【技术实现步骤摘要】
本申请涉及医疗领域，具体而言，涉及一种血糖管理策略的确定方法、装置及电子设备。
技术介绍
1、围术期血糖异常主要包含高血糖和低血糖。据估计，围术期高血糖在心脏病患者中发病率高达60-90%，其容易导致患者器官功能紊乱，机体代谢异常等，诱发多种并发症，增加术后感染及死亡风险。此外，围术期低血糖也是心血管疾病和死亡的危险因素。因此，制定切实可行的围术期异常血糖管理策略意义重大。然而，由于手术创伤和应激、感染、心和肾功能不全、饮食变化等动态变化因素的存在，导致患者血糖数据不稳定，因此血糖管理仍是难点。
2、围手术期血糖异常患者的胰岛素敏感性个体差异较大，需要外科、内分泌科、营养科等多学科协作管理。然而，基于临床指南指定的血糖管理策略往往基于患者群体的平均治疗效果而设定，其未充分考虑患者的个体差异和异质性，因此这类血糖管理策略无法被视为金标准，现有技术提供的血糖管理策略存在无法对单个患者进行个性化管理策略推荐的问题。
3、针对上述的问题，目前尚未提出有效的解决方案。
技术实现思路
1、本申请实施例提供了一种血糖管理策略的确定方法、装置及电子设备，以至少解决相关技术中的血糖管理策略无法对单个患者进行个性化管理策略推荐的技术问题。
2、根据本申请实施例的一个方面，提供了一种血糖管理策略的确定方法，包括：获取目标对象在目标时段的身体状态数据；采用细粒度血糖管理模型对身体状态数据进行处理，得到目标血糖管理策略，其中，细粒度血糖管理模型通过粗粒度血糖管理模型的确定
3、可选地，细粒度血糖管理模型通过以下方式训练得到：获取目标对象的历史基础数据，其中，历史基础数据包括第一时段的历史身体状态数据、第一时段的历史血糖管理策略、第二时段的历史身体状态数据、奖赏函数和出院数据，历史身体状态数据包括目标对象的静态特征数据和时序特征数据，静态特征数据包括目标对象的属性特征数据，时序特征数据包括目标对象的历史检验数据和历史用药数据，其中，历史检验数据包括历史血糖数据；将第一时段的历史身体状态数据输入初始粗粒度血糖管理模型，并以第一时段的历史血糖管理策略为标签进行训练，得到粗粒度血糖管理模型；将第二时段的历史身体状态数据输入粗粒度血糖管理模型，得到与第二时段的历史身体状态数据对应的预测血糖管理策略的第一概率分布，并将第一概率分布按照从大到小的顺序排序后，将前k个概率分布所对应的血糖管理策略确定为第一血糖管理策略集合，其中，k为正整数；将第二时段的历史身体状态数据和第一血糖管理策略集合输入初始细粒度血糖管理模型进行训练，得到细粒度血糖管理模型。
4、可选地，粗粒度血糖管理模型包括第一血糖管理策略模型，将第一时段的历史身体状态数据输入初始粗粒度血糖管理模型进行训练，得到粗粒度血糖管理模型，包括：将第一时段的历史身体状态数据中的静态特征数据输入第一血糖管理策略模型的深度学习网络中，得到第一特征；将第一时段的历史身体状态数据中的时序特征数据输入第一血糖管理策略模型的神经网络模型中，得到第二特征；拼接第一特征和第二特征后，得到拼接特征；将拼接特征输入第一血糖管理策略模型的多层感知机网络，得到与第一时段的历史身体状态数据对应的预测血糖管理策略的第二概率分布；在第二概率分布与第一时段的历史血糖管理策略对应的概率分布的交叉熵损失不满足第一阈值的情况下，调整第一血糖管理策略模型的第一参数，直至交叉熵损失满足第一阈值时停止训练，得到粗粒度血糖管理模型。
5、可选地，细粒度血糖管理模型包括第二血糖管理策略模型、第一网络和第二网络，将第二时段的历史身体状态数据和第一血糖管理策略集合输入初始细粒度血糖管理模型进行训练，得到细粒度血糖管理模型，包括：将第二时段的历史身体状态数据输入第二血糖管理策略模型，得到与第二时段的历史身体状态数据对应的预测血糖管理策略的第三概率分布；依据第三概率分布确定与第二时段的历史身体状态数据对应的血糖管理策略候选集；将第二时段的历史身体状态数据和血糖管理策略候选集输入第一网络中，得到与第二时段的历史身体状态数据对应的预测血糖管理策略的第四概率分布，并将第四概率分布的最大概率对应的血糖管理策略确定为推荐血糖管理策略；依据推荐血糖管理策略确定总损失函数，并根据总损失函数调整第一网络和第二血糖管理策略模型的参数，在细粒度血糖管理模型的总损失值满足第二阈值的情况下停止训练，得到细粒度血糖管理模型，其中，第二网络的参数依据第一网络的参数进行调整。
6、可选地，依据第三概率分布确定与第二时段的历史身体状态数据对应的血糖管理策略候选集，包括：将第三概率分布中的最大概率确定为目标概率；确定第三概率分布中的每个概率与目标概率的比值，得到比值集合；将比值集合中大于第三阈值的概率所对应的血糖管理策略确定为血糖管理策略候选集。
7、可选地，依据推荐血糖管理策略确定总损失函数，包括：将第一时段的历史身体状态数据和第一时段的历史血糖管理策略输入第一网络中，得到第一结果；将第二时段的历史身体状态数据和推荐血糖管理策略输入第二网络中，得到第二结果；依据奖赏函数、第一结果和第二结果，确定第一损失函数；将第一时段的历史身体状态数据输入至第二血糖管理策略模型，得到第三结果；依据第一时段的历史血糖管理策略和第三结果，确定第二损失函数；依据第一损失函数和第二损失函数，确定总损失函数。
8、可选地，奖赏函数包括：获取第二时段的历史血糖数据和预设血糖数据的差值；依据差值所在的范围确定第一奖励参数；依据推荐血糖管理策略与第一血糖管理策略集合的关系，确定第二奖励参数；依据第一奖励参数和第二奖励参数，确定奖赏函数。
9、根据本申请实施例的另一方面，还提供了一种血糖管理策略的确定装置，包括：获取模块，用于获取目标对象在目标时段的身体状态数据；处理模块，用于采用细粒度血糖管理模型对身体状态数据进行处理，得到目标血糖管理策略，其中，细粒度血糖管理模型通过粗粒度血糖管理模型的确定的第一血糖管理策略集合训练得到，细粒度血糖管理模型的精度高于粗粒度血糖管理模型，粗粒度血糖管理模型通过目标对象在第一时段的历史身体状态数据训练得到，第一血糖管理策略集合根据目标对象在第二时段的历史身体状态数据确定，第一时段的结束时间在第二时段的开始时间之前。
10、根据本申请实施例的又一方面，还提供了一种电子设备，包括：存储器与处理器，存储器用于存储程序指令；处理器与存储器连接，用于执行实现上述血糖管理策略的确定方法。
11、根据本申请实施例的再一方面，还提供了一种非易失性存储介质，该非易失性存储介质包括存储的计算机程序，其中，该非易失性存储介质所在设备通过运行计算机程序执行上述血糖管理策略的确定方法。
12、根据本申请实本文档来自技高网...
【技术保护点】
1.一种血糖管理策略的确定方法，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，所述细粒度血糖管理模型通过以下方式训练得到：
3.根据权利要求2所述的方法，其特征在于，所述粗粒度血糖管理模型包括第一血糖管理策略模型，将所述第一时段的历史身体状态数据输入初始粗粒度血糖管理模型进行训练，得到所述粗粒度血糖管理模型，包括：
4.根据权利要求2所述的方法，其特征在于，所述细粒度血糖管理模型包括第二血糖管理策略模型、第一网络和第二网络，将所述第二时段的历史身体状态数据和所述第一血糖管理策略集合输入初始细粒度血糖管理模型进行训练，得到所述细粒度血糖管理模型，包括：
5.根据权利要求4所述的方法，其特征在于，依据所述第三概率分布确定与所述第二时段的历史身体状态数据对应的血糖管理策略候选集，包括：
6.根据权利要求4所述的方法，其特征在于，依据所述推荐血糖管理策略确定总损失函数，包括：
7.根据权利要求6所述的方法，其特征在于，所述奖赏函数包括：
8.一种血糖管理策略的确定装置，其特征在于，包括：<...
【技术特征摘要】
1.一种血糖管理策略的确定方法，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，所述细粒度血糖管理模型通过以下方式训练得到：
3.根据权利要求2所述的方法，其特征在于，所述粗粒度血糖管理模型包括第一血糖管理策略模型，将所述第一时段的历史身体状态数据输入初始粗粒度血糖管理模型进行训练，得到所述粗粒度血糖管理模型，包括：
4.根据权利要求2所述的方法，其特征在于，所述细粒度血糖管理模型包括第二血糖管理策略模型、第一网络和第二网络，将所述第二时段的历史身体状态数据和所述第一血糖管理策略集合输入初始细粒度血糖管理模型进行训练，得到所述细粒度血糖管理模型，包括：
5.根据权利要求4所述的方法，其特征在于，依据所述第三概率分布确定与所述第二时段的历史身体状态数据对应的血糖管理策略候选集，包括：
6.根...
【专利技术属性】
技术研发人员：赵 ，陈燕燕，刁晓林，孙兆红，李肖珏，郭丛丛，夏芸，
申请(专利权)人：中国医学科学院阜外医院，
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。