糖尿病患者的体力活动检测使用循环神经网络
Lehel Dénes-Fazakas1,2,3, Barbara Simon1, Ádám Hartvég1
1Physiological Controls Research Center, University Research and Innovation Center, Obuda University, 1034 Budapest, Hungary.
Sensors (Basel, Switzerland)
|April 27, 2024
概括
这项研究开发了一个AI算法,使用持续的葡萄糖监测和心率数据来检测糖尿病患者的身体活动. 循环神经网络实现了高精度,使得个性化糖尿病管理成为可能.
科学领域:
- 生物医学工程 生物医学工程
- 医疗保健中的人工智能
- 代谢障碍 研究 研究 代谢障碍
背景情况:
- 糖尿病管理需要了解身体活动对血糖的影响.
- 准确检测和分类体力活动对于有效的DM治疗至关重要.
- 持续葡萄糖监测系统 (CGMS) 和心率 (HR) 信号为活动检测提供了潜力.
研究的目的:
- 开发一种人工智能 (AI) 算法,用于检测DM患者的身体活动.
- 利用cgms和hr的综合信号来识别体育活动模式.
- 通过活动识别增强糖尿病个性化管理策略.
主要方法:
- 开发一个集CGMS和HR数据的AI算法.
- 应用多重循环模型,包括循环神经网络 (RNN).
- 使用接收器操作特征曲线 (AUC) 下面的面积来评估分类器性能.
主要成果:
- 人工智能算法在检测身体活动方面表现出高效率.
- 循环神经网络实现了0.99 AUC的最佳表现.
- 开发的方法准确地分析了DM患者的身体活动.
结论:
- 循环神经网络为DM患者的身体活动检测提供了强大而高效的解决方案.
- 这种人工智能驱动的方法可以显著提高对个人活动模式的理解.
- 这项研究有助于更个性化,更有效的糖尿病管理.
