【技术实现步骤摘要】
本公开涉及质控检测领域，尤其涉及一种血糖仪质检方法、装置、电子设备及介质。
技术介绍
1、在现代医疗环境中，尤其是在糖尿病管理领域，血糖监测是一个至关重要的日常任务。准确和及时的血糖测量对于糖尿病患者的治疗和日常管理至关重要。血糖仪是检测血糖数据的仪器，在血糖仪投入使用前，一般要对血糖仪进行质控检测以判断血糖仪的检测数据是否准确。
2、目前，质控检测时，先将试纸插入血糖仪中，滴入质控液，等待检测结果，如果显示结果在其质控液规定的范围内，说明血糖仪的检测数据准确，仪器正常。但是，这种通过人工将检测到的数据与质控液规定的范围值进行比较来判断血糖仪是否准确的方式效率较低，检测效果不佳。
技术实现思路
1、为了解决上述技术问题或者至少部分地解决上述技术问题，本公开提供了一种血糖仪质检方法、装置、电子设备及介质，可以提升血糖仪质检效率。
2、为了实现上述目的，本公开实施例提供的技术方案如下：
3、第一方面，本公开提供一种血糖仪质检方法，包括：
4、接收血糖仪发送的测试数据，测试数据包括血糖读数和测试参数；
5、将测试数据输入机器学习模型，得到机器学习模型输出的识别结果，机器学习模型是预先训练的用于识别血糖读数是否异常的模型；
6、在识别结果指示血糖读数异常的情况下，确定血糖仪故障。
7、作为本公开实施例一种可选的实施方式，接收血糖仪发送的测试数据之后，将将测试数据输入机器学习模型，得到机器学习模型输出的识别结
8、将测试数据输入机器学习模型，得到机器学习模型输出的识别结果，包括：将预处理后的测试数据输入机器学习模型，得到机器学习模型输出的识别结果。
9、作为本公开实施例一种可选的实施方式，在识别结果指示血糖读数异常的情况下，确定血糖仪故障之后，方法还包括：对测试参数进行分析，生成校准策略；向血糖仪发送校准策略，以修正故障。
10、作为本公开实施例一种可选的实施方式，机器学习模型的训练过程包括：获取样本数据和样本数据对应的模式标签，样本数据包括样本血糖读数和样本测试参数，模式标签用于指示样本血糖读数是否异常；将样本数据输入初始机器学习模型，得到初始学习模型输出的预测结果；基于预设损失函数，计算预测结果和样本数据对应的模式标签之间的损失值；在损失值大于损失阈值的情况下，优化初始机器学习模型的模型参数，直至损失值小于等于损失阈值，训练得到收敛的机器学习模型。
11、作为本公开实施例一种可选的实施方式，将测试数据输入机器学习模型，得到机器学习模型输出的识别结果之后，方法还包括：在识别结果指示血糖读数正常的情况下，将测试数据输入深度学习模型，得到深度学习模型输出的健康报告，深度学习模型是预先训练的用于分析测试数据生成健康报告的模型；生成第一用户界面，在第一用户界面展示健康报告。
12、作为本公开实施例一种可选的实施方式，将测试数据输入机器学习模型，得到机器学习模型输出的识别结果之后，方法还包括：在识别结果指示血糖读数正常的情况下，确定测试数据对应的被测者信息；获取被测者信息对应的历史测试数据；根据测试数据和历史测试数据预测血糖水平变化趋势；生成第二用户界面，在第二用户界面展示被测者信息对应的血糖水平变化趋势。
13、作为本公开实施例一种可选的实施方式，根据测试数据和历史测试数据预测血糖水平变化趋势之后，方法还包括：在血糖水平变化趋势中存在目标血糖值处于预设阈值范围的情况下，生成预警提示信息；生成第三用户界面，在第三用户界面中展示血糖水平变化趋势和预警提示信息。
14、第二方面，本公开提供一种血糖仪质检装置，该装置包括：
15、接收模块，用于接收血糖仪发送的测试数据，测试数据包括血糖读数和测试参数；
16、识别模块，用于将测试数据输入机器学习模型，得到机器学习模型输出的识别结果，机器学习模型是预先训练的用于识别血糖读数是否异常的模型；
17、确定模块，用于在识别结果指示血糖读数异常的情况下，确定血糖仪故障。
18、作为本公开实施例一种可选的实施方式，接收模块，还用于：对测试数据进行预处理，预处理包括：加密处理、格式化处理和标准化处理；识别模块，具体用于：将预处理后的测试数据输入机器学习模型，得到机器学习模型输出的识别结果。
19、作为本公开实施例一种可选的实施方式，确定模块，还用于：对测试参数进行分析，生成校准策略；向血糖仪发送校准策略，以修正故障。
20、作为本公开实施例一种可选的实施方式，血糖仪质检装置还包括训练模块，训练模块用于训练机器学习模型，包括：获取样本数据和样本数据对应的模式标签，样本数据包括样本血糖读数和样本测试参数，模式标签用于指示样本血糖读数是否异常；将样本数据输入初始机器学习模型，得到初始学习模型输出的预测结果；基于预设损失函数，计算预测结果和样本数据对应的模式标签之间的损失值；在损失值大于损失阈值的情况下，优化初始机器学习模型的模型参数，直至损失值小于等于损失阈值，训练得到收敛的机器学习模型。
21、作为本公开实施例一种可选的实施方式，识别模块，还用于：在识别结果指示血糖读数正常的情况下，将测试数据输入深度学习模型，得到深度学习模型输出的健康报告，深度学习模型是预先训练的用于分析测试数据生成健康报告的模型；生成第一用户界面，在第一用户界面展示健康报告。
22、作为本公开实施例一种可选的实施方式，识别模块，还用于：在识别结果指示血糖读数正常的情况下，确定测试数据对应的被测者信息；获取被测者信息对应的历史测试数据；根据测试数据和历史测试数据预测血糖水平变化趋势；生成第二用户界面，在第二用户界面展示被测者信息对应的血糖水平变化趋势。
23、作为本公开实施例一种可选的实施方式，识别模块，在根据测试数据和历史测试数据预测血糖水平变化趋势之后，还用于：在血糖水平变化趋势中存在目标血糖值处于预设阈值范围的情况下，生成预警提示信息；生成第三用户界面，在第三用户界面中展示血糖水平变化趋势和预警提示信息。
24、第三方面，本公开提供一种电子设备，包括：处理器、存储器及存储在所述存储器上并可在所述处理器上运行的计算机程序，所述计算机程序被所述处理器执行时实现如第一方面或其任意一种可选的实施方式所述的血糖仪质检方法。
25、第四方面，本公开提供一种计算机可读存储介质，包括：所述计算机可读存储介质上存储计算机程序，所述计算机程序被处理器执行时实现如第一方面或其任意一种可选的实施方式所述的血糖仪质检方法。
26、第五方面，本公开提供一种计算机程序产品，包括：该计算机程序产品包括计算机程序，当所述计算机程序在计算机上运行时，使得所述计算机实现如第一方面或其任意一种可选的实施方式所述的血糖仪质检方法。
27、本公开实施例提供的技术方案与现本文档来自技高网...
【技术保护点】
1.一种血糖仪质检方法，其特征在于，包括：
2.根据权利要求1所述的方法，其特征在于，所述接收血糖仪发送的测试数据之后，将将所述测试数据输入机器学习模型，得到所述机器学习模型输出的识别结果之前，还包括：
3.根据权利要求1所述的方法，其特征在于，所述在所述识别结果指示所述血糖读数异常的情况下，确定所述血糖仪故障之后，所述方法还包括：
4.根据权利要求1所述的方法，其特征在于，所述机器学习模型的训练过程包括：
5.根据权利要求1所述的方法，其特征在于，所述将所述测试数据输入机器学习模型，得到所述机器学习模型输出的识别结果之后，所述方法还包括：
6.根据权利要求1所述的方法，其特征在于，所述将所述测试数据输入机器学习模型，得到所述机器学习模型输出的识别结果之后，所述方法还包括：
7.根据权利要求6所述的方法，其特征在于，所述根据所述测试数据和所述历史测试数据预测血糖水平变化趋势之后，所述方法还包括：
8.一种血糖仪质检装置，其特征在于，包括：
9.一种电子设备，其特征在于，包括：处理器、存
10.一种计算机可读存储介质，其特征在于，包括：所述计算机可读存储介质上存储计算机程序，所述计算机程序被处理器执行时实现如权利要求1至7中任一项所述的血糖仪质检方法。
...【技术特征摘要】
1.一种血糖仪质检方法，其特征在于，包括：
2.根据权利要求1所述的方法，其特征在于，所述接收血糖仪发送的测试数据之后，将将所述测试数据输入机器学习模型，得到所述机器学习模型输出的识别结果之前，还包括：
3.根据权利要求1所述的方法，其特征在于，所述在所述识别结果指示所述血糖读数异常的情况下，确定所述血糖仪故障之后，所述方法还包括：
4.根据权利要求1所述的方法，其特征在于，所述机器学习模型的训练过程包括：
5.根据权利要求1所述的方法，其特征在于，所述将所述测试数据输入机器学习模型，得到所述机器学习模型输出的识别结果之后，所述方法还包括：
6.根据权利要求1所述的方法，其特征在于，所述将所...
【专利技术属性】
技术研发人员：陈思，袁慧，曾小莉，沈笑然，聂睿，栾海霞，王超，马旭，王燕，
申请(专利权)人：首都医科大学附属北京安贞医院，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。