May, 2023

一种用于 1 型糖尿病患者运动检测的集成学习方法

PDF
TL;DR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。
type 1 diabetesartificial pancreasexercise detectionphysiological modelensemble learning
发现论文，激发创造
  • 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

  • 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

  • 通过集成深度强化学习的混合控制策略应用于人工胰腺

    本文提出了一种 HyCPAP 的混合控制策略，将 MPC 和集成 DRL 策略相结合，利用两种策略的优势并补偿各自的限制，并进一步将元学习技术纳入 HyCPAP 中，以实现对 T1DM 患者的快速个性化适应。结果表明，我们的方法在闭环葡萄糖管理方面表现优越。

    Jul, 2023

  • 基于相位图像表征学习的深度学习增强可穿戴式实时血糖监测

    美国有超过三分之一的成年人是糖尿病前期患者，其中 80％不知晓自己的状况。为了预防 2 型糖尿病和相关心脏疾病，需要更好的血糖监测。现有的可穿戴式血糖监测仪在小型数据集训练方面存在局限性，因为收集大量的血糖数据通常代价高且不现实。我们的研究采用改进的频域改变重现图机器学习方法，即使在有限数据集下，也能提高从可穿戴设备数据中预测血糖水平的准确性。该技术将先进的信号处理与机器学习相结合，提取更有意义的特征。我们使用历史数据对我们的方法进行了测试，结果显示我们的方法在预测实时间质血糖水平方面超过了当前的 87％准确性基准。

    Jun, 2024

  • 闭环血糖控制的深度强化学习

    本研究使用深度强化学习技术，比较了不同的控制算法。模拟糖尿病患者的数据分析表明，该技术可大幅降低糖尿病患者在控制血糖水平方面面临的风险，而无需专业知识的参与。

    Sep, 2020

  • 深度学习在现实世界中的 1 型糖尿病管理中的安全挑战

    使用深度学习算法模拟血糖动力学的实际应用和局限性的研究。

    Oct, 2023

  • 安全和隐私保护的自动化端到端整合 IoT-Edge - 人工智能 - 区块链监测系统，用于糖尿病预测

    提出一种基于物联网边缘 - 人工智能 - 区块链系统的糖尿病预测模型，通过比较实验结果表明，与逻辑回归和支持向量机等现有机器学习方法相比，该模型使用随机森林算法平均预测精度提高了 4.57％，但执行时间较长。

    Nov, 2022

  • 使用深度学习技术进行糖尿病检测的过采样和特征增强

    通过使用深度学习技术进行数据预处理和分类，本研究提出的全面深度学习流程方法在糖尿病检测领域中表现出超越最先进方法的潜力。

    Feb, 2024

  • 深度学习在糖尿病诊断中的应用

    利用传感器技术和机器学习，我们提出了一种基于批归一化的反向传播神经网络（BPNN）的非侵入性糖尿病诊断方法，通过数据重采样和标准化实现类别平衡，实验结果显示相对传统方法在整体准确度、敏感度和特异度上具有显著提高，特别是在 Pima 糖尿病数据集中达到了 89.81% 的准确度，在 CDC BRFSS2015 数据集中达到了 75.49% 的准确度，在 Mesra 糖尿病数据集中达到了 95.28% 的准确度，凸显了深度学习模型在稳健糖尿病诊断方面的潜力。

    Mar, 2024

  • 基于区块链、机器学习和物联网技术的自动注射低血糖检测系统

    该研究旨在利用物联网与区块链技术，自动检测低血糖并进行自动注射糖来拯救患者生命。在使用 Random Forest 算法判断低血糖事件时，系统将通过手机应用程序和自动注射装置发送通知，提高患者生存率。

    Jul, 2022