[发明专利]一种对餐后高血糖进行预警的装置及方法

权利要求书

1.一种对餐后高血糖进行预警的装置，其特征在于：包含以下模块：饮食数据输入模块(1)、生活数据输入模块(2)、血糖测量模块(3)、尿液成分测量模块(4)、机器学习模型训练模块(5)、高血糖实时预警模块(6)、基于聚类的样本收集模块(7)，各个模块依次连接。

2.一种对餐后高血糖进行预警的方法，其特征在于：具体方法为：通过连续采集用户15天的饮食数据、生活数据、血糖数据和尿液检测数据，然后利用机器学习方法训练得到一个针对该用户的预测模型，在此后的每一天中，用户只需要继续输入饮食数据、生活数据和尿液检测数据，系统就可以自动预测该用户饭后2小时的血糖值。

3.根据权利要求1所述的一种对餐后高血糖进行预警的方法，其特征在于：饮食数据输入模块(1)中用户需要输入如下饮食数据：

一、当前次就餐的每一种食物的名称；

二、当前次就餐的每一种食物的重量；

三、当前次就餐的每一种食物对应的血糖负荷GL值；

四、当前次就餐的花费时间；

五、上一次就餐的每一种食物的名称；

六、上一次就餐的每一种食物的重量；

七、上一次就餐的每一种食物对应的血糖负荷GL值；

八、当前次就餐与上一次就餐的时间间隔；

九、当前次就餐2小时内的饮水量；

十、就餐精确时间。

4.根据权利要求1所述的一种对餐后高血糖进行预警的方法，其特征在于：所述的生活数据输入模块(2)中用户需要输入如下生活数据：

一、饭后2小时的室内气温值(℃)；

二、饭后2小时用户情绪是否紧张；

三、前一夜的睡眠时间长度与睡眠质量；

四、当天的运动量(用热量单位千卡来衡量)；

五、用户的身高、体重、性别、年龄。

5.根据权利要求1所述的一种对餐后高血糖进行预警的方法，其特征在于：前15天是预测模型的训练阶段，用户需要利用高精度的血糖计测量饭后2小时的血糖值，一天至少测试三次，如果有加餐或者零食，则同样需要测量，血糖值与对应时刻的生活数据、饮食数据、尿液检测结果在血糖测量模块(3)一起提交给预测模型用于训练。

6.根据权利要求1所述的一种对餐后高血糖进行预警的方法，其特征在于：前15天是模型的训练阶段，用户需要利用尿液检测设备提供当前次就餐2小时内的尿液干化学试纸检测结果，尿液检测结果包括14项检测记录输入到尿液成分测量模块(4)，它们是：白细胞、抗坏血酸、亚硝酸盐、酸碱度、酮体、尿钙、尿胆原、潜血、胆红素、肌酐、蛋白质、尿比重、葡萄糖、微量白蛋白，用户只需要提供这14项指标对应的浓度值即可。

7.根据权利要求1所述的一种对餐后高血糖进行预警的方法，其特征在于：利用前15天得到的用户饮食数据、生活数据、血糖检测结果、尿液检测结果，利用机器学习方法训练得到一个预测模型，机器学习模型训练模块(5)，该模型可以反映该用户的个人身体素质对血糖浓度的影响，该预测模型可以是贝叶斯网络、人工神经网络、深度神经网络、决策树、最近邻分类法、KNN算法、Logistic回归、支持向量机、Boosting方法中的一种，或者是其他机器学习模型。

8.根据权利要求1所述的一种对餐后高血糖进行预警的方法，其特征在于：利用权利要求7中所述的训练结果，也就是预测模型，结合用户输入的当前次就餐的饮食数据、生活数据和尿液检测结果，就可以预测到该用户当前次就餐2小时后的血糖值。一旦发现血糖值高于正常浓度，通过高血糖实时预警模块(6)就给出预警。

9.根据权利要求1所述的一种对餐后高血糖进行预警的方法，其特征在于，基于聚类的样本收集模块(7)提出了基于患者体质进行样本聚类的思路和利用随机采样一致性策略进行样本挑选的方法，具体采用如下的策略收集样本：

一、对用户的体质进行分类，默认分成10个类别。不同的子类，对应的是不同的体质，对食物有不同的血糖反应；

二、利用云端系统收集大量用户的海量数据，然后基于海量数据进行训练，弥补单个用户数据量不足的问题；

三、利用聚类思想和随机采样一致性策略(RANSAC)，对海量数据进行逐次分割，即：1)最开始用所有数据作为一类，训练得到一个预测模型M₀；2)利用M₀对每一个用户的所有样本进行预测，将预测血糖值与实际血糖值的平均偏差小于阈值的样本挑选出来形成一致集S₀，其余的用户的样本构成集合S₁；3)利用S₀重新训练预测模型，用结果更新M₀；4)用集合S₁训练得到新的预测模型M₁；5)重复步骤1)-4)，实现对所有用户的体质进行聚类和预测模型的训练。