相关实验视频
Updated: Sep 12, 2025
03:25
Simple Continuous Glucose Monitoring in Freely Moving Mice
Published on: February 24, 2023
6.0K
一种基于伯格曼最小模型的非侵入性持续血糖监测方法
Ang Li1, Long Zhao2, Chenyang Wu2
1Department of Endocrinology, Peking University First Hospital, Beijing, 100034, China.
Medical & biological engineering & computing
|August 5, 2025
概括
一个新的神经网络,Bergman最小模型的非侵入性持续葡萄糖监测 (BM-NCGM),使用代谢数据准确预测血糖水平. 这一进步提高了临床使用的非侵入性葡萄糖监测准确性和可靠性.
科学领域:
- 生物医学工程 生物医学工程
- 医疗信息学 医疗信息学
- 内分泌学 在内分泌学.
背景情况:
- 目前的非侵入性持续血糖监测 (NCGM) 缺乏足够的临床验证,并依赖于有限的统计模型.
- 现有的NCGM方法表现出显著的个体变异性,阻碍了广泛采用.
- 准确的血糖预测对于糖尿病管理至关重要.
研究的目的:
- 开发和验证NCGM使用Bergman最小模型的新型神经网络.
- 预测细胞葡萄糖吸收和食后葡萄糖梯度的变化.
- 与现有方法相比,提高NCGM的准确性和可靠性.
主要方法:
- 开发了一个神经网络 (BM-NCGM),包括代谢特征,葡萄糖梯度,胰岛素作用和消化.
- 在NCGM中使用了Bergman最小模型.
- 进行了对161名受试者进行的受控临床试验,收集了超过15,000个数据集.
- 采用动态时间扭曲算法进行光谱分析.
主要成果:
- 在血糖预测方面,BM-NCGM在CEG A区域实现了77.58%,在A+B区域实现了99.57%.
- 证明了显著的改善:相关系数 (0.85),RMSE (1.48 mmol/L) 和MARD (11.51%),比非BM-NCGM更好32%.
- 动态时间扭曲算法显示平均距离为21.80,表明出色的血糖谱跟踪.
结论:
- 伯格曼最小模型首次成功应用于NCGM.
- BM-NCGM显示高精度和可靠性,得到了广泛的临床数据的支持.
- 这项研究推进了NCGM技术,使其更接近实际的日常监控应用.
