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。
主要关键词
![arxiv:2404.10901v1 [CS.AI] 2024年4月16日PDF文件第1页](/bimg/0/0bd7b4efb27b24759f735741c5b9f110519d4f28.webp)
![arxiv:2404.10901v1 [CS.AI] 2024年4月16日PDF文件第2页](/bimg/a/a614e0be04ea5ecf19efbd54487583227b3fc717.webp)
![arxiv:2404.10901v1 [CS.AI] 2024年4月16日PDF文件第3页](/bimg/e/ea0f1f441de0f613c584016db56456b113f4f5bb.webp)
![arxiv:2404.10901v1 [CS.AI] 2024年4月16日PDF文件第4页](/bimg/0/07e0c1bc52ef2de639b0473dfb01598571509931.webp)
![arxiv:2404.10901v1 [CS.AI] 2024年4月16日PDF文件第5页](/bimg/8/855e9143450a7808bf6428cc331ac6efadceeed3.webp)
