Jan, 2024

临床试验中使用转学习预测数字孪生的护士参与的精准 2 型糖尿病管理人工智能

PDF
TL;DR2 型糖尿病患者通过人工智能和个性化反馈改善每日步数、总卡路里和总碳水化合物摄入，并提供预测控制模型以精确管理病情。
type 2 diabetesartificial intelligencepredictive controlindividualized feedbackself-monitoring data
发现论文，激发创造
  • 基于人工智能的精准医学方法：糖尿病风险预测

    本综述分析了 40 项使用人工智能模型（主要是机器学习模型）预测 2 型糖尿病（T2DM）风险的研究，结果显示单模态和多模态模型表现良好，但是外部验证和新型生物标志的应用不足。

    May, 2023

  • 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

  • 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

  • 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

  • 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

  • 个性化膳食胰岛素计量的注意力网络在 1 型糖尿病患者中的应用

    通过使用自我关注编码器网络的强化学习代理，本研究展示了如何有效地模拟和改善人们在计算进餐后胰岛素剂量方面的直觉过程，以实现更简化治疗的潜力，并为 T1D 患者提供改善生活质量和糖尿病结果的希望。

    Jun, 2024

  • 基于机器学习的智能医疗框架 HealthEdge: 面向一体化 IoT、Edge 和 Cloud 计算系统中 2 型糖尿病预测的应用

    该论文提出了一种基于智能健康护理系统的、用于预测 2 型糖尿病的机器学习模型 HealthEdge，并使用真实数据集进行了两种机器学习算法（随机森林和逻辑回归）之间的比较分析，结果表明 RF 预测糖尿病的准确率比 LR 平均高 6％。

    Jan, 2023

  • 利用机器学习技术在阿根廷对糖尿病风险人群的首次识别体验

    利用机器学习模型为阿根廷地区特定生成 T2D 和 PD 风险人群预测模型的发展和评估，证明了 RF、DT 和 ANN 方法在分类能力方面表现出色，为阿根廷地区的更复杂模型开发迈出了第一步。

    Mar, 2024

  • 离线强化学习用于 1 型糖尿病患者血糖更安全的控制

    本文评估了离线强化学习方法，用于开发临床有效的药量策略，通过对 UVA/Padova 血糖动力学模拟器内的九个虚拟患者的血糖控制进行了研究，发现离线强化学习可以显著提高健康血糖范围内的时间，而不增加低血糖事件。

    Apr, 2022

  • 糖血糖控制的端到端离线强化学习

    使用离线强化学习代理人和个性化流程提高闭环系统的性能，消除对模拟器的依赖，实现糖尿病的血糖控制。

    Oct, 2023