[發明專利]一種無創血糖預測方法及裝置

有效

• 申請號: 202110236576.8
• 申請日: 2021-03-03
• 公開（公告）號: CN113133762B
• 公開（公告）日: 2022-09-30
• 發明（設計）人: 劉欣剛;劉欣穎;姜濤;田野
• 申請（專利權）人: 劉欣剛
• 主分類號: A61B5/1455
• 分類號: A61B5/1455;A61B5/021
• 代理公司: 上海泰能知識產權代理事務所(普通合伙) 31233
• 代理人: 錢文斌;宋纓

1.一種無創血糖預測方法，其特征在于，包括以下步驟：

(1)獲取已收集得到的PPG-血壓數據集；

(2)建立深度卷積神經網絡，在所述PPG-血壓數據集上進行監督學習，當所述深度卷積神經網絡訓練完畢后得到預訓練模型；

(3)收集檢測對象PPG信號和對應的血糖值，得到PPG-血糖數據集；

(4)基于所述PPG-血糖數據集對所述預訓練模型進行微調得到預測模型；其中，微調是指：保留所述預訓練模型的卷積層，凍結保留的卷積層的參數，通過重新設計全連接層或增加新的卷積層的方式調整所述預訓練模型，并采用所述PPG-血糖數據集對調整后的所述預測模型進行訓練；

(5)基于得到的預測模型對所述檢測對象的PPG信號進行血糖預測。

2.根據權利要求1所述的無創血糖預測方法，其特征在于，所述步驟(2)中建立的深度卷積神經網絡為一維卷積神經網絡，所述一維卷積神經網絡包括三組卷積層部分，每組卷積層部分包括兩個卷積層和一個最大池化層，所述一維卷積神經網絡的輸出部分包括兩個全連接層。

3.根據權利要求1所述的無創血糖預測方法，其特征在于，所述步驟(4)和步驟(5)之間還包括解除保留卷積層參數的凍結狀態，采用所述PPG-血糖數據集對所述預測模型進行進一步訓練得到最終預測模型的步驟。

4.根據權利要求3所述的無創血糖預測方法，其特征在于，所述進一步訓練時通過逐層設置不同的學習率的方式來優化網絡性能。

5.一種無創血糖預測裝置，其特征在于，包括：第一收集模塊，用于收集檢測對象PPG信號和對應的血壓值，得到PPG-血壓數據集；第一建模模塊，用于建立深度卷積神經網絡，在所述PPG-血壓數據集上進行監督學習，當所述深度卷積神經網絡訓練完畢后得到預訓練模型；第二收集模塊，用于收集檢測對象PPG信號和對應的血糖值，得到PPG-血糖數據集；第二建模模塊，用于基于所述PPG-血糖數據集對所述預訓練模型進行微調得到預測模型，其中，微調是指：保留所述預訓練模型的卷積層，凍結保留的卷積層的參數，通過重新設計全連接層或增加新的卷積層的方式調整所述預訓練模型，并采用所述PPG-血糖數據集對調整后的所述預測模型進行訓練；預測模塊，用于基于得到的預測模型對所述檢測對象的PPG信號進行血糖預測。

6.根據權利要求5所述的無創血糖預測裝置，其特征在于，所述第一建模模塊建立的深度卷積神經網絡為一維卷積神經網絡，所述一維卷積神經網絡包括三組卷積層部分，每組卷積層部分包括兩個卷積層和一個最大池化層，所述一維卷積神經網絡的輸出部分包括兩個全連接層。

7.根據權利要求5所述的無創血糖預測裝置，其特征在于，所述第二建模模塊和預測模塊之間還包括第三建模模塊，所述第三建模模塊用于解除保留卷積層參數的凍結狀態，采用所述PPG-血糖數據集對所述預測模型進行進一步訓練得到最終預測模型。

8.根據權利要求7所述的無創血糖預測裝置，其特征在于，所述第三建模模塊在進一步訓練時通過逐層設置不同的學習率來優化網絡性能。