使用结构化语法进化学习差分方程进行餐后血糖预测

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

Learning Difference Equations with Structured Grammatical Evolution for Postprandial Glycaemia Prediction

Daniel Parra, David Joedicke, J. Manuel Velasco, Gabriel Kronberger, J. Ignacio Hidalgo

TL;DR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。

Abstract

People with diabetes must carefully monitor their blood glucose levels, especially after eating. Blood glucose regulation requires a proper combination of food intake and insulin boluses. glucose prediction is vital to avoid dangerous post-meal complications in treating individuals wit

glucose prediction diabetes management interpretable sparse identification finite difference equations postprandial glucose levels

发现论文，激发创造

利用语法演化对人类血糖水平进行建模

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％。

Apr, 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

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

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

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

GARNN: 一种可解释的图注意力循环神经网络用于预测多元时间序列中的血糖水平

精确预测未来血糖水平能有效改善糖尿病患者的血糖管理，降低并发症发生率，提高生活质量。本研究提出了可解释的图注意力循环神经网络（GARNN）用于建模多变量时间序列数据，不仅在预测准确性上表现最佳，同时提供高质量的时间解释性，进而在改善糖尿病护理方面发挥了潜在作用。

Feb, 2024

隐私保护的血糖水平交叉预测：一种异步去中心化联邦学习方法

通过异步去中心化联邦学习来解决糖尿病患者面临的高质量血糖预测模型的难题以及隐私保护的问题。GluADFL 方法在四个不同的 T1D 数据集上经过与八种对照方法的比较，展示了在跨患者分析中准确预测血糖水平的优越性能，同时适用于各种社交网络的通讯网络中的数据存储和分享，提供了实际应用的隐私保护解决方案，显著提高了糖尿病管理的质量。

Jun, 2024

从膳食协变量中学习葡萄糖 - 胰岛素动力学的吸收率

本文提出了一种利用神经网络预测个体葡萄糖吸收率，从而通过微分方程建立个性化葡萄糖动力学模型的方法，本方法可以更好地处理餐后葡萄糖吸收与人体健康的关系。

Apr, 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