面向可负性低成本非侵入式实时血糖检测的可穿戴传感器信号
人机交互
2026-02-12 v1 机器学习
摘要
在2型糖尿病管理中，准确检测血糖水平而不依赖侵入性葡萄糖传感器仍是关键挑战，尤其是在连续葡萄糖监测(CGM)成本高昂或临床不可及的地区。本扩展研究引入了一套全面的、多模态的生理框架，用于基于可穿戴传感器信号进行非侵入式血糖检测。不同于仅限于单一信号分析的先前工作，本章节评估了三个生理模态：皮肤电导反应(GSR)、心率(HR)及其组合融合，采用欧盟T1DM 2018数据集。我们构建了一个端到端的管道，集成了高级预处理、时序分窗、手工特征与序列特征提取、早期融合与晚期融合策略，以及广谱的机器学习与深度时序模型，包括CNN、LSTM、GRU和TCN。结果显示，生理信号在血糖下降前表现出明确的自主神经模式，GSR与HR的组合在检测灵敏度和稳定性方面 consistently 优于单一信号模型。多模态深度学习架构在召回率等临床关键指标上表现最可靠。消融研究进一步凸显了各模态的互补贡献，强化了基于低成本非侵入式可穿戴传感器实现实时血糖检测的可行性，为资源匮乏地区的可及葡萄糖监测提供了新途径。
关键词
引用
@article{arxiv.2602.10407,
title = {Towards Affordable, Non-Invasive Real-Time Hypoglycemia Detection Using Wearable Sensor Signals},
author = {Lawrence Obiuwevwi and Krzysztof J. Rechowicz and Vikas Ashok and Sampath Jayarathna},
journal= {arXiv preprint arXiv:2602.10407},
year = {2026}
}