(19)中华 人民共和国 国家知识产权局 (12)发明 专利 (10)授权公告 号 (45)授权公告日 (21)申请 号 202111565948.8 (22)申请日 2021.12.21 (65)同一申请的已公布的文献号 申请公布号 CN 113951879 A (43)申请公布日 2022.01.21 (73)专利权人 苏州百孝医疗科技有限公司 地址 215125 江苏省苏州市苏州工业园区 星湖街218号 生物纳米园B2 楼304单元 (72)发明人 韩洋　蒋娟　 (51)Int.Cl. A61B 5/145(2006.01) A61B 5/00(2006.01) G06N 3/04(2006.01) G06N 3/08(2006.01) G06N 20/00(2019.01)G06N 20/10(2019.01) G16H 50/30(2018.01) 审查员 林晨 (54)发明名称 血糖预测方法和装置、 监测血糖水平的系统 (57)摘要 本发明涉及生理信号处理领域， 提供一种血 糖预测方法和装置、 监测血糖水平的系统， 其中 所述方法包括： 获取用户的血糖轨迹数据； 将用 户的血糖轨迹数据分别输入至少两个血糖预测 模型， 输出至少两个血糖预评估结果； 基于由血 糖轨迹数据确定的血糖浓度变化率和/或当前血 糖采集数据的状态， 确定用户处于的当前场景； 基于当前场景， 在加权因子集中选取至少两个血 糖预测模型在当前场景下对应的加权因子组， 其 中， 加权因子集包含基于多个实时场景进行分类 的多个加权因子组； 基于至少两个血糖预评估结 果及其在所述当前场景下对应的加权因子组， 得 到血糖预测结果。 本发明能够得到更加接近用户 真实血糖水平的血糖预测结果， 响应速度快， 提 高了用户体验感。 权利要求书5页 说明书23页 附图4页 CN 113951879 B 2022.04.05 CN 113951879 B 1.一种血糖预测方法， 其特 征在于， 包括： 获取用户的血糖轨迹数据， 所述血糖轨迹数据包括当前血糖采集数据和历史血糖采集 数据； 将所述用户的血糖轨迹数据分别输入至少两个血糖预测模型， 输出至少两个血糖预评 估结果； 基于由所述血糖轨迹数据确定的血糖浓度变化率和所述当前血糖采集数据的状态， 确 定所述用户处于的当前场景； 所述基于由所述血糖轨迹数据确定的血糖浓度变化率和所述当前血糖采集数据的状 态， 确定所述用户处于的当前场景， 包括： 当所述血糖浓度变化 率不大于第一预设阈值， 确定所述用户处于平稳区间场景； 当所述血糖浓度变化率大于第一预设阈值、 且不大于第二预设阈值， 确定所述用户处 于缓速升降区间场景； 当所述血糖浓度变化率大于第二预设阈值、 且不大于第三预设阈值， 确定所述用户处 于中速升降区间场景； 当所述血糖浓度变化 率大于第三预设阈值， 确定所述用户处于快速 升降区间场景； 当从关联所述用户的血糖测量设备处获取的用户的血糖轨迹数据异常， 确定所述用户 处于血糖测量 值异常场景； 当用户输入的当前时刻的第 一血糖关联数据异常， 确定所述用户处于用户输入异常场 景； 当用户输入的当前时刻的第 一血糖关联数据正常， 确定所述用户处于用户输入正常场 景； 基于所述当前场景， 在加权因子集中选取所述至少两个血糖预测模型在所述当前场景 下对应的加权因子组， 其中， 所述加权因子集包含基于多个实时场景进行分类的多个加权 因子组， 每个所述加权因子组包含至少 两个加权因子， 每个所述加权因子是基于预设的多 模融合目标 标准误差以及所述至少两个血糖预测模型的预测标准 误差确定的； 当所述用户处于的当前场景为平稳区间场景、 缓速升降区间场景、 中速升降区间场景、 快速升降区间场景、 用户输入正常场景、 用户输入异常场景中的任一场景时， 基于所述至少 两个血糖预评估结果及其在所述当前场景 下对应的加权因子组， 得到血糖预测结果； 当所述用户处于的当前场景为血糖测量 值异常场景时， 无法得到所述血糖预测结果。 2.根据权利要求1所述的血糖预测方法， 其特征在于， 所述获取用户的血糖轨迹数据， 所述血糖轨 迹数据包括当前 血糖采集数据和历史血糖采集数据， 包括： 通过网络从关联所述用户的血糖测量设备处获取用户的血糖轨迹数据， 所述血糖轨迹 数据包括当前 血糖采集数据和历史血糖采集数据； 其中， 所述当前血糖采集数据包括当前时刻的第一血糖测量值及其对应的第一时间 戳， 所述历史血糖采集数据包括按预设时间间隔连续分布的若干个历史血糖测量值及其对 应的若干个历史时间戳。 3.根据权利要求2所述的血糖预测方法， 其特征在于， 所述获取用户的血糖轨迹数据， 所述血糖轨 迹数据包括当前 血糖采集数据和历史血糖采集数据， 包括： 获取用户输入的血糖轨迹数据， 所述血糖轨迹数据包括当前血糖采集数据和历史血糖权　利　要　求　书 1/5 页 2 CN 113951879 B 2采集数据； 所述当前血糖采集数据包括用户输入的当前时刻的第一血糖关联数据及其对应的第 一关联时间戳； 所述历史血糖采集数据包括用户输入的历史时刻的若干个历史血糖关联数 据及其对应的若干个历史关联时间戳， 所述第一血糖关联数据、 历史血糖关联数据分别包 括与血糖浓度相关联的一个或多个事 件。 4.根据权利要求3所述的血糖预测方法， 其特征在于， 所述一个或多个事件与食物消 耗、 饮料消耗、 锻炼、 睡眠以及物质的施予中的一个或多者相关联。 5.根据权利要求1所述的血糖预测方法， 其特征在于， 每个所述血糖预测模型分别按照 以下方式进行训练： 基于血糖浓度样本数据以及预先确定的真实血糖浓度标签进行训练， 得到每个所述血 糖预测模型； 或周期性地基于所述用户迭代更新的血糖浓度样本数据以及对应的真实血糖浓度标 签进行训练， 得到每 个所述血糖预测模型。 6.根据权利要求1所述的血糖预测方法， 其特征在于， 所述将所述用户的血糖轨迹数据 分别输入至少两个血糖预测模型， 输出至少两个血糖预评估结果， 包括： 将所述用户的血糖轨迹数据分别输入至少两个血糖预测模型， 输出至少两个血糖预评 估结果； 其中， 所述用户的血糖轨 迹数据还 包括所述用户的所在区域； 相应的， 每 个所述血糖预测模型分别按照以下 方式进行训练： 基于所述用户所在区域的血糖浓度样本数据以及对应的预先确定的真实血糖浓度标 签进行训练， 得到每 个所述血糖预测模型。 7.根据权利要求1所述的血糖预测方法， 其特征在于， 所述将所述用户的血糖轨迹数据 分别输入至少两个血糖预测模型， 输出至少两个血糖预评估结果， 包括： 将所述用户的血糖轨迹数据分别输入至少两个血糖预测模型， 输出至少两个血糖预评 估结果； 其中， 所述用户的血糖轨 迹数据还 包括所述用户所属的糖尿病类型； 相应的， 每 个所述血糖预测模型分别按照以下 方式进行训练： 基于所述用户所属糖尿病类型的血糖浓度样本数据以及对应的预先确定的真实血糖 浓度标签进行训练， 得到每 个所述血糖预测模型。 8.根据权利要求3所述的血糖预测方法， 其特征在于， 所述基于由所述血糖轨迹数据确 定的血糖浓度变化率和/或所述当前血糖采集数据的状态， 确定所述用户处于的当前场景 之前， 包括： 基于所述第 一血糖测量值及其对应的第 一时间戳、 以及在所述若干个历史血糖测量值 及其对应的若干个历史时间戳中选取 的第二值， 确定所述血糖浓度变化率； 所述第二值包 括第二血糖测量 值及其对应的第二时间戳， 所述第二时间戳与所述第一时间戳相关联。 9.根据权利要求8所述的血糖预测方法， 其特 征在于， 所述方法还 包括： 在确定所述用户处于的当前场景时， 所述血糖测量值异常场景为第一优先级， 所述用 户输入异常场景和用户输入正常场景为第二优先级， 所述平稳区间场景、 缓速升降区间场 景、 中速升降区间场景以及快速升降区间场景为第三优先级， 所述第一优先级大于第二优 先级， 所述第二优先级大于第三优先级。 10.根据权利要求1所述的血糖预测方法， 其特征在于， 每个所述加权因子组包含至少权　利　要　求　书 2/5 页 3 CN 113951879 B 3