-
公开(公告)号：CN116313080A
公开(公告)日：2023-06-23
申请号：CN202310186916.X
申请日：2023-03-01
Applicant: 江苏鱼跃凯立特生物科技有限公司 , 南京邮电大学 , 浙江凯立特医疗器械有限公司 , 江苏跃凯生物技术有限公司
IPC: G16H50/30 , G16H70/40 , G06F18/214 , G06F18/2411 , G06N3/096
Abstract: 本发明公开了一种基于迁移学习的葡萄糖浓度预测方法及设备，属于模型预测技术领域，用于解决现有的不同医疗机构之间葡萄糖浓度预测模型难以互相复用，样本分布少的医疗机构难以准确根据现有的葡萄糖浓度预测模型，进行准确预测的技术问题。方法包括：基于数据集的特征数据以及标签数据，对第一数据集以及第二数据集分别进行数据重组，得到源域数据以及目标域数据；基于预设ELM网络模型的输出权重，并根据源域数据中训练样本的损失特征，得到优化目标函数；对目标域数据进行迁移重构学习，得到域适应迁移算法DAELM模型；通过域适应迁移算法DAELM模型，对目标域数据中的葡萄糖浓度数据进行浓度预测，得到预测结果。
-
公开(公告)号：CN119808001A
公开(公告)日：2025-04-11
申请号：CN202411893521.4
申请日：2024-12-20
Applicant: 江苏鱼跃凯立特生物科技有限公司 , 南京邮电大学 , 江苏跃凯生物技术有限公司 , 浙江凯立特医疗器械有限公司 , 江苏鱼跃医疗设备股份有限公司
Abstract: 本申请公开了一种基于多变量时间序列的用户生理参数预测方法及设备，用于解决现有的时间卷积网络未关注同时步内不同信号间的相互作用和物理关联性的问题。方法包括：将距离当前时刻设定时长内的用户生理参数对应的多变量时间序列转置至变量维度，并映射输出每个变量的序列特征信息；通过编码器模块确定每个序列特征信息之间的全局特征和局部特征对应的最终融合结果；根据最终融合结果确定用户生理参数预测结果。本申请能够独立处理每个变量的时间序列，捕获全局依赖关系和短时间内的细微变化，实现了变量间全局和局部特征的自动提取与融合。
-
公开(公告)号：CN118942719A
公开(公告)日：2024-11-12
申请号：CN202410921813.8
申请日：2024-07-10
Applicant: 南京邮电大学 , 江苏跃凯生物技术有限公司
IPC: G16H50/70 , G16H50/30 , G06F18/25 , G06F18/15 , G06F18/2433 , G06F18/22 , G06N3/0442 , G06N3/045 , G06N3/0455 , G06N3/048
Abstract: 一种基于LSTM编码器‑解码器架构的血糖预测方法，包括，对获取到的糖尿病患者的血糖数据进行平滑、降噪以及滑窗等处理；构建基于LSTM编码器‑解码器架构的血糖预测模型，其中编码器负责将输入序列转换为隐藏状态向量，解码器利用隐藏状态向量进行预测输出；为增强神经元记忆并减少误差传播的积累，在编码器‑解码器结构中，引入了一种基于学习相似模式的注意力机制，并构建基于DTW的链地址搜索算法寻找相似窗口序列；结合注意力特征和隐藏状态向量，共同输入到解码器中，通过投影层将解码器的输出映射到符合输出维度大小的向量，从而获得更为准确的血糖预测结果。本方法具有强大的学习能力，且经实验认证能够有效提高血糖浓度预测精度。
-
公开(公告)号：CN118035784A
公开(公告)日：2024-05-14
申请号：CN202410109129.X
申请日：2024-01-25
Applicant: 江苏鱼跃凯立特生物科技有限公司 , 南京邮电大学 , 江苏跃凯生物技术有限公司 , 浙江凯立特医疗器械有限公司
IPC: G06F18/24 , G06F18/213 , G16H40/60 , G16H50/70 , G16H10/20 , G06N3/0464 , G06N3/0442 , G06N3/048 , G06N3/047 , G06N3/08
Abstract: 本申请公开了一种基于血糖监测的异常事件识别方法、设备及介质，方法包括：采集数据集，将数据集转化为序列化数据，并将序列化数据划分为多个子序列；将多个子序列输入至卷积神经网络模型，对卷积神经网络模型进行扩张因果卷积处理，通过扩张因果卷积处理后的卷积神经网络模型确定时序特征，并将时序特征进行残差连接，以对卷积神经网络模型进行加速；通过加速后的卷积神经网络模型确定传感器的报错类别，并根据时序特征和报错类别进行GRU建模，以得到时序关系，并根据时序关系确定血糖值。本申请使用卷积神经网络处理，动态关注数据中的重要时间点，处理长期依赖性，从而更好地捕捉血糖值的时序关系。
-
公开(公告)号：CN115394440A
公开(公告)日：2022-11-25
申请号：CN202210958683.6
申请日：2022-08-09
Applicant: 江苏跃凯生物技术有限公司 , 南京邮电大学
Abstract: 本申请提供一种基于模型融合的葡萄糖浓度预测方法及相关设备，在获取到初始样本数据集后，采用卡尔曼滤波算法对初始样本数据集中的传感器电流信号进行降噪平滑处理，使电流信号更接近真实值，提高预测结果的精度；基于K折交叉验证，将优化后的LSTM模型得到的对葡萄糖浓度的初步预测结果输入优化后的XGBoost模型，得到葡萄糖浓度的最终预测结果。利用模型融合的思想，将LSTM模型的初步预测结果作为XGBoost模型输入，充分发挥LSTM模型和XGBoost模型的各自优势，提高葡萄糖浓度预测的精度。采用K折交叉验证的方式可以降低模型在构建和融合过程中出现过拟合的风险并提高模型的泛化能力，提高预测结果的精度。
-
Patent Agency Ranking
公开(公告)号：CN118053563A
公开(公告)日：2024-05-17
申请号：CN202410107287.1
申请日：2024-01-25
Applicant: 江苏鱼跃凯立特生物科技有限公司 , 南京邮电大学 , 江苏跃凯生物技术有限公司 , 浙江凯立特医疗器械有限公司
IPC: G16H40/60 , G16H50/70 , G16H10/20 , G06N3/0442 , G06N3/0455 , G06N3/049 , G06N3/08 , A61B5/145
Abstract: 本申请实施例公开了一种CGM时序事件异常识别方法及系统。包括，对获取到的糖尿病患者的血糖数据进行预处理，得到血糖数据对应的时间序列数据，以构建CGM时序事件异常识别模型；通过时间感知的注意力机制，确定出在相邻异常事件发生的不同时间间隔下，CGM时序事件异常识别模型对目标信号识别的权重影响状况；基于引入时间感知的注意力机制的CGM时序事件异常识别模型，对预置血糖样本数据进行深度学习，以拟合出基于用户实际血糖数据的重构值，确定出原始输入值与重构值之间的均方误差，并基于改进的高斯分布确定出自适应阈值；将用户的血糖数据对应的损失值与自适应阈值进行比对，以确定出异常数据。通过上述方法提高血糖数据检测准确率。
-
公开(公告)号：CN119830104A
公开(公告)日：2025-04-15
申请号：CN202411893525.2
申请日：2024-12-20
Applicant: 江苏鱼跃凯立特生物科技有限公司 , 南京邮电大学 , 江苏跃凯生物技术有限公司 , 浙江凯立特医疗器械有限公司 , 江苏鱼跃医疗设备股份有限公司
IPC: G06F18/241 , G06F18/213 , G06N3/0464 , G06N3/048 , G06N3/082
Abstract: 本申请公开了一种生物时序信号的波形形态特征提取方法、设备及介质，方法包括：将生物时序信号输入至预先训练的特征提取模型中；通过TCN卷积模块提取生物时序信号的全局特征，并通过Shapelets模块提取生物时序信号的形态学特征；将全局特征、形态学特征输入至融合编码器进行融合，输出特征信号。在全局与局部动态结合的任务中，能够有效地捕获生物信号中的全局和局部特征，从而提高模型对时序数据的整体理解与分类性能，保证模型的分类准确性和鲁棒性。
-
公开(公告)号：CN117995400A
公开(公告)日：2024-05-07
申请号：CN202410112216.0
申请日：2024-01-25
Applicant: 江苏鱼跃凯立特生物科技有限公司 , 南京邮电大学 , 江苏跃凯生物技术有限公司 , 浙江凯立特医疗器械有限公司
IPC: G16H50/30 , A61B5/00 , G16H50/70 , G06F18/213 , G06F18/25 , G06N3/0455 , G06N3/0464
Abstract: 本说明书实施例公开了一种基于多模态数据的血糖变化预测方法及设备，涉及血糖预测技术领域，方法包括：获取患者的多模态血糖数据，多模态血糖数据包括患者个性化信息、患者体测数据、患者生理参数测量数据、患者血糖传感信号数据和患者日常活动事件数据中的任意一项或多项；通过预先训练的堆栈降噪自编码器，对多模态血糖数据进行特征提取，以确定多模态血糖数据对应的特征向量集合；根据预先训练的多模态融合模型，对特征向量集合中的多个模态的特征向量进行特征融合，以输出患者的血糖变化范围预测结果。可以解决人为提取特征受未知特征影响和噪声影响问题，同时克服不同模态数据间的长时依赖性，提高预测准确率。
-
公开(公告)号：CN116313081A
公开(公告)日：2023-06-23
申请号：CN202310189886.8
申请日：2023-03-01
Applicant: 江苏鱼跃凯立特生物科技有限公司 , 南京邮电大学 , 浙江凯立特医疗器械有限公司 , 江苏跃凯生物技术有限公司
IPC: G16H50/30 , G16H50/50 , G16H70/40 , G06F18/214 , G06F18/2411 , G06N3/08
Abstract: 本申请公开了一种基于GRU模型的葡萄糖浓度预测方法、设备及介质，方法包括：获取样本数据集，进行数据预处理；进行标准化处理；基于时间序列的样本数据集进行升维处理；搭建时间序列预测模型，并利用GRU模型进行训练；通过GRU模型进行数据预测，根据得到的第一葡萄糖浓度数据进行指数平滑处理，得到第二葡萄糖浓度数据，并根据第二葡萄糖浓度数据最终预测结果。对预处理之后的数据进行标准化处理，使得预测效果更好。在时间顺序预测模型中，利用均值，标准差和分位数以及拟合出的线性趋势，使训练效果有了显著提升。
-
公开(公告)号：CN114898875A
公开(公告)日：2022-08-12
申请号：CN202210432583.X
申请日：2022-04-22
Applicant: 江苏跃凯生物技术有限公司 , 南京邮电大学
Abstract: 本申请提供一种基于主动学习的葡萄糖浓度预测方法及相关设备，所述方法包括获取样本训练集；根据标记样本集对支持向量机模型进行训练，得到葡萄糖浓度预测模型；根据未标记样本集中构建待查询样本集；计算标记样本与待查询样本和未标记样本之间的巴氏距离，并结合目标函数确定未标记样本集中的目标样本并进行标记；将标记后的目标样本加入至标记样本集中，并利用新的标记样本集对葡萄糖浓度预测模型进行训练，得到训练好的葡萄糖浓度预测模型；将待测样本数据输入至训练好的葡萄糖浓度预测模型，输出葡萄糖浓度预测结果。本申请的方法能够以小样本训练预测精度较高的模型，大大减少了样本的标记成本。
-
-
-
-
-
-
-
-
-
Search Results
12
records
(took 0.051 seconds)
