Wyniki wyszukiwania - BazTech

Ograniczanie wyników

Znaleziono wyników: 3

Liczba wyników na stronie

Wyniki wyszukiwania

Wyszukiwano:
w słowach kluczowych: glikemia

Sortuj według:

Ogranicz wyniki do:

Blood glucose prediction model for type 1 diabetes based on artificial neural network with time-domain features

Alfian Ganjar, Syafrudin Muhammad, Anshari Muhammad, Benes Filip, Atmaji Fransiskus Tatas Dwi, Fahrurrozi Imam, Hidayatullah Ahmad Fathan, Rhee Jongtae

Biocybernetics and Biomedical Engineering

2020

Vol. 40, no. 4

1586--1599

Predicting future blood glucose (BG) levels for diabetic patients will help them avoid potentially critical health issues. We demonstrate the use of machine learning models to predict future blood glucose levels given a history of blood glucose values as the single input parameter. We propose an Artificial Neural Network (ANN) model with time-domain attributes to predict blood glucose levels 15, 30, 45 and 60 min in the future. Initially, the model's features are selected based on the previous 30 min of BG measurements before a trained model is generated for each patient. These features are combined with time-domain attributes to give additional inputs to the proposed ANN. The prediction model was tested on 12 patients with Type 1 diabetes (T1D) and the results were compared with other data-driven models including the Support Vector Regression (SVR), K-Nearest Neighbor (KNN), C4.5 Decision Tree (DT), Random Forest (RF), Adaptive Boosting (AdaBoost) and eXtreme Gradient Boosting (XGBoost) models. Our results show that the proposed BG prediction model that is based on an ANN outperformed all other models with an average Root Mean Square Error (RMSE) of 2.82, 6.31, 10.65 and 15.33 mg/dL for Prediction Horizons (PHs) of 15, 30, 45 and 60 min, respectively. Our testing showed that combining time-domain attributes into the input data resulted in enhanced performance of majority of prediction models. The implementation of proposed prediction model allows patients to obtain future blood glucose levels, so that the preventive alerts can be generated before critical hypoglycemic/ hyperglycemic events occur.

Rozwój technologii do monitorowania aktywności życiowej żołnierzy na polu walki oraz dla zastosowań na rynku cywilnym

Szczepaniak Z., Różanowski K.

Elektronika : konstrukcje, technologie, zastosowania

2012

Vol. 53, nr 3

43-45

W artykule przedstawiono koncepcję rozwoju przyrządów wielosensorowych do oceny parametrów życiowych człowieka. Omówiono możliwości pomiaru zmian glikemii człowieka sposobem nieinwazyjnym w trybie pracy quasi on-line. Przeanalizowano zalety urządzenia w zastosowaniach monitoringu sprawności psychofizjologicznej żołnierzy na polu walki oraz pojawiające się możliwości zastosowań cywilnych.

The article comprises a concept of development of multi-sensor devices for evaluation of human life-parameters. Possibility of human glycaemia changes sensing is presented with the use of non-invasive and quasi- on-line mode of operation. The advantages of such a measurements are discussed considering psycho-physiologic efficiency of soldiers on battlefield and possible civilian applications.

Stabilizacja glikemii u pacjentów OIOM przy użyciu regulatora LQ

Bauer W., Płuciennik P.

Pomiary Automatyka Robotyka

2011

R. 15, nr 4

76-80

Artykuł poświęcony jest rozważaniom na temat sposobu automatycznej regulacji poziomu cukru we krwi pacjenta oddziału intensywnej opieki medycznej (OIOM). Opisano w nim model ICU-MM oraz proces projektowania regulatora LQ na podstawie modelu. Omówiono też dwa warianty sterowania systemem (za pomocą insuliny oraz glukozy z insuliną). Na koniec zaprezentowano aplikację wykonaną w języku Python umożliwiającą symulację glikemii pacjenta OIOM.

This article is devoted to reflection about how to automatically control the blood sugar level of the ICU patient. It will describe ICU-MM model and process of designee LQ controller regulator which is based on this model. Two variants of control will be considered (using insulin and glucose with insulin). Finally an application for ICU blood glucose level patient simulation, implemented within Python environment, will be discussed.