Modelos basados en redes neuronales artificiales para la generación y predicción de series temporales de glucosa
Ver/
Compartir
Métricas
Estadísticas
Ver Estadísticas de usoMetadatos
Mostrar el registro completo del ítemÁrea de conocimiento
Tecnología ElectrónicaFecha de publicación
2023-11Editorial
Universidad Politécnica de CartagenaCita bibliográfica
GONZÁLEZ DOMINGUEZ, R.; CUSHING MUZO, D.; SOGUERO RUIZ, C. Modelos basados en redes neuronales artificiales para la generación y predicción de series temporales de glucosa. En: XLI Congreso Anual de la Sociedad Española de Ingeniería Biomédica. Cartagena: Universidad Politécnica de Cartagena, 2023. Pp. 182-185. ISBN: 978-84-17853-76-1Palabras clave
Diabetes Mellitus (DM)Dispositivos medidores continuos de glucosa
Modelos basados en redes neuronales
Resumen
La Diabetes Mellitus (DM) es una enfermedad crónica en constante aumento. Según la Organización Mundial de la Salud, el número de personas con DM aumento´ de 108 millones en 1980 a 463 millones en 2023, y se estima 700 millones de nuevos casos en 2045. El uso de dispositivos medidores continuos de glucosa (CGM, del inglés Continuous Glucose Monitoring) ha permitido un mejor control de los niveles de glucosa en personas con DM. Este trabajo tiene dos objetivos principales. Primero, validar la efectividad de modelos basados en redes neuronales (ANN, del inglés Artificial Neural Networks) para la generación de series temporales sintéticas de glucosa, específicamente, Conditional Probabilistic AutoRegressive (CPAR) y DoppelGANger (DGAN). Segundo, evaluar tres modelos novedosos de ANNs para predecir valores de glucosa en diferentes ventanas temporales, en particular Neural Basis Expansion Analysis Time Series Forecasting (N-BEATS), Temporal Convolutional Network (TCN) y Neural Hierarchical ...
El ítem tiene asociados los siguientes ficheros de licencia:
Redes sociales