用于预测血糖值的方法、装置、存储介质及处理器制造方法及图纸

本发明专利技术实施例提供一种用于预测血糖值的方法、装置、存储介质及处理器，属于信号处理和血糖预测领域。上述用于预测血糖值的方法包括：获取用户的脉搏信号；基于多尺度经验模式分解算法对脉搏信号进行去噪处理，以得到去噪后的脉搏信号；基于张量奇异谱分析算法对去噪后的脉搏信号进行去冗余处理，以得到去冗余后的脉搏信号；对去冗余后的脉搏信号进行特征提取，以得到对应的特征信息；根据特征信息，使用预先训练的血糖预测模型预测血糖值。采用本发明专利技术的方法可以提高血糖值预测的准确度。

【技术实现步骤摘要】
用于预测血糖值的方法、装置、存储介质及处理器
本专利技术涉及信号处理和血糖预测领域，具体地涉及一种用于预测血糖值的方法、装置、存储介质及处理器。
技术介绍
据世界卫生组织数据显示，全球估计有4.22亿成人患有糖尿病，而中国约有1.1亿糖尿病人以及5亿以上糖尿病前期的成年人。中国每年投入糖尿病管理的费用超过1734亿人民币，其直接医疗费用已经达到中国医疗支出的13％，而这个数字每年还在大幅度攀升中。在然而，人们在基于光电容积脉搏波(photoplethysmogram，PPG)信号进行血糖值预测时，需要对PPG信号进行去噪处理，因而最常使用的是经验模态分解(empiricalmodedecomposition，EMD)信号处理方法，然而，传统的采用EMD算法进行信号处理的方法，在去除噪声的同时，过多信号成分被过滤掉，导致血糖值预测的准确度不高。
技术实现思路
本专利技术实施例的目的是提供一种用于预测血糖值的方法、装置、存储介质及处理器，以解决血糖值预测的准确度不高的问题。为了实现上述目的，本专利技术第一方面提供一种用于预测血糖值的方法，方法包括：获取用户的脉搏信号；基于多尺度经验模式分解算法对脉搏信号进行去噪处理，以得到去噪后的脉搏信号；基于张量奇异谱分析算法对去噪后的脉搏信号进行去冗余处理，以得到去冗余后的脉搏信号；对去冗余后的脉搏信号进行特征提取，以得到对应的特征信息；根据特征信息，使用预先训练的血糖预测模型预测血糖值。在本专利技术实施例中，基于多尺度经验模式分解算法对脉搏信号进行去噪处理，以得到去噪后的脉搏信号，包括：采用经验模式分解算法对脉搏信号进行一次分解，以得到一次分解后的一级残差；确定一级残差中频率最高的第一残差；采用经验模式分解算法对第一残差进行二次分解，以得到二次分解后的二级残差；确定二级残差中频率最高的第二残差；根据除第一残差之外的一级残差和除第二残差之外的二级残差，得到去噪后的脉搏信号。在本专利技术实施例中，采用多尺度经验模式分解算法对脉搏信号进行一次分解，以得到一次分解后的一级残差，包括：确定脉搏信号的极大值和极小值；根据极大值和极小值确定均值；确定脉搏信号与均值之间的差值，以得到一次分解后的一级残差。在本专利技术实施例中，根据极大值和极小值确定均值，包括：根据极大值和极小值，基于插值法得到上包络线和下包络线；根据上包络线和下包络线确定均值。在本专利技术实施例中，基于张量奇异谱分析算法对去噪后的脉搏信号进行去冗余处理，以得到去冗余后的脉搏信号，包括：将去噪后的脉搏信号映射成三维矩阵信号；采用塔克分解将三维矩阵信号分解成多个三维信号成分；将多个三维信号成分分别映射成多个一维信号成分；确定多个一维信号成分的能量；去除脉搏信号中能量低于预设能量阈值的脉搏信号，以得到去冗余后的脉搏信号。在本专利技术实施例中，将去噪后的脉搏信号映射成三维矩阵信号，包括：将去噪后的脉搏信号映射成二维矩阵信号；通过双向移动窗口将二维矩阵信号映射成三维矩阵信号。在本专利技术实施例中，预先训练的血糖预测模型为支持向量机回归模型。本专利技术第二方面提供一种处理器，处理器被配置成执行上述的用于预测血糖值的方法。本专利技术第三方面提供一种用于预测血糖值的装置，包括：脉搏信号检测设备；以及上述处理器。本专利技术第四方面提供一种机器可读存储介质，该机器可读存储介质上存储有指令，该指令在被处理器执行时使得处理器执行上述的用于预测血糖值的方法。上述技术方案，通过获取用户的脉搏信号，基于多尺度经验模式分解算法对脉搏信号进行去噪处理，以得到去噪后的脉搏信号，基于张量奇异谱分析算法对去噪后的脉搏信号进行去冗余处理，以得到去冗余后的脉搏信号，对去冗余后的脉搏信号进行特征提取以得到对应的特征信息，并根据特征信息，使用预先训练的血糖预测模型预测血糖值。上述方法采用多尺度经验模式分解算法和张量奇异谱分析算法，有效地将脉搏信号的噪声与纯脉搏信号分离，极好地避免了传统EMD算法将部分信号滤除的弊端，再者，通过张量奇异谱分析算法将一维数据转换为三维数据，更好地分离了单通道数据，在信号分解阶段更有效地利用了数据的非平稳性，提高了血糖值预测的准确度。本专利技术实施例的其它特征和优点将在随后的具体实施方式部分予以详细说明。附图说明附图是用来提供对本专利技术实施例的进一步理解，并且构成说明书的一部分，与下面的具体实施方式一起用于解释本专利技术实施例，但并不构成对本专利技术实施例的限制。在附图中：图1示意性示出了本专利技术一实施例中用于预测血糖值的方法的流程示意图；图2示意性示出了本专利技术一实施例中用于预测血糖值的装置的结构框图。具体实施方式以下结合附图对本专利技术实施例的具体实施方式进行详细说明。应当理解的是，此处所描述的具体实施方式仅用于说明和解释本专利技术实施例，并不用于限制本专利技术实施例。图1示意性示出了本专利技术一实施例中用于预测血糖值的方法的流程示意图。如图1所示，在本专利技术实施例中，提供了一种用于预测血糖值的方法，以该方法应用于处理器为例进行说明，该方法可以包括以下步骤：步骤S102，获取用户的脉搏信号。具体地，处理器可以通过脉搏信号检测设备获取检测到的光电容积脉搏波信号(photoplethysmogram，PPG)。步骤S104，基于多尺度经验模式分解算法对脉搏信号进行去噪处理，以得到去噪后的脉搏信号。具体地，处理器在采集到脉搏(PPG)信号之后，基于多尺度经验模式分解算法(MultiresolutionEmpiricalModeDecomposition，MEMD)对采集到的脉搏信号进行处理，去除频率相对较高的多尺度本征模态函数(IMF)，以得到去完噪的脉搏(PPG)信号。在一个实施例中，基于多尺度经验模式分解算法对脉搏信号进行去噪处理，以得到去噪后的脉搏信号，包括：采用经验模式分解算法对脉搏信号进行一次分解，以得到一次分解后的一级残差；确定一级残差中频率最高的第一残差；采用经验模式分解算法对第一残差进行二次分解，以得到二次分解后的二级残差；确定二级残差中频率最高的第二残差；根据除第一残差之外的一级残差和除第二残差之外的二级残差，得到去噪后的脉搏信号。可以理解，一级残差、第一残差、二级残差以及第二残差即残差细节，也叫本征模态函数(IMF)，其中，一级残差为第一次采用经验模式分解算法(EMD)对脉搏信号进行分解得到的残差细节，二级残差为第二次采用经验模式分解算法(EMD)对第一残差进行分解得到的残差细节，第一残差为一级残差中频率最高的残差，第二残差为二级残差中频率最高的残差。具体地，处理器采用经验模式分解算法(EMD)将第一次分解出来的对应频率最高的本征模态函数(IMF)，即第一残差再进行一次分解，将除去第二次分解所得到的对应频率最高的IMF即第二残差、第一残差之外的所有IMF进行重构，得到去完噪的脉搏(PPG)信号。本实施例中，通过多尺度经验模式分解算法(MEMD)进行去噪处理，即本文档来自技高网...

【技术保护点】
1.一种用于预测血糖值的方法，其特征在于，所述方法包括：/n获取用户的脉搏信号；/n基于多尺度经验模式分解算法对所述脉搏信号进行去噪处理，以得到去噪后的脉搏信号；/n基于张量奇异谱分析算法对所述去噪后的脉搏信号进行去冗余处理，以得到去冗余后的脉搏信号；/n对所述去冗余后的脉搏信号进行特征提取，以得到对应的特征信息；/n根据所述特征信息，使用预先训练的血糖预测模型预测血糖值。/n

【技术特征摘要】
1.一种用于预测血糖值的方法，其特征在于，所述方法包括：
获取用户的脉搏信号；
基于多尺度经验模式分解算法对所述脉搏信号进行去噪处理，以得到去噪后的脉搏信号；
基于张量奇异谱分析算法对所述去噪后的脉搏信号进行去冗余处理，以得到去冗余后的脉搏信号；
对所述去冗余后的脉搏信号进行特征提取，以得到对应的特征信息；
根据所述特征信息，使用预先训练的血糖预测模型预测血糖值。


2.根据权利要求1所述的用于预测血糖值的方法，其特征在于，所述基于多尺度经验模式分解算法对所述脉搏信号进行去噪处理，以得到去噪后的脉搏信号，包括：
采用经验模式分解算法对所述脉搏信号进行一次分解，以得到一次分解后的一级残差；
确定所述一级残差中频率最高的第一残差；
采用经验模式分解算法对所述第一残差进行二次分解，以得到二次分解后的二级残差；
确定所述二级残差中频率最高的第二残差；
根据除所述第一残差之外的一级残差和除所述第二残差之外的二级残差，得到去噪后的脉搏信号。


3.根据权利要求2所述的用于预测血糖值的方法，其特征在于，所述采用多尺度经验模式分解算法对所述脉搏信号进行一次分解，以得到一次分解后的一级残差，包括：
确定所述脉搏信号的极大值和极小值；
根据所述极大值和所述极小值确定均值；
确定所述脉搏信号与所述均值之间的差值，以得到一次分解后的一级残差。


4.根据权利要求3所述的用于预测血糖值的方法，其特征在于，所述根据所述极大值和所述极小值确定均值，包括：
根据所述极大值和...

【专利技术属性】
技术研发人员：林堉欣，刘庆，凌永权，谢灿金，林宇轩，靳凯玲，
申请(专利权)人：广东工业大学，
类型：发明
国别省市：广东;44