Дата публикации: 2025

Дата публикации в реестре: 2025-05-27T16:55:34Z

Аннотация:

В статье рассматривается задача прогнозирования уровня глюкозы в крови с использованием данных, содержащих слабо выраженные зависимости между параметрами, включая временные ряды и физиологические показатели. Предложен подход, основанный на применении нейронных сетей с долгой краткосрочный памятью (LSTM), способный производить прогнозирование будущих значений уровня глюкозы (SGV), а также выявлять аномалии в данных. Для улучшения качества модели использован метод кластеризации DBSCAN, позволяющий выделить группы данных с похожими характеристиками. Также разработан алгоритм заполнения пропущенных данных на основе среднего значения в кластере, что позволяет повысить точность прогнозирования. Проведены численные эксперименты на данных, собранных с помощью мониторинга уровня глюкозы, которые продемонстрировали эффективность предложенного подхода для прогнозирования SGV с учётом временных зависимостей и влияния сопутствующих факторов

Тип: Статья