您的账号已在其他设备登录,您当前账号已强迫下线,
如非您本人操作,建议您在会员中心进行密码修改

确定
收藏 | 浏览241 | 下载61

目的:探讨分析基于K-means聚类分析算法的2型糖尿病动态血糖监测数据,以解决动态血糖测量仪所测数据中的噪声和干扰信号问题,得到适用于灰色关联度分析法的实验数据。方法:引入K-means聚类分析算法处理和分析由动态血糖仪测得的糖尿病患者60 min血糖值的数据,去除误差较大的数据点,使平均数值更加可靠。结果:K-means聚类分析算法对生成所需的、无干扰地对患者60 min内间隔5 min的血糖值实验数据进行处理,并与采用K-means分析算法处理之前的数据进行对比。结论:K-means聚类分析法能够有效去除干扰和噪声信号,获得高质量的实验数据,有利于对动态血糖监测数据进行处理和分析。

作者:韦哲;吕克难;王能才

来源:中国医学装备 2016 年 13卷 11期

知识库介绍

临床诊疗知识库该平台旨在解决临床医护人员在学习、工作中对医学信息的需求,方便快速、便捷的获取实用的医学信息,辅助临床决策参考。该库包含疾病、药品、检查、指南规范、病例文献及循证文献等多种丰富权威的临床资源。

详细介绍
热门关注
免责声明:本知识库提供的有关内容等信息仅供学习参考,不代替医生的诊断和医嘱。

收藏
| 浏览:241 | 下载:61
作者:
韦哲;吕克难;王能才
来源:
中国医学装备 2016 年 13卷 11期
标签:
血糖监测 数据处理 K-means聚类分析 灰色关联度分析法 Blood glucose monitoring Data processing K-means analysis Gray relational method
目的:探讨分析基于K-means聚类分析算法的2型糖尿病动态血糖监测数据,以解决动态血糖测量仪所测数据中的噪声和干扰信号问题,得到适用于灰色关联度分析法的实验数据。方法:引入K-means聚类分析算法处理和分析由动态血糖仪测得的糖尿病患者60 min血糖值的数据,去除误差较大的数据点,使平均数值更加可靠。结果:K-means聚类分析算法对生成所需的、无干扰地对患者60 min内间隔5 min的血糖值实验数据进行处理,并与采用K-means分析算法处理之前的数据进行对比。结论:K-means聚类分析法能够有效去除干扰和噪声信号,获得高质量的实验数据,有利于对动态血糖监测数据进行处理和分析。