用于预测性胰岛素输注的能效脉冲神经网络架构
机器学习
2026-03-31 v1
摘要
糖尿病影响全球超过5.37亿成年人。胰岛素依赖型患者需要持续血糖监测和精确剂量计算，同时在可穿戴设备上运行于严格的功耗预算之下。本文提出了PDDS——一个用于预测性胰岛素剂量计算的事件驱动计算流水线的体外计算、软件完整的研究原型。受超低功耗可穿戴边缘设备的神经形态计算原理启发，核心贡献是一个三层漏电积分-放电（LIF）脉冲神经网络，在OhioT1DM数据集的128,025个窗口（66.5%为真实患者）和FDA认可的UVa/Padova生理模拟器（33.5%）上进行训练，实现了85.90%的验证准确率。我们进行了三项严谨的评估：（1）与ADA阈值规则、双向LSTM（99.06%准确率）和MLP（99.00%）的标准测试集对比，SNN达到85.24%——我们证明这一差距反映了随机编码的权衡，而非架构缺陷；（2）在426个非明显低血糖窗口上的时序基准测试，SNN（9.2%召回率）和ADA规则（16.7%召回率）均表现不佳，揭示了系统的关键局限和未来工作的主要方向；（3）能效分析表明，SNN每次推理所需的能量比LSTM少79,267倍（1,551飞焦耳 vs. 122.9纳焦耳），证明了SNN架构用于持续可穿戴部署的合理性。该系统尚未连接到物理硬件；它是通向临床验证的五阶段路线图中的计算中间层。关键词：脉冲神经网络，血糖严重程度分类，边缘计算，低血糖检测，事件驱动架构，LIF神经元，泊松编码，OhioT1DM，计算机模拟，神经形态，能效。
引用
@article{arxiv.2603.27589,
title = {An Energy-Efficient Spiking Neural Network Architecture for Predictive Insulin Delivery},
author = {Sahil Shrivastava},
journal= {arXiv preprint arXiv:2603.27589},
year = {2026}
}
备注
10 pages, 6 figures, 12 tables. IEEE conference format. Independent Research