基于连续血糖监测数据的短期血糖预测
信号处理
2020-07-17 v2 机器学习
机器学习
摘要
连续血糖监测（CGM）为糖尿病管理带来了重要机遇。本研究探索将 CGM 数据用作数字决策支持工具的输入。我们研究如何使用循环神经网络（RNNs）进行短期血糖（STBG）预测，并将 RNNs 与采用自回归积分滑动平均（ARIMA）的常规时间序列预测进行比较。考虑了最长 90 分钟的预测时域。在此背景下，我们评估了基于群体的和患者特定的 RNNs，并将它们与患者特定的 ARIMA 模型以及将未来观测值预测为最后观测值的简单基线进行对比。我们发现，基于群体的 RNN 模型在所考虑的预测时域内表现最佳，且不需要患者特定数据。这展示了 RNNs 用于糖尿病患者 STBG 预测的潜力，以检测/缓解 STBG 中的严重事件，特别是低血糖事件。然而，关于所研究的 STBG 预测模型的鲁棒性和实际用途，仍需进一步研究。
引用
@article{arxiv.2002.02805,
title = {Short Term Blood Glucose Prediction based on Continuous Glucose Monitoring Data},
author = {Ali Mohebbi and Alexander R. Johansen and Nicklas Hansen and Peter E. Christensen and Jens M. Tarp and Morten L. Jensen and Henrik Bengtsson and Morten Mørup},
journal= {arXiv preprint arXiv:2002.02805},
year = {2020}
}
备注
Accepted to EMBC 2020