[發明專利]使用電參數的葡萄糖傳感器識別

在審

• 申請號: 202210765592.0
• 申請日: 2022-06-30
• 公開（公告）號: CN115553767A
• 公開（公告）日: 2023-01-03
• 發明（設計）人: E·吉;F·皮奇尼尼;L·周;C·A·特蘭;F·巴特曼里奇;L·納瓦-格拉;J·E·A·莫拉萊斯;A·M·帕特爾;S·D·阿羅揚
• 申請（專利權）人: 美敦力迷你邁德公司
• 主分類號: A61B5/1486
• 分類號: A61B5/1486
• 代理公司: 中國貿促會專利商標事務所有限公司 11038
• 代理人: 羅聞

1.一種用于校準葡萄糖傳感器的方法，所述方法包括：

由一個或多個處理器確定所述葡萄糖傳感器的電參數的集合；

由所述一個或多個處理器基于所述電參數的集合從多個集群中確定用于所述葡萄糖傳感器的集群，其中所述多個集群中的每個集群識別相應的配置信息；以及

由所述一個或多個處理器配置所述葡萄糖傳感器以基于由所確定的集群識別的配置信息來確定患者的葡萄糖水平。

2.根據權利要求1所述的方法，其中所述電參數包括所述葡萄糖傳感器處的電壓、所述葡萄糖傳感器的電流或所述葡萄糖傳感器的阻抗。

3.根據權利要求1所述的方法，其中確定所述集群包括應用機器學習算法，其中所述機器學習算法已經使用用于葡萄糖傳感器的訓練集的體外特征和體內特征進行訓練。

4.根據權利要求3所述的方法，其中應用所述機器學習算法包括將重構獨立分量分析(RICA)算法應用于所述電參數的集合，其中所述RICA算法已經使用用于所述葡萄糖傳感器的訓練集的所述體外特征和所述體內特征進行訓練。

5.根據權利要求3所述的方法，其中應用所述機器學習算法包括將主分量分析(PCA)算法應用于所述電參數的集合，其中所述PCA算法已經使用用于所述葡萄糖傳感器的訓練集的所述體外特征和所述體內特征進行訓練。

6.根據權利要求3所述的方法，其中應用所述機器學習算法包括將重構獨立分量分析(RICA)和主分量分析(PCA)兩者應用于所述電參數的集合，其中所述RICA算法和所述PCA算法已經使用用于所述葡萄糖傳感器的訓練集的所述體外特征和所述體內特征進行訓練。

7.根據權利要求3所述的方法，其進一步包括由所述一個或多個處理器使用用于所述傳感器裝置的訓練集的所述體外特征和所述體內特征來訓練所述機器學習算法。

8.根據權利要求3所述的方法，其進一步包括由所述一個或多個處理器基于用于所述傳感器裝置的訓練集的所述體外特征和所述體內特征來確定用于所述葡萄糖傳感器的訓練集的每個葡萄糖傳感器的相應集群，以及應用驗證模型來校驗用于所述葡萄糖傳感器的訓練集的每個葡萄糖傳感器的所述相應集群，其中確定用于所述葡萄糖傳感器的所述集群是基于用于每個相應集群中的所述傳感器裝置的訓練集的所述體外特征。

9.根據權利要求3所述的方法，其中所述配置信息包括基于分配給所述集群的所述葡萄糖傳感器的訓練集的傳感器裝置的子集確定的校正因子。

10.根據權利要求1所述的方法，其中所述配置信息包括校正因子。

11.根據權利要求1所述的方法，其中所述葡萄糖傳感器是第一葡萄糖傳感器，其中所述集群是第一集群，并且所述電參數的集合是電參數的第一集合，所述方法進一步包括：

由所述一個或多個處理器確定所述多個葡萄糖傳感器中的第二葡萄糖傳感器的電參數的第二集合；

由所述一個或多個處理器基于所述電參數的第二集合來確定所述第二葡萄糖傳感器的所述多個集群中的第二集群；

響應于確定所述第二葡萄糖傳感器與所述第二集群相關聯并且所述第二集群與不滿足質量度量的質量值相關聯，由所述一個或多個處理器確定所述第二葡萄糖傳感器不滿足所述質量度量；以及

由所述一個或多個處理器輸出所述第二葡萄糖傳感器不滿足所述質量度量的指示。

12.根據權利要求1所述的方法，其中配置所述葡萄糖傳感器包括輸出所述集群的指示。