面向1型糖尿病血糖水平预测的轻量级顺序Transformer
机器学习
2025-11-27 v2 人工智能
摘要
1型糖尿病（T1D）影响全球数百万人，需要持续监测以防止严重的低血糖和高血糖事件。虽然连续血糖监测已改进了血糖管理，但在可穿戴设备上部署预测模型仍面临计算和内存限制的挑战。为此，我们提出一种 novel 的轻量级顺序Transformer模型，用于T1D的血糖水平预测。通过整合Transformer注意力机制的优势和循环神经网络的顺序处理能力，我们的架构在保持计算效率的同时捕获长期依赖关系。该模型针对资源受限的边缘设备进行优化，并纳入平衡损失函数以处理低血糖和高血糖事件中固有的样本不平衡问题。在两个基准数据集OhioT1DM和DiaTrend上的实验表明，所提模型在预测血糖水平和检测不良事件方面优于当前最先进的方法。该工作填补了高性能建模与实际部署之间的鸿沟，为T1D管理提供了可靠且高效的解决方案。
引用
@article{arxiv.2506.07864,
title = {Lightweight Sequential Transformers for Blood Glucose Level Prediction in Type-1 Diabetes},
author = {Mirko Paolo Barbato and Giorgia Rigamonti and Davide Marelli and Paolo Napoletano},
journal= {arXiv preprint arXiv:2506.07864},
year = {2025}
}