[發(fā)明專利]基于鴻蒙操作系統(tǒng)的臂戴式血糖儀

在審

• 申請?zhí)枺?/td>: 202110954347.X
• 申請日: 2021-08-19
• 公開（公告）號: CN113647942A
• 公開（公告）日: 2021-11-16
• 發(fā)明（設(shè)計(jì)）人: 盧璐;劉鶴寧
• 申請（專利權(quán)）人: 劉明;北京福樂云數(shù)據(jù)科技有限公司
• 主分類號: A61B5/1455
• 分類號: A61B5/1455;A61B5/01;A61B5/00
• 代理公司: 北京春江專利商標(biāo)代理事務(wù)所(普通合伙) 11835
• 代理人: 曹潔

本發(fā)明提供一種基于鴻蒙操作系統(tǒng)的臂戴式血糖儀，屬于人工智能技術(shù)領(lǐng)域。該血糖儀包括：基于鴻蒙操作系統(tǒng)的智能終端，與智能終端通信連接的數(shù)據(jù)采集模塊；數(shù)據(jù)采集模塊包括殼體、數(shù)據(jù)采集單元；殼體包括兩個弧形部件和至少兩個彈性部件，兩個弧形部件的兩端分別通過彈性部件連接；數(shù)據(jù)采集單元包括光源模組和光檢測模組，光源模組用于發(fā)射照向檢測對象手臂上指定位置的光線，光檢測模組用于檢測指定位置的反射光信息；智能終端獲取數(shù)據(jù)采集模塊輸出的數(shù)據(jù)并輸入訓(xùn)練好的人工智能模型，根據(jù)人工智能模型的輸出確定檢測對象的血糖值或血糖值范圍，數(shù)據(jù)采集模塊輸出的數(shù)據(jù)包括反射光信息。本發(fā)明能夠?qū)崿F(xiàn)快速、便捷、準(zhǔn)確且無損的血糖檢測。

技術(shù)領(lǐng)域

本發(fā)明涉及人工智能技術(shù)領(lǐng)域，具體涉及一種基于鴻蒙操作系統(tǒng)的臂戴式血糖儀。

背景技術(shù)

糖尿病是由遺傳、環(huán)境等因素作用于機(jī)體導(dǎo)致機(jī)體胰島功能衰退、胰島素抵抗從而引發(fā)人體代謝紊亂的綜合征，在臨床上以高血糖為特征。長期存在的高血糖會對人體各種組織、器官，特別是眼、腎、心臟、血管、神經(jīng)等造成慢性損害，逐步使其產(chǎn)生功能性障礙，從而嚴(yán)重威脅人體健康。對于糖尿病患而言，時常監(jiān)測血糖非常重要，因?yàn)檫@可以幫助患者控制血糖值，預(yù)防并發(fā)癥的產(chǎn)生。但是，目前針對血糖的常用檢測方法仍然是靜脈抽血檢測法或指尖血檢測法，該方法會給病人帶來一定的痛苦，導(dǎo)致不能隨時監(jiān)測血糖的變化，同時增加了感染機(jī)會。

發(fā)明內(nèi)容

因此，本發(fā)明實(shí)施例要解決的技術(shù)問題在于克服現(xiàn)有技術(shù)中有創(chuàng)血糖檢測導(dǎo)致糖尿病患者無法實(shí)時監(jiān)控其血糖變化進(jìn)而無法很好地控制血糖的缺陷，從而提供一種基于鴻蒙操作系統(tǒng)的臂戴式血糖儀。

為此，本發(fā)明提供一種基于鴻蒙操作系統(tǒng)的臂戴式血糖儀，包括：數(shù)據(jù)采集模塊、基于鴻蒙操作系統(tǒng)的智能終端，所述數(shù)據(jù)采集模塊與所述智能終端通信連接；

所述數(shù)據(jù)采集模塊包括殼體、數(shù)據(jù)采集單元；所述殼體包括兩個弧形部件和至少兩個彈性部件，兩個所述弧形部件的兩端分別通過所述彈性部件連接；所述數(shù)據(jù)采集單元包括光源模組和光檢測模組，所述光源模組用于發(fā)射照向檢測對象手臂上指定位置的光線，所述光檢測模組用于檢測所述指定位置的反射光信息；

所述智能終端獲取所述數(shù)據(jù)采集模塊輸出的數(shù)據(jù)并輸入訓(xùn)練好的人工智能模型，根據(jù)所述人工智能模型的輸出確定檢測對象的血糖值或血糖值范圍，所述數(shù)據(jù)采集模塊輸出的數(shù)據(jù)包括所述反射光信息。

可選的，所述光源模組包括平行光二極管，且所述平行光二極管圍繞所述光檢測模組均勻設(shè)置；

所述平行光二極管包括管芯和封裝體，所述封裝體包覆于所述管芯外；

所述封裝體包括圍繞所述管芯側(cè)面設(shè)置的不透光部件，所述不透光部件的頂部包覆所述管芯的頂部邊緣部分，所述封裝體還包括設(shè)置于所述管芯底側(cè)的吸光部件以及設(shè)置于所述管芯頂側(cè)的球面準(zhǔn)直透鏡；

所述管芯是通過在基板上形成外延層并對所述外延層進(jìn)行圖案化得到，所述管芯具有豎直側(cè)面或頂部向中心傾斜的側(cè)面。

可選的，所述人工智能模型包括：N個分別對所述反射光信息進(jìn)行特征提取的第一神經(jīng)網(wǎng)絡(luò)模型，N為大于1的正整數(shù)；N個所述第一神經(jīng)網(wǎng)絡(luò)模型包括用于提取所述反射光信息中波數(shù)維度的特征的神經(jīng)網(wǎng)絡(luò)模型以及用于提取所述反射光信息中頻域維度的特征的神經(jīng)網(wǎng)絡(luò)模型；

金字塔模型，用于分別對所述第一神經(jīng)網(wǎng)絡(luò)提取的、多個層次的第一特征信息進(jìn)行整合得到N個第二特征信息；

分類器模型，用于根據(jù)N個所述第二特征信息輸出檢測對象的血糖值屬于各血糖值范圍的概率；所述分類器模型包括多個通過加權(quán)求和方式集成的分類器。

可選的，所述智能終端還用于對所述數(shù)據(jù)采集模塊輸出的數(shù)據(jù)進(jìn)行預(yù)處理，所述預(yù)處理包括通過采用最小二乘擬合系數(shù)建立濾波函數(shù)，對移動窗口內(nèi)的數(shù)據(jù)進(jìn)行多項(xiàng)式最小二乘擬合，多項(xiàng)式擬合的表達(dá)式為：