买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

龙图腾网获悉运城市恩光科技有限公司申请的专利一种融合多模态生理参数的无创血糖监测方法及系统获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN121370155B 。

龙图腾网通过国家知识产权局官网在2026-04-28发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202511696660.2，技术领域涉及：A61B5/145；该发明授权一种融合多模态生理参数的无创血糖监测方法及系统是由赵永师;文建英;黄洋洋;梁冰锋;赵鹏翔;冯欣琪设计研发完成，并于2025-11-19向国家知识产权局提交的专利申请。

本一种融合多模态生理参数的无创血糖监测方法及系统在说明书摘要公布了：本申请公开了一种融合多模态生理参数的无创血糖监测方法及系统，涉及血糖监测技术领域，该方法包括：采集目标用户的多模态生理数据，获取多模态生理指征集；结合多模态生理指征集与所述多模态生理数据，分析获取用户的状态分布数据；根据状态分布数据与预训练的元学习模型进行决策，获取集成学习参数；基于集成学习参数，构建基于集成学习的血糖融合预测模型，并输入所述状态分布数据、多模态生理指征集与多模态生理数据至血糖融合预测模型，获取血糖浓度监测值。解决了现有无创血糖监测技术易受外界环境因素干扰，无法满足临床和日常监测的需求，导致血糖监测效果不佳的技术问题。

本发明授权一种融合多模态生理参数的无创血糖监测方法及系统在权利要求书中公布了：1.一种融合多模态生理参数的无创血糖监测方法，其特征在于，包括： 通过可穿戴设备，无创的同步采集目标用户的多模态生理数据，并分析所述多模态生理数据，获取多模态生理指征集，包括： 通过可穿戴设备，同步采集目标用户的多模态生理数据，其中，所述多模态生理数据至少包括光电容积脉搏波信号、心电信号和由加速度计导出的行为信号数据； 对所述光电容积脉搏波信号和所述心电信号进行预处理，其中，预处理包括滤波去噪与基线漂移校正； 基于预处理结果进行联合特征分析，提取心率特征、心率变异性时域特征和心率变异性频域特征； 基于预处理结果，计算获取脉搏波传导时间，并与所述心率特征、所述心率变异性时域特征和所述心率变异性频域特征合并输出为所述多模态生理指征集； 结合所述多模态生理指征集与所述多模态生理数据，分析获取用户的状态分布数据，包括： 对所述行为信号数据与所述光电容积脉搏波信号进行特征分析，建立目标用户的用户行为基线模型； 将所述用户行为基线模型与标准行为基线模型进行比较，计算行为残差； 根据所述行为残差对预设的状态划分规则进行修正，获得自适应状态划分规则； 基于所述自适应状态划分规则、所述行为信号数据与所述光电容积脉搏波信号对目标用户进行状态划分，并生成对应的状态分布数据； 其中，基于所述自适应状态划分规则、所述行为信号数据与所述光电容积脉搏波信号对目标用户进行状态划分，并生成对应的状态分布数据，包括： 获取多个预设预测周期内的加速度传感器数据与所述光电容积脉搏波信号； 以所述预测周期为分析窗口，执行基于所述自适应状态划分规则的迭代状态识别，并对迭代识别结果进行置信筛选，形成原始状态分布数据集； 基于所述原始状态分布数据集，采用回归分析方法进行状态分布建模，获得所述状态分布数据； 其中，所述状态分布数据至少包括用户的深睡、浅睡、快速眼动和清醒阶段的时长离散分布； 根据所述状态分布数据与预训练的元学习模型进行决策，获取集成学习参数，其中，所述集成学习参数至少包括集成模型数量、模型分组比例与集成路径参数； 基于所述集成学习参数，构建基于集成学习的血糖融合预测模型，并输入所述状态分布数据、所述多模态生理指征集与所述多模态生理数据至所述血糖融合预测模型，获取血糖浓度监测值。

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人运城市恩光科技有限公司，其通讯地址为：044031 山西省运城市运城经济技术开发区大禹街2599号；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。

以上内容由龙图腾AI智能生成。