【技術實現(xiàn)步驟摘要】
本專利技術屬于胰島素泵注射控制，具體涉及一種基于lstm的胰島素泵輸注精度誤差預測方法。
技術介紹
1、胰島素泵根據(jù)有無血糖反饋可以分別開環(huán)型和閉環(huán)型，目前市場上的大多數(shù)胰島素泵都是開環(huán)型。開環(huán)泵需要人工計算和設置注射劑量，這使得無法根據(jù)血糖水平的變化實時準確地注射藥胰島素，也無法準確地復制胰島素的生理分泌特征，特別是注射的精度存在不足。另外，由于個體的差異，胰島素注射裝置的扎針深度也會不同，這會導致注射針頭與肌體組織的接觸部分堵塞，進一步降低了胰島素的注射精度，嚴重情況下會危及生命。
2、申請?zhí)枴?02311633104.1”公開了一種胰島素泵，包括泵主體，泵主體的內(nèi)部設有螺旋馬達，泵主體的側(cè)邊開設有充電口，泵主體的側(cè)邊設有工作組件用于胰島素的注射作用，調(diào)壓組件，調(diào)壓組件設在泵主體的側(cè)邊用于剩余胰島素的收集作用，并將收集后的胰島素在下次更換的過程中進行排氣作用，且調(diào)壓組件設在工作組件的內(nèi)部，回收組件設在工作組件的側(cè)邊用于輔助進行收集作用，本專利技術的調(diào)壓組件可以通過裝置的內(nèi)部結構在結束使用后通過人員控制永磁體的位置變化，從而可以保證剩余的胰島素能夠重復利用，并實現(xiàn)下次使用后的新輸液管內(nèi)部的排空氣作用，保證剩余胰島素可以充分利用，避免了費用的浪費，同時減少人員的用藥成本負擔。
3、申請?zhí)枴?021110702405”一種手電動一體胰島素注射筆，包括筆帽、筆芯、針頭、筆芯套、主殼、動力組件、控制器、微型續(xù)航電池和計量環(huán)，筆帽、筆芯、針頭、筆芯套和主殼同中心且均沿左右方向水平設置，筆芯套固定套在筆芯的外部，筆
4、申請?zhí)枴?02211209264.9”公開了一種智能化的胰島素泵控制系統(tǒng)，包括：多組胰島素泵和云服務器，每組胰島素泵包括胰島素泵本體和胰島素泵控制裝置，所述胰島素泵本體用于執(zhí)行胰島素的基本功能，所述胰島素泵控制裝置包括遠程通信單元、第二無線通信裝置、本地控制單元，所述遠程通信單元用于與云服務器進行通信，第二無線通信裝置與無線通信裝置通信連接，接收本地控制單元的控制指令；所述云服務器包括數(shù)據(jù)庫、患者匹配系統(tǒng)以及第二遠程無線通信裝置，所述數(shù)據(jù)庫中存儲有訓練數(shù)據(jù)和患者數(shù)據(jù)，所述患者匹配系統(tǒng)用于基于當前患者的參數(shù)信息為其匹配相近的患者信息并生成參考控制指令。
5、申請?zhí)枴?02111034596.3”公開了醫(yī)療器械領域的一種智能式語音交互胰島素筆，包括兩個護套，所述護套底端表面均設置有自鎖機構。本專利技術通過設置針管切換機構，該胰島素筆，通過擰動螺紋塊，使兩個護套靠攏能夠?qū)⒆詣訉⒆⑸湮恢媚笃穑瑢⒓∪饨M織和皮肉組織分離，便于工作人員注射，注射時，人工轉(zhuǎn)動盤，第一個針管組件到達注射口處，進行注射，待注射完成后，人工轉(zhuǎn)動盤，將上一個針管組件被收縮到注射架內(nèi)，下一個針管組件露出，再使胰島素注射筆沿著滑套表面旋轉(zhuǎn)，到達下一注射位置，進行注射，該裝置能夠多次進行注射，并且每次注射后，能自動及時更換針頭，避免發(fā)生多次使用，針頭磨損，提高患者的刺痛感，甚至發(fā)生斷裂，留在患者體內(nèi)的問題。
6、從現(xiàn)有的專利文獻情況來看，大多數(shù)的胰島素輸注裝置都是開環(huán)型，對于精準給藥很少涉及，或者沒有涉及。與mdi相比，csii在治療糖尿病方面療效顯著，而且副作用風險更低。csii治療效果的關鍵因素之一是胰島素泵的給藥精確性，不合理的胰島素劑量可能導致高血糖、低血糖，甚至在極端情況下危及生命。
7、lstm模型已經(jīng)在各種不同領域的時序數(shù)據(jù)研究中取得了許多成功的應用，包括文字語言建模、語音識別、機器翻譯、交通流速預測與道路運輸相關的應用等。然而，在胰島素泵輸注精度誤差預測與補償方面，lstm模型的應用尚未得到應用。
技術實現(xiàn)思路
1、本專利技術為了解決現(xiàn)有技術中的不足之處，提供一種基于lstm的胰島素泵輸注精度誤差預測方法，將lstm模型用于胰島素泵輸注誤差預測，以用于補償電機的制動慣性帶來的輸注偏差。
2、為解決上述技術問題，本專利技術采用如下技術方案：一種基于lstm的胰島素泵輸注精度誤差預測方法，包括以下步驟：
3、s1.數(shù)據(jù)預處理：收集并準備時間序列數(shù)據(jù)，對數(shù)據(jù)進行異常值去除、填補缺失值、標準化數(shù)據(jù)，并將數(shù)據(jù)劃分為訓練集和測試集；
4、s2.構建lstm模型：確定lstm網(wǎng)絡結構、劃分標簽及輸入特征，將特征輸入到lstm模型中；
5、s3.lstm模型訓練：將訓練集數(shù)據(jù)輸入到lstm模型中，并根據(jù)lstm模型的輸出與實際值之間的差異來調(diào)整模型參數(shù)；
6、s4.訓練結束：記錄訓練效果，并調(diào)整參數(shù)；
7、s5.參數(shù)調(diào)優(yōu)：重復s3、s4直到預測效果最優(yōu)，保存最優(yōu)lstm模型；
8、s6.開始預測：將特征輸入到最優(yōu)模型，記錄預測結果，進行mape與rmse分析。
9、步驟s2中l(wèi)stm網(wǎng)絡結構通常包含多個激活函數(shù)，用于不同的門控單元和內(nèi)部狀態(tài)更新；激活函數(shù)包括sigmoid函數(shù)、tanh函數(shù)和relu函數(shù)三類。
10、sigmoid函數(shù)將任何范圍的輸入值映射到0到1的輸出范圍內(nèi)，其表達式為：
11、
12、tanh函數(shù)是另一種在深度學習和神經(jīng)網(wǎng)絡中常用的激活函數(shù)，將輸入值映射到-1到1的范圍內(nèi)，定義如下：
13、
14、解決sigmoid函數(shù)的非零平均輸出問題的替代方案是采用tanh函數(shù)，然而，冪運算和梯度消失仍然是問題；目前使用最廣泛的激活函數(shù)是relu函數(shù)，其公式如下：
15、f(x)＝max(0,x)(3)
16、相較于sigmoid和tanh函數(shù)，relu函數(shù)在解決梯度消失問題上具有優(yōu)勢，故步驟s2中l(wèi)stm網(wǎng)絡結構選擇relu函數(shù)作為激活函數(shù)。
17、步驟s3中選擇adam算法來訓練lstm模型，adam算法在更新參數(shù)時能夠同時考慮歷史梯度的方向和大小，從而更加穩(wěn)定地調(diào)整學習率；此外，adam算法中的超參數(shù)設置相對簡單，通常只需要調(diào)整學習率、一階矩估計的指數(shù)衰減率和二階矩估計的指數(shù)衰減率即可。
18、在lstm模型訓練中，除了選擇訓練集和測試集外，合理設置迭代次數(shù)以確保模型充分學習而不過擬合，以及調(diào)整隱藏節(jié)點數(shù)以捕捉數(shù)據(jù)特征并避免欠擬合，都是至關重要的；網(wǎng)絡模型的結構一般由輸入層、隱藏層和輸出層組成，通過層與層之間的連接和激活函數(shù)實現(xiàn)數(shù)據(jù)的特征提取和預測輸出；增加隱藏層數(shù)理論上能提高計算精度，但實際上可能導致過擬合、增加訓練難度和時間成本；因此，需根據(jù)具體問題和數(shù)據(jù)集選擇合適的隱藏層數(shù)；該lstm模型是一個結合了全本文檔來自技高網(wǎng)...
【技術保護點】
1.一種基于LSTM的胰島素泵輸注精度誤差預測方法，其特征在于：包括以下步驟：
2.根據(jù)權利要求1所述的一種基于LSTM的胰島素泵輸注精度誤差預測方法，其特征在于：步驟S2中LSTM網(wǎng)絡結構通常包含多個激活函數(shù)，用于不同的門控單元和內(nèi)部狀態(tài)更新；激活函數(shù)包括Sigmoid函數(shù)、Tanh函數(shù)和ReLU函數(shù)三類。
3.根據(jù)權利要求2所述的一種基于LSTM的胰島素泵輸注精度誤差預測方法，其特征在于：Sigmoid函數(shù)將任何范圍的輸入值映射到0到1的輸出范圍內(nèi)，其表達式為：
4.根據(jù)權利要求1所述的一種基于LSTM的胰島素泵輸注精度誤差預測方法，其特征在于：步驟S3中選擇Adam算法來訓練LSTM模型，Adam算法在更新參數(shù)時能夠同時考慮歷史梯度的方向和大小，從而更加穩(wěn)定地調(diào)整學習率；此外，Adam算法中的超參數(shù)設置相對簡單，通常只需要調(diào)整學習率、一階矩估計的指數(shù)衰減率和二階矩估計的指數(shù)衰減率即可。
5.根據(jù)權利要求1所述的一種基于LSTM的胰島素泵輸注精度誤差預測方法，其特征在于：在LSTM模型訓練中，除了選擇訓練集和測試集外，合理設置迭
6.根據(jù)權利要求3所述的一種基于LSTM的胰島素泵輸注精度誤差預測方法，其特征在于：步驟S6中LSTM模型預測結果與真實結果之間差異采用損失函數(shù)進行衡量，在LSTM模型訓練過程中，優(yōu)化算法根據(jù)損失函數(shù)的梯度信息來更新模型參數(shù)，以最小化損失值；常用的回歸損失函數(shù)有MAE、MSE、RMSE和MAPE；優(yōu)選MAPE和RMSE，MAPE和RMSE相關定義為本領域常規(guī)技術，在此不再贅述。
7.根據(jù)權利要求6所述的一種基于LSTM的胰島素泵輸注精度誤差預測方法，其特征在于：步驟S6中的預測采用單輪預測或滾動預測；
8.根據(jù)權利要求7所述的一種基于LSTM的胰島素泵輸注精度誤差預測方法，其特征在于：滾動預測具體過程為：第一步：進行30次無補償?shù)妮斪⒉z測輸注偏差，對輸注偏差進行預測，將預測結果對應的補償量平均分配到剩余(比如6次)的實際輸注中；
...【技術特征摘要】
1.一種基于lstm的胰島素泵輸注精度誤差預測方法，其特征在于：包括以下步驟：
2.根據(jù)權利要求1所述的一種基于lstm的胰島素泵輸注精度誤差預測方法，其特征在于：步驟s2中l(wèi)stm網(wǎng)絡結構通常包含多個激活函數(shù)，用于不同的門控單元和內(nèi)部狀態(tài)更新；激活函數(shù)包括sigmoid函數(shù)、tanh函數(shù)和relu函數(shù)三類。
3.根據(jù)權利要求2所述的一種基于lstm的胰島素泵輸注精度誤差預測方法，其特征在于：sigmoid函數(shù)將任何范圍的輸入值映射到0到1的輸出范圍內(nèi)，其表達式為：
4.根據(jù)權利要求1所述的一種基于lstm的胰島素泵輸注精度誤差預測方法，其特征在于：步驟s3中選擇adam算法來訓練lstm模型，adam算法在更新參數(shù)時能夠同時考慮歷史梯度的方向和大小，從而更加穩(wěn)定地調(diào)整學習率；此外，adam算法中的超參數(shù)設置相對簡單，通常只需要調(diào)整學習率、一階矩估計的指數(shù)衰減率和二階矩估計的指數(shù)衰減率即可。
5.根據(jù)權利要求1所述的一種基于lstm的胰島素泵輸注精度誤差預測方法，其特征在于：在lstm模型訓練中，除了選擇訓練集和測試集外，合理設置迭代次數(shù)以確保模型充分學習而不過擬合，以及調(diào)整隱藏節(jié)點數(shù)以捕捉數(shù)據(jù)特征并避免欠擬合，都是至關重要的；網(wǎng)絡模型的結構一般由輸入層、隱藏層和輸出層組成，通過層與層之間的連接和激活函數(shù)實現(xiàn)數(shù)據(jù)的特征提取和預測輸出；增加隱藏層數(shù)理論上能...
【專利技術屬性】
技術研發(fā)人員：王磊杰，王永鑫，張通，房聚才，明五一，郭旭東，丁磊，
申請(專利權)人：深圳瑞宇醫(yī)療科技有限公司，
類型：發(fā)明
國別省市：
還沒有人留言評論。發(fā)表了對其他瀏覽者有用的留言會獲得科技券。