[发明专利]基于卷积神经网络的无创血糖数据处理方法及系统

摘要

本发明公开了基于卷积神经网络的无创血糖数据处理方法及系统，该方法包括：获取若干组血糖数据；根据若干组血糖数据中的红外信号，计算获得极大值红外信号；通过奇异谱分析和经验模式分解，将极大值红外信号分解、分组和排序；分别提取极大值红外信号和前N组成分数据的均值、方差、斜率和峰值，构建特征信号；根据特征信号和若干组血糖数据的血糖值，构建映射矩阵；根据获取待测者的待测信号，结合映射矩阵，构建待测映射矩阵；使用卷积神经网络的特征映射层和池化层，对待测映射矩阵进行优化，并输出优化结果；其中，特征映射层以径向基函数作为激活函数；池化层用于降低信号维数，采用本发明技术方案能提高血糖数据的估计精度。

主权项

一种基于卷积神经网络的无创血糖数据处理方法，其特征在于，包括：获取若干组血糖数据；每组血糖数据包括红外信号和所述红外信号所对应的血糖值；根据所述若干组血糖数据中的红外信号，计算获得极大值红外信号；通过奇异谱分析和经验模式分解，将所述极大值红外信号分解，分别获得第一数据组和第二数据组，并将所述第一数据组中的成分数据根据所述第二数据组中IMF数据的个数和IMF数据之间的相关性进行分组，将分组后同组的成分数据相加后，按照成分数据由大到小的顺序对各组进行排序；其中，所述第一数据组包含若干个归一化成分数据，所述第二数据组包含若干个IMF数据；分别提取所述极大值红外信号和前N组所述成分数据的均值、方差、斜率和峰值，构建特征信号；其中，N≥1；根据所述特征信号和所述若干组血糖数据的血糖值，构建映射矩阵；获取待测者的待测信号，并将所述待测信号导入所述映射矩阵，获得待测映射矩阵；使用预设卷积神经网络的特征映射层和池化层，对所述待测映射矩阵进行优化，并输出优化结果；其中，所述特征映射层以径向基函数作为激活函数；所述池化层用于降低信号维数。