[0001] 本发明涉及血糖监控技术领域，尤其涉及一种血液透析中血糖实时监测及低血糖预警系统。

[0002] 肾脏是我们体内的重要器官之一，它负责过滤血液中的废物和多余液体，并调节体内的电解质和酸碱平衡。然而，当肾功能受损时，这些废物和液体会在体内积聚，此时需要利用人工透析装置来清除血液中的废物、盐类和多余的水分，以帮助维持体内的平衡，确保身体正常运作。

[0003] 透析过程中，特别是在血液透析中，部分患者可能会出现血糖下降的情况。透析过程中血糖的变化可能是由于废物清除和代谢率的改变所致。透析过程中血糖升高可能与透析中自主进食、体内的应激反应、肾上腺素的释放或透析液中葡萄糖的使用有关系，慢性肾脏病晚期透析患者，尤其是长期接受血液透析或腹膜透析的患者，常常会发生低血糖,中低血糖的定义是指血糖浓度低于正常水平，其中低血糖通常被定义为血糖浓度低于2.8mmol/
L,中低血糖的发生率在透析患者中相对较高，其中包括，透析治疗本身可以导致低血糖、胰岛素或口服降糖药物的使用和营养不良或食欲不振等，尽管这种情况相对较少见，由于透
析患者本来就伴有多种症状，一些轻微的低血糖症状可能被忽略或与透析相关的其他症状
混淆，这使得低血糖很难被发现和及时处理因此，提出的一种血液透析中血糖实时监测及
低血糖预警系统。

[0029] 实施例一

[0030] 下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他
实施例，都属于本发明保护的范围。

[0031] 如图1‑2所示，本发明提出的一种血液透析中血糖实时监测及低血糖预警系统，包括：透析血液实时数据1，通过血液透析机上连接的血糖监测装置，实时获取透析患者的血糖的变化；患者身体数据2，通过对患者身体的基础数据进行获取，体重、年龄、身高及有关血糖的数据进行获取；患者药物数据及疾病史3，对患者过往药物和疾病史进行获悉并记录；患者数据收发装置4，通过血液透析机外的接收数据装置，对获取数据进行压缩传输；透析数据存储5，对处理和上传的信息进行存储，将数据保存在计算机系统或其他电子设备中的过程；数据处理模块6，通过对各种数据的处理和传输，进而对患者血糖进行实时掌握和处理，同时对获取的信息进行时序模型的训练；血糖预测数据输出7；

[0032] 通过时序模型对患者透析过程中的血糖预测，对预测后的数据进行处理；透析血液实时数据1通过透析机上外接的血糖实时监测装置，对患者血糖进行实时监测，并将处理的信息传至患者数据收发装置4，患者身体数据2通过对患者身体基本数据获悉后，将信息
传至患者数据收发装置4，患者药物数据及疾病史3对患者过往疾病史和药物史获取后，将
信息传至患者数据收发装置4，患者数据收发装置4通过信号实时接收器接收和解码，并通
过无线传输的信号，然后将其转换为可理解的数据或信息传至数据处理模块6，数据处理模块6通过对传入的数据处理后，将数据传至血糖预测数据输出7，数据处理模块6通过对传入的数据打包压缩后，将数据传至透析数据存储5进行保存，透析血液实时数据1通过外接血
糖实时监测仪在透析机上的应用能够为病人提供更加精准的治疗和监测，并将数据传至患
者数据收发装置4中，患者身体数据2通过对患者体温、体重和身高和呼吸频率数据获取，并将数据传至患者数据收发装置4中；

[0033] 患者药物数据及疾病史3通过对患者过往药物史获悉以及患者疾病史的了解，进而将数据传至患者数据收发装置4中，数据处理模块6对处理的信息压缩处理后，将数据传
至透析数据存储5，并且安全和高效的方式管理和访问大量的信息，并且安全、有效地保存和随时访问重要的数据，血糖预测数据输出7通过时间序列模型预测患者血糖变化，同时将预测血糖数据与安全血糖区间进行对比，当低于或高于时，触发患者血糖预测信息警报8，患者血糖预测信息警报8通过对患者血糖警报来提醒和警示医护人员及时对患者血糖进行
干预，血糖预测数据输出7通过血糖预测数据与正常区间的对比；

[0034] 并通过数据处理模块6对所需调控的营养液中血糖浓度进行计算的结果输出，并将结果传至医护人员确认调控9，医护人员确认调控9确认后，将调节指令传至自动调控葡
萄糖浓度11，自动调控葡萄糖浓度11在接收指令后，对血糖进行调控，医护人员确认调控9在接收信息后，可以手动修改数值，并将指令传至手动调控葡萄糖浓度10，手动调控葡萄糖浓度10执行医护人员修改后的血糖指令。

[0035] 通过透析血液实时数据1通过透析机上外接的血糖实时监测装置，对患者血糖进行实时监测，并将处理的信息传至患者数据收发装置4，患者身体数据2通过对患者身体基
本数据获悉后，将信息传至患者数据收发装置4，患者药物数据及疾病史3对患者过往疾病
史和药物史获取后，将信息传至患者数据收发装置4，患者数据收发装置4通过信号实时接
收器接收和解码，并通过无线传输的信号，然后将其转换为可理解的数据或信息传至数据
处理模块6，数据处理模块6通过对传入的数据处理后，信号实时接收器，用于接收医疗设备传输的生理参数数据将数据传至血糖预测数据输出7，数据处理模块6通过对传入的数据打
包压缩后，将数据传至透析数据存储5进行保存，能够以更加安全和高效的方式管理和访问大量医疗的信息。

[0036] 实施例二

[0037] 如图1‑2所示，本发明的实施例中，患者数据收发装置4通过将数据进行预处理，并将预处理后的数据打包压缩传至患者数据收发装置4，患者数据收发装置4通过对患者数据收集和观察12后，将数据传至数据平稳化13，数据平稳化13对数据进行差分操作来消除或
减弱数据的趋势和季节性的影响，并将数据传至自回归移动平均模型14，自回归移动平均
模型14观察当前观测值与随机误差项之间的线性关系，并将数据传至参数估计15，参数估
计15利用最大似然估计方法，估计时间序列模型中的参数，并将数据传至模型拟合和诊断
16，模型拟合和诊断16使用估计的参数；

[0038] 拟合时间列模型,并对模型进行诊断，并将数据传至预测和评估17，预测和评估17通过使用已拟合的时间序列模型进行预测，并确定模型的准确度和稳定性，并将数据传至
模型调整和改变18，模型调整和改变18根据预测结果和评估指标，对模型进行调整和改进，自回归移动平均模型14是一种时间序列分析的模型，用于描述时间序列数据中的趋势和周
期性变化，ARMA模型结合了自回归模型和移动平均模型的特性，其中自回归模型表示当前
观测值与过去观测值之间的线性关系；

[0039] 而移动平均模型则表示当前观测值与随机误差项之间的线性关系，ARMA模型通常用数学方程表示为：

[0040] [Xt＝c+φ1Xt‑1+φ2Xt‑2+...+φpXt‑p+θ1εt‑1+θ2εt‑2+...+θqεt‑q+εt]，其中：(X_t)表示时间序列在时刻(t)的观测值；(c)是常数项；(φ1,φ2,...,φp)是自回归模型的系数，表示当前观测值与过去(p)个观测值的线性关系；(θ1,θ2,...,θq)是移动平均模型的系数，表示当前观测值与过去(q)个随机误差项的线性关系，(εt,εt‑1,...,εt‑q)是白噪声误差项，ARMA模型的参数的估计通常使用最大似然估计或其他统计方法进行；

[0041] 经过参数的估计后，可以利用ARMA模型对未来的时间序列的血糖数值进行预测，模型拟合和诊断16是统计学和机器学习中常用的概念，用于评估建立的模型对数据的拟合
程度和模型的有效性，涉及检验残差的分布是否符合假定、模型是否存在多重共线性或异
方差性等问题，线性回归模型的拟合可以表示为：

[0042] [Y＝β0+β1X1+β2X2+...+βpXp+ε]，其中(Y)是因变量，(X1,X2,...,Xp)是自变量，(β0,β1,β2,...,βp)是模型系数，(ε)是误差项，当我们希望通过身高(X_1)和体重(X_2)来预测一个人的血糖(Y)时，可以使用线性回归模型进行拟合，通过最小二乘法估计系数，从而得到最佳拟合的线性关系。

[0043] 患者数据收集和观察12将数据传至数据平稳化13，数据平稳化13对数据进行差分操作来消除或减弱数据的趋势和季节性的影响，并将数据传至自回归移动平均模型14，自
回归移动平均模型14观察当前观测值与随机误差项之间的线性关系，ARMA模型结合了自回
归模型和移动平均模型的特性，并将数据传至参数估计15，参数估计15利用最大似然估计
方法，估计时间序列模型中的参数，并将数据传至模型拟合和诊断16，模型拟合和诊断16使用估计的参数，评估建立的模型对数据的拟合程度和模型的有效性，涉及检验残差的分布
是否符合假定、模型是否存在多重共线性或异方差性等问题，线性回归模型的拟合，并将数据传至预测和评估17，预测和评估17通过使用已拟合的时间序列模型进行预测，并确定模
型的准确度和稳定性，并将数据传至模型调整和改变18，模型调整和改变18根据预测结果
和评估指标，对模型进行调整和改进。

[0044] 尽管已经示出和描述了本发明的实施例，对于本领域的普通技术人员而言，可以理解在不脱离本发明的原理和精神的情况下可以对这些实施例进行多种变化、修改、替换
和变型，本发明的范围由所附权利要求及其等同物限定。