深度多目标预测：学习准确预测血糖轨迹

KDDJun, 2018

深度多目标预测：学习准确预测血糖轨迹

Deep Multi-Output Forecasting: Learning to Accurately Predict Blood Glucose Trajectories

Ian Fox, Lynn Ang, Mamta Jaiswal, Rodica Pop-Busui, Jenna Wiens

TL;DR应用深度学习模型，基于信号动力学模型预测临床中多步预测的实际应用场景，为血糖多步预测提供了可行策略，并比现有的浅层和深层方法有更好的预测表现。

Abstract

In many forecasting applications, it is valuable to predict not only the value of a signal at a certain time point in the future, but also the values leading up to that point. This is especially true in clinical applications, where the future state of the patient can be less important

multi-step forecasting deep learning blood glucose signal dynamics clinical applications

发现论文，激发创造

使用连续葡萄糖监测数据的基于机器学习的 1 型糖尿病患者血糖水平预测

该研究探讨利用连续血糖监测设备和机器学习模型进行血糖浓度的预测，旨在为糖尿病治疗提供便利以及为人工胰腺系统认证和监管提供可靠性支持。

Feb, 2023

基于 CGM 时间序列的短期血糖预测

基于 CGM 时间序列数据的短期血糖预测模型 TimeGlu，在没有额外个人数据的情况下，在实际世界中提供了有效的糖尿病血糖管理指导。

Apr, 2024

血糖水平预测：基于图像的可解释方法与联邦学习

使用图注意力内存模型和联邦学习方法进行血糖水平预测，在类型 1 糖尿病患者中取得了稳定而有效的结果。

Dec, 2023

基于数据驱动学习的多步血糖预测模型预测控制 (Model Predictive Control) 人工胰脏

我们提出了一种闭环胰岛素输送算法的设计和 extit {体外} 评估，该算法用于治疗 1 型糖尿病（T1D），其中包括基于数据驱动的多步血糖（BG）预测器，集成到线性时变（LTV）模型预测控制（MPC）框架中。

Jul, 2023

使用结构化语法进化学习差分方程进行餐后血糖预测

该研究提出了一种新的葡萄糖预测方法，其中结合聚类方法和可解释的语法演化算法，生成有限差分方程，为餐后两小时内的餐后血糖水平提供预测，并通过可解释的表达式生成安全预测，同时提高了预测准确性。

Jul, 2023

全球思考，本地行动：高维时间序列预测的深度神经网络方法

本文提出了一种能够全局认知并在本地进行校准的深度预测模型 DeepGlo, 它是一个混合模型，将全局矩阵因式分解模型与另一个能够捕捉每个时间序列及相关协变量的局部属性的时间网络相结合，证明了 DeepGlo 对于高维时间序列的预测要比其他方法更加准确。

May, 2019

深度预测因素

本研究提出了一种混合模型，将经典时间序列模型与基于深度神经网络的模型结合起来，通过全局深度组件实现可扩展性和数据驱动，同时通过本地经典模型处理不确定性。实验证明，该模型在数据效率、准确性和计算复杂性方面具有优势。

May, 2019

CrossGP: 排除生理信息的跨日血糖预测

基于患者的外部活动而无需涉及任何生理参数，我们提出了 CrossGP，这是一种新颖的机器学习框架，用于跨日血糖预测。通过与三种基准模型进行比较，对 Anderson 的数据集进行了大量实验，强烈证明了 CrossGP 的卓越性能，并证明了其在未来实际应用中的潜力。

Apr, 2024

连续时间循环神经网络：概览及其在重症监护中预测血糖方面的应用

本文介绍了在不规则测量环境中，利用神经普通微分方程或神经流层来提高自回归递归神经网络性能的不同 CTRNN 体系结构，研究表明，在血糖概率预测方面，只有 LSTM 和 ODE-LSTM 体系结构与渐进提升树模型具有相当的性能。

Apr, 2023

使用多步深度强化学习的血糖控制的改进策略

通过深度强化学习和多步算法，本研究在血糖控制方面验证了多步强化学习的有效性，可能有助于探索最佳血糖控制措施，提高糖尿病患者的生存率。

Mar, 2024