(19)中华人民共和国国家知识产权局
(12)发明专利说明书
(10)申请公布号 CN 103959291 A
(43)申请公布日 2014.07.30
(21)申请号 CN201280030099.9
(22)申请日 2012.04.20
(71)申请人 诺沃—诺迪斯克有限公司
    地址 丹麦鲍斯韦
(72)发明人 J.兰德洛夫 S.麦肯诺斯 S.佩雷维兹耶 S.萨帕斯
(74)专利代理机构 中国专利代理(香港)有限公司
    代理人 王岳
(51)Int.CI
      G06F19/00
      A61B5/145
                                                                  权利要求说明书 说明书 幅图
(54)发明名称
      基于具有自适应选择的核和正则化参数的正则化网络的葡萄糖预测器
(57)摘要
      本发明涉及用于预测受检者的血糖轮廓的方法和设备。采用包括预测设置阶段和预测执行阶段的多阶段算法，预测设置阶段指定用于预测的泛函空间，并且预测执行阶段在所述泛函空间中指定作为时间的连续函数的预测的受检者的将来血糖状态。
法律状态
法律状态公告日
法律状态信息
法律状态
权 利 要 求 说 明 书
1.一种葡萄糖预测设备，包括：       
-输入装置（130，140），其适于接收指示受检者的生理状况的信息，       
-处理装置（110），其适于基于输入装置接收的信息来预测受检者的血糖状态，以及       
-输出装置（120），其适于传达与所预测的血糖状态相关的信息，       
其中，处理装置适于执行包括预测设置阶段（32，33）和预测执行阶段（34）的多阶段预测过程，预测设置阶段（32，33）指定用于预测的泛函空间，并且预测执行阶段（34）在所述泛函空间中指定作为时间的连续函数的受检者的预测的血糖状态。       
2.根据权利要求1所述的设备，其中，预测设置阶段基于输入装置接收的信息来指定泛函空间。       
3.根据权利要求1或2所述的设备，其中，时间的所指定的连续函数依赖于再生核和正则化参数，并且其中，预测设置阶段适于确定再生核和正则化参数的初始值。       
4.根据前述权利要求中的任何一项所述的设备，其中，预测设置阶段包括：a）标记（32）包含输入装置接收的信息的数据段，以及b）基于数据段的各个标记来确定（33）核和初始正则化参数，并且其中，预测执行阶段通过使用所确定的核和初始正则化参数来指定（34）预测的血糖状态以构建时间的连续函数。       
5.根据权利要求4所述的设备，其中，标记数据段包括线性拟合，并且其中，核和初始正则化参数的建议基于线性拟合的各个系数。       
6.根据前述权利要求中的任何一项所述的设备，其中，时间的连续函数是在再生核希尔伯特空间中通过正则化学习算法构建的。       
7.根据权利要求6所述的设备，其中，再生核希尔伯特空间是基于训练数据段的数据池来选择
的，每个训练数据段指示受检者在各个时间点处的生理状况。       
8.根据前述权利要求中的任何一项所述的设备，其中，预测设置阶段基于从预定数据池获得的信息来指定用于预测的泛函空间。       
9.根据权利要求1-7中的任何一项所述的设备，其中，预测设置阶段基于从连续更新的数据池获得的信息来指定用于预测的泛函空间。       
10.根据前述权利要求中的任何一项所述的设备，其中，指示受检者的生理状况的信息包括与机体特性的至少一个测量相关的信息。       
11.根据权利要求10所述的设备，其中，机体特性是血糖或组织葡萄糖。       
12.根据前述权利要求中的任何一项所述的设备，其中，输入装置还适于接收与处理相关的信息。       
13.根据权利要求12所述的设备，其中，与处理相关的信息包括与葡萄糖调节剂的过去传递相关的信息。       
14.根据前述权利要求中的任何一项所述的设备，其中，输入装置还适于接收与受检者消耗的或要消耗的膳食相关的信息。       
15.一种用于预测受检者的葡萄糖轮廓的计算机实现的方法，所述方法包括：       
● 通过处理设备接收（31）与机体特性的至少一个测量相关的信息，       
● 通过处理设备基于所接收的信息来指定（32，33）用于预测的泛函空间，以及       
● 通过处理设备在所述泛函空间中指定作为时间的连续函数的受检者的预测的血糖状态。       
16.根据权利要求15所述的方法，其中，指定用于预测的泛函空间包括标记包含输入装置接收的信息的数据段，和基于各个数据段标记来确定核和初始正则化参数。       
17.根据权利要求16所述的方法，其中，核是通过核参数的集合来参数化的；并且其中，基于各个数据段标记来确定核和初始正则化参数包括基于用于预测核参数的各个预先计算的预测器函数来确定核参数的集合作为输入数据段标记的函数。       
18.根据权利要求17所述的方法，其中，预先计算的预测器函数定义再生核希尔伯特空间，并且其中，确定核参数包括通过正则化学习算法在通过至少近似地最小化误差函数而定义的再生核希尔伯特空间中计算核参数。       
19.根据权利要求15-18中的任何一项所述的方法，其中，在所述泛函空间中指定受检者的预测的血糖状态包括使用所确定的核和初始正则化参数来构建预测器。       
20.一种构建用于如权利要求1-14中的任何一项所限定的葡萄糖预测设备的预测过程的计算机实现的方法，所述预测过程包括预测设置阶段和预测执行阶段，预测设置阶段指定用于预测的泛函空间，并且预测执行阶段在所述泛函空间中指定作为时间的连续函数的受检者的预测的血糖状态；所述泛函空间是通过参数的第一集合来参数化的，预测设置阶段指定作为输入数据段的各个函数的参数的第一集合，各个函数中的每一个由各个核来指定；所述方法包括：       
● 接收（21）训练数据段的数据池，每个训练数据段指示受检者在各个时间点处的生理状况；       
● 从所获得的数据池确定（22，23，24，25，26）各个核的集合。       
21.根据权利要求20所述的方法，其中，从所获得的数据池确定各个核的集合包括：       
● 压缩（22）每个训练数据段以获得压缩后的训练数据段的对应的集合；       
● 确定（25）参数化所述泛函空间的训练参数的集合，训练集合的每个训练参数最小化指示生理状况与预测的生理状况之间的偏差的预测误差函数（23），预测的生理状况是基于由所述训练参数参数化的泛函空间来预测的，       

版权声明：本站内容均来自互联网，仅供演示用，请勿用于商业和其他非法用途。如果侵犯了您的权益请与我们联系QQ:729038198，我们将在24小时内删除。