基于改进的波形变换和封闭的循环单位的葡萄糖趋势预测模型.
Tao Yang1,2, Qicheng Yang1,2, Yibo Zhou3
1College of Intelligent Medicine, Chengdu University of Traditional Chinese Medicine, Chengdu 610000, Sichuan, China.
Mathematical biosciences and engineering : MBE
|November 3, 2023
概括
这项研究引入了改进的波形变换消极算法和IWT-GRU模型,用于使用连续血糖监测数据准确的实时葡萄糖趋势预测,增强人工胰腺功能.
科学领域:
- 生物医学工程 生物医学工程
- 数据科学数据科学数据科学
- 人工智能的人工智能
背景情况:
- 持续葡萄糖监测 (CGM) 数据对于人工胰腺 (AP) 系统至关重要.
- 准确的实时葡萄糖趋势预测对于有效的血糖控制和预防低血糖/高血糖是必不可少的.
研究的目的:
- 为CGM数据开发一个改进的波量变换值否定算法.
- 提出一种新的葡萄糖趋势预测模型 (IWT-GRU),将这种消极化技术与门式循环单元相结合.
- 评估IWT-GRU模型与其他已建立的葡萄糖趋势预测模型的性能.
主要方法:
- 开发了一种改进的波形变换值否定算法,以解决CGM数据中的非线性和非平滑性问题.
- 撤销的CGM数据被用于训练和测试IWT-GRU模型.
- 使用根平均平方误差 (RMSE),平均绝对百分比误差 (MAPE) 和确定系数 (R2) 评估性能.
- 进行的比较分析包括循环神经网络 (RNN),长期短期记忆 (LSTM),支持向量回归 (SVR) 和门循环单元 (GRU) 模型.
主要成果:
- 改进的波形变换算法有效地减少了扭曲,并从CGM数据中增强了特征提取,正如改进的平均平方误差 (MSE) 和信号对噪声比率 (SNR) 所证明的那样.
- IWT-GRU模型在各种预测范围内的葡萄糖趋势预测准确性方面显著超过RNN,LSTM,SVR和GRU.
- 在45分钟的预测时间里,IWT-GRU实现了0.5537 mmol/L的RMSE,2.2147%的MAPE和0.989的R2,平均运行时间为37.2秒.
结论:
- 与现有方法相比,拟议的IWT-GRU模型在葡萄糖趋势预测方面表现优越.
- 改进的波形变换无效化在准备CGM数据时是有效的,用于准确的预测建模.
- 这一进步具有显著的潜力,可以提高人工胰腺系统的有效性和安全性.
