Apr, 2023

利用语法演化对人类血糖水平进行建模

PDF
TL;DR使用基于文法进化的演化计算技术可获得个性化的糖尿病患者血糖水平和胰岛素、饮食等因素之间的相关模型，其平均误差率为 13.69％。
diabetes mellitusartificial pancreas systemsevolutionary computation techniquesgrammatical evolutionglucose modeling
发现论文，激发创造
  • 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

  • 优化人工胰腺设计以改善糖尿病管理

    这项研究使用神经进化算法和数据预测方法，通过训练预测未来血糖水平的模型，并找到了优化糖尿病治疗策略的 Pareto 前沿，从而改善了患者的生活质量，并开发了一个语言界面以便更广泛地推广应用。

    Feb, 2024

  • 野外餐食水平血糖控制的可解释机理表示

    我们提出了一种混合变分自编码器的方法，用于学习可解释的连续葡萄糖监测和餐饮数据的表示，这一方法通过基于机制的微分方程将潜在空间与输入联系起来，产生反映胰岛素敏感性、葡萄糖有效性和基础血糖水平等生理量的嵌入。在糖尿病类型 2 和糖尿病前期个体的连续葡萄糖监测和自报餐饮数据集上，我们的无监督表示发现了与疾病严重程度成比例的个体之间的分离。我们的嵌入产生的聚类效果比天真、专家、黑盒和纯机理特征好 4 倍，为比较个体内外的血糖控制提供了细致而可解释的嵌入空间，可以直接从实际环境的数据中学习得到。

    Dec, 2023

  • 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

  • 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

  • GluMarker：一种通过数字生物标志物对血糖控制进行预测的新型建模方法

    提出了一种名为 GluMarker 的综合框架，用于建模数字生物标志物，以预测糖尿病患者的血糖控制情况，通过评估和改进各种机器学习基线，在预测第二天的血糖控制方面达到了最先进的水平，并鉴定出了对血糖控制具有重要影响的数字生物标志物，为糖尿病护理提供关键洞察。

    Apr, 2024

  • 应用 Petri 网模拟肝脏中的葡萄糖调控过程

    糖尿病是一种慢性疾病，被认为是文明病之一，其特征是持续的高血糖水平。此论文介绍了肝脏中糖解和葡萄糖合成的 Petri 网模型，并使用标准 Petri 网技术分析了该模型的性质和结果。该模型捕捉到了与禁食和进食期间的生物过程一致的不同酶和物质之间的相互作用，是实现健康人和糖尿病患者葡萄糖调节整体模型的第一步。

    May, 2024

  • 连续血糖监测与维护的神经控制系统

    通过神经控制系统和差分预测控制，实时调整胰岛素递送以提高葡萄糖优化，从而确保个性化关怀和改善健康结果。

    Feb, 2024

  • 一种用于 1 型糖尿病患者运动检测的集成学习方法

    本研究提出了一种结合数据驱动的生理模型和 Siamese 网络的集成学习框架，用于在人工胰腺系统中准确检测运动，并在临床试验数据集上表现出了高达 86.4％的真正阳性率和 99.1％的真正阴性率。

    May, 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