-
公开(公告)号：CN109976191A
公开(公告)日：2019-07-05
申请号：CN201910345179.7
申请日：2019-04-26
Applicant: 北京理工大学
IPC: G05B17/02
Abstract: 本发明提供一种基于移动终端的人工胰腺硬件在环仿真测试方法，具体过程为：构建运行于移动终端上的APP作为控制算法的载体；令APP与计算机上的血糖监测仿真器和胰岛素泵仿真器相连，形成闭环人工胰腺系统；APP接收血糖监测仿真器传输过来的数据，基于控制算法生成控制信号，实现血糖的闭环控制；在血糖闭环控制过程中，执行下述四种情况中的至少一种，当测试结果出现偏差时，调整控制算法使其满足要求；通过断开移动终端上APP与计算机上的血糖监测仿真器或胰岛素泵仿真器的连接，通过将移动终端切换至其他APP上，令移动终端由于电量不足导致关机，血糖监测仿真器延时发送数据或胰岛素泵仿真器延时接收数据。
-
公开(公告)号：CN118452907B
公开(公告)日：2025-05-23
申请号：CN202410553422.5
申请日：2024-05-07
Applicant: 北京理工大学
IPC: A61B5/145 , A61B5/00 , G16H50/30 , G06N3/0985 , G06F17/13 , G06N3/0442
Abstract: 本发明公开了一种基于生理信息高斯过程和元学习的餐后血糖预测系统，包括具有神经网络均值函数的高斯过程血糖预测模块、生理信息融合的优化模块以及元学习模块；具有神经网络均值函数的高斯过程血糖预测模块中的神经网络均值函数用于捕捉非线性葡萄糖动力学；生理信息融合的优化模块，将葡萄糖动力学的先验知识通过偏微分不等式描述，并以代价函数的形式嵌入到模型优化过程中；元学习模块，通过元学习方法提高模型的快速学习和泛化能力。本发明采用上述的一种基于生理信息高斯过程和元学习的餐后血糖预测系统，能够有效融入已知的血糖动态变化规律进行数据驱动学习，实现小样本下的个体化餐后血糖预测，并对预测结果的不确定性进行定量估计。
-
公开(公告)号：CN118452907A
公开(公告)日：2024-08-09
申请号：CN202410553422.5
申请日：2024-05-07
Applicant: 北京理工大学
IPC: A61B5/145 , A61B5/00 , G16H50/30 , G06N3/0985 , G06F17/13 , G06N3/0442
Abstract: 本发明公开了一种基于生理信息高斯过程和元学习的餐后血糖预测系统，包括具有神经网络均值函数的高斯过程血糖预测模块、生理信息融合的优化模块以及元学习模块；具有神经网络均值函数的高斯过程血糖预测模块中的神经网络均值函数用于捕捉非线性葡萄糖动力学；生理信息融合的优化模块，将葡萄糖动力学的先验知识通过偏微分不等式描述，并以代价函数的形式嵌入到模型优化过程中；元学习模块，通过元学习方法提高模型的快速学习和泛化能力。本发明采用上述的一种基于生理信息高斯过程和元学习的餐后血糖预测系统，能够有效融入已知的血糖动态变化规律进行数据驱动学习，实现小样本下的个体化餐后血糖预测，并对预测结果的不确定性进行定量估计。
-
公开(公告)号：CN117373656B
公开(公告)日：2024-06-21
申请号：CN202311418707.X
申请日：2023-10-30
Applicant: 北京理工大学
IPC: G16H50/20 , G16H10/60 , G06F18/25 , G06F18/214 , G06F18/2321 , G06F18/24 , G06N5/04 , G06N7/01
Abstract: 本发明公开了一种基于异构数据的糖尿病弱监督分类方法，属于糖尿病类型诊断技术领域，包括：变分推理子模块，通过对去除冗余信息的静态指标数据构建高斯混合模型来拟合其分布，其后验概率分布用变分分布来近似，利用KL散度测量变分分布与后验概率的距离，最大化证据下界来求解最小KL散度，得到的潜在变量可反映出生理标志物数据的聚类归属；慢速对比学习子模块，通过对生理信号数据监测，利用慢特征分析方法挖掘动态监测数据的内在属性，形成正负样本对，构建基于慢速特征的慢速对比学习框架，学习生理信号的表征信息；证据集成模块对两个子模块结果通过改进的DS理论进行融合。本发明以在弱监督条件下构建多维互补特征与糖尿病类型间的映射关系。
-
公开(公告)号：CN117373656A
公开(公告)日：2024-01-09
申请号：CN202311418707.X
申请日：2023-10-30
Applicant: 北京理工大学
IPC: G16H50/20 , G16H10/60 , G06F18/25 , G06F18/214 , G06F18/2321 , G06F18/24 , G06N5/04 , G06N7/01
Abstract: 本发明公开了一种基于异构数据的糖尿病弱监督分类方法，属于糖尿病类型诊断技术领域，包括：变分推理子模块，通过对去除冗余信息的静态指标数据构建高斯混合模型来拟合其分布，其后验概率分布用变分分布来近似，利用KL散度测量变分分布与后验概率的距离，最大化证据下界来求解最小KL散度，得到的潜在变量可反映出生理标志物数据的聚类归属；慢速对比学习子模块，通过对生理信号数据监测，利用慢特征分析方法挖掘动态监测数据的内在属性，形成正负样本对，构建基于慢速特征的慢速对比学习框架，学习生理信号的表征信息；证据集成模块对两个子模块结果通过改进的DS理论进行融合。本发明以在弱监督条件下构建多维互补特征与糖尿病类型间的映射关系。
-
Patent Agency Ranking
公开(公告)号：CN116705230A
公开(公告)日：2023-09-05
申请号：CN202310709116.1
申请日：2023-06-15
Applicant: 北京理工大学
Abstract: 本发明公开了具有胰岛素灵敏度自适应估计的MDI决策系统及方法，包括胰岛素灵敏度自适应估计及血糖预测模块、剂量决策模块、通信与传输模块、数据存储及可视化模块、患者信息录入模块；胰岛素灵敏度自适应估计及血糖预测模块、剂量决策模块、数据存储及可视化模块、患者信息录入模块均搭载于移动设备上，移动设备经通信传输模块分别与用于持续监测患者血糖的血糖持续监测设备和胰岛素注射设备相通讯。本发明采用上述具有胰岛素灵敏度自适应估计的MDI决策系统及方法，通过具有胰岛素灵敏度估计的血糖控制算法完成餐前和基础胰岛素剂量推荐，建立本地数据库实现数据存储和数据可视化，收集患者的必要信息以辅助决策，实现面向患者需求的系统集成设计。
-
公开(公告)号：CN114613509B
公开(公告)日：2022-11-08
申请号：CN202210425970.0
申请日：2022-04-21
Applicant: 北京理工大学
Abstract: 本发明公开了一种基于贝叶斯优化的人工胰腺长期适应的个体化学习系统，包括个体血糖状况评估模块、个体化AP参数学习模块、贝叶斯优化模块。本发明采用上述的一种基于贝叶斯优化的人工胰腺长期适应的个体化学习系统，实施个体化AP自适应，稳健地调整AP参数(BR)，增加正常血糖时间比例，显著降低低血糖发生的风险。
-
公开(公告)号：CN110111898A
公开(公告)日：2019-08-09
申请号：CN201910346168.0
申请日：2019-04-26
Applicant: 北京理工大学
Abstract: 本发明提供一种基于移动终端的多功能人工胰腺控制模块及控制方法，该控制模块包括功能选择子模块、数数据输入子模块、数据接收子模块、解锁子模块、算法运行子模块、输出显示子模块及控制输出子模块；功能选择子模块，用于选择所述控制模块的工作模式为自动控制模式、半自动控制模式。本发明基于移动终端的多功能人工胰腺控制模块，通过增加功能选择子模块，可以实现在临床试验的不同阶段(全自动控制阶段和半自动控制阶段)使用，增加可靠性，安全性。
-
公开(公告)号：CN118824542A
公开(公告)日：2024-10-22
申请号：CN202410921433.4
申请日：2024-07-10
Applicant: 北京理工大学
Abstract: 本发明属于血糖预测技术领域，公开了基于切换神经过程和胰岛素灵敏度估计的血糖预测系统，包括多模型结构的神经过程模块、餐时胰岛素灵敏度估计模块以及模型切换模块。本发明采用上述基于切换神经过程和胰岛素灵敏度估计的血糖预测系统，能够捕捉个体间和个体内的血糖动态变化，实现长期餐后血糖准确预测。
-
公开(公告)号：CN118177804A
公开(公告)日：2024-06-14
申请号：CN202410448222.3
申请日：2024-04-15
Applicant: 北京理工大学
Abstract: 本发明公开了基于CEEDMAN和神经网络去噪的情绪评估方法，属于生理状态估计技术领域。该方法包括以下步骤：S1、对于收集到的光电容积脉搏波信号以及相关的三轴加速度信号进行预处理；S2、对脉搏波信号进行去噪处理；S3、对脉搏波的相关特征进行提取；S4、对上述步骤S3提取的脉搏波特征进行特征筛选；S5、将筛选后的特征输入到分类模型中得到人体的压力类别。本发明采用上述的基于CEEDMAN和神经网络去噪的情绪评估方法，实现了去除光电容积脉搏波信号的运动伪影噪声，使用多峰值联合检测并设置阈值提取比较准确的峰值，在获取有效的特征之后，提高了对于人体的情绪评估的精度。
-
-
-
-
-
-
-
-
-
Search Results
27
records
(took 0.023 seconds)
