CN116721733A - 血糖值调整方法、装置和存储介质 - Google Patents
血糖值调整方法、装置和存储介质 Download PDFInfo
- Publication number
- CN116721733A CN116721733A CN202311000831.4A CN202311000831A CN116721733A CN 116721733 A CN116721733 A CN 116721733A CN 202311000831 A CN202311000831 A CN 202311000831A CN 116721733 A CN116721733 A CN 116721733A
- Authority
- CN
- China
- Prior art keywords
- blood glucose
- time period
- preset
- target
- state
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
- 239000008280 blood Substances 0.000 title claims abstract description 746
- 210000004369 blood Anatomy 0.000 title claims abstract description 746
- WQZGKKKJIJFFOK-GASJEMHNSA-N Glucose Natural products OC[C@H]1OC(O)[C@H](O)[C@@H](O)[C@@H]1O WQZGKKKJIJFFOK-GASJEMHNSA-N 0.000 title claims abstract description 730
- 239000008103 glucose Substances 0.000 title claims abstract description 730
- 238000000034 method Methods 0.000 title claims abstract description 101
- 230000008859 change Effects 0.000 claims abstract description 222
- 230000001105 regulatory effect Effects 0.000 claims abstract description 6
- NOESYZHRGYRDHS-UHFFFAOYSA-N insulin Chemical compound N1C(=O)C(NC(=O)C(CCC(N)=O)NC(=O)C(CCC(O)=O)NC(=O)C(C(C)C)NC(=O)C(NC(=O)CN)C(C)CC)CSSCC(C(NC(CO)C(=O)NC(CC(C)C)C(=O)NC(CC=2C=CC(O)=CC=2)C(=O)NC(CCC(N)=O)C(=O)NC(CC(C)C)C(=O)NC(CCC(O)=O)C(=O)NC(CC(N)=O)C(=O)NC(CC=2C=CC(O)=CC=2)C(=O)NC(CSSCC(NC(=O)C(C(C)C)NC(=O)C(CC(C)C)NC(=O)C(CC=2C=CC(O)=CC=2)NC(=O)C(CC(C)C)NC(=O)C(C)NC(=O)C(CCC(O)=O)NC(=O)C(C(C)C)NC(=O)C(CC(C)C)NC(=O)C(CC=2NC=NC=2)NC(=O)C(CO)NC(=O)CNC2=O)C(=O)NCC(=O)NC(CCC(O)=O)C(=O)NC(CCCNC(N)=N)C(=O)NCC(=O)NC(CC=3C=CC=CC=3)C(=O)NC(CC=3C=CC=CC=3)C(=O)NC(CC=3C=CC(O)=CC=3)C(=O)NC(C(C)O)C(=O)N3C(CCC3)C(=O)NC(CCCCN)C(=O)NC(C)C(O)=O)C(=O)NC(CC(N)=O)C(O)=O)=O)NC(=O)C(C(C)CC)NC(=O)C(CO)NC(=O)C(C(C)O)NC(=O)C1CSSCC2NC(=O)C(CC(C)C)NC(=O)C(NC(=O)C(CCC(N)=O)NC(=O)C(CC(N)=O)NC(=O)C(NC(=O)C(N)CC=1C=CC=CC=1)C(C)C)CC1=CN=CN1 NOESYZHRGYRDHS-UHFFFAOYSA-N 0.000 claims description 138
- 238000001514 detection method Methods 0.000 claims description 95
- 102000004877 Insulin Human genes 0.000 claims description 69
- 108090001061 Insulin Proteins 0.000 claims description 69
- 229940125396 insulin Drugs 0.000 claims description 69
- 238000004590 computer program Methods 0.000 claims description 17
- 238000012545 processing Methods 0.000 claims description 9
- 235000005911 diet Nutrition 0.000 claims description 8
- 230000037213 diet Effects 0.000 claims description 8
- 238000010586 diagram Methods 0.000 description 45
- 230000008569 process Effects 0.000 description 34
- 230000033001 locomotion Effects 0.000 description 27
- 239000003814 drug Substances 0.000 description 13
- 238000012937 correction Methods 0.000 description 11
- 230000002452 interceptive effect Effects 0.000 description 9
- 230000001133 acceleration Effects 0.000 description 7
- 229940079593 drug Drugs 0.000 description 7
- 230000000276 sedentary effect Effects 0.000 description 7
- 238000012806 monitoring device Methods 0.000 description 6
- 206010062519 Poor quality sleep Diseases 0.000 description 4
- 210000004556 brain Anatomy 0.000 description 4
- 238000012544 monitoring process Methods 0.000 description 4
- 230000002829 reductive effect Effects 0.000 description 4
- 238000013459 approach Methods 0.000 description 3
- 238000004891 communication Methods 0.000 description 3
- 238000013527 convolutional neural network Methods 0.000 description 3
- 230000008878 coupling Effects 0.000 description 3
- 238000010168 coupling process Methods 0.000 description 3
- 238000005859 coupling reaction Methods 0.000 description 3
- 206010012601 diabetes mellitus Diseases 0.000 description 3
- 235000013305 food Nutrition 0.000 description 3
- 238000013473 artificial intelligence Methods 0.000 description 2
- 238000013528 artificial neural network Methods 0.000 description 2
- 230000002612 cardiopulmonary effect Effects 0.000 description 2
- 238000009792 diffusion process Methods 0.000 description 2
- 230000037406 food intake Effects 0.000 description 2
- 230000000670 limiting effect Effects 0.000 description 2
- 238000013186 photoplethysmography Methods 0.000 description 2
- 230000004044 response Effects 0.000 description 2
- 230000003068 static effect Effects 0.000 description 2
- 229940077274 Alpha glucosidase inhibitor Drugs 0.000 description 1
- OKTJSMMVPCPJKN-UHFFFAOYSA-N Carbon Chemical compound [C] OKTJSMMVPCPJKN-UHFFFAOYSA-N 0.000 description 1
- 208000017701 Endocrine disease Diseases 0.000 description 1
- 208000013016 Hypoglycemia Diseases 0.000 description 1
- 229940100389 Sulfonylurea Drugs 0.000 description 1
- 239000003888 alpha glucosidase inhibitor Substances 0.000 description 1
- 239000003472 antidiabetic agent Substances 0.000 description 1
- 230000001684 chronic effect Effects 0.000 description 1
- 125000004122 cyclic group Chemical group 0.000 description 1
- 230000003247 decreasing effect Effects 0.000 description 1
- 230000001627 detrimental effect Effects 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 208000030172 endocrine system disease Diseases 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 229910021389 graphene Inorganic materials 0.000 description 1
- 229940088597 hormone Drugs 0.000 description 1
- 239000005556 hormone Substances 0.000 description 1
- 201000001421 hyperglycemia Diseases 0.000 description 1
- 229940126904 hypoglycaemic agent Drugs 0.000 description 1
- 238000007689 inspection Methods 0.000 description 1
- 230000002045 lasting effect Effects 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 208000030159 metabolic disease Diseases 0.000 description 1
- 230000002503 metabolic effect Effects 0.000 description 1
- XZWYZXLIPXDOLR-UHFFFAOYSA-N metformin Chemical compound CN(C)C(=N)NC(N)=N XZWYZXLIPXDOLR-UHFFFAOYSA-N 0.000 description 1
- 229960003105 metformin Drugs 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 210000000214 mouth Anatomy 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 210000000496 pancreas Anatomy 0.000 description 1
- 230000000306 recurrent effect Effects 0.000 description 1
- 230000000241 respiratory effect Effects 0.000 description 1
- 230000000630 rising effect Effects 0.000 description 1
- 210000004761 scalp Anatomy 0.000 description 1
- 239000000126 substance Substances 0.000 description 1
- YROXIXLRRCOBKF-UHFFFAOYSA-N sulfonylurea Chemical class OC(=N)N=S(=O)=O YROXIXLRRCOBKF-UHFFFAOYSA-N 0.000 description 1
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 1
- 210000000707 wrist Anatomy 0.000 description 1
Classifications
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61M—DEVICES FOR INTRODUCING MEDIA INTO, OR ONTO, THE BODY; DEVICES FOR TRANSDUCING BODY MEDIA OR FOR TAKING MEDIA FROM THE BODY; DEVICES FOR PRODUCING OR ENDING SLEEP OR STUPOR
- A61M5/00—Devices for bringing media into the body in a subcutaneous, intra-vascular or intramuscular way; Accessories therefor, e.g. filling or cleaning devices, arm-rests
- A61M5/14—Infusion devices, e.g. infusing by gravity; Blood infusion; Accessories therefor
- A61M5/142—Pressure infusion, e.g. using pumps
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
- G16H20/00—ICT specially adapted for therapies or health-improving plans, e.g. for handling prescriptions, for steering therapy or for monitoring patient compliance
- G16H20/10—ICT specially adapted for therapies or health-improving plans, e.g. for handling prescriptions, for steering therapy or for monitoring patient compliance relating to drugs or medications, e.g. for ensuring correct administration to patients
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61M—DEVICES FOR INTRODUCING MEDIA INTO, OR ONTO, THE BODY; DEVICES FOR TRANSDUCING BODY MEDIA OR FOR TAKING MEDIA FROM THE BODY; DEVICES FOR PRODUCING OR ENDING SLEEP OR STUPOR
- A61M5/00—Devices for bringing media into the body in a subcutaneous, intra-vascular or intramuscular way; Accessories therefor, e.g. filling or cleaning devices, arm-rests
- A61M5/14—Infusion devices, e.g. infusing by gravity; Blood infusion; Accessories therefor
- A61M5/142—Pressure infusion, e.g. using pumps
- A61M2005/14208—Pressure infusion, e.g. using pumps with a programmable infusion control system, characterised by the infusion program
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61M—DEVICES FOR INTRODUCING MEDIA INTO, OR ONTO, THE BODY; DEVICES FOR TRANSDUCING BODY MEDIA OR FOR TAKING MEDIA FROM THE BODY; DEVICES FOR PRODUCING OR ENDING SLEEP OR STUPOR
- A61M2230/00—Measuring parameters of the user
- A61M2230/20—Blood composition characteristics
- A61M2230/201—Glucose concentration
Landscapes
- Engineering & Computer Science (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Theoretical Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Public Health (AREA)
- Life Sciences & Earth Sciences (AREA)
- Medicinal Chemistry (AREA)
- Artificial Intelligence (AREA)
- Hematology (AREA)
- Veterinary Medicine (AREA)
- Chemical & Material Sciences (AREA)
- Heart & Thoracic Surgery (AREA)
- Biomedical Technology (AREA)
- Epidemiology (AREA)
- Medical Informatics (AREA)
- Primary Health Care (AREA)
- Anesthesiology (AREA)
- Animal Behavior & Ethology (AREA)
- Bioinformatics & Computational Biology (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Evolutionary Biology (AREA)
- Evolutionary Computation (AREA)
- Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Vascular Medicine (AREA)
- Measurement Of The Respiration, Hearing Ability, Form, And Blood Characteristics Of Living Organisms (AREA)
Abstract
本申请涉及一种血糖值调整方法、装置和存储介质。所述方法包括:获取位于当前时刻之后且与当前时刻相邻的第一预测时间段的血糖变化曲线,当第一预测时间段的血糖变化曲线不满足预设条件时,则基于目标对象的当前状态和第一预测时间段的血糖变化曲线,对第一预设时间段的准目标血糖值进行调整,得到第一临时目标血糖值;当与第一预测时间段相邻的第二预测时间段的血糖变化曲线不满足预设条件时,则基于目标对象的当前状态和第二预测时间段的血糖变化曲线,对第一预设时间段的准目标血糖值进行调整;直到下一个预测时间段的血糖变化曲线满足预设条件,则结束对第一预设时间段的准目标血糖值的调整。采用本方法能够准确地调整血糖值。
Description
技术领域
本申请涉及医学技术领域,特别是涉及一种血糖值调整方法、装置和存储介质。
背景技术
糖尿病是一种常见的代谢内分泌疾病,指由于人的胰腺不能产生足量的激素胰岛素引起慢性代谢紊乱,从而导致高血糖症,即血浆中存在过量的葡萄糖。糖尿病无法治愈,需要永久性治疗,以将糖尿病患者的血糖水平持续保持在正常范围内。
目前,糖尿病患者通常是根据自身经验或者医生的医嘱确定胰岛素泵的胰岛素信息,以调整自身的血糖值,然而,目前血糖值调整方法存在着不准确的问题。
发明内容
基于此,有必要针对上述技术问题,提供一种准确的血糖值调整方法、装置和存储介质。
第一方面,本申请提供了一种血糖值调整方法。该方法包括:
获取位于当前时刻之后且与当前时刻相邻的第一预测时间段的血糖变化曲线;
当第一预测时间段的血糖变化曲线不满足预设条件时,则基于目标对象的当前状态和第一预测时间段的血糖变化曲线,对第一预设时间段的准目标血糖值进行调整,得到第一临时目标血糖值;
当与第一预测时间段相邻的第二预测时间段的血糖变化曲线不满足预设条件时,则基于目标对象的当前状态和第二预测时间段的血糖变化曲线,对第一预设时间段的准目标血糖值进行调整;直到下一个预测时间段的血糖变化曲线满足预设条件,则结束对第一预设时间段的准目标血糖值的调整;其中,第二预测时间段的血糖变化曲线是基于第一临时目标血糖值所生成的胰岛素信息确定的;第一预设时间段包括至少两个预测时间段。
第二方面,本申请还提供了一种血糖值调整装置。该装置包括:
第一获取模块,用于获取位于当前时刻之后且与当前时刻相邻的第一预测时间段的血糖变化曲线;
第一调整模块,用于当第一预测时间段的血糖变化曲线不满足预设条件时,则基于目标对象的当前状态和第一预测时间段的血糖变化曲线,对第一预设时间段的准目标血糖值进行调整,得到第一临时目标血糖值;
第二调整模块,用于当与第一预测时间段相邻的第二预测时间段的血糖变化曲线不满足预设条件时,则基于目标对象的当前状态和第二预测时间段的血糖变化曲线,对第一预设时间段的准目标血糖值进行调整;直到下一个预测时间段的血糖变化曲线满足预设条件,则结束对第一预设时间段的准目标血糖值的调整;其中,第二预测时间段的血糖变化曲线是基于第一临时目标血糖值所生成的胰岛素信息确定的;第一预设时间段包括至少两个预测时间段。
第三方面,本申请还提供了一种计算机设备。所述计算机设备包括存储器和处理器,所述存储器存储有计算机程序,所述处理器执行所述计算机程序时实现上述任一方法的步骤。
第四方面,本申请还提供了一种计算机可读存储介质。所述计算机可读存储介质,其上存储有计算机程序,所述计算机程序被处理器执行时实现上述任一方法的步骤。
第五方面,本申请还提供了一种计算机程序产品。所述计算机程序产品,包括计算机程序,该计算机程序被处理器执行时实现上述任一方法的步骤。
上述血糖值调整方法、装置和存储介质,获取位于当前时刻之后且与当前时刻相邻的第一预测时间段的血糖变化曲线,当第一预测时间段的血糖变化曲线不满足预设条件时,则基于目标对象的当前状态和第一预测时间段的血糖变化曲线,对第一预设时间段的准目标血糖值进行调整,得到第一临时目标血糖值。当与第一预测时间段相邻的第二预测时间段的血糖变化曲线不满足预设条件时,则基于目标对象的当前状态和第二预测时间段的血糖变化曲线,对第一预设时间段的准目标血糖值进行调整;直到下一个预测时间段的血糖变化曲线满足预设条件,则结束对第一预设时间段的准目标血糖值的调整。由于在对第一预设时间段的准目标血糖值进行调整得到第一临时目标血糖值之后,第一预测时间段的血糖值就会逐渐接近第一临时目标血糖值。而第一预设时间段包括至少两个预测时间段,并且第二预测时间段的血糖变化曲线是基于第一临时目标血糖值所生成的胰岛素信息确定的,因此,在调整的过程中就会使得下一个预测时间段的血糖变化曲线逐渐满足预设条件。如此,就可以实现较为准确地调整血糖值,而无需根据自身经验或者医嘱调整血糖值。
附图说明
图1为本申请实施例中一种血糖值调整方法的应用环境图;其中,图1中的(a)图为一种血糖值调整方法的应用示意图,图1中的(b)图为血糖监测设备的示意图,图1中的(c)图为胰岛素泵的示意图;
图2为本申请实施例中血糖值调整方法的流程示意图;
图3为本申请实施例中一种得到第一临时目标血糖值的流程示意图;
图4为本申请实施例中又一种得到第一临时目标血糖值的流程示意图;
图5为本申请实施例一种血糖值变化情况的示意图;其中,图5中的(a)图为又一种血糖值变化情况的示意图,图5中的(b)图为又一种血糖值变化情况的示意图;
图6为本申请实施例中一种调整血糖值的过程示意图;
图7为本申请实施例又一种血糖值变化情况的示意图;其中,图7中的(a)图为又一种血糖值变化情况的示意图,图7中的(b)图为又一种血糖值变化情况的示意图;
图8为本申请实施例中一种调整血糖值的过程示意图;
图9为本申请实施例又一种血糖值变化情况的示意图;
图10为本申请实施例中一种调整血糖值的过程示意图;
图11为本申请实施例中一种确定目标对象的当前状态的流程示意图;
图12为本申请实施例确定运动状态的拓扑示意图;其中,图12中的(a)图为一种确定运动状态的拓扑示意,图12中的(b)图为又一种确定运动状态的拓扑示意;
图13为本申请实施例中又一种调整血糖的过程示意图;
图14为本申请实施例中又一种确定目标对象的当前状态的流程示意图;
图15为本申请实施例中又一种调整血糖的过程示意图;
图16为本申请实施例中又一种确定目标对象的当前状态的流程示意图;
图17为本申请实施例中又一种调整血糖的过程示意图;
图18为本申请实施例中一种确定血糖变化曲线的流程示意图;
图19为本申请实施例中一种确定胰岛素信息的流程示意图;
图20为本申请实施例中又一种确定胰岛素信息的流程示意图;
图21为本申请实施例中一种确定胰岛素信息的流程示意图;
图22为本申请实施例中一种调整血糖的原理示意图;
图23为本申请实施例中一种血糖值调整方法的过程示意图;
图24为本申请实施例中血糖值调整装置的结构框图;
图25为本申请实施例中计算机设备的内部结构图。
具体实施方式
为了使本申请的目的、技术方案及优点更加清楚明白,以下结合附图及实施例,对本申请进行进一步详细说明。应当理解,此处描述的具体实施例仅仅用以解释本申请,并不用于限定本申请。
图1为本申请实施例中一种血糖值调整方法的应用环境图,如图1中的(a)图示出了一种血糖值调整方法的应用示意图。其中,血糖监测设备(Continuous GlucoseMonitoring,缩写CGM)101如图1中的(b)图所示,其用于监测目标对象的血糖值。图1中的(a)图以血糖监测设备101为接触式进行示例,可以理解的是,其可也可以是非接触式。胰岛素泵102(Insulin Pump,缩写PUMP)如图1中的(c)图所示,用于接收胰岛素信息。
计算机设备103能够分别与血糖监测设备101和胰岛素泵102进行通信。计算机设备103可以但不限于是各种个人计算机、笔记本电脑、智能手机、平板电脑、医疗设备和便携式可穿戴设备,便携式可穿戴设备可为智能手表、智能手环、头戴设备等。计算机设备103也可以用独立的服务器或者是多个服务器组成的服务器集群来实现,还可以通过云服务器实现。
图1以计算机设备103设置在血糖监测设备101和胰岛素泵102的外部进行示例,在一些实施例中,计算机设备103也可以设置在血糖监测设备101或胰岛素泵102中,其可以包括中央处理器(Central Processing Unit,缩写CPU),还可以包括数字信号处理器(Digital SignalProcessing,缩写DSP)、现场可编程门阵列(Field-Programmable GateArray,缩写FPGA)或者其他可编程逻辑器件。
图2为本申请实施例中血糖值调整方法的流程示意图,该方法可以应用于图1所示的计算机设备中,在一个实施例中,如图2所示,包括以下步骤:
S201,获取位于当前时刻之后且与当前时刻相邻的第一预测时间段的血糖变化曲线。
在本实施例中,计算机设备首先需要获取第一预测时间段的血糖变化曲线。其中,第一预测时间段是位于当前时刻之后且与当前时刻相邻的预测时间段。换句话说,第一预测时间段包括在当前时刻之后的未来时间段。可以理解的是,第一预测时间段的长度可以根据需求设置,例如为15分钟。示例性地,假设当前时刻为10点,则第一预测时间段可以为10点之后至10点15分的时间段,也即10点~10点15分。
血糖变化曲线用于体现目标对象在对应的预测时间段中血糖值的变化情况,也就是说,第一预测时间段的血糖变化曲线用于体现目标对象的血糖值在第一预测时间段的变化情况。可选的,第一预测时间段的血糖变化曲线可以包括第一预测时间段中各时刻对应的第一预测血糖值。示例性地,血糖变化曲线可以包括10点01分的第一预测血糖值1、10点02分的第一预测血糖值2、……、10点15分的第一预测血糖值15。
进一步可选的,计算机设备可以获取CGM监测的目标对象的血糖值,并根据CGM监测的目标对象的血糖值,确定出目标对象在当前时刻之前的血糖变化情况,进而根据目标对象在当前时刻之前的血糖变化情况预测出第一预测时间段的血糖变化曲线。计算机设备也可以根据目标对象的性别、年龄生理信息,模拟出目标对象在第一预测时间段的血糖变化曲线,本实施例不做限制。
S202,当第一预测时间段的血糖变化曲线不满足预设条件时,则基于目标对象的当前状态和第一预测时间段的血糖变化曲线,对第一预设时间段的准目标血糖值进行调整,得到第一临时目标血糖值。
在本实施例中,计算机设备在确定第一预测时间段的血糖变化曲线之后,就可以确定第一预测时间段的血糖变化曲线是否满足预设条件。预设条件可以包括预设的目标血糖范围。目标血糖范围包括目标对象的血糖值在理想情况下的上限和下限,例如目标血糖范围表示90毫克/分升-120毫克/分升。
可选的,若第一预测时间段的血糖变化曲线在目标血糖范围内,也即第一预测时间段中每个时刻的血糖值均落在目标血糖范围,则计算机设备确定第一预测时间段的血糖变化曲线满足预设条件;若第一预测时间段的血糖变化曲线不在目标血糖范围内,也即第一预测时间段中存在血糖值落在目标血糖范围之外的时刻,则计算机设备确定第一预测时间段的血糖变化曲线不满足预设条件。
第一预设时间段指一个预设的时间段,其包括至少两个预测时间段,例如,第一预设时间段包括第一预测时间段和第二预测时间段,第二预测时间段是与第一预测时间段相邻的下一个预测时间段,第一预测时间段表示10点~10点15分,第二预测时间段表示10点15分~10点30分。
第一预设时间段的准目标血糖值为目标对象在第一预设时间段中处于理想情况下的血糖值。例如,第一预设时间段是10点至11点,10点至11点对应的准目标血糖值为90毫克/分升。
需要说明的是,不同预设时间段的准目标血糖值可以不同。示例性地,以一天24为例,8点至9点对应准目标血糖值1,9点至10点对应准目标血糖值2,10点至11点对应准目标血糖值3,以此类推,一天则可以对应24个准目标血糖值。
目标对象的当前状态与目标对象的当前活动有关,可以理解的是,目标对象日常的吃、住、行等行为均会影响血糖值。例如,运动会降低血糖,饮食会升高血糖,摄入降糖药会降低血糖,久坐或睡眠会升高血糖等。因此,基于目标对象的当前状态对第一预设时间段的准目标血糖值进行调整,会提高血糖值调整的准确性。
进而,若第一预测时间段的血糖变化曲线不满足预设条件,则计算机设备会基于目标对象的当前状态和第一预测时间段的血糖变化曲线,对第一预设时间段的准目标血糖值进行调整,得到第一临时目标血糖值。
在一个实施例中,可选的,若第一预测时间段的血糖变化曲线位于目标血糖范围的上方,则说明如果按照第一预测时间段的准目标血糖值调整目标对象的当前血糖,会导致目标对象在第一预测时间段内的血糖值偏高,因此需要降低第一预测时间段的准目标血糖值。故而,计算机设备可以按照第一预设步长减小第一预测时间段的准目标血糖值,以得到第一临时目标血糖值。
若第一预测时间段的血糖变化曲线位于目标血糖范围的下方,则说明如果按照第一预测时间段的准目标血糖值调整目标对象的当前血糖,会导致目标对象在第一预测时间段内的血糖值偏低,因此需要提高第一预测时间段的准目标血糖值。因此,计算机设备可以按照第二预设步长增加第一预测时间段的准目标血糖值,以得到第一临时目标血糖值。
其中,第一预设步长和第二预设步长可以根据目标对象的当前状态确定,例如,如果目标对象的当前状态表示目标对象之后的血糖会上升,则可以增大第一预设步长的值,减小第二预设步长的值。
S203,当与第一预测时间段相邻的第二预测时间段的血糖变化曲线不满足预设条件时,则基于目标对象的当前状态和第二预测时间段的血糖变化曲线,对第一预设时间段的准目标血糖值进行调整;直到下一个预测时间段的血糖变化曲线满足预设条件,则结束对第一预设时间段的准目标血糖值的调整;其中,第二预测时间段的血糖变化曲线是基于第一临时目标血糖值所生成的胰岛素信息确定的;第一预设时间段包括至少两个预测时间段。
在本实施例中,在得到第一临时目标血糖值之后,计算机设备就可以根据第一临时目标血糖值生成胰岛素信息。其中,胰岛素信息用于指示目标对象达到第一临时目标血糖值所需要的胰岛素用量。可以理解的是,该胰岛素信息不仅会影响到第一预测时间段实际的血糖变化,还会影响到第二预测时间段的血糖变化曲线。
如此,第一预测时间段之后,计算机设备就可以继续确定第二预测时间段的血糖变化曲线,并确定出第二预测时间段的血糖变化曲线是否满足预设条件。若第二预测时间段的血糖变化曲线不满足预设条件,则计算机设备可以继续基于目标对象的当前状态和第二预测时间段的血糖变化曲线,对第一预设时间段的准目标血糖值进行调整。
其中,计算机设备确定第二预测时间段的血糖变化曲线的过程,与确定第一预测时间段的血糖变化曲线的过程原理相同;确定第二预测时间段的血糖变化曲线是否满足预设条件的过程,与确定第一预测时间段的血糖变化曲线是否满足预设条件的过程原理相同;基于目标对象的当前状态和第二预测时间段的血糖变化曲线对第一预设时间段的准目标血糖值进行调整的过程也可以参考第一预测时间段,此处均不再赘述。
进一步地,直到下一个预测时间段的血糖变化曲线满足预设条件,则结束对第一预设时间段的准目标血糖值的调整。
示例性地,假设第一预设时间段为10点至11点,第一预设时间段对应准目标血糖值3。
在当前时刻为10点时,计算机设备确定10点~10点15分的血糖变化曲线,也即第一预测时间段的血糖变化曲线。若10点~10点15分的血糖变化曲线不满足预设条件,则计算机设备基于目标对象的当前状态以及10点~10点15分的血糖变化曲线,对准目标血糖值3进行调整,得到第一临时目标血糖值A。然后,计算机设备可以根据第一临时目标血糖值A确定10点对应的胰岛素信息A,胰岛素信息A会影响10点15分~10点30分的血糖变化曲线。
15分钟之后,当前时刻为10点15分,计算机设备确定10点15分~10点30分的血糖变化曲线,也即第二预测时间段的血糖变化曲线。若10点15分~10点30分的血糖变化曲线仍不满足预设条件,而则计算机设备继续基于目标对象的当前状态和10点15分~10点30分的血糖变化曲线,对准目标血糖值3进行调整,得到第一临时目标血糖值B。然后,计算机设备根据第一临时目标血糖值B确定10点15分对应的胰岛素信息B,胰岛素信息B会影响10点30分~10点45分的血糖变化曲线。
又15分钟之后,当前时刻为10点30分,计算机设备确定10点30分~10点45分的血糖变化曲线,也即下一个预测时间段的血糖变化曲线。若10点30分~10点45分的血糖变化曲线仍不满足预设条件,则计算机设备继续基于目标对象的当前状态和10点30分~10点45分的血糖变化曲线,对准目标血糖值3进行调整,得到第一临时目标血糖值C。然后,计算机设备根据第一临时目标血糖值C确定10点30分对应的胰岛素信息C,胰岛素信息C会影响10点45分~11点的血糖变化曲线。
如此往复,直到当前时刻为10点45分,计算机设备确定10点45分~11点的血糖变化曲线已经满足预设条件,则停止对10点~11点的准目标血糖值3的调整。
可以理解的是,15分钟之后,如果计算机设备在11点继续调整,则进入第一预设时间段的下一个第二预设时间段,也即11点至12点。示例性地,若当前时刻为11点,且11点~11点15分的血糖变化曲线不满足预设条件,则计算机设备基于目标对象的当前状态和11点~11点15分的血糖变化曲线,对11点~12点对应的准目标血糖值4进行调整,如此往复。
本实施例提供的血糖值调整方法,获取位于当前时刻之后且与当前时刻相邻的第一预测时间段的血糖变化曲线,当第一预测时间段的血糖变化曲线不满足预设条件时,则基于目标对象的当前状态和第一预测时间段的血糖变化曲线,对第一预设时间段的准目标血糖值进行调整,得到第一临时目标血糖值。当与第一预测时间段相邻的第二预测时间段的血糖变化曲线不满足预设条件时,则基于目标对象的当前状态和第二预测时间段的血糖变化曲线,对第一预设时间段的准目标血糖值进行调整;直到下一个预测时间段的血糖变化曲线满足预设条件,则结束对第一预设时间段的准目标血糖值的调整。由于在对第一预设时间段的准目标血糖值进行调整得到第一临时目标血糖值之后,第一预测时间段的血糖值就会逐渐接近第一临时目标血糖值。而第一预设时间段包括至少两个预测时间段,并且第二预测时间段的血糖变化曲线是基于第一临时目标血糖值所生成的胰岛素信息确定的,因此,在调整的过程中就会使得下一个预测时间段的血糖变化曲线逐渐满足预设条件。如此,就可以实现较为准确地调整血糖值,而无需根据自身经验或者医嘱调整血糖值。
在一个实施例中,可选的,上述的血糖值调整方法还包括如下步骤:
若下一个预测时间段在第一预设时间段与第二预设时间段之间,且,下一个预测时间段的血糖变化曲线不满足预设条件,则基于目标对象的当前状态和下一个预测时间段的血糖变化曲线,对第二预设时间段的准目标血糖值进行调整;其中,第二预设时间段位于第一预设时间段之后且与第一预设时间段相邻。
在本实施例中,以第一预设时间段为10点至11点,第二预设时间段为11点至12点,每个预测时间段为25分钟为例。在当前时间为10点50分的情况下,下一个预测时间段为10点50分~11点15分,该预测时间段横跨了10点至11点的第一预设时间段和11点至12点的第二预设时间段,也即是该预测时间段在第一预设时间段与第二预设时间段之间。
因此,在10点50分~11点15分的血糖变化曲线不满足预设条件的情况下,计算机设备会以后一个预设时间段对应的准目标血糖值为基准进行调整,也就是说,计算机设备会基于目标对象的当前状态和10点50分~11点15分的血糖变化曲线,对11点~12点的准目标血糖值4进行调整,从而对第二预设时间段的准目标血糖值进行调整。
本实施例由于在下一个预测时间段在第一预设时间段与第二预设时间段之间,且,下一个预测时间段的血糖变化曲线不满足预设条件的情况下,能够基于目标对象的当前状态和下一个预测时间段的血糖变化曲线,对第二预设时间段的准目标血糖值进行调整,因此,在预测时间段横跨第一预设时间段和第二预设时间段的情况下,能够以时间点靠后的第二预设时间段的准目标血糖值作为调整基准,从而提高了血糖值调整的精度。
图3为本申请实施例中一种得到第一临时目标血糖值的流程示意图,参照图3,本实施例涉及的是如何得到第一临时目标血糖值的一种可选的实现方式。在上述实施例的基础上,上述的S202中的“基于目标对象的当前状态和第一预测时间段的血糖变化曲线,对第一预设时间段的准目标血糖值进行调整,得到第一临时目标血糖值”还包括如下步骤:
S301,若目标对象的当前状态为预设状态,则将预设状态对应的准目标血糖值作为第一临时目标血糖值。
S302,若目标对象的当前状态不为预设状态,则基于第一预测时间段的血糖变化曲线,对第一预设时间段的准目标血糖值进行调整,得到第一临时目标血糖值。
在本实施例中,预设状态指会影响目标对象的血糖值的状态。示例性地,预设状态可以包括但不限于是运动状态、吃药状态、驾驶状态、饮食状态、久坐状态、睡眠状态。
可选的,计算机设备可以在目标对象即将进入或者已经进入预设状态之后,响应于目标对象的操作,确定目标对象的当前状态为预设状态。
不同的预设状态存在对应的准目标血糖值。以上述示例的6个预设状态为例,运动状态对应准目标血糖值A、吃药状态对应准目标血糖值B,以此类推。其中,预设状态对应的准目标血糖值可以其他电子设备发送给计算机设备的,也可以是计算机设备根据目标对象的当前血糖值和预设状态确定出的血糖值,还可以是计算机设备响应于目标对象的交互操作后确定的血糖值。
示例性地,在睡眠不佳的情况下会导致血糖升高,给血糖的控制带来不利。而睡眠好的情况下有助于血糖的调理。因此,计算机设备可以检测目标对象的睡眠状态等级,例如睡眠状态等级为清醒、浅睡眠或深度睡眠,并根据不同的睡眠状态等级以及当前血糖值推荐睡眠状态对应的准目标血糖值。
摄入不同的药物也会影响到目标对象的血糖值,因此,计算机设备可以检测到目标对象在吃药状态下的药物类型,例如判断药物类型是否属于磺脲类、二甲双胍类或α-葡萄糖苷酶抑制剂,进而结合药物类型和当前血糖值推荐吃药状态对应的准目标血糖值。
计算机设备也可以确定出目标对象的驾驶状态等级,例如驾驶状态等级为轻度疲劳、中度疲劳或严重疲劳,并根据不同的驾驶状态等级以及当前血糖值推荐驾驶状态对应的准目标血糖值。
计算机设备还可以在确定目标对象的当前状态为运动状态的情况下,根据目标用户的运动数据,分析目标运动的运动状态等级,例如运动状态等级为高强度、中强度或低强度,从而根据运动状态等级和当前血糖值推荐运动状态对应的准目标血糖值,以尽量避免目标对象在运动前后出现高、低血糖。其中,运动数据可以包括但不限于是运动距离、运动时间、运动热量。
更进一步地,计算机设备在确定第一预测时间段的血糖变化曲线不满足预设条件之后,会确定目标对象的当前状态是否为预设状态,如果目标对象的当前状态为预设状态,则可以将预设状态对应的准目标血糖值作为第一临时目标血糖值。
示例性地,若在10点时,计算机设备确定10点至10点15分的血糖变化曲线不满足预设条件,且,目标对象的当前状态为运动状态,则计算机设备会将运动状态对应的准目标血糖值A作为第一临时目标血糖值A。
继续上述的示例,若计算机设备确定10点至10点15分的血糖变化曲线不满足预设条件,且,目标对象的当前状态不为运动状态、吃药状态、驾驶状态、饮食状态、久坐状态、睡眠状态中的任意一种,则计算机设备在10点时,会对10点至10点15分的准目标血糖值进行调整,也即对10点至10点15分对应的预设目标血糖值3进行调整,以得到第一临时目标血糖值A。
本实施例由于在目标对象的当前状态不为预设状态,再对第一预测时间段的准目标血糖值进行调整,得到第一临时目标血糖值。因此,提高了血糖值调整的准确性。
图4为本申请实施例中又一种得到第一临时目标血糖值的流程示意图,参照图4,本实施例涉及的是如何得到第一临时目标血糖值的一种可选的实现方式。在上述实施例的基础上,上述的S302中的“基于第一预测时间段的血糖变化曲线,对第一预设时间段的准目标血糖值进行调整,得到第一临时目标血糖值”还包括如下步骤:
S401,若第一预测时间段的血糖变化曲线中目标时间点对应的血糖值大于目标血糖范围的上限,则按照第一预设步长对第一预设时间段的准目标血糖值进行递减处理,得到第一临时目标血糖值。
S402,若第一预测时间段的血糖变化曲线中目标时间点对应的血糖值小于目标血糖范围的下限,则按照第二预设步长对第一预设时间段的准目标血糖值进行递增处理,得到第一临时目标血糖值;目标时间点用于指示第一预测时间段中最后一个时间点。
在本实施例中,对第一预设时间段的准目标血糖值的调整可以是向上调整,也可以是向下调整。计算机设备会根据第一预测时间段的血糖变化曲线中目标时间点对应的血糖值与目标血糖范围的关系,来确定需要向下调整还是向上调整。
其中,目标时间点用于指示第一预测时间段中最后一个时间点。示例性地,第一预测时间段是10点~10点15分,则目标时间点可以是10点15分。
也就是说,若第一预测时间段的血糖变化曲线中目标时间点对应的血糖值大于目标血糖范围的上限,例如,若10点15分对应的血糖值大于目标血糖范围的上限,则说明目标时间点对应的血糖值偏高,因此,计算机设备会按照第一预设步长对10点至11点的准目标血糖值3进行递减处理,得到第一临时目标血糖值A。
若第一预测时间段的血糖变化曲线中目标时间点对应的血糖值小于目标血糖范围的下限,例如,若10点15分对应的血糖值小于目标血糖范围的下限,则说明目标时间点对应的血糖值偏低,因此,计算机设备会按照第二预设步长对10点至11点的准目标血糖值3进行递增处理,得到第一临时目标血糖值A。
其中,第一预设步长和第二预设步长可以根据需求确定,其均是大于0的数。
本实施例在第一预测时间段的血糖变化曲线中目标时间点对应的血糖值大于目标血糖范围的上限的情况下,按照第一预设步长对第一预设时间段的准目标血糖值进行递减处理,得到第一临时目标血糖值;在第一预测时间段的血糖变化曲线中目标时间点对应的血糖值小于目标血糖范围的下限的情况下,按照第二预设步长对第一预设时间段的准目标血糖值进行递增处理,得到第一临时目标血糖值。如此,就可以准确地调整临时目标血糖值,从而在调整的过程中使得血糖变化曲线逐渐满足预设条件。
在一些实施例中,预设条件也可以根据实际需求灵活设置。计算机设备可以将血糖变化曲线划分为三种情况,一种情况是该血糖变化曲线较理想情况偏低,需要增加准目标血糖值;一种情况是该血糖变化曲线较理想情况偏高,需要降低准目标血糖值;一种情况是该血糖变化曲线较为理想,不需要调整目标血糖值。
针对第一种情况,图5为本申请实施例一种血糖值变化情况的示意图,在图5中的(a)图中,预测最终值小于准目标血糖值,预测最终值小于目标血糖范围的下限,血糖变化曲线中的最小值(以下简称预测最小值)小于目标血糖范围的下限。
在图5中的(b)图中,预测最终值小于准目标血糖值,预测最终值小于目标血糖范围的下限,预测最小值小于血糖暂停阈值。
可以理解的是,在图5中的(a)图和图5中的(b)图所示的血糖变化情况中,计算机设备需要向上调整准目标血糖值。其中,预测最终值指血糖变化曲线的最后一个时间点对应的血糖值;历史血糖值可以是CGM监测的目标对象的血糖值;变化量指预测最终值和准目标血糖值之间的差值。
图6为本申请实施例中一种调整血糖值的过程示意图,结合图5和图6,计算机设备在获取到预测时间段对应的血糖变化曲线之后,可以确定血糖变化曲线是否满足:准目标血糖值>预测最终值&&预测最终值<目标血糖范围&&(预测最小值<目标血糖范围 || 预测最小值<血糖暂停阈值),也即是否满足Correction Target>Eventual BG&&EventualBG<Correction Range&&(Minimum Predicted BG<Correction Range || MinimumPredicted BG<Suspend Threshold)。如果满足则表示该血糖变化曲线不满足预设条件,计算机设备会进一步确定当前状态是否为预设状态,如果当前状态是预设状态,则将预设状态对应的准目标血糖值作为临时目标血糖值;如果当前状态不是预设状态,则基于第二预设步长增加准目标血糖值,得到第一临时目标血糖值。之后,计算机设备可以继续确定第一个预测时间段对应的血糖变化曲线,如此往复。
其中,Correction Target表示准目标血糖值,Eventual BG表示预测最终值,Correction Range表示目标血糖范围,Minimum Predicted BG表示预测最小值,SuspendThreshold表示血糖暂停阈值,血糖暂停阈值用于表示暂停血糖值调整时的血糖值大小,其可以是提前预设在计算机设备中的值,也可以是通过目标对象设置的值。“&&”表示“且”,“||”表示“或”。
针对第二种情况,图7为本申请实施例又一种血糖值变化情况的示意图,在图7中的(a)图中,预测最终值大于准目标血糖值,且预测最小值大于目标血糖范围的上限。在图7中的(b)图中,预测最终值大于准目标血糖值,且,预测最终值小于目标血糖范围的下限。可见,在图7中的(a)图和图7中的(b)图所示的血糖变化情况中,计算机设备需要向下调整准目标血糖值。
图8为本申请实施例中一种调整血糖值的过程示意图,结合图7和图8,计算机设备在获取到预测时间段对应的血糖变化曲线之后,可以确定是否满足:准目标血糖值<预测最终值&&(预测最小值>目标血糖范围 || 预测最小值∈目标血糖范围),也即是否满足Correction Target<Eventual BG&&(Minimum Predicted BG>Correction Range ||Minimum Predicted BG∈Correction Range)。如果满足则表示血糖变化曲线不满足预设条件,计算机设备会进一步确定当前状态是否为预设状态,如果当前状态是预设状态,则将预设状态对应的准目标血糖值作为临时目标血糖值;如果当前状态不是预设状态,则基于第一预设步长减小准目标血糖值,得到第一临时目标血糖值。之后,计算机设备可以继续确定第一个预测时间段对应的血糖变化曲线,如此往复。其中,“∈”表示“属于”。
针对第三种情况,图9为本申请实施例又一种血糖值变化情况的示意图,在图9中,预测最终值虽然小于准目标血糖值,但预测最终值位于目标血糖范围内,且,预测最小值位于目标血糖范围内。可见,在图9所示的血糖变化情况中,计算机设备不需要调整准目标血糖值。
图10为本申请实施例中一种调整血糖值的过程示意图,如图10所示,计算机设备在获取到预测时间段对应的血糖变化曲线之后,可以确定是否满足:准目标血糖值>预测最终值&&预测最终值∈目标血糖范围&&预测最小值∈目标血糖范围,也即是否满足Correction Target>Eventual BG&&Eventual BG∈CorrectionRange&&MinimumPredicted BG∈Correction Range。如果满足则表示血糖变化曲线满足预设条件,计算机设备会进一步确定当前状态是否为预设状态,如果当前状态是预设状态,则将预设状态对应的准目标血糖值作为临时目标血糖值;如果当前状态不是预设状态,则无需调整准目标血糖值。
在一个实施例中,可选的,计算机设备不仅需要使得预测时间段的血糖变化曲线落在目标血糖范围内,还需要使得预测最终值等于准目标血糖值。也就是说,预设条件可以用于判断如此血糖变化曲线是否落在目标血糖范围内,并且血糖变化曲线中的预测最终值是否等于准目标血糖值,从而提高血糖调整过程的精度。
例如,计算机设备获取到10点~10点15分的血糖变化曲线,若10点~10点15分的血糖变化曲线位于目标血糖范围,并且,10点15分对应的血糖值等于第一预设时间段对应的准目标血糖值3,则计算机设备确认10点~10点15分的血糖变化曲线满足预设条件,否则不满足预设条件。
图11为本申请实施例中一种确定目标对象的当前状态的流程示意图,参照图11,本实施例涉及的是如何确定目标对象的当前状态的一种可选的实现方式。在上述实施例的基础上,上述的血糖值调整方法还包括如下步骤:
S1101,获取状态检测结果。
在本实施例中,计算机设备能够获取状态检测结果,状态检测结果用于表示目标对象是否达到预设状态。可选的,计算机设备可以通过传感器确定目标对象的状态检测结果。其中,传感器包括但不限于是视觉传感器、加速度传感器、心率传感器、血糖传感器。
以确定状态检测结果是运动状态为例,在一个实施例中,请参考图12,图12为本申请实施例确定运动状态的拓扑示意图。
在图12中的(a)图中,计算机设备可以设置于胰岛素泵中,计算机设备与电子设备通信连接,例如无线通信连接。电子设备可以包括但不限于是平板、手机、手环、手表等携带有重力加速度传感器的设备。在图12中的(b)图中,重力加速度传感器也可以设置于胰岛素泵中,由目标对象佩戴计算机设备。
在图12中的(a)图和图12中的(b)图中,重力加速度传感器均将感知到的加速度信息转换为电信号,通过电信号确定目标对象的步数、运动距离、消耗热量等至少一种运动信息。进而,计算机设备获取到该运动信息,并通过运动信息确定状态检测结果为运动状态。例如,计算机设备可以在消耗热量大于预设热量时确定状态检测结果为运动状态。
同样地,通过加速度传感器计算机设备也可以获取状态检测结果是否是久坐状态。
以确定状态检测结果是睡眠状态为例,可选的,目标对象可以利用智能穿戴设备或非穿戴式设备获取状态检测结果是否为睡眠状态。例如利用智能穿戴设备或非穿戴式设备中的加速度传感器来监测手腕运动或者床的振动情况,进而确定状态检测结果是否为睡眠状态。
目标对象也可以佩戴心率传感器,计算机设备通过心率传感器来确定状态检测结果是否是睡眠状态。例如,计算机设备可以通过光电容积脉搏波描记法(Photoplethysmographic,缩写PPG)来完成心率变异性检测(Heart Rate Variability,缩写HRV),并根据心率变异性检测的结果确定状态检测结果是否为睡眠状态,以提高状态检测结果的准确性。
可选的,计算机设备还可以通过心肺耦合(Cardiopulmonary Coupling,缩写CPC)分析法来确定状态检测结果是否为睡眠状态。由于能够利用目标对象在睡眠时的心电、呼吸耦合关系来综合判定清醒、浅睡眠、深度睡眠状态,因此可以减少目标对象在生病或者持续静止但并未进入睡眠状态下的误判率。
由于评估睡眠深度也可以通过脑电波的变化确定,因此,可选的,目标对象还可以佩戴脑电波采集装置,例如在目标对象的头皮连接电极进行脑电波采集,进而计算机设备就可以根据目标对象的脑电波来确定状态检测结果是否为睡眠状态。
以确定状态检测结果是饮食状态为例,计算机设备可以通过CGM检测到的血糖值的变化率来确定状态检测结果是否为饮食状态。例如,当CGM检测到血糖在快速上升,也即血糖值的变化率大于等于第一阈值,则说明状态检测结果为饮食状态;当检测到血糖值在快速下降,也即血糖值的变化率小于第一阈值,则说明状态检测结果不为饮食状态。
可选的,目标对象也可以佩戴可穿戴相机,进而计算机设备通过可穿戴相机监测目标对象的口腔,以确定目标对象的口腔图片。然后,计算机设备可以将口腔图片上传云服务器,以由云服务器根据口腔图片识别内容是否为食物、食物的类型和份量、食物的碳水含量等,从而确定状态检测结果是否为饮食状态。
以确定状态检测结果是吃药状态为例,计算机设备可以通过目标对象的药物摄取种类和份量来确定状态检测结果是否为吃药状态,药物摄取种类和份量的获取方式可以包括但不限于是照相设备识别、化学检验、自动录入等。
以获取状态检测结果是驾驶状态为例,计算机设备可以与车载摄像头通信连接,并通过车载摄像头发送的图像信息确定目标对象是否处于驾驶状态。
S1102,若状态检测结果表示目标对象达到预设状态,则确定目标对象的当前状态为预设状态。
S1103,若状态检测结果表示目标对象未达到预设状态,则确定目标对象的当前状态不为预设状态。
进一步地,在S1101之后,计算机设备就可以根据状态检测结果,自动确定出目标对象的当前状态是否为预设状态。
本实施例由于能够获取状态检测结果,并通过状态检测结果是否达到预设状态来确定目标对象的当前状态是否为预设状态,因此能够自动确定出当前状态是否为预设状态,提高了调整过程的效率。
可选的,计算机设备在确定状态检测结果之后,可以发送提示信息。进一步可选的,计算机设备可以在发送提示信息之后,响应于目标对象的操作,以更新状态检测结果。
以确定状态检测结果为运动状态为例,提示信息可以是震动提示,震动提示可以持续10秒、20秒、30秒或60秒等,如果目标对象在震动提示的过程无响应,则计算机设备可以先暂停震动提示。若目标对象在震动提示之后继续运动,则计算机设备间隔3分钟或者6分钟后再次震动提示,若干次例如3、4、5次震动提示后目标用户都无响应,则结束本次对运动状态的检测。
在一些实施例中,计算机设备可以提供交互界面,如果目标对象在震动提示之后点击交互界面中的“忽略”,则计算机设备可以结束本次对运动状态的检测,后续用户继续运动也不再发出震动提示。直到目标对象停止运动休息之后3分钟、6分钟或9分钟等时间之后,再重新进行下次对运动状态的检测。
以计算机设备确定状态检测结果为久坐状态为例,当目标对象处于久坐状态超过一段时间,例如处于久坐状态超过15分钟、30分钟、45分钟或60分钟等,计算机设备也会发出震动提示,震动提示可以持续10秒、20秒、30秒、60秒等时长之后自动消失。
图13为本申请实施例中又一种调整血糖的过程示意图,如图13所示,计算设备会获取状态检测结果,并根据状态检测结果确定目标对象是否达到预设状态。如果状态检测结果表示目标对象达到预设状态,则计算机设备会发送提示信息,例如计算机设备可以在交互界面上弹框提示。进而,目标对象可以基于该交互界面确定是否调整预设状态对应的准目标血糖值。如果目标对象确定调整预设状态对应的准目标血糖值,则计算机设备会将预设状态对应的准目标血糖值作为第一临时目标血糖值;如果目标对象确定不调整预设状态对应的准目标血糖值,则计算机设备会取消预设状态对应的准目标血糖值。
图14为本申请实施例中又一种确定目标对象的当前状态的流程示意图,参照图14,本实施例涉及的是如何确定目标对象的当前状态的一种可选的实现方式。在上述实施例的基础上,上述的血糖值调整方法还包括如下步骤:
S1401,获取时间检测结果。
S1402,若时间检测结果表示达到预设时间,则确定目标对象的当前状态为预设状态。
S1403,若时间检测结果表示未达到预设时间,则确定目标对象的当前状态不为预设状态。
在本实施例中,预设状态也可以和预设时间进行关联,也就是说,目标对象可以设置预设时间,以定时检测是否进入预设状态。
进而,计算机设备会获取时间检测结果。其中,时间检测结果用于表示当前是否达到预设时间。示例性地,假设目标对象设置8点为进食状态,预设时间包括8点,则计算机设备在启动之后,会确定当前的时间,若当前的时间达到预设时间,则计算机设备确定时间检测结果为达到预设时间,若当前的时间未达到预设时间或者已经超过预设时间,则计算机设备会确定时间检测结果为未达到预设时间。
进一步地,在S1403之后,计算机设备就可以根据时间检测结果,自动确定出目标对象的当前状态是否为预设状态。
本实施例由于能够获取时间检测结果,并通过时间检测结果是否未达到预设时间确定目标对象的当前状态是否为预设状态,因此能够方便将预设状态和时间进行关联,提高了目标用户的操作便利性。
图15为本申请实施例中又一种调整血糖的过程示意图,如图15所示,计算设备会获取时间检测结果,并根据时间检测结果确定当前时间是否达到预设时间。如果时间检测结果表示当前时间达到预设时间,则计算机设备会发送提示信息,例如计算机设备可以在交互界面上弹框提示。同样地,目标对象可以基于该交互界面确定是否调整预设状态对应的准目标血糖值。如果目标对象确定调整预设状态对应的准目标血糖值,则计算机设备会将预设状态对应的准目标血糖值作为第一临时目标血糖值;如果目标对象确定不调整预设状态对应的准目标血糖值,则计算机设备会取消预设状态对应的准目标血糖值。
图16为本申请实施例中又一种确定目标对象的当前状态的流程示意图,参照图16,本实施例涉及的是如何确定目标对象的当前状态的一种可选的实现方式。在上述实施例的基础上,上述的S1402,若时间检测结果表示达到预设时间,则确定目标对象的当前状态为预设状态,还包括如下步骤:
S1601,若时间检测结果表示达到预设时间,则获取状态检测结果。
S1602,若状态检测结果表示目标对象达到预设状态,则确定目标对象的当前状态为预设状态。
S1603,若状态检测结果表示目标对象未达到预设状态,则确定目标对象的当前状态不为预设状态。
在本实施例中,计算机设备在时间检测结果表示达到预设时间的情况下,还会获取状态检测结果,进而结合状态检测结果来确定目标对象的当前状态是否为预设状态。
进一步地,若状态检测结果表示目标对象达到预设状态,则计算机设备确定目标对象的当前状态为预设状态,若状态检测结果表示目标对象未达到预设状态,则确定目标对象的当前状态不为预设状态。
示例性地,假设目标对象设置8点为进食状态,预设时间包括8点,则计算机设备在启动之后,会确定当前的时间,若当前的时间达到8点,则计算机设备继续获取状态检测结果,并在状态检测结果为进食状态的情况下,确定目标对象的当前状态为进食状态。若当前的时间达到8点,计算机设备继续获取状态检测结果后,状态检测结果不为进食状态,则确定目标对象的当前状态不为进食状态。
本实施例由于在时间检测结果表示达到预设时间的情况下,继续获取状态检测结果,因此能够结合状态检测结果和获取状态检测结果来确定目标对象的当前状态是否为预设状态,提高了预设状态的判断准确性。
图17为本申请实施例中又一种调整血糖的过程示意图,如图17所示,计算设备会获取时间检测结果,并根据时间检测结果确定当前时间是否达到预设时间,如果当前时间达到预设时间,则计算机设备会继续获取状态结果,以确定目标对象是否达到预设状态,如果目标对象是否达到预设状态,计算机设备才会发送提示信息,例如计算机设备可以在交互界面上弹框提示。同样地,目标对象可以基于该交互界面确定是否调整预设状态对应的准目标血糖值。如果目标对象确定调整预设状态对应的准目标血糖值,则计算机设备会将预设状态对应的准目标血糖值作为第一临时目标血糖值;如果目标对象确定不调整预设状态对应的准目标血糖值,则计算机设备会取消预设状态对应的准目标血糖值。
图18为本申请实施例中一种确定血糖变化曲线的流程示意图,参照图18,本实施例涉及的是如何确定血糖变化曲线的一种可选的实现方式。在上述实施例的基础上,上述的S201,获取位于当前时刻之后且与当前时刻相邻的第一预测时间段的血糖变化曲线,包括如下步骤:
S1801,确定当前时刻之前的历史时间段的血糖相关信息;血糖相关信息包括历史血糖值、历史胰岛素用量、历史饮食信息中的至少一项。
在本实施例中,历史时间段的长度根据需求确定,例如计算机设备可以将在当前时刻前1小时内的时间段作为历史时间段,也可以将在当前时刻前24小时内的时间段作为历史时间段。
血糖相关信息可以是提前计算机设备从其他电子设备接收到的信息,也可以是响应于目标对象的操作后确定的信息。
S1802,基于历史时间段的血糖相关信息预测与当前时刻相邻的第一预测时间段的血糖变化曲线。
可选的,计算机设备可以基于历史时间段的血糖相关信息和预测算法,确定当前时刻相邻的第一预测时间的血糖变化曲线。其中,预测算法可以是传统预测算法,也可以是人工智能(Artificial Intelligence,缩写AI)预测算法。传统预测算法可以是比例积分微分(Proportional-Integral-Derivative,缩写PID)算法或模型预测控制(ModelPredictive Control,缩写MPC)算法。AI预测算法可以通过卷积神经网络(ConvolutionalNeural Networks,缩写CNN)、循环神经网络(Recurrent Neural Network,缩写RNN)、注意力(Attention)机制、变换网络(Transformer)、低维空间(embedding)、扩散模型(Diffusion)等实现。
示例性地,假设当前时刻为10点,则计算机设备就可以根据8点至10点的历史血糖值、之历史胰岛素用量、历史饮食信息,预测出上午10点至10点15分的血糖变化曲线。
本实施例确定当前时刻之前的历史时间段的血糖相关信息,并基于历史时间段的血糖相关信息确定血糖变化曲线。由于血糖相关信息包括历史血糖值、历史胰岛素用量、历史饮食信息中的至少一项,因此,提高了血糖变化曲线的准确性。
图19为本申请实施例中一种确定胰岛素信息的流程示意图,参照图19,本实施例涉及的是如何确定胰岛素信息的一种可选的实现方式。在上述实施例的基础上,上述的血糖值调整方法还包括如下步骤:
S1901,确定目标对象在当前时刻的当前血糖值与第一临时目标血糖值之间的第一差值。
S1902,根据第一差值确定胰岛素信息。
在本实施例中,计算机设备能够确定目标对象在当前时刻的当前血糖值。可选的,计算机设备可以通过实时获取CGM监测到的目标对象的血糖值,以确定目标对象在当前时刻的当前血糖值。
若第一预测时间段的血糖变化曲线不满足预设条件,则计算机设备基于目标对象的当前状态和第一预测时间段的血糖变化曲线,对第一预设时间段的准目标血糖值进行调整得到第一临时目标血糖值之后,就可以确定当前血糖值与第一临时目标血糖值之间的第一差值。
进一步地,计算机设备可以根据第一差值确定胰岛素信息。可选的,计算机设备可以根据目标对象的生理信息确定目标对象对应的预设模型,进而根据第一差值和预设模型,确定胰岛素信息。其中,预设模型可以包括不同时间下胰岛素用量和血糖值之间的对应关系。
本实施例由于先确定目标对象在当前时刻的当前血糖值与第一临时目标血糖值之间的第一差值,再根据第一差值确定胰岛素信息。而第一临时目标血糖值是对第一预测时间段的准目标血糖值进行调整后得到的血糖值,因此,在第一预测时间段的血糖变化曲线不满足预设条件的情况下,基于当前血糖值和第一临时目标血糖值就可以得到较为准确的胰岛素信息。
图20为本申请实施例中又一种确定胰岛素信息的流程示意图,参照图20,本实施例涉及的是如何确定胰岛素信息的一种可选的实现方式。在上述实施例的基础上,上述的血糖值调整方法还包括如下步骤:
S2001,当第一预测时间段的血糖变化曲线满足预设条件时,基于目标对象的当前状态确定第二临时目标血糖值。
S2002,确定目标对象在当前时刻的当前血糖值与第二临时目标血糖值之间的第二差值。
S2003,根据第二差值确定胰岛素信息。
在本实施例中,计算机设备确定第一预测时间段的血糖变化曲线,并判断第一预测时间段的血糖变化曲线满足预设条件之后,会基于目标对象的当前状态确定第二临时目标血糖值。例如,计算机设备可以根据目标对象的当前状态,对目标对象的当前血糖值进行调整后确定第二临时目标血糖值。
之后,计算机设备就可以确定目标对象在当前时刻的当前血糖值与第二临时目标血糖值之间的第二差值。
进一步地,计算机设备可以根据第二差值确定胰岛素信息。同样地,计算机设备可以根据第二差值和预设模型,确定胰岛素信息。
本实施例由于当第一预测时间段的血糖变化曲线不满足预设条件时,先基于目标对象的当前状态确定第二临时目标血糖值,再确定目标对象在当前时刻的当前血糖值与第二临时目标血糖值之间的第二差值,进而根据第二差值确定胰岛素信息。因此,在第一预测时间段的血糖变化曲线满足预设条件的情况下,仍然会考虑目标对象的当前状态,提高了胰岛素信息的准确性。
图21为本申请实施例中一种确定胰岛素信息的流程示意图,参照图21,本实施例涉及的是如何确定胰岛素信息的一种可选的实现方式。在上述实施例的基础上,上述的S2001中的“基于目标对象的当前状态确定第二临时目标血糖值”,还包括如下步骤:
S2101,若目标对象的当前状态不为预设状态,则将第一预设时间段的准目标血糖值作为第二临时目标血糖值。
S2102,若目标对象的当前状态为预设状态,则将预设状态对应的准目标血糖值作为第二临时目标血糖值。
在本实施例中,在第一预测时间段的血糖变化曲线满足预设条件,且目标对象的当前状态不为预设状态的情况下,第一预设时间段的准目标血糖值较为合理。也就是说,在当前时刻以第一预设时间段的准目标血糖值为目标确定的胰岛素信息较为准确。因此,此种情况下,计算机设备直接将第一预设时间段的准目标血糖值作为第二临时目标血糖值,计算当前血糖值与第一预设时间段的准目标血糖值之间的第二差值即可。
在第一预测时间段的血糖变化曲线满足预设条件,且目标对象的当前状态为预设状态的情况下,则计算机设备会优先以预设状态对应的准目标血糖值为目标确定胰岛素信息。因此,此种情况下,计算机设备将预设状态对应的准目标血糖值作为第二临时目标血糖值,计算当前血糖值与预设状态对应的准目标血糖值之间的第二差值即可。
本实施例若目标对象的当前状态不为预设状态,则将第一预设时间段的准目标血糖值作为第二临时目标血糖值,若目标对象的当前状态为预设状态,则将预设状态对应的准目标血糖值作为第二临时目标血糖值。如此,就可以高效且较为准确地确定出胰岛素信息。
需要说明的是,上述以第一预测时间段对应的调整过程为例,第二预测时间段、第二预测时间段的下一个预测时间段对应的调整过程原理相同,此处不再赘述。
为了更清楚地介绍本申请的血糖值调整方法,在此结合图22和图23进行说明。图22为本申请实施例中一种调整血糖的原理示意图,如图22所示,在一些应用场景中,胰岛素泵根据胰岛素信息能够调节目标对象中的血糖水平,而目标对象的血糖水平能够被血糖传感器进行血糖监测。其中,血糖传感器可以是图1示出的CGM。进一步地,计算机设备可以根据血糖监测的情况,利用本实施例提供的血糖值调整方法控制准目标血糖值,从而调整胰岛素泵的胰岛素信息,最终实现目标对象的血糖水平的动态保持在正常范围。
图23为本申请实施例中一种血糖值调整方法的过程示意图,请参考图23,计算机设备可以按照如下流程执行该血糖值调整方法。
S2301,确定当前时刻之前的历史时间段的血糖相关信息;血糖相关信息包括历史血糖值、历史胰岛素用量、历史饮食信息中的至少一项。
S2302,基于历史时间段的血糖相关信息确定位于当前时刻之后且与当前时刻相邻的第一预测时间段的血糖变化曲线。
S2303,确定第一预测时间段的血糖变化曲线是否满足预设条件。若第一预测时间段的血糖变化曲线满足预设条件,则进入S2304;若第一预设时间段的血糖变化曲线不满足预设条件,则进入S2308。
S2304,确定目标对象的当前状态是否为预设状态。若当前状态为预设状态,则进入S2305;若当前状态不为预设状态,则进入S2306。
S2305,将预设状态对应的准目标血糖值作为第二临时目标血糖值。之后执行S2307。
S2306,将第一预设时间段的准目标血糖值作为第二临时目标血糖值。之后执行S2307。
S2307,确定目标对象在当前时刻的当前血糖值与第二临时目标血糖值之间的第二差值,并根据第二差值确定胰岛素信息。之后执行与第一预测时间段相邻的下一个第二预测时间段,也即确定第二预测时间段的血糖变化曲线是否满足预设条件。该过程可以参考S2301~S2307,此处不再赘述。
S2308,确定目标对象的当前状态是否为预设状态。若当前状态为预设状态,则进入S2309;若当前状态不为预设状态,则进入S2310。
S2309,将预设状态对应的准目标血糖值作为第一临时目标血糖值。之后进入S2313。
S2310,确定第一预测时间段的血糖变化曲线中目标时间点对应的血糖值与目标血糖范围的关系。若第一预测时间段的血糖变化曲线中目标时间点对应的血糖值大于目标血糖范围的上限,则进入S2311;若第一预测时间段的血糖变化曲线中目标时间点对应的血糖值小于目标血糖范围的下限,则进入S2312。
S2311,按照第一预设步长对第一预设时间段的准目标血糖值进行递减处理,得到第一临时目标血糖值。之后进入S2313。
S2312,按照第二预设步长对第一预设时间段的准目标血糖值进行递增处理,得到第一临时目标血糖值。之后进入S2313。
S2313,确定目标对象在当前时刻的当前血糖值与第一临时目标血糖值之间的第一差值,并根据第一差值确定胰岛素信息。之后进入第一预测时间段的下一个第二预测时间段,进一步确定第二预测时间段的血糖变化曲线是否满足预设条件,如此往复,该过程可以参考S2301~S2307,此处不再赘述。
需要说明的是,若下一个预测时间段在第一预设时间段与第二预设时间段之间,且,下一个预测时间段的血糖变化曲线不满足预设条件,则基于目标对象的当前状态和下一个预测时间段的血糖变化曲线,对第二预设时间段的准目标血糖值进行调整。
可见,本实施例提供的血糖值调整方法在调整的过程中就会使得下一个预测时间段的血糖变化曲线逐渐满足预设条件,从而较为准确地调整血糖值,而无需根据自身经验或者医嘱调整血糖值。
应该理解的是,虽然如上所述的各实施例所涉及的流程图中的各个步骤按照箭头的指示依次显示,但是这些步骤并不是必然按照箭头指示的顺序依次执行。除非本文中有明确的说明,这些步骤的执行并没有严格的顺序限制,这些步骤可以以其它的顺序执行。而且,如上所述的各实施例所涉及的流程图中的至少一部分步骤可以包括多个步骤或者多个阶段,这些步骤或者阶段并不必然是在同一时刻执行完成,而是可以在不同的时刻执行,这些步骤或者阶段的执行顺序也不必然是依次进行,而是可以与其它步骤或者其它步骤中的步骤或者阶段的至少一部分轮流或者交替地执行。
基于同样的发明构思,本申请实施例还提供了一种用于实现上述所涉及的血糖值调整方法的血糖值调整装置。该装置所提供的解决问题的实现方案与上述方法中所记载的实现方案相似,故下面所提供的一个或多个血糖值调整装置实施例中的具体限定可以参见上文中对于血糖值调整方法的限定,在此不再赘述。
图24为本申请实施例中血糖值调整装置的结构框图,如图24所示,在本申请实施例中提供了一种血糖值调整装置2400,包括:第一获取模块2401、第一调整模块2402和第二调整模块2403,其中:
第一获取模块2401,用于获取位于当前时刻之后且与当前时刻相邻的第一预测时间段的血糖变化曲线。
第一调整模块2402,用于当第一预测时间段的血糖变化曲线不满足预设条件时,则基于目标对象的当前状态和第一预测时间段的血糖变化曲线,对第一预设时间段的准目标血糖值进行调整,得到第一临时目标血糖值。
第二调整模块2403,用于当与第一预测时间段相邻的第二预测时间段的血糖变化曲线不满足预设条件时,则基于目标对象的当前状态和第二预测时间段的血糖变化曲线,对第一预设时间段的准目标血糖值进行调整;直到下一个预测时间段的血糖变化曲线满足预设条件,则结束对第一预设时间段的准目标血糖值的调整;其中,第二预测时间段的血糖变化曲线是基于第一临时目标血糖值所生成的胰岛素信息确定的;第一预设时间段包括至少两个预测时间段。
本实施例提供的血糖值调整装置,获取位于当前时刻之后且与当前时刻相邻的第一预测时间段的血糖变化曲线,当第一预测时间段的血糖变化曲线不满足预设条件时,则基于目标对象的当前状态和第一预测时间段的血糖变化曲线,对第一预设时间段的准目标血糖值进行调整,得到第一临时目标血糖值。当与第一预测时间段相邻的第二预测时间段的血糖变化曲线不满足预设条件时,则基于目标对象的当前状态和第二预测时间段的血糖变化曲线,对第一预设时间段的准目标血糖值进行调整;直到下一个预测时间段的血糖变化曲线满足预设条件,则结束对第一预设时间段的准目标血糖值的调整。由于在对第一预设时间段的准目标血糖值进行调整得到第一临时目标血糖值之后,第一预测时间段的血糖值就会逐渐接近第一临时目标血糖值。而第一预设时间段包括至少两个预测时间段,并且第二预测时间段的血糖变化曲线是基于第一临时目标血糖值所生成的胰岛素信息确定的,因此,在调整的过程中就会使得下一个预测时间段的血糖变化曲线逐渐满足预设条件。如此,就可以实现较为准确地调整血糖值,而无需根据自身经验或者医嘱调整血糖值。
可选的,血糖值调整装置2400还包括:
第三调整模块,用于若下一个预测时间段在第一预设时间段与第二预设时间段之间,且,下一个预测时间段的血糖变化曲线不满足预设条件,则基于目标对象的当前状态和下一个预测时间段的血糖变化曲线,对第二预设时间段的准目标血糖值进行调整;其中,第二预设时间段位于第一预设时间段之后且与第一预设时间段相邻。
可选的,第一调整模块2402包括:
第一确定单元,用于若目标对象的当前状态为预设状态,则将预设状态对应的准目标血糖值作为第一临时目标血糖值。
调整单元,用于若目标对象的当前状态不为预设状态,则基于第一预测时间段的血糖变化曲线,对第一预设时间段的准目标血糖值进行调整,得到第一临时目标血糖值。
可选的,预设条件包括目标血糖范围;调整单元包括:
第一调整子单元,用于若第一预测时间段的血糖变化曲线中目标时间点对应的血糖值大于目标血糖范围的上限,则按照第一预设步长对第一预设时间段的准目标血糖值进行递减处理,得到第一临时目标血糖值。
第二调整子单元,用于若第一预测时间段的血糖变化曲线中目标时间点对应的血糖值小于目标血糖范围的下限,则按照第二预设步长对第一预设时间段的准目标血糖值进行递增处理,得到第一临时目标血糖值;目标时间点用于指示第一预测时间段中最后一个时间点。
可选的,血糖值调整装置2400还包括:
第二获取模块,用于获取状态检测结果。
第一确定模块,用于若状态检测结果表示目标对象达到预设状态,则确定目标对象的当前状态为预设状态。
第二确定模块,用于若状态检测结果表示目标对象未达到预设状态,则确定目标对象的当前状态不为预设状态。
可选的,血糖值调整装置2400还包括:
第三获取模块,用于获取时间检测结果。
第三确定模块,用于若时间检测结果表示达到预设时间,则确定目标对象的当前状态为预设状态。
第四确定模块,用于若时间检测结果表示未达到预设时间,则确定目标对象的当前状态不为预设状态。
可选的,第三确定模块还包括:
获取单元,用于若时间检测结果表示达到预设时间,则获取状态检测结果。
第二确定单元,用于若状态检测结果表示目标对象达到预设状态,则确定目标对象的当前状态为预设状态;
第三确定单元,用于若状态检测结果表示目标对象未达到预设状态,则确定目标对象的当前状态不为预设状态。
可选的,第一获取模块2401包括:
第四确定单元,用于确定当前时刻之前的历史时间段的血糖相关信息;血糖相关信息包括历史血糖值、历史胰岛素用量、历史饮食信息中的至少一项。
第五确定单元,用于基于历史时间段的血糖相关信息预测与当前时刻相邻的第一预测时间段的血糖变化曲线。
可选的,血糖值调整装置2400还包括:
第五确定模块,用于确定目标对象在当前时刻的当前血糖值与第一临时目标血糖值之间的第一差值。
第六确定模块,用于根据第一差值确定胰岛素信息
可选的,血糖值调整装置2400还包括:
第七确定模块,用于当第一预测时间段的血糖变化曲线满足预设条件时,基于目标对象的当前状态确定第二临时目标血糖值。
第八确定模块,用于确定目标对象在当前时刻的当前血糖值与第二临时目标血糖值之间的第二差值。
第九确定模块,用于根据第二差值确定胰岛素信息。
可选的,第七确定模块包括:
第六确定单元,用于若目标对象的当前状态不为预设状态,则将第一预设时间段的准目标血糖值作为第二临时目标血糖值。
第七确定单元,用于若目标对象的当前状态为预设状态,则将预设状态对应的准目标血糖值作为第二临时目标血糖值。
上述血糖值调整装置中的各个模块可全部或部分通过软件、硬件及其组合来实现。上述各模块可以硬件形式内嵌于或独立于计算机设备中的处理器中,也可以以软件形式存储于计算机设备中的存储器中,以便于处理器调用执行以上各个模块对应的操作。
图25为本申请实施例中计算机设备的内部结构图,在本申请实施例中提供了一种计算机设备,该计算机设备可以是服务器,其内部结构图可以如图25所示。该计算机设备包括通过***总线连接的处理器、存储器和网络接口。其中,该计算机设备的处理器用于提供计算和控制能力。该计算机设备的存储器包括非易失性存储介质和内存储器。该非易失性存储介质存储有操作***、计算机程序和数据库。该内存储器为非易失性存储介质中的操作***和计算机程序的运行提供环境。该计算机设备的数据库用于存储相关数据。该计算机设备的网络接口用于与外部的终端通过网络连接通信。该计算机程序被处理器执行时以实现一种血糖值调整方法。
本领域技术人员可以理解,图25中示出的结构,仅仅是与本申请方案相关的部分结构的框图,并不构成对本申请方案所应用于其上的计算机设备的限定,具体的计算机设备可以包括比图中所示更多或更少的部件,或者组合某些部件,或者具有不同的部件布置。
在一个实施例中,提供了一种计算机设备,包括存储器和处理器,存储器中存储有计算机程序,该处理器执行计算机程序时实现上述各方法实施例中的步骤。
在一个实施例中,提供了一种计算机可读存储介质,其上存储有计算机程序,计算机程序被处理器执行时实现上述各方法实施例中的步骤。
在一个实施例中,提供了一种计算机程序产品,包括计算机程序,该计算机程序被处理器执行时实现上述各方法实施例中的步骤。
需要说明的是,本申请所涉及的用户信息(包括但不限于用户设备信息、用户个人信息等)和数据(包括但不限于用于分析的数据、存储的数据、展示的数据等),均为经用户授权或者经过各方充分授权的信息和数据。
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程,是可以通过计算机程序来指令相关的硬件来完成,所述的计算机程序可存储于一非易失性计算机可读取存储介质中,该计算机程序在执行时,可包括如上述各方法的实施例的流程。其中,本申请所提供的各实施例中所使用的对存储器、数据库或其它介质的任何引用,均可包括非易失性和易失性存储器中的至少一种。非易失性存储器可包括只读存储器(Read-OnlyMemory,ROM)、磁带、软盘、闪存、光存储器、高密度嵌入式非易失性存储器、阻变存储器(ReRAM)、磁变存储器(Magnetoresistive Random Access Memory,MRAM)、铁电存储器(Ferroelectric Random Access Memory,FRAM)、相变存储器(Phase Change Memory,PCM)、石墨烯存储器等。易失性存储器可包括随机存取存储器(Random Access Memory,RAM)或外部高速缓冲存储器等。作为说明而非局限,RAM可以是多种形式,比如静态随机存取存储器(Static Random AccessMemory,SRAM)或动态随机存取存储器(Dynamic RandomAccess Memory,DRAM)等。本申请所提供的各实施例中所涉及的数据库可包括关系型数据库和非关系型数据库中至少一种。非关系型数据库可包括基于区块链的分布式数据库等,不限于此。本申请所提供的各实施例中所涉及的处理器可为通用处理器、中央处理器、图形处理器、数字信号处理器、可编程逻辑器、基于量子计算的数据处理逻辑器等,不限于此。
以上实施例的各技术特征可以进行任意的组合,为使描述简洁,未对上述实施例中的各个技术特征所有可能的组合都进行描述,然而,只要这些技术特征的组合不存在矛盾,都应当认为是本说明书记载的范围。
以上所述实施例仅表达了本申请的几种实施方式,其描述较为具体和详细,但并不能因此而理解为对本申请专利范围的限制。应当指出的是,对于本领域的普通技术人员来说,在不脱离本申请构思的前提下,还可以做出若干变形和改进,这些都属于本申请的保护范围。因此,本申请的保护范围应以所附权利要求为准。
Claims (13)
1.一种血糖值调整方法,其特征在于,所述方法包括:
获取位于当前时刻之后且与所述当前时刻相邻的第一预测时间段的血糖变化曲线;
当所述第一预测时间段的血糖变化曲线不满足预设条件时,则基于目标对象的当前状态和所述第一预测时间段的血糖变化曲线,对所述第一预设时间段的准目标血糖值进行调整,得到第一临时目标血糖值;
当与所述第一预测时间段相邻的第二预测时间段的血糖变化曲线不满足所述预设条件时,则基于所述目标对象的当前状态和所述第二预测时间段的血糖变化曲线,对所述第一预设时间段的准目标血糖值进行调整;直到下一个预测时间段的血糖变化曲线满足所述预设条件,则结束对所述第一预设时间段的准目标血糖值的调整;其中,所述第二预测时间段的血糖变化曲线是基于所述第一临时目标血糖值所生成的胰岛素信息确定的;所述第一预设时间段包括至少两个预测时间段。
2.根据权利要求1所述的方法,其特征在于,所述方法还包括:
若所述下一个预测时间段在所述第一预设时间段与第二预设时间段之间,且,所述下一个预测时间段的血糖变化曲线不满足所述预设条件,则基于所述目标对象的当前状态和所述下一个预测时间段的血糖变化曲线,对所述第二预设时间段的准目标血糖值进行调整;其中,所述第二预设时间段位于所述第一预设时间段之后且与所述第一预设时间段相邻。
3.根据权利要求1或2所述的方法,其特征在于,所述基于目标对象的当前状态和所述第一预测时间段的血糖变化曲线,对所述第一预设时间段的准目标血糖值进行调整,得到第一临时目标血糖值,包括:
若所述目标对象的当前状态为预设状态,则将所述预设状态对应的准目标血糖值作为所述第一临时目标血糖值;
若所述目标对象的当前状态不为所述预设状态,则基于所述第一预测时间段的血糖变化曲线,对所述第一预设时间段的准目标血糖值进行调整,得到所述第一临时目标血糖值。
4.根据权利要求3所述的方法,其特征在于,所述预设条件包括目标血糖范围;所述基于所述第一预测时间段的血糖变化曲线,对所述第一预设时间段的准目标血糖值进行调整,得到所述第一临时目标血糖值,包括:
若所述第一预测时间段的血糖变化曲线中目标时间点对应的血糖值大于目标血糖范围的上限,则按照第一预设步长对所述第一预设时间段的准目标血糖值进行递减处理,得到所述第一临时目标血糖值;
若所述第一预测时间段的血糖变化曲线中目标时间点对应的血糖值小于目标血糖范围的下限,则按照第二预设步长对所述第一预设时间段的准目标血糖值进行递增处理,得到所述第一临时目标血糖值;
所述目标时间点用于指示所述第一预测时间段中最后一个时间点。
5.根据权利要求3所述的方法,其特征在于,所述方法还包括:
获取状态检测结果;
若所述状态检测结果表示所述目标对象达到所述预设状态,则确定所述目标对象的当前状态为所述预设状态;
若所述状态检测结果表示所述目标对象未达到所述预设状态,则确定所述目标对象的当前状态不为所述预设状态。
6.根据权利要求3所述的方法,其特征在于,所述方法还包括:
获取时间检测结果;
若所述时间检测结果表示达到预设时间,则确定所述目标对象的当前状态为所述预设状态;
若所述时间检测结果表示未达到所述预设时间,则确定所述目标对象的当前状态不为所述预设状态。
7.根据权利要求6所述的方法,其特征在于,所述若所述时间检测结果表示达到预设时间,则确定所述目标对象的当前状态为所述预设状态,包括:
若所述时间检测结果表示达到所述预设时间,则获取状态检测结果;
若所述状态检测结果表示所述目标对象达到所述预设状态,则确定所述目标对象的当前状态为所述预设状态;
若所述状态检测结果表示所述目标对象未达到所述预设状态,则确定所述目标对象的当前状态不为所述预设状态。
8.根据权利要求1或2所述的方法,其特征在于,所述获取位于当前时刻之后且与所述当前时刻相邻的第一预测时间段的血糖变化曲线,包括:
确定所述当前时刻之前的历史时间段的血糖相关信息;所述血糖相关信息包括历史血糖值、历史胰岛素用量、历史饮食信息中的至少一项;
基于所述历史时间段的血糖相关信息预测与所述当前时刻相邻的第一预测时间段的血糖变化曲线。
9.根据权利要求1或2所述的方法,其特征在于,所述方法还包括:
确定所述目标对象在当前时刻的当前血糖值与所述第一临时目标血糖值之间的第一差值;
根据所述第一差值确定所述胰岛素信息。
10.根据权利要求1或2所述的方法,其特征在于,所述方法还包括:
当所述第一预测时间段的血糖变化曲线满足所述预设条件时,基于所述目标对象的当前状态确定第二临时目标血糖值;
确定所述目标对象在当前时刻的当前血糖值与所述第二临时目标血糖值之间的第二差值;
根据所述第二差值确定所述胰岛素信息。
11.根据权利要求10所述的方法,其特征在于,所述基于所述目标对象的当前状态确定第二临时目标血糖值,包括:
若所述目标对象的当前状态不为所述预设状态,则将所述第一预设时间段的准目标血糖值作为所述第二临时目标血糖值;
若所述目标对象的当前状态为所述预设状态,则将所述预设状态对应的准目标血糖值作为所述第二临时目标血糖值。
12.一种血糖值调整装置,其特征在于,所述装置包括:
第一获取模块,用于获取位于当前时刻之后且与所述当前时刻相邻的第一预测时间段的血糖变化曲线;
第一调整模块,用于当所述第一预测时间段的血糖变化曲线不满足预设条件时,则基于目标对象的当前状态和所述第一预测时间段的血糖变化曲线,对所述第一预设时间段的准目标血糖值进行调整,得到第一临时目标血糖值;
第二调整模块,用于当与所述第一预测时间段相邻的第二预测时间段的血糖变化曲线不满足所述预设条件时,则基于所述目标对象的当前状态和所述第二预测时间段的血糖变化曲线,对所述第一预设时间段的准目标血糖值进行调整;直到下一个预测时间段的血糖变化曲线满足所述预设条件,则结束对所述第一预设时间段的准目标血糖值的调整;其中,所述第二预测时间段的血糖变化曲线是基于所述第一临时目标血糖值所生成的胰岛素信息确定的;所述第一预设时间段包括至少两个预测时间段。
13.一种计算机可读存储介质,其上存储有计算机程序,其特征在于,所述计算机程序被处理器执行时实现权利要求1至11中任一项所述的方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311000831.4A CN116721733B (zh) | 2023-08-10 | 2023-08-10 | 血糖值调整方法、装置和存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311000831.4A CN116721733B (zh) | 2023-08-10 | 2023-08-10 | 血糖值调整方法、装置和存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN116721733A true CN116721733A (zh) | 2023-09-08 |
CN116721733B CN116721733B (zh) | 2023-11-07 |
Family
ID=87872002
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202311000831.4A Active CN116721733B (zh) | 2023-08-10 | 2023-08-10 | 血糖值调整方法、装置和存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116721733B (zh) |
Citations (18)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20120116196A1 (en) * | 2009-02-04 | 2012-05-10 | Sanofi-Aventis Deutschland Gmbh | Medical Device and Method for Glycemic Control |
US20170053084A1 (en) * | 2015-08-21 | 2017-02-23 | Medtronic Minimed, Inc. | Data analytics and reporting of glucose-related information |
US20170332952A1 (en) * | 2016-05-23 | 2017-11-23 | Bigfoot Biomedical, Inc. | Insulin delivery system and methods with risk based set points |
WO2018229209A1 (en) * | 2017-06-15 | 2018-12-20 | Novo Nordisk A/S | Insulin titration algorithm based on patient profile |
CN110753967A (zh) * | 2017-06-15 | 2020-02-04 | 诺和诺德股份有限公司 | 基于患者概况的胰岛素滴定算法 |
CN112133398A (zh) * | 2020-09-28 | 2020-12-25 | 上海梅斯医药科技有限公司 | 血糖管控方法、***及存储介质 |
US20210077719A1 (en) * | 2019-09-13 | 2021-03-18 | Insulet Corporation | Blood glucose rate of change modulation of meal and correction insulin bolus quantity |
CN112908445A (zh) * | 2021-02-20 | 2021-06-04 | 上海市第四人民医院 | 基于强化学习的糖尿病患者血糖管理方法、***、介质及终端 |
CN113101448A (zh) * | 2016-01-14 | 2021-07-13 | 比格福特生物医药公司 | 调整胰岛素输送速率 |
CN113272914A (zh) * | 2018-11-07 | 2021-08-17 | 豪夫迈·罗氏有限公司 | 确定患者的血糖值在预测时间处于不良血糖范围内的概率的方法和***以及计算机程序产品 |
CN114023418A (zh) * | 2022-01-06 | 2022-02-08 | 苏州百孝医疗科技有限公司 | 胰岛素推荐方法和装置、监控血糖水平的*** |
CN114300091A (zh) * | 2021-12-07 | 2022-04-08 | 姜京池 | 一种胰岛素输注方案自适应调节方法、装置及存储介质 |
CN115337502A (zh) * | 2022-09-20 | 2022-11-15 | 青岛海诺生物工程有限公司 | 一种血糖监测控制***以及血糖监测控制方法 |
US20230005587A1 (en) * | 2019-12-03 | 2023-01-05 | Bigfoot Biomedical, Inc. | Determining whether adjustments of insulin therapy recommendations are being taken into account |
US20230037068A1 (en) * | 2019-10-11 | 2023-02-02 | Bigfoot Biomeical, Inc. | Adjusting insulin therapy setting based on variability of blood glucose values |
CN115671441A (zh) * | 2021-07-27 | 2023-02-03 | 上海微创生命科技有限公司 | 胰岛素基础注射量的自适应调节方法、***及存储介质 |
CN116139367A (zh) * | 2023-02-28 | 2023-05-23 | 上海移宇科技有限公司 | 一种自适应胰岛素输注方法和*** |
CN116504355A (zh) * | 2023-04-27 | 2023-07-28 | 广东食品药品职业学院 | 基于神经网络闭环胰岛素输注控制方法、装置及存储介质 |
-
2023
- 2023-08-10 CN CN202311000831.4A patent/CN116721733B/zh active Active
Patent Citations (19)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20120116196A1 (en) * | 2009-02-04 | 2012-05-10 | Sanofi-Aventis Deutschland Gmbh | Medical Device and Method for Glycemic Control |
US20170053084A1 (en) * | 2015-08-21 | 2017-02-23 | Medtronic Minimed, Inc. | Data analytics and reporting of glucose-related information |
CN113101448A (zh) * | 2016-01-14 | 2021-07-13 | 比格福特生物医药公司 | 调整胰岛素输送速率 |
US20170332952A1 (en) * | 2016-05-23 | 2017-11-23 | Bigfoot Biomedical, Inc. | Insulin delivery system and methods with risk based set points |
CN110753967A (zh) * | 2017-06-15 | 2020-02-04 | 诺和诺德股份有限公司 | 基于患者概况的胰岛素滴定算法 |
WO2018229209A1 (en) * | 2017-06-15 | 2018-12-20 | Novo Nordisk A/S | Insulin titration algorithm based on patient profile |
CN113272914A (zh) * | 2018-11-07 | 2021-08-17 | 豪夫迈·罗氏有限公司 | 确定患者的血糖值在预测时间处于不良血糖范围内的概率的方法和***以及计算机程序产品 |
US20210077719A1 (en) * | 2019-09-13 | 2021-03-18 | Insulet Corporation | Blood glucose rate of change modulation of meal and correction insulin bolus quantity |
US20230037068A1 (en) * | 2019-10-11 | 2023-02-02 | Bigfoot Biomeical, Inc. | Adjusting insulin therapy setting based on variability of blood glucose values |
US20230005587A1 (en) * | 2019-12-03 | 2023-01-05 | Bigfoot Biomedical, Inc. | Determining whether adjustments of insulin therapy recommendations are being taken into account |
CN112133398A (zh) * | 2020-09-28 | 2020-12-25 | 上海梅斯医药科技有限公司 | 血糖管控方法、***及存储介质 |
CN112908445A (zh) * | 2021-02-20 | 2021-06-04 | 上海市第四人民医院 | 基于强化学习的糖尿病患者血糖管理方法、***、介质及终端 |
CN115671441A (zh) * | 2021-07-27 | 2023-02-03 | 上海微创生命科技有限公司 | 胰岛素基础注射量的自适应调节方法、***及存储介质 |
CN114300091A (zh) * | 2021-12-07 | 2022-04-08 | 姜京池 | 一种胰岛素输注方案自适应调节方法、装置及存储介质 |
CN114023418A (zh) * | 2022-01-06 | 2022-02-08 | 苏州百孝医疗科技有限公司 | 胰岛素推荐方法和装置、监控血糖水平的*** |
WO2023130598A1 (zh) * | 2022-01-06 | 2023-07-13 | 苏州百孝医疗科技有限公司 | 胰岛素推荐方法和装置、监控血糖水平的*** |
CN115337502A (zh) * | 2022-09-20 | 2022-11-15 | 青岛海诺生物工程有限公司 | 一种血糖监测控制***以及血糖监测控制方法 |
CN116139367A (zh) * | 2023-02-28 | 2023-05-23 | 上海移宇科技有限公司 | 一种自适应胰岛素输注方法和*** |
CN116504355A (zh) * | 2023-04-27 | 2023-07-28 | 广东食品药品职业学院 | 基于神经网络闭环胰岛素输注控制方法、装置及存储介质 |
Also Published As
Publication number | Publication date |
---|---|
CN116721733B (zh) | 2023-11-07 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US20200375549A1 (en) | Systems for biomonitoring and blood glucose forecasting, and associated methods | |
EP3749183B1 (en) | System for decision support | |
CN114796704B (zh) | 用于胰岛素的递送的设备和方法 | |
JP2022541491A (ja) | 血糖制御システム | |
RU2602040C2 (ru) | Способ, система и машиночитаемый носитель для адаптационного рекомендательного контроля сахарного диабета | |
US20180365385A1 (en) | Monitoring and evaluating patient reactions to medications | |
JP7181900B2 (ja) | 患者プロファイルに基づくインスリン滴定アルゴリズム | |
KR101600379B1 (ko) | 당뇨병 환자를 위한 혈당 관리 방법 | |
JP7195254B2 (ja) | 基礎速度滴定のためのスターターキット | |
CN109661196B (zh) | 具有自适应目标葡萄糖水平的基础滴定 | |
CN111329491A (zh) | 一种血糖预测方法、装置、电子设备和存储介质 | |
CN109863563B (zh) | 用于估计未来低血压事件的风险的***和方法 | |
US11241537B2 (en) | Contextual personalized closed-loop adjustment methods and systems | |
JP2019530489A (ja) | 食事イベントに関連したボーラスタイミングを最適化するためのシステムおよび方法 | |
JP2023552210A (ja) | コンテキスト情報を使用するデータの補完 | |
CN116721733B (zh) | 血糖值调整方法、装置和存储介质 | |
US20220361823A1 (en) | Wearable blood pressure biosensors, systems and methods for short-term blood pressure prediction | |
US20150234997A1 (en) | Task optimization in remote health monitoring systems | |
WO2018229209A1 (en) | Insulin titration algorithm based on patient profile | |
CN114388089A (zh) | 一种基于人工智能的个人健康管理方法及*** | |
US20220039758A1 (en) | Predictive monitoring of the glucose-insulin endocrine metabolic regulatory system | |
CN115052516A (zh) | 决策支持和治疗管理*** | |
JP7018937B2 (ja) | 基礎投与のタイミングを調節するためのシステムおよび方法 | |
US20220084649A1 (en) | Infusion systems and methods for patient predictions using association mining | |
US12009100B2 (en) | Predictive monitoring of the glucose-insulin endocrine metabolic regulatory system |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |