resulttest,1∨resulttest,2∨...∨resulttest,k其中resulttest,i是測(cè)試數(shù)據(jù)在第i類PCA模型下檢測(cè)結(jié)果，其中resulttest,i＝1代表檢測(cè)結(jié)果正常，resulttest,i＝0代表檢測(cè)結(jié)果異常；∨為取并集的邏輯運(yùn)算；resulttest為最終檢測(cè)結(jié)果，為所有類PCA模型下檢測(cè)結(jié)果的并集，當(dāng)連續(xù)若干時(shí)刻的故障檢測(cè)結(jié)果均為異常，則可說(shuō)明血糖儀發(fā)生故障。...

【技術(shù)特征摘要】
1.一種包含血糖分類功能故障檢測(cè)模塊的連續(xù)血糖監(jiān)測(cè)設(shè)備，其特征在于，該設(shè)備包括：用于采集人體血糖信息，輸出血糖可用信號(hào)的傳感器；用于對(duì)傳感器的輸出信號(hào)進(jìn)行放大處理的信號(hào)放大器；用于對(duì)信號(hào)放大器輸出的模擬信號(hào)進(jìn)行數(shù)字轉(zhuǎn)換的單片機(jī)；用于對(duì)單片機(jī)輸出的數(shù)字信號(hào)進(jìn)行數(shù)據(jù)處理的故障檢測(cè)模塊，故障檢測(cè)模塊可以集成在單片機(jī)中，也可以單獨(dú)使用；用于將故障檢測(cè)模塊輸出的血糖監(jiān)測(cè)值SPE顯示的顯示器；用于數(shù)據(jù)存儲(chǔ)的存儲(chǔ)器；所述故障檢測(cè)模塊進(jìn)行數(shù)據(jù)處理的過(guò)程包括以下步驟：(1)血糖數(shù)據(jù)預(yù)處理：將以一定采樣周期Δt獲得的單片機(jī)輸出的連續(xù)血糖信號(hào)組合成一維時(shí)序數(shù)據(jù)xg1×l，其中xg表示檢測(cè)到的血糖信號(hào)，l為采樣個(gè)數(shù)；(2)對(duì)于連續(xù)血糖信號(hào)建立PCA模型：對(duì)于當(dāng)前時(shí)刻k，將連續(xù)m個(gè)血糖信號(hào)作為PCA模型多維輸入，即x(k)＝[xg(k-m+1),xg(k-m+2),...xg(k)]TT＝XPE＝X-XPPT其中X＝[x(1),x(2),...x(n)]T是由n×m維的血糖數(shù)據(jù)組成的訓(xùn)練矩陣；n為訓(xùn)練數(shù)據(jù)的樣本個(gè)數(shù)，P為m×r維負(fù)載矩陣，r為保留的主元個(gè)數(shù)，r≤m；T為n×r維得分矩陣，為血糖數(shù)據(jù)矩陣X在主元空間的投影；E＝[e(1),e(2),...,e(n)]T為n×m維的殘差矩陣；通過(guò)統(tǒng)計(jì)量SPE對(duì)血糖數(shù)據(jù)進(jìn)行監(jiān)測(cè)：SPE(i)＝e(i)Te(i)SPE的控制限可以通過(guò)以下公式近似求取：其中g(shù)＝v/2m，h＝2m2/v，m為全部SPE的均值，v為全部SPE的方差，α為控制線的置信度；(3)通過(guò)PCA迭代的方法將病人的血糖信號(hào)進(jìn)行分類，并建立相應(yīng)的PCA模型；(4)根據(jù)步驟(3)的分類結(jié)果，建立血糖儀在線故障檢測(cè)的PCA監(jiān)測(cè)圖，具體包括以下子步驟：(4.1)將在線傳入的血糖數(shù)據(jù)分別代入各類PCA模型，計(jì)算SPE值：etest,iT＝xtestT-xtestTPiPiTSPEnew,i＝etest,iTetest,i其中xtest是當(dāng)前時(shí)刻輸入的m×1維的血糖測(cè)試數(shù)據(jù)，Pi是第i類PCA模型的負(fù)載矩陣，而etest,i是測(cè)試數(shù)據(jù)代入第i類PCA模型所得的殘差向量，SPEtest,i是etest,i對(duì)應(yīng)的SPE值；(4.2)確定檢測(cè)結(jié)果：resulttest,i＝SPEtest,i<SPE_Limitiresulttest＝resulttest,1∨resulttest,2∨...∨resulttest,k其中resulttest,i是測(cè)試數(shù)據(jù)在第i類PCA模型下檢測(cè)結(jié)果，其中resulttest,i＝1代表檢測(cè)結(jié)果正常，resulttest,i＝0代表檢測(cè)結(jié)果異常；∨為取并集的邏輯運(yùn)算；resulttest為最終檢測(cè)結(jié)果，為所有類PCA模型下檢測(cè)結(jié)果的并集，當(dāng)連續(xù)若干時(shí)刻的故障檢測(cè)結(jié)果均為異常，則可說(shuō)明血糖儀發(fā)生故障。2.根據(jù)權(quán)利要求1所述一種包含血糖分類功能故障檢測(cè)模塊的連續(xù)血糖監(jiān)測(cè)設(shè)備，其特征在于，所述步驟(3)具...

【專利技術(shù)屬性】
技術(shù)研發(fā)人員：趙春暉，宋廣健，
申請(qǐng)(專利權(quán))人：浙江大學(xué)，
類型：發(fā)明
國(guó)別省市：浙江;33