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
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
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
使用心电图进行非侵入性高血糖监测的新方法,使用深度神经网络模型,通过分段处理心电图数据,有效检测出高血糖,验证了其在面对未知主体时的良好泛化能力。
Mar, 2024
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
基于反事实可逆神经网络的内省强化学习在血糖控制中表现出更高的稳定性和安全性。
May, 2024
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。
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
2 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。
Jan, 2024