[发明专利]基于多模型融合的连续血糖监测传感器在线故障检测方法

说明书

本发明涉及一种基于多模型融合的连续血糖监测传感器在线故障检测方法，包括如下步骤：S1、获取在线CGM监测信号数据；S2、将获取的在线CGM监测信号数据输入多模型融合算法模型中，获取在线预测误差；S3、将获取的在线预测误差和历史预测误差结合计算获得在线时刻的熵值；S4、将计算获得的在线时刻的熵值J_i1、J_i2分别与当前时刻的阈值T_kl1、T_kl2比较；若当前时刻的熵值J_i1、J_i2不全大于当前时刻的阈值T_kl1、T_kl2，则判断当前血糖监测传感器工作正常；若当前时刻的熵值J_i1、J_i2均大于当前时刻的阈值T_kl1、T_kl2，则判断当前血糖监测传感器工作异常。本发明提供的检测方法具有检测精度高的优点。

技术领域

本发明属于血糖监测技术领域，尤其涉及一种基于多模型融合的连续血糖监测传感器在线故障检测方法。

背景技术

人工胰腺(AP)系统为1型糖尿病(T1D)患者提供血糖浓度(BGC)的自动调节，它主要由三个部分组成：连续血糖监测(CGM)传感器，基于CGM信号计算胰岛素输注速率的控制器，以及将控制器计算的胰岛素量传递给患者的胰岛素泵。患有T1D的病人通过对血糖进行连续监测，可以更加全面地了解血糖的波动情况，从而更好地实现对血糖的控制。然而，在实际生活中连续血糖监测传感器的测量结果受多种因素的影响，而造成测量结果不准确，人工胰腺控制系统根据错误的测量值输注错误数量的胰岛素，最终会引发患者发生高低血糖现象，严重时甚至危及生命。

目前一些方法已经被提出用于检测连续血糖监测传感器的不正确测量，这些方法主要分为两类，一类是基于模型的方法，它不需要大量的历史数据，仅通过对血糖数据建立模型并将模型的预测值与测量值进行比较来判断系统是否发生了故障；而另一类是基于数据驱动的方法，该方法强烈依赖于数据集的大小和性能，需要大量的历史数据，并根据统计分析来计算它们的置信限，此类方法的代表为PCA方法。目前常用的建模方法有自回归滑动平均法、支持向量机(SVM)、卡尔曼滤波(KF)、高斯混合模型(GMM)、递归最小二乘(RLS)、基于核滤波算法的模型等，这类方法大多假设数据满足高斯分布且仅考虑当前时刻误差信息带来的影响，不能有效地区分血糖数据的快速变化和传感器信号的异常，此外上述所提到的这些方法大多采用恒定的阈值，然而血糖数据是动态变化的，恒定的阈值会导致检测系统对一些缓慢变化的故障信号和一些小故障信号不敏感。

发明内容

(一)要解决的技术问题

针对现有存在的技术问题，本发明提供一种基于多模型融合的连续血糖监测传感器在线故障检测方法解决了现有技术中检测结果准确率低等问题。

(二)技术方案

为了达到上述目的，本发明采用的主要技术方案包括：

一种基于多模型融合的连续血糖监测传感器在线故障检测方法，包括如下步骤：

S1、获取在线CGM监测信号数据；

S2、将获取的在线CGM监测信号数据输入多模型融合算法模型中，获取在线预测误差；

S3、将获取的在线预测误差和历史预测误差结合计算获得在线时刻的熵值；

S4、将计算获得的在线时刻的熵值J_i1、J_i2分别与当前时刻的阈值T_kl1、T_kl2比较；

若当前时刻的熵值J_i1、J_i2不全大于当前时刻的阈值T_kl1、T_kl2，则判断当前血糖监测传感器工作正常；