血糖预测方法、血糖预测装置、设备及存储介质制造方法及图纸

本申请涉及人工智能领域，尤其涉及血糖预测方法、装置、设备及存储介质，所述方法包括：获取用户的病历信息、血糖数据和用药数据；对所述病历信息进行筛选，得到异常血糖值对应的病历信息，并将所述异常血糖值对应的病历信息作为目标病历信息；将所述目标病历信息、所述血糖数据和所述用药数据输入到预训练好的血糖预测模型，得到血糖趋势数据；获取用户的状态特征数据，并根据所述血糖趋势数据和所述状态特征数据进行疾病预测，得到预期疾病；根据所述状态特征数据和所述预期疾病确定对应的疾病预防措施，并将所述疾病预防措施推送给目标终端。由此可以提醒用户对可能发生的疾病进行预防，提高用户使用体验。提高用户使用体验。提高用户使用体验。

【技术实现步骤摘要】
血糖预测方法、血糖预测装置、设备及存储介质


[0001]本申请涉及人工智能领域，尤其涉及血糖预测方法、血糖预测装置、计算机设备及存储介质。

技术介绍

[0002]糖尿病目前已经是高发疾病，特别针对老龄人群，一直威胁着我们的健康和生命，虽然糖尿病治疗技术在飞速发展，但是很多人因为不会定期检测血糖，因此很多人无法察觉自己患有糖尿病，同时也没有及时的进行治疗，容易造成病情恶化，从而导致陷入昏迷甚至引发死亡的情况。
[0003]如今一般都是用户主动去医院进行复查或自发进行血糖测量，当测量到的血糖值较高的时候，往往才会发现自己可能患有糖尿病。现有的血糖预测模型仅仅通过用户的实时血糖数据进行预测，并没有考虑注射胰岛素、服用降糖药物或过往发病记录等因素对未来血糖趋势的影响，因而导致血糖预测结果并不准确，从而无法提前对糖尿病等疾病进行预防，导致用户错过最佳治疗时机。

技术实现思路

[0004]本申请提供了一种血糖预测方法、血糖预测装置、计算机设备及存储介质，旨在解决用户无法察觉自己患病情况，导致没有及时的进行治疗，容易造成病情恶化，从而导致陷入昏迷甚至引发死亡的问题。
[0005]为实现上述目的，本申请提供一种血糖预测方法，所述方法包括：
[0006]获取用户的病历信息、血糖数据和用药数据；
[0007]对所述病历信息进行筛选，得到异常血糖值对应的病历信息，并将所述异常血糖值对应的病历信息作为目标病历信息；
[0008]将所述目标病历信息、所述血糖数据和所述用药数据输入到预训练好的血糖预测模型，得到血糖趋势数据；
[0009]获取用户的状态特征数据，并根据所述血糖趋势数据和所述状态特征数据进行疾病预测，得到预期疾病；
[0010]根据所述状态特征数据和所述预期疾病确定对应的疾病预防措施，并将所述疾病预防措施推送给目标终端。
[0011]为实现上述目的，本申请还提供一种血糖预测装置，所述血糖预测装置包括：
[0012]数据获取模块，用于获取用户的病历信息、血糖数据和用药数据；
[0013]病历信息筛选模块，用于对所述病历信息进行筛选，得到异常血糖值对应的病历信息，并将所述异常血糖值对应的病历信息作为目标病历信息；
[0014]血糖预测模块，用于将所述目标病历信息、所述血糖数据和所述用药数据输入到预训练好的血糖预测模型，得到血糖趋势数据；
[0015]疾病预测获取模块，用于获取用户的状态特征数据，并根据所述血糖趋势数据和
所述状态特征数据进行疾病预测，得到预期疾病；
[0016]预防措施生成模块，用于根据所述状态特征数据和所述预期疾病确定对应的疾病预防措施，并将所述疾病预防措施推送给目标终端。
[0017]此外，为实现上述目的，本申请还提供一种计算机设备，所述计算机设备包括存储器和处理器；所述存储器，用于存储计算机程序；所述处理器，用于执行所述的计算机程序并在执行所述的计算机程序时实现本申请实施例提供的任一项所述的血糖预测方法。
[0018]此外，为实现上述目的，本申请还提供一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，所述计算机程序被处理器执行时使所述处理器实现本申请实施例提供的任一项所述的血糖预测方法。
[0019]本申请实施例公开的血糖预测方法、血糖预测装置、设备及存储介质，根据用户病历数据、实时血糖值数据对用户的血糖值进行监控并预测未来的血糖趋势，从而提醒用户对可能发生的疾病进行预防，提高用户使用体验。
附图说明
[0020]为了更清楚地说明本申请实施例技术方案，下面将对实施例描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图是本申请的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
[0021]图1是本申请实施例提供的一种血糖预测方法的场景示意图；
[0022]图2是本申请实施例提供的一种血糖预测方法的流程示意图；
[0023]图3是本申请一实施例提供的一种血糖预测装置的示意性框图；
[0024]图4是本申请一实施例提供的一种计算机设备的示意性框图。
具体实施方式
[0025]下面将结合本申请实施例中的附图，对本申请实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本申请一部分实施例，而不是全部的实施例。基于本申请中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本申请保护的范围。
[0026]附图中所示的流程图仅是示例说明，不是必须包括所有的内容和操作/步骤，也不是必须按所描述的顺序执行。例如，有的操作/步骤还可以分解、组合或部分合并，因此实际执行的顺序有可能根据实际情况改变。另外，虽然在装置示意图中进行了功能模块的划分，但是在某些情况下，可以以不同于装置示意图中的模块划分。
[0027]在本申请说明书和所附权利要求书中使用的术语“和/或”是指相关联列出的项中的一个或多个的任何组合以及所有可能组合，并且包括这些组合。
[0028]血液中的糖份称为血糖，绝大多数情况下都是葡萄糖。体内各组织细胞活动所需的能量大部分来自葡萄糖，所以血糖必须保持一定的水平才能维持体内各器官和组织的需要。正常人在空腹血糖浓度为3.9～6.1mmol/L。空腹血糖浓度超过7.0mmol/L称为高血糖。
[0029]一旦检测出高血糖，往往还会出现糖尿病。糖尿病是一组由多病因引起的以慢性高血糖为特征的代谢性疾病，是由于胰岛素分泌和(或)利用缺陷所引起。长期碳水化合物、脂肪、蛋白质代谢紊乱，可引起多系统损害，导致眼、肾、神经、心脏、血管等组织器官出现慢
性进行性病变、功能减退及衰竭。因此对血糖含量的监控以及预测对于预防糖尿病尤其重要。
[0030]一般来说，血糖过高容易引起糖尿病，还会引起并发症比如容易引起糖尿病肾病、糖尿病末梢神经病变、糖尿病视网膜病变等；而血糖过低容易引起心脑血管疾病，因此要将用户的血糖控制在一个良好的范围，这样才能使用户不容易出现并发症。
[0031]为解决上述问题，本申请提供了一种血糖预测方法，应用在服务器，由此可以根据用户病历数据、实时血糖值数据对用户的血糖值进行监控并预测未来的血糖趋势，从而提醒用户对可能发生的疾病进行预防，提高用户使用体验。
[0032]其中，所述终端设备可以包括诸如手机、平板电脑、个人数字助理(Personal Digital Assistant，PDA)等固定终端。服务器例如可以为单独的服务器或服务器集群。但为了便于理解，以下实施例将以应用于服务器的血糖预测方法进行详细介绍。
[0033]下面结合附图，对本申请的一些实施方式作详细说明。在不冲突的情况下，下述的实施例及实施例中的特征可以相互组合。
[0034]如图1所示，本申请实施例提供的血糖预测方法，可以应用于如图1所示的应用环境中。该应用环境中包含有终端设备110和本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种血糖预测方法，其特征在于，所述方法包括：获取用户的病历信息、血糖数据和用药数据；对所述病历信息进行筛选，得到异常血糖值对应的病历信息，并将所述异常血糖值对应的病历信息作为目标病历信息；将所述目标病历信息、所述血糖数据和所述用药数据输入到预训练好的血糖预测模型，得到血糖趋势数据；获取用户的状态特征数据，并根据所述血糖趋势数据和所述状态特征数据进行疾病预测，得到预期疾病；根据所述状态特征数据和所述预期疾病确定对应的疾病预防措施，并将所述疾病预防措施推送给目标终端。2.根据权利要求1所述的方法，其特征在于，所述对所述病历信息进行筛选，得到异常血糖值对应的病历信息，并将所述异常血糖值对应的病历信息作为目标病历信息，包括：基于分词算法，对所述病历信息进行分词处理，得到所述病历信息对应的分词结果；基于医疗词义预测模型对所述分词结果中每个分词进行词义预测，得到每个分词各自对应的词义预测结果；基于所述词义预测结果对所述分词结果进行筛选，得到目标病历信息。3.根据权利要求1所述的方法，其特征在于，所述将所述目标病历信息、所述血糖数据和所述用药数据输入到预训练好的血糖预测模型，得到血糖趋势数据，包括：分别确定所述目标病历信息中的患病时间、所述血糖数据的测量时间以及所述用药数据的用药时间；根据所述患病时间、所述测量时间和所述用药时间确定所述目标病历信息、所述血糖数据和所述用药数据对应的权重比例；将所述目标病历信息、所述血糖数据和所述用药数据以及各自对应的权重比例输入到预训练好的血糖预测模型，得到血糖趋势数据。4.根据权利要求3所述的方法，其特征在于，所述根据所述患病时间、所述测量时间和所述用药时间确定所述目标病历信息、所述血糖数据和所述用药数据各自对应的权重比例，包括：分别确定所述患病时间、所述测量时间和所述用药时间与数据获取时间的差值，得到对应的第一时差、第二时差和第三时差；根据所述第一时差、所述第二时差和所述第三时差计算得到总时差；确定所述第一时差与所述总时差的占比，根据所述第一时差与所述总时差的占比确定所述目标病历信息对应的权重比例；确定所述第二时差与所述总时差的占比，根据所述第二时差与所述总时差的占比确定所述血糖数据对应的权重比例；确定所述第三时差与所述总时差的占比，根据所述第三时差与所述总时差的占比确定所述用药数据对应的权重比例。5.根据权利要求3所述的方法，其特征在于，所述血糖预测模型包括第一长短期记忆网络和第二长短期记忆网络...

【专利技术属性】
技术研发人员：樊志超，
申请(专利权)人：平安国际智慧城市科技股份有限公司，
类型：发明
国别省市：