[發明專利]一種用于血糖預測的數據處理方法

有效

• 申請號: 202210109379.4
• 申請日: 2022-01-28
• 公開（公告）號: CN114548158B
• 公開（公告）日: 2022-11-11
• 發明（設計）人: 韋怡婷;盛雨晴;凌永權;劉慶;郭海瑞;胡鈴越
• 申請（專利權）人: 廣東工業大學
• 主分類號: G06K9/00
• 分類號: G06K9/00;G06K9/62;A61B5/145
• 代理公司: 廣州粵高專利商標代理有限公司 44102
• 代理人: 林麗明

1.一種用于血糖預測的數據處理方法，其特征在于，包括：

S1.采集與血糖預測相關的數據，包括受試者的生理指標數據及與生理指標數據同步對應采集的實際血糖值；

S2.提取生理指標數據的特征，組成初始特征矩陣，初始特征矩陣中包括X組特征值，每組有Y種特征，將X組特征值與其相應的實際血糖值劃分為第一數據集和第二數據集備用，其中第一數據集作為作為血糖預測的訓練數據集，第二數據集作為血糖預測的測試數據集；

S3.將第一數據集中每組的Y種特征中某一單個特征Fx與該組同步對應的實際血糖值取出作為一個分組，設共形成n個分組，按實際血糖值的大小將n個分組的內容進行升序排序，得到該特征的特征序列；第二數據集不作處理，后續進行血糖預測時使用；

S4.利用經驗模態分解法對特征序列進行處理，得到處理后的特征F1x；

以特征值為縱坐標，以血糖參考值為橫坐標建立直角坐標網絡，將步驟S3得到的特征序列中的值在直角坐標網絡中標出，然后依次連接，形成特征值與血糖參考值的關系曲線，利用經驗模態分解算法提取關系曲線中的IMF分量，得到n個分組的IMF分量：IMF₁～IMF_n，然后進行經驗模態分解算法的迭代操作，得到該特征與血糖參考值的最優IMF分量組合，并重構出關系曲線C：C＝IMF_n+IMF_n-1+…+IMF_k，曲線C上的點對應經驗模態分解算法處理后的特征F1x；

S5.利用多項式曲線擬合法對特征序列進行處理，得到處理后的特征F2x；

以特征值為縱坐標，以血糖參考值為橫坐標建立直角坐標網絡，將步驟S3得到的特征序列中的值在直角坐標網絡中標出，然后依次連接，形成特征值與血糖參考值的關系曲線，在步驟S5中，利用多項式曲線擬合法對特征值與血糖參考值的關系曲線進行擬合，得出特征值與血糖參考值的關系曲線平滑最優時的最高次項，并得出擬合后的多項式，利用該多項式修正特征值與血糖參考值的關系曲線中的偏差異常值，得到多項式曲線擬合平滑后的特征F2_x；

S6.對Y種特征中除單個特征Fx之外的剩余Y-1個特征重復執行步驟S3～步驟S5，分別得到經驗模態分解算法處理后的特征矩陣F1：{F1₁，F1₂，...，F1_y}與多項式曲線擬合后的特征矩陣F2：{F2₁，F2₂，...，F2_y}，共2y個特征；

S7.基于隨機森林算法，確定特征矩陣F1與特征矩陣F2中2y個特征對血糖值的貢獻率，并進行排序篩選，組成最新的特征矩陣F’，完成與血糖預測相關的數據處理；

經驗模態分解算法處理后的特征矩陣F1：{F1₁，F1₂，...，F1_y}與多項式曲線擬合后的特征矩陣F2：{F2₁，F2₂，...，F2_y}組合成特征矩陣J，表達為：

{F1₁…F1_y；F2₁…F2_y}

基于隨機森林算法，得到特征矩陣J中的2y個特征各自對血糖值的貢獻率，貢獻率的計算通過基尼指數計算公式實現；

按照貢獻率的大小對特征進行排序，貢獻率越大，特征對血糖預測而言越重要，設I_F1i表示特征矩陣F1中第i個特征對血糖值的貢獻率，I_F2i表示特征矩陣F2中第i個特征對血糖值的貢獻率，利用I_i＝max{I_F1i,I_F2i})對2Y個特征進行篩選，在I_F1i,I_F2i中選擇較大的一個，舍去另一個，組成y個特征構成的特征矩陣F’：{F’₁…F’_y}。

2.根據權利要求1所述的用于血糖預測的數據處理方法，其特征在于，所述的受試者的生理指標數據包括：受試者的身高、體重、餐飲習慣、同步心率、血壓、血脂、ECG心電信號及PPG脈電信號，利用血糖儀同步對應采集實際血糖值。