Tip 1 Diyabette Çok Katmanlı GRU Tabanlı Glikoz Tahmini
Authors : Ömer Atılım Koca, Ali Türköz, Volkan Kiliç
Pages : 80-86
View : 54 | Download : 75
Publication Date : 2023-12-15
Article Type : Research
Abstract :Diyabet teknolojisindeki son gelişmeler, özellikle de sürekli glikoz izleme (CGM) sistemleri, güvenilir glikoz veri kaynakları sağlamaktadır. Bu veriler, yapay zeka ve veri odaklı tekniklerdeki teknolojik ilerlemelerle diyabet hastaları için gelişmiş glikoz tahmin modellerini hızlandırmıştır. Ancak, bu gelişmelere rağmen, modeller karmaşık sıralı verilerdeki bağlamsal örüntüleri öğrenmekte zorlandığından, glikoz seviyelerini doğru bir şekilde tahmin etmek hala bir zorluktur. Bu makalede, kodlayıcı-kod çözücü çerçevesi altında glikoz değerleri dizilerinden özellik çıkarımı için bir konvolüsyonel katman içeren yeni bir çok katmanlı GRU tabanlı model öneriyoruz. Önerilen çok katmanlı GRU tabanlı modeli eğitmek ve test etmek için açık erişimli D1NAMO veri seti kullanılmıştır. Önerilen model, 30 dakikalık glikoz tahmini için 9,88 mg/dL Ortalama Karekök Hatası, 6,46 mg/dL Ortalama Mutlak Hata, 0,92 Belirleme Katsayısı ve %4,83 Ortalama Mutlak Yüzde Hatası elde etmiştir. Ayrıca, tahmin modelinin sağlamlığını değerlendirmek için klinik bir ölçüt olarak Parkes Hata Izgarası kullanılmıştır. Önerilen model, son teknoloji glikoz tahmin modellerine kıyasla üstün performans göstermektedir.Keywords : Yapay Zeka, Derin Öğrenme, Kan Şekeri Tahmini, Kapılı Tekrarlayan Hücre