[go: up one dir, main page]

RU2012105949A - Устройство и способ обработки набора значений данных - Google Patents

Устройство и способ обработки набора значений данных Download PDF

Info

Publication number
RU2012105949A
RU2012105949A RU2012105949/08A RU2012105949A RU2012105949A RU 2012105949 A RU2012105949 A RU 2012105949A RU 2012105949/08 A RU2012105949/08 A RU 2012105949/08A RU 2012105949 A RU2012105949 A RU 2012105949A RU 2012105949 A RU2012105949 A RU 2012105949A
Authority
RU
Russia
Prior art keywords
value
function
probability
data values
values
Prior art date
Application number
RU2012105949/08A
Other languages
English (en)
Inventor
Якоб Ларс Фредрик РИБАК
Микаель Кйелл ЛЬЮС
Ларс Густаф ЛИЛЙЕРИД
Original Assignee
Диабетес Тоолс Сведен АБ
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Диабетес Тоолс Сведен АБ filed Critical Диабетес Тоолс Сведен АБ
Publication of RU2012105949A publication Critical patent/RU2012105949A/ru

Links

Classifications

    • 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
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/145—Measuring characteristics of blood in vivo, e.g. gas concentration or pH-value ; Measuring characteristics of body fluids or tissues, e.g. interstitial fluid or cerebral tissue
    • A61B5/14532—Measuring characteristics of blood in vivo, e.g. gas concentration or pH-value ; Measuring characteristics of body fluids or tissues, e.g. interstitial fluid or cerebral tissue for measuring glucose, e.g. by tissue impedance measurement
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/48—Other medical applications
    • A61B5/4836—Diagnosis combined with treatment in closed-loop systems or methods
    • A61B5/4839—Diagnosis combined with treatment in closed-loop systems or methods combined with drug delivery
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/72—Signal processing specially adapted for physiological signals or for diagnostic purposes
    • A61B5/7235—Details of waveform analysis
    • A61B5/7253—Details of waveform analysis characterised by using transforms
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/72—Signal processing specially adapted for physiological signals or for diagnostic purposes
    • A61B5/7271—Specific aspects of physiological measurement analysis
    • A61B5/7275—Determining trends in physiological measurement data; Predicting development of a medical condition based on physiological measurements, e.g. determining a risk factor
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/74—Details of notification to user or communication with user or patient; User input means
    • A61B5/746—Alarms related to a physiological condition, e.g. details of setting alarm thresholds or avoiding false alarms
    • 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
    • A61M5/168—Means for controlling media flow to the body or for metering media to the body, e.g. drip meters, counters ; Monitoring media flow to the body
    • A61M5/172—Means for controlling media flow to the body or for metering media to the body, e.g. drip meters, counters ; Monitoring media flow to the body electrical or electronic
    • A61M5/1723—Means for controlling media flow to the body or for metering media to the body, e.g. drip meters, counters ; Monitoring media flow to the body electrical or electronic using feedback of body parameters, e.g. blood-sugar, pressure
    • 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
    • G16H40/00—ICT specially adapted for the management or administration of healthcare resources or facilities; ICT specially adapted for the management or operation of medical equipment or devices
    • G16H40/60—ICT specially adapted for the management or administration of healthcare resources or facilities; ICT specially adapted for the management or operation of medical equipment or devices for the operation of medical equipment or devices
    • G16H40/63—ICT specially adapted for the management or administration of healthcare resources or facilities; ICT specially adapted for the management or operation of medical equipment or devices for the operation of medical equipment or devices for local operation
    • 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
    • G16H50/00—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics
    • G16H50/20—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for computer-aided diagnosis, e.g. based on medical expert systems
    • 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
    • G16H50/00—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics
    • G16H50/30—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for calculating health indices; for individual health risk assessment
    • 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
    • G16H50/00—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics
    • G16H50/50—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for simulation or modelling of medical disorders
    • 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
    • A61M2230/005—Parameter used as control input for the apparatus
    • 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
    • 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
    • G16H10/00—ICT specially adapted for the handling or processing of patient-related medical or healthcare data
    • G16H10/60—ICT specially adapted for the handling or processing of patient-related medical or healthcare data for patient-specific data, e.g. for electronic patient records

Landscapes

  • Health & Medical Sciences (AREA)
  • Engineering & Computer Science (AREA)
  • Public Health (AREA)
  • Medical Informatics (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Biomedical Technology (AREA)
  • General Health & Medical Sciences (AREA)
  • Pathology (AREA)
  • Primary Health Care (AREA)
  • Epidemiology (AREA)
  • Physics & Mathematics (AREA)
  • Heart & Thoracic Surgery (AREA)
  • Veterinary Medicine (AREA)
  • Animal Behavior & Ethology (AREA)
  • Surgery (AREA)
  • Biophysics (AREA)
  • Molecular Biology (AREA)
  • Databases & Information Systems (AREA)
  • Data Mining & Analysis (AREA)
  • Medicinal Chemistry (AREA)
  • Chemical & Material Sciences (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Physiology (AREA)
  • Pharmacology & Pharmacy (AREA)
  • Emergency Medicine (AREA)
  • Optics & Photonics (AREA)
  • Psychiatry (AREA)
  • Artificial Intelligence (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Signal Processing (AREA)
  • General Business, Economics & Management (AREA)
  • Business, Economics & Management (AREA)
  • Vascular Medicine (AREA)
  • Diabetes (AREA)
  • Anesthesiology (AREA)
  • Hematology (AREA)
  • Measurement Of The Respiration, Hearing Ability, Form, And Blood Characteristics Of Living Organisms (AREA)
  • Investigating Or Analysing Biological Materials (AREA)
  • Measuring And Recording Apparatus For Diagnosis (AREA)
  • Complex Calculations (AREA)

Abstract

1. Устройство обработки набора значений данных, отображающих физиологический показатель жидкости тела в момент времени, характеризующееся тем, что оно содержит вычислитель функции ожидаемой вероятности (3а), связанной с набором значений данных; вычислитель алгоритма преобразования (3b) для расчета алгоритма нелинейного преобразования с использованием целевой функции заданного распределения вероятности, отличной от функции ожидаемой вероятности, и с использованием функции ожидаемой вероятности, связанной с набором значений данных, таким образом, чтобы функция вероятности ряда трансформированных значений данных была ближе к функции задаваемой вероятности, чем функция ожидаемой вероятности; и преобразователь (3с), применяющий алгоритм преобразования к набору значений данных или, по меньшей мере, к одному последующему значению данных, не входящему в набор значений данных и выбранному в момент времени, отличный от моментов времени набора значений данных, для получения, по меньшей мере, одного преобразованного значения, отображающего физиологический показатель.2. Устройство по п.1, характеризующееся тем, что оно дополнительно включает: устройство (24), предназначенное для использования, по меньшей мере, одного преобразованного значения с целью управления устройством дозирования лекарственного средства в пределах замкнутого или незамкнутого контура или с целью генерации (25) визуальной, звуковой, тактильной, механической, электрической или магнитной индикации физиологической характеристики организма, от которого был получен набор значений данных или последующее значение данных.3. Устройство по п.1, характер

Claims (17)

1. Устройство обработки набора значений данных, отображающих физиологический показатель жидкости тела в момент времени, характеризующееся тем, что оно содержит вычислитель функции ожидаемой вероятности (3а), связанной с набором значений данных; вычислитель алгоритма преобразования (3b) для расчета алгоритма нелинейного преобразования с использованием целевой функции заданного распределения вероятности, отличной от функции ожидаемой вероятности, и с использованием функции ожидаемой вероятности, связанной с набором значений данных, таким образом, чтобы функция вероятности ряда трансформированных значений данных была ближе к функции задаваемой вероятности, чем функция ожидаемой вероятности; и преобразователь (3с), применяющий алгоритм преобразования к набору значений данных или, по меньшей мере, к одному последующему значению данных, не входящему в набор значений данных и выбранному в момент времени, отличный от моментов времени набора значений данных, для получения, по меньшей мере, одного преобразованного значения, отображающего физиологический показатель.
2. Устройство по п.1, характеризующееся тем, что оно дополнительно включает: устройство (24), предназначенное для использования, по меньшей мере, одного преобразованного значения с целью управления устройством дозирования лекарственного средства в пределах замкнутого или незамкнутого контура или с целью генерации (25) визуальной, звуковой, тактильной, механической, электрической или магнитной индикации физиологической характеристики организма, от которого был получен набор значений данных или последующее значение данных.
3. Устройство по п.1, характеризующееся тем, что вычислитель алгоритма преобразования (3b) предназначен для расчета значения функции ожидаемой вероятности для фактического значения данных и для нахождения преобразованного значения, где преобразованное значение выбирается вычислителем алгоритма преобразования (3b) так, чтобы значение функции ожидаемой вероятности было равно значению функции заданного распределения вероятности.
4. Устройство по п.1, характеризующееся тем, что вычислитель алгоритма преобразования (3b) предусматривает использование функции распределения кумулятивных вероятностей (функцию CDF) как функции задаваемой вероятности, и в составе которого вычислитель функции прогнозируемой вероятности (3а) предусматривает расчет функции распределения кумулятивных вероятностей как функции ожидаемой вероятности.
5. Устройство по п.1, характеризующееся тем, что вычислитель алгоритма преобразования (3b) выполнен с возможностью использования нормального гауссова распределения как функции задаваемой вероятности.
6. Устройство по п.1, характеризующееся тем, что вычислитель алгоритма преобразования (3b) выполнен с возможностью использовать постоянное распределение вероятностей в определенном диапазоне значений как функцию задаваемой вероятности, и в составе которого указанное устройство включает в себя также сигнальный индикатор (25f) упреждающего оповещения о превышении последующим преобразованным значением данных максимального порогового значения преобразования или об уходе ниже минимального порога преобразования, или в составе которого указанное устройство включает в себя также обратный преобразователь (25с) для преобразования последующего преобразованного значения данных в область обратного преобразования, и в составе которого сигнальный индикатор (25f) генерирует сигнал тревоги, когда обратнотрансформированное значение данных превышает максимально допустимое значение или ниже минимального порога.
7. Устройство по п.1, характеризующееся тем, что вычислитель функции прогнозируемой вероятности (3а) выполнен с возможностью расчета множества k нормальных распределений для множества k элементов разрешения, где каждый элемент разрешения представляет диапазон значений, и где смежные элементы разрешения накладываются друг на друга таким образом, что для каждого элемента разрешения рассчитывается нормальное гауссово распределение с использованием значений в пределах соответствующих элементов разрешения, и в составе которого вычислитель функции прогнозируемой вероятности (3b) предназначен для расчета веса каждого элемента разрешения таким образом, чтобы интегральная сумма k взвешенных нормальных распределений равнялась единице, где k - целочисленная величина больше 2.
8. Устройство по п.7, характеризующееся тем, что вычислитель функции прогнозируемой вероятности (3а) выполнен с возможностью расчета функции ожидаемого распределения накопленных вероятностей как взвешенной суммы нормальных распределений.
9. Устройство по п.1, в составе которого преобразователь (3с) предусматривает сохранение множества непреобразованных значений и для каждого непреобразованного значения преобразованного значения, и в составе которого преобразователь (3с) включает в себя интерполятор для интерполяции последующего значения или значения данных, не совпадающего с сохраненным непреобразованным значением, с использованием, по меньшей мере, одного сохраненного преобразованного значения, соотнесенного с сохраненным непреобразованным значением, ближайшим по значению к последующему значению или значению данных, и с приложением правила интерполяции.
10. Устройство по п.1, характеризующееся тем, что содержит вычислитель среднего значения (25b) для расчета среднего преобразованного значения множества преобразованных значений ряда; обратный преобразователь (25с) для выполнения обратного преобразования среднего преобразованного значения в обратнопреобразованное среднее значение, используя алгоритм обратного преобразования; и процессор (25h), использующий обратнопреобразованное среднее значение для генерирования на его основе акустической, визуальной, тактильной, механической, электрической или магнитной индикации.
11. Устройство по п.1, характеризующееся тем, что включает вычислитель среднего значения (25b) для расчета преобразованного среднего значения множества преобразованных значений ряда; обратный преобразователь (25с) для выполнения обратного преобразования среднего преобразованного значения в обратнопреобразованное среднее значение, используя алгоритм обратного преобразования; и вычислитель стандартного отклонения (25d, 25e), рассчитывающий верхнее стандартное отклонение (USD) непреобразованного значения, превышающее обратнопреобразованное среднее значение, или рассчитывающий нижнее стандартное отклонение (DSD) непреобразованного значения, ниже обратнопреобразованного среднего значения, или верхний коэффициент вариации (UCV) непреобразованного значения, превышающий обратнопреобразованное среднее значение, или рассчитывающий нижний коэффициент вариации (DCV) непреобразованного значения, более низкий, чем обратнопреобразованное среднее значение, или рассчитывающий регулярное стандартное отклонение; и процессор (25h), предназначенный для генерации звуковой, визуальной, тактильной, механической, электрической или магнитной индикации, исходя из верхнего стандартного отклонения или нижнего стандартного отклонения или регулярного стандартного отклонения.
12. Устройство по п.1, характеризующееся тем, что содержит контроллер, имеющий элемент прямой связи (24b, 24d), элемент обратной связи (24е, 24f) и комбинатор, совмещающий результат, который получен элементом обратной связи (24е, 24f), с заданным значением, получая входной сигнал для элемента прямой связи (24b, 24с), где преобразователь (3с, 24а, 24f) включает в себя первый преобразователь (24а), трансформирующий заданное значение, используя алгоритм преобразования, и второй преобразователь (24f), трансформирующий значение обратной связи, используя алгоритм преобразования, и где комбинатор совмещает преобразованные значения, генерируемые первым и вторым преобразователями (24а, 24f), и где выход первого преобразователя (24а) соединен с первым входом комбинатора, где второй преобразователь (24f) входит в элемент обратной связи, и где выход второго преобразователя (24f) соединен со вторым входом комбинатора.
13. Устройство по п.1, характеризующееся тем, что физиологическим показателем является гликемический показатель, а значениями данных являются значения гликемических данных.
14. Устройство по п.1, характеризующееся тем, что преобразователь (3с) предусматривает сохранение алгоритма преобразования в виде подстановочной таблицы, при этом устройство выполнено с возможностью перерасчета с получением нового алгоритма преобразования, исходя из события, которое, в свою очередь, может являться: вводом пользователя, истечением времени таймера, контрольной проверкой вероятности, которая в результате показывает отклонение выше порога отклонения функции ожидаемой вероятности для фактического набора значений и более ранней функции вероятности более раннего набора значений, на которых построен хранящийся в памяти алгоритм преобразования, или рандомизированным событием, в случае чего, реагируя на событие, устройство предусматривает перерасчет с выведением нового алгоритма преобразования и сохранением его для использования преобразователем (3с).
15. Устройство по п.1, характеризующееся тем, что функцией вероятности может являться функция плотности распределения вероятности (PDF), функция распределения накопленных вероятностей (CDF) или подобная, связанная с вероятностью функция.
16. Способ обработки набора значений данных, из которых каждое значение данных представляет физиологический показатель биологической жидкости в момент времени, характеризующееся тем, что он включает расчет (3а) функции ожидаемой вероятности, связанной с набором значений данных; расчете (3b) алгоритма нелинейного преобразования с применением целевой функции заданной вероятности, отличной от функции ожидаемой (оцененной) вероятности, и используя функцию ожидаемой вероятности, связанную с набором значений данных, таким образом, чтобы функция вероятности ряда трансформированных значений данных была ближе к функции задаваемой вероятности, чем функция ожидаемой вероятности; и применении (3с) алгоритма преобразования к набору значений данных или к, по меньшей мере, одному последующему значению данных, не входящему в набор значений данных и выбранному в момент времени, отличный от моментов времени набора значений данных с целью получения, по меньшей мере, одного преобразованного значения, представляющего физиологический показатель.
17. Компьютерная программа, содержащая код программы для осуществления способа по п.16 при условии выполнения на компьютере или процессоре.
RU2012105949/08A 2009-08-10 2010-08-10 Устройство и способ обработки набора значений данных RU2012105949A (ru)

Applications Claiming Priority (3)

Application Number Priority Date Filing Date Title
US23269709P 2009-08-10 2009-08-10
US61/232,697 2009-08-10
PCT/EP2010/061640 WO2011018465A1 (en) 2009-08-10 2010-08-10 Apparatus and method for processing a set of data values

Publications (1)

Publication Number Publication Date
RU2012105949A true RU2012105949A (ru) 2013-09-20

Family

ID=42830374

Family Applications (3)

Application Number Title Priority Date Filing Date
RU2012105949/08A RU2012105949A (ru) 2009-08-10 2010-08-10 Устройство и способ обработки набора значений данных
RU2012105948/14A RU2012105948A (ru) 2009-08-10 2010-08-10 Устройство и способ генерирования индикации состояния
RU2012105952/10A RU2012105952A (ru) 2009-08-10 2010-08-10 Устройство и способ обработки данных гликемии

Family Applications After (2)

Application Number Title Priority Date Filing Date
RU2012105948/14A RU2012105948A (ru) 2009-08-10 2010-08-10 Устройство и способ генерирования индикации состояния
RU2012105952/10A RU2012105952A (ru) 2009-08-10 2010-08-10 Устройство и способ обработки данных гликемии

Country Status (7)

Country Link
US (5) US20120203166A1 (ru)
EP (3) EP2465059A1 (ru)
JP (3) JP5427951B2 (ru)
CN (3) CN102576381A (ru)
CA (3) CA2770581A1 (ru)
RU (3) RU2012105949A (ru)
WO (3) WO2011018464A1 (ru)

Families Citing this family (49)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20190357827A1 (en) 2003-08-01 2019-11-28 Dexcom, Inc. Analyte sensor
US8219173B2 (en) 2008-09-30 2012-07-10 Abbott Diabetes Care Inc. Optimizing analyte sensor calibration
US7630748B2 (en) 2006-10-25 2009-12-08 Abbott Diabetes Care Inc. Method and system for providing analyte monitoring
US8224415B2 (en) 2009-01-29 2012-07-17 Abbott Diabetes Care Inc. Method and device for providing offset model based calibration for analyte sensor
US9675290B2 (en) 2012-10-30 2017-06-13 Abbott Diabetes Care Inc. Sensitivity calibration of in vivo sensors used to measure analyte concentration
US8160900B2 (en) 2007-06-29 2012-04-17 Abbott Diabetes Care Inc. Analyte monitoring and management device and method to analyze the frequency of user interaction with the device
US8924159B2 (en) 2008-05-30 2014-12-30 Abbott Diabetes Care Inc. Method and apparatus for providing glycemic control
US8591410B2 (en) 2008-05-30 2013-11-26 Abbott Diabetes Care Inc. Method and apparatus for providing glycemic control
US9326707B2 (en) 2008-11-10 2016-05-03 Abbott Diabetes Care Inc. Alarm characterization for analyte monitoring devices and systems
EP2494323A4 (en) 2009-10-30 2014-07-16 Abbott Diabetes Care Inc METHOD AND DEVICE FOR DETECTING UNNORMAL HYPOGLYKEMIC VALUES
US10092229B2 (en) 2010-06-29 2018-10-09 Abbott Diabetes Care Inc. Calibration of analyte measurement system
EP2491859A1 (en) * 2011-02-23 2012-08-29 F. Hoffmann-La Roche AG Method and system for determining blood glucose characteristics from a discontinuous mode of measurement and computer program product
ES2847578T3 (es) 2011-04-15 2021-08-03 Dexcom Inc Calibración avanzada de sensor de analito y detección de errores
US9622691B2 (en) 2011-10-31 2017-04-18 Abbott Diabetes Care Inc. Model based variable risk false glucose threshold alarm prevention mechanism
US8870783B2 (en) * 2011-11-30 2014-10-28 Covidien Lp Pulse rate determination using Gaussian kernel smoothing of multiple inter-fiducial pulse periods
WO2014052136A1 (en) 2012-09-26 2014-04-03 Abbott Diabetes Care Inc. Method and apparatus for improving lag correction during in vivo measurement of analyte concentration with analyte concentration variability and range data
US20160029977A1 (en) * 2013-03-14 2016-02-04 Becton, Dickinson And Company Continuous glucose monitoring on-body sensor having a visual display
US10433773B1 (en) 2013-03-15 2019-10-08 Abbott Diabetes Care Inc. Noise rejection methods and apparatus for sparsely sampled analyte sensor data
US10076285B2 (en) 2013-03-15 2018-09-18 Abbott Diabetes Care Inc. Sensor fault detection using analyte sensor data pattern comparison
US9474475B1 (en) 2013-03-15 2016-10-25 Abbott Diabetes Care Inc. Multi-rate analyte sensor data collection with sample rate configurable signal processing
CA2935945A1 (en) * 2014-01-10 2015-07-16 Ascensia Diabetes Care Holdings Ag Methods and apparatus for representing blood glucose variation graphically
EP3125761B1 (en) 2014-03-30 2020-09-30 Abbott Diabetes Care Inc. Method and apparatus for determining meal start and peak events in analyte monitoring systems
CN107077525B (zh) 2014-10-22 2022-03-22 德克斯康公司 用于连续葡萄糖监视的用户接口
US10078731B2 (en) 2015-03-06 2018-09-18 Cardiac Pacemakers, Inc System and methods for displaying medical data
US10448898B2 (en) * 2015-07-14 2019-10-22 Conduent Business Services, Llc Methods and systems for predicting a health condition of a human subject
JP5900912B1 (ja) * 2015-07-24 2016-04-06 メドケア株式会社 生体モニタ装置及び生体モニタ用プログラム
KR101746799B1 (ko) * 2015-11-04 2017-06-14 주식회사 쏠리드 분산 안테나 시스템
US10575790B2 (en) * 2016-03-02 2020-03-03 Roche Diabetes Care, Inc. Patient diabetes monitoring system with clustering of unsupervised daily CGM profiles (or insulin profiles) and method thereof
US10460074B2 (en) * 2016-04-05 2019-10-29 Conduent Business Services, Llc Methods and systems for predicting a health condition of a human subject
US10929281B1 (en) * 2016-05-20 2021-02-23 Jpmorgan Chase Bank, N.A. Systems and methods for testing of data transformations
JP6999648B2 (ja) * 2016-08-17 2022-01-18 ノボ・ノルデイスク・エー／エス インスリン投薬計画における基礎／ボーラス比を調節するためのシステムおよび方法
EP3651647A1 (en) * 2017-07-13 2020-05-20 Bigfoot Biomedical, Inc. Multi-scale display of blood glucose information
US20190015024A1 (en) * 2017-07-13 2019-01-17 Bigfoot Biomedical, Inc. Multi-scale display of blood glucose information
EP3438858A1 (en) 2017-08-02 2019-02-06 Diabeloop Closed-loop blood glucose control systems and methods
EP3783320B1 (en) * 2017-08-30 2024-01-24 Micro Motion Inc. Detecting and identifying a change in a vibratory meter
US11331022B2 (en) 2017-10-24 2022-05-17 Dexcom, Inc. Pre-connected analyte sensors
CA3077720A1 (en) 2017-10-24 2019-05-02 Dexcom, Inc. Pre-connected analyte sensors
EP3520686B1 (de) * 2018-02-01 2025-01-29 Vorwerk & Co. Interholding GmbH System mit vitaldatensensor
PL3522173T3 (pl) * 2018-02-01 2024-08-19 Vorwerk & Co. Interholding Gmbh System z czujnikiem danych życiowych i jednostką oceniającą
US10977336B2 (en) * 2018-06-11 2021-04-13 Andre J. UNGER System and method of pre-processing discrete datasets for use in machine learning
US20200043606A1 (en) * 2018-08-02 2020-02-06 Cnoga Medical Ltd. System and method for controlling blood glucose using personalized histograms
JP7282298B2 (ja) * 2019-07-31 2023-05-29 アークレイ株式会社 推定方法及び平均血糖値推定システム
EP4228498A4 (en) * 2020-10-14 2024-11-20 University of Virginia Patent Foundation CLOSED LOOP CONTROL METHOD AND SYSTEM FOR IMPROVING GLYCEMIC RESPONSE TO A NON-ANNEMIC SOURCE OF GLYCEMIC FLUCTUATION
US20220142521A1 (en) * 2020-11-10 2022-05-12 Ascensia Diabetes Care Holdings Ag Methods and apparatus for predicting whether and when a hypo/hyper analyte concentration event will occur
US11514999B2 (en) * 2021-04-16 2022-11-29 SK Hynix Inc. Systems and methods for parametric PV-level modeling and read threshold voltage estimation
CN113951879B (zh) * 2021-12-21 2022-04-05 苏州百孝医疗科技有限公司 血糖预测方法和装置、监测血糖水平的系统
US12159528B2 (en) * 2022-01-25 2024-12-03 Cirrus Logic Inc. Detection and prevention of non-linear excursion in a haptic actuator
US20230420140A1 (en) * 2022-06-22 2023-12-28 Laxmi Therapeutic Devices, Inc. System and method for processing glucose data
CN120388721B (zh) * 2025-06-27 2025-10-10 湖南师范大学 基于插补和增强的防控辅助诊疗方法、装置、设备及介质

Family Cites Families (23)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
NZ276573A (en) 1993-11-01 1998-06-26 Ericsson Telefon Ab L M Cellular radio automatic retransmission request
US5638816A (en) 1995-06-07 1997-06-17 Masimo Corporation Active pulse blood constituent monitoring
US5743262A (en) * 1995-06-07 1998-04-28 Masimo Corporation Blood glucose monitoring system
US7039446B2 (en) 2001-01-26 2006-05-02 Sensys Medical, Inc. Indirect measurement of tissue analytes through tissue properties
US6135966A (en) 1998-05-01 2000-10-24 Ko; Gary Kam-Yuen Method and apparatus for non-invasive diagnosis of cardiovascular and related disorders
US6424847B1 (en) 1999-02-25 2002-07-23 Medtronic Minimed, Inc. Glucose monitor calibration methods
US6923763B1 (en) * 1999-08-23 2005-08-02 University Of Virginia Patent Foundation Method and apparatus for predicting the risk of hypoglycemia
DE10014348B4 (de) 2000-03-24 2009-03-12 Immobiliengesellschaft Helmut Fischer Gmbh & Co. Kg Vorrichtung zur zerstörungsfreien Messung der Dicke dünner Schichten
AU2001251046B2 (en) 2000-03-29 2006-08-03 University Of Virginia Patent Foundation Method, system, and computer program product for the evaluation of glycemic control in diabetes from self-monitoring data
WO2002000112A2 (en) * 2000-06-26 2002-01-03 Boston Medical Technologies, Inc. Glucose metering system
US6594512B2 (en) * 2000-11-21 2003-07-15 Siemens Medical Solutions Usa, Inc. Method and apparatus for estimating a physiological parameter from a physiological signal
JP4071113B2 (ja) * 2001-01-26 2008-04-02 センシス メディカル インク 組織の光学特性によるグルコースの非侵襲的測定
US8260393B2 (en) * 2003-07-25 2012-09-04 Dexcom, Inc. Systems and methods for replacing signal data artifacts in a glucose sensor data stream
CN101079082A (zh) * 2002-08-13 2007-11-28 弗吉尼亚大学专利基金会 用于处理自我监测血糖(smbg)数据从而提高糖尿病患者自我管理的方法、系统和计算机程序产品
WO2004015539A2 (en) 2002-08-13 2004-02-19 University Of Virginia Patent Foundation Managing and processing self-monitoring blood glucose
US8060173B2 (en) * 2003-08-01 2011-11-15 Dexcom, Inc. System and methods for processing analyte sensor data
EP1728468A1 (de) 2005-06-04 2006-12-06 Roche Diagnostics GmbH Bewertung von Werten der Blutglucosekonzentration zur Einstellung der Insulindosierung
CN100515335C (zh) * 2005-12-23 2009-07-22 深圳迈瑞生物医疗电子股份有限公司 能消除运动干扰的血氧测量方法及其装置
BRPI0718119A2 (pt) * 2006-10-26 2014-07-08 Abbott Diabetes Care Inc Métodos, sistemas e programas de computador para a detecção em tempo real do declínio de sensibilidade em sensores de analito
US20080154513A1 (en) * 2006-12-21 2008-06-26 University Of Virginia Patent Foundation Systems, Methods and Computer Program Codes for Recognition of Patterns of Hyperglycemia and Hypoglycemia, Increased Glucose Variability, and Ineffective Self-Monitoring in Diabetes
US7629889B2 (en) * 2006-12-27 2009-12-08 Cardiac Pacemakers, Inc. Within-patient algorithm to predict heart failure decompensation
WO2008141306A2 (en) * 2007-05-11 2008-11-20 Sigmed, Inc. Non-invasive characterization of a physiological parameter
CN101488162B (zh) * 2008-01-17 2012-03-21 复旦大学 一种用于脑电信号自动评估的脑电信号特征提取方法

Also Published As

Publication number Publication date
JP2013501989A (ja) 2013-01-17
CA2770581A1 (en) 2011-02-17
EP2465057A1 (en) 2012-06-20
CN102549588A (zh) 2012-07-04
US20120209091A1 (en) 2012-08-16
JP5658252B2 (ja) 2015-01-21
US9533097B2 (en) 2017-01-03
CN102549587B (zh) 2016-08-03
CA2770564A1 (en) 2011-02-17
RU2012105952A (ru) 2013-09-20
EP2465060A1 (en) 2012-06-20
US20120203166A1 (en) 2012-08-09
CA2770591A1 (en) 2011-02-17
RU2012105948A (ru) 2013-09-20
WO2011018465A1 (en) 2011-02-17
CN102576381A (zh) 2012-07-11
WO2011018460A1 (en) 2011-02-17
US20160193411A1 (en) 2016-07-07
JP2013501557A (ja) 2013-01-17
JP2013501558A (ja) 2013-01-17
EP2465059A1 (en) 2012-06-20
US20170128023A1 (en) 2017-05-11
CN102549587A (zh) 2012-07-04
JP5427951B2 (ja) 2014-02-26
US20120209099A1 (en) 2012-08-16
US9336355B2 (en) 2016-05-10
WO2011018464A1 (en) 2011-02-17

Similar Documents

Publication Publication Date Title
RU2012105949A (ru) Устройство и способ обработки набора значений данных
CN110888897B (zh) 一种根据自然语言生成sql语句的方法及装置
JP7098190B2 (ja) ニューラルネットワークのネットワーク表示生成方法及びその装置、コンピュータプログラム並びに機器
Filipović-Pierucci et al. Markov models for health economic evaluations: the R package heemod
CN113987154B (zh) 基于UniLM与对比学习的相似句生成模型训练方法及相关设备
US20210374517A1 (en) Continuous Time Self Attention for Improved Computational Predictions
CN109614492B (zh) 基于人工智能的文本数据增强方法、装置、设备及存储介质
Zeng et al. Five and four-parameter lifetime distributions for bathtub-shaped failure rate using Perks mortality equation
JP2021002322A (ja) イジングマシンデータ入力機器、及びイジングマシンにデータを入力する方法
CN109936464B (zh) 基于多层lstmrnn的通信能力开放负荷预测方法及装置
Turksoy et al. Gain-phase margins-based delay-dependent stability analysis of pitch control system of large wind turbines
JP6744471B2 (ja) 符号化装置、復号装置、符号化方法、復号方法、符号化プログラム、復号プログラム、記録媒体
Wan et al. Structural reliability analysis using generalized distribution reconstruction method with novel improvements
CN102122824B (zh) 一种电力系统低频振荡模态参数辨识方法及其装置
JP7349811B2 (ja) 訓練装置、生成装置及びグラフ生成方法
Hubbert Closed form representations for a class of compactly supported radial basis functions
CN119248927B (zh) 类级代码摘要的生成方法和装置
Chen et al. Nonlinear boundary problem of first order impulsive integro-differential equations
CN110427630A (zh) 机器翻译的方法、装置、电子设备、存储介质及翻译模型
Assar et al. Implementing biological hybrid systems: Allowing composition and avoiding stiffness
CN116154763A (zh) 一种负荷可调节潜力评估方法
Swaminathan et al. Machine learning-based wavelet method for estimating the parameters in ship roll damping models using Legendre polynomials
Duong et al. Analysis of the mean squared derivative cost function
Qiu Development and comparison of numerical fluxes for LWDG methods
Wanki et al. Uncertainty Quantification With Sparsely Characterized Parameters: An Example Applied to Femoral Stem Mechanics

Legal Events

Date Code Title Description
FA92 Acknowledgement of application withdrawn (lack of supplementary materials submitted)

Effective date: 20140618