基于深度学习的相位图像表示学习提升可穿戴式实时血糖监测
信号处理
2024-06-26 v1 机器学习
摘要
在美国，超过三分之一的成年人是前糖尿病患者，其中80%的人并不知晓自己的状态。这凸显了改进血糖监测以防止2型糖尿病及相关心脏病的必要性。现有的可穿戴式血糖监测器受限于在小数据集上训练的模型缺乏，因为收集大量血糖数据往往昂贵且不切实际。本研究引入一种新型机器学习方法，使用频域中的修改复现图来提高即使在数据集有限的情况下，从可穿戴设备数据预测血糖水平的准确性。该技术结合了高级信号处理与机器学习，以提取更多有意义的特征。我们使用历史数据测试了该方法，显示该方法在预测实时皮肤液糖水平时，超过了当前的87%准确率基准。
引用
@article{arxiv.2406.16926,
title = {Enhancing Wearable based Real-Time Glucose Monitoring via Phasic Image Representation Learning based Deep Learning},
author = {Yidong Zhu and Nadia B Aimandi and Mohammad Arif Ul Alam},
journal= {arXiv preprint arXiv:2406.16926},
year = {2024}
}