طراحی و پیاده سازی چارچوب عمیق CNN-BiLSTM برای پیش بینی لحظه ای هایپوگلیسمی در مبتلایان به دیابت نوع یک
- سال انتشار: 1404
- محل انتشار: بیست و چهارمین کنفرانس ملی پژوهش های کاربردی در علوم برق، کامپیوتر و مهندسی پزشکی
- کد COI اختصاصی: ECMECONF24_056
- زبان مقاله: فارسی
- تعداد مشاهده: 71
نویسندگان
۱- کارشناسی ارشد مهندسی پزشکی دانشگاه سجاد مشهد
۲- دکتری تخصصی مهندسی برق و الکترونیک دانشگاه حکیم سبزواری
۳-دکتری حرفه ایی پزشکی عمومی دانشگاه علوم پزشکی گیلان رشت
۴-کارشناسی مهندسی مکانیک دانشگاه فردوسی مشهد
چکیده
هایپوگلیسمی یکی از بحرانی ترین وضعیت های تهدیدکننده حیات در بیماران مبتلا به دیابت نوع یک است که در صورت عدم تشخیص و مداخله به موقع، می تواند منجر به آسیب مغزی یا مرگ شود. سامانه های سنتی پایش گلوکز اغلب قادر به پیش بینی افت شدید قند خون پیش از وقوع نیستند. در این پژوهش، یک سامانه هوشمند هشدار زودهنگام هایپوگلیسمی مبتنی بر یادگیری عمیق طراحی شده است که با بهره گیری از داده های چندمنبعی شامل سطح گلوکز (CGM)، ضربان قلب (HR) و فعالیت بدنی (PA)، قادر به پیش بینی وقوع هایپوگلیسمی ۱۵ تا ۳۰ دقیقه قبل از بروز آن می باشد.در این سامانه، پس از استخراج ویژگی های زمانی-پیوسته از هر منبع داده، اطلاعات وارد یک معماری ترکیبی CNN-BiLSTM می شود که قادر است الگوهای پنهان و غیرخطی در داده های فیزیولوژیکی را شناسایی نماید. برای ارزیابی عملکرد مدل، از دیتاست OhioT۱DM همراه با داده های پوشیدنی شبیه سازی شده استفاده شد. نتایج نشان داد که مدل پیشنهادی توانست با دقت ۹۲٪، حساسیت ۹۰٪ و نرخ هشدار زودهنگام موفق بیش از ۸۵٪، عملکرد بالینی قابل قبولی در پیش بینی اپیزودهای هایپوگلیسمی ارائه دهد.پژوهش حاضر نشان می دهد که ترکیب داده های چندحسی با یادگیری عمیق می تواند گامی موثر در جهت توسعه سیستم های هشداردهنده قابل پوشش و ایمن برای بیماران دیابتی باشد.کلیدواژه ها
دیابت نوع یک، هایپوگلیسمی، یادگیری عمیق، شبکه عصبی BiLSTM، داده چندمنبعی، هشدار زودهنگام، CGM، اینترنت اشیاء پزشکیاطلاعات بیشتر در مورد COI
COI مخفف عبارت CIVILICA Object Identifier به معنی شناسه سیویلیکا برای اسناد است. COI کدی است که مطابق محل انتشار، به مقالات کنفرانسها و ژورنالهای داخل کشور به هنگام نمایه سازی بر روی پایگاه استنادی سیویلیکا اختصاص می یابد.
کد COI به مفهوم کد ملی اسناد نمایه شده در سیویلیکا است و کدی یکتا و ثابت است و به همین دلیل همواره قابلیت استناد و پیگیری دارد.