42、基于P-LSTM的血糖水平预测研究

基于P-LSTM的血糖水平预测研究

1. 糖尿病与血糖预测的重要性

糖尿病分为1型和2型，1型糖尿病症状发展迅速，症状较为轻微易被忽视，若不及时检测和治疗，可能导致酮症酸中毒、低血糖等危及生命的并发症，还可能引发长期健康问题，如心血管疾病、中风、失明等。而2型糖尿病症状发展缓慢。因此，一个能够预测血糖水平的系统对于预防这些并发症至关重要。

血糖水平的变化受到多种因素的影响，如胰岛素剂量、饮食、生活方式、睡眠质量、压力等。为了有效地预测血糖水平，准确的血糖预测模型必须考虑这些变量。传统的时间序列建模算法在处理这些复杂因素时存在一定的局限性，而机器学习和深度学习技术则能够提供更高的诊断、预测和治疗精度。

2. 相关工作

2.1 现有血糖预测模型

• ARIMA和SVR模型 ：用于低血糖预测。
• MA、SES和SVM模型 ：通过前7天的数据进行训练，后3天的数据进行测试。
• 基于神经网络的方法 ：用于预测血糖水平。
• 基于LSTM的循环神经网络模型 ：预测30和60分钟后的血糖水平。
• 深度学习范式 ：基于连续血糖监测系统数据预测未来30分钟内的血糖水平，并使用PRED - EGA进行结果验证。
• 混合模型 ：由多层CNN、包含GRU单元的改进RNN和全连接层组成，在预测血糖水平方面表现有效，但计