پیش بینی میزان قند خون در بیماران مبتلا به دیابت نوع یک بر اساس یادگیری عمیق

سال انتشار: 1398
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 834

فایل این مقاله در 8 صفحه با فرمت PDF قابل دریافت می باشد

این مقاله در بخشهای موضوعی زیر دسته بندی شده است:

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این مقاله:

شناسه ملی سند علمی:

CSCG03_161

تاریخ نمایه سازی: 14 فروردین 1399

چکیده مقاله:

دیابت یک بیماری سخت و غیرقابل علاج ولی کنترل پذیر است ازاینرو کنترل و پیشگیری از پیشرفت آن امری مهم است. به همین دلیل استفاده از روش هایی با خطای پایین و هوشمند برای پیش بینی میزان قند خون و درنهایت پیشگیری از عوارض خطرناک آن، گام مهمی در کنترل بهتر این بیماری محسوب می شود. به همین منظور در این مقاله سعی شده است تا به کمک یادگیری عمیق میزان قند خون بیماران مبتلا به دیابت نوع یک پیش بینی شود. روش پیشنهادی از دو مرحله تشکیل شده است که در مرحله اول با استفاده از تکنیک جدیدی داده های سری زمانی قند خون به داده تحت یادگیری با نظارت تبدیل شده است. سپس در مرحله دوم این داده به عنوان ورودی به شبکه عصبی ترکیبی حافظه طولانی کوتاه مدت و پیش خور عمیق وارد می شود و میزان قند خون آتی بیمار را با دقت و سرعت قابل توجهی پیش بینی می کند. داده های مورد استفاده در این مقاله مربوط به بیماران میانسال مبتلا به دیابت نوع یک است که از شش پارامتر مهمی که در رویداد هیپوگلیسمی اخیر آنها موثر بوده، برای افزایش دقت پیش بینی مدل استفاده کرده ایم. در پایان مقاله با توجه به مقایسه نتایج به دست آمدهمشخص شد که این روش با کاهش تقریبا 21 درصدی خطای پیش بینی و سرعت عملکرد قابل توجه نسبت به روش متداول ARIMA، مدلی مناسب به منظور پیش بینی میزان قند خون در بیماران مبتلا به دیابت نوع یک است. از این رو روش بیان شده می تواند در سیستم های هوشمند هشداردهنده برای پیشگیری از وقوع هیپوگلیسمی استفاده شود.

نویسندگان

سیده صدف رضوی نژاد

دانشجوی کارشناسی ارشد مهندسی کامپیوتر ، دانشگاه گیلان

امیرمحمد فلاح

دانشجوی کارشناسی مهندسی کامپیوتر، دانشگاه گیلان

سید ابوالقاسم میرروشندل

دانشیار گروه مهندسی کامپیوتر، دانشگاه گیلان