Loading...
机构名称:
¥ 1.0

摘要。糖尿病患者数量的增加是当今社会的一个严重问题,这对人们的健康和该国的金融支出产生了重大负面影响。由于糖尿病可能会发展为潜在的严重并发症,因此对于及时的医疗治疗,需要对糖尿病患者的早期葡萄糖预测。现有的葡萄糖前字典方法通常利用患者的私人数据(例如年龄,性别,种族)和生理参数(例如血压,心率)作为葡萄糖预测的参考特征,这不可避免地导致隐私保护问题。此外,这些模型通常集中于长期(基于每月的)或短期(基于分钟)的预测。长期预测方法通常是不准确的,因为外部不确定性会极大地影响葡萄糖值,而短期的不确定性则无法提供及时的医疗指导。基于上述问题,我们提出了CrossGP,这是一个新型的机器学习框架,用于跨日葡萄糖预测,仅基于患者的外部功能,而无需涉及任何生理参数。同时,我们实施了三个基线模型进行比较。对安德森数据集的广泛实验强烈证明了CrossGP的卓越性能,并证明了其未来现实生活应用的潜力。

arxiv:2404.10901v1 [CS.AI] 2024年4月16日

arxiv:2404.10901v1 [CS.AI] 2024年4月16日PDF文件第1页

arxiv:2404.10901v1 [CS.AI] 2024年4月16日PDF文件第2页

arxiv:2404.10901v1 [CS.AI] 2024年4月16日PDF文件第3页

arxiv:2404.10901v1 [CS.AI] 2024年4月16日PDF文件第4页

arxiv:2404.10901v1 [CS.AI] 2024年4月16日PDF文件第5页

相关文件推荐

2024 年
¥1.0
2024 年
¥1.0
2024 年
¥1.0
2024 年
¥6.0