基于混合CNN-GRU深度学习网络的光电容积脉搏波无创血糖监测
信号处理
2024-11-19 v1
摘要
全球每年约有150万人死于糖尿病。因此，持续监测血糖水平的需求极为迫切，但传统的指尖采血方法会给患者带来身心痛苦。本工作利用深度学习领域的进步与巨大进展，提出一种无痛且成本更低的无创血糖水平监测方法，开发了一个混合卷积神经网络（CNN）与门控循环单元（GRU）网络以实现目标系统。所提出的系统利用CNN提取光电容积脉搏波（PPG）信号中的空间模式，并利用GRU检测其时域模式。该系统的性能在测试数据集上达到了平均绝对误差（MAE）2.96 mg/dL、均方误差（MSE）15.53 mg/dL、均方根误差（RMSE）3.94 mg/dL以及决定系数（分数）0.97。根据Clarke误差网格分析，100%的数据点落在临床可接受区域（A类）。
引用
@article{arxiv.2411.11094,
title = {Non-Invasive Glucose Level Monitoring from PPG using a Hybrid CNN-GRU Deep Learning Network},
author = {Abdelrhman Y. Soliman and Ahmed M. Nor and Octavian Fratu and Simona Halunga and Osama A. Omer and Ahmed S. Mubark},
journal= {arXiv preprint arXiv:2411.11094},
year = {2024}
}