基于机器学习利用光电容积描记信号特征检测糖尿病
机器学习
2023-08-07 v1 人工智能
信号处理
摘要
糖尿病是一种普遍的慢性疾病,危害全球数百万人的健康。需要微创方法来预防和控制糖尿病,但大多数测量血糖水平的设备都是有创的,且不适合连续监测。在此,我们提出一种基于无创光学光电容积描记(PPG)检测糖尿病的替代方法以克服这些缺点。我们使用PPG信号和元数据训练逻辑回归(LR)和极端梯度提升(XGBoost)算法,对非糖尿病患者和糖尿病患者进行分类。我们使用了公开可用数据集中的PPG信号。为防止过拟合,我们将数据划分为五折进行交叉验证。通过确保训练集中的患者不在测试集中,可在未见受试者的数据上评估模型性能,从而提供更准确的泛化评估。我们的模型对LR取得了的F1分数和的AUC,对XGBoost分别取得了和。特征分析表明,PPG形态学特征与元数据一起包含糖尿病相关信息。我们的发现与文献报道的范围一致,表明机器学习方法在开发用于检测和预防糖尿病的远程、无创和连续测量设备方面具有前景。
引用
@article{arxiv.2308.01930,
title = {Machine Learning-Based Diabetes Detection Using Photoplethysmography Signal Features},
author = {Filipe A. C. Oliveira and Felipe M. Dias and Marcelo A. F. Toledo and Diego A. C. Cardenas and Douglas A. Almeida and Estela Ribeiro and Jose E. Krieger and Marco A. Gutierrez},
journal= {arXiv preprint arXiv:2308.01930},
year = {2023}
}
备注
11 pages, 6 figures