LSTM-GRU模型对1型糖尿病和2型糖尿病患者低血糖的预警价值 |
| |
引用本文: | 彭秀丽,王延年,李全忠.LSTM-GRU模型对1型糖尿病和2型糖尿病患者低血糖的预警价值[J].河南医学研究,2022(12):2135-2139. |
| |
作者姓名: | 彭秀丽 王延年 李全忠 |
| |
作者单位: | 1. 河南大学人民医院/河南省人民医院内分泌科;2. 郑州大学信息工程学院 |
| |
基金项目: | 河南省科技攻关计划项目(162102310605); |
| |
摘 要: | 目的 探讨长短期记忆网络与门循环单元(LSTM-GRU)模型对1型糖尿病(T1DM)和2型糖尿病(T2DM)患者低血糖的预警价值。方法 回顾性分析2015年7月至2017年3月于河南省人民医院内分泌科住院期间曾发生低血糖事件的50例糖尿病(DM)患者的临床资料,其中T1DM患者18例,T2DM患者32例。以连续72 h的血糖数据为研究对象,运用Python 3.6运行LSTM-GRU模型,得到15、30、45、60 min的预测血糖值,以均方根误差(RMSE)、平均绝对百分误差(MAPE)及克拉克(Clarke)误差网格分析评价模型预测性能。采用灵敏度、特异度和准确度评价模型低血糖预警效果,进一步比较模型在T1DM和T2DM患者的低血糖预警差异。结果 15 min预测时,LSTM-GRU模型的RMSE、MAPE分别为0.24、2.64;30 min预测时,RMSE、MAPE分别为0.26、2.84;45 min预测时,RMSE、MAPE分别为0.27、2.89;60 min预测时,RMSE、MAPE分别为0.27、2.85。Clarke误差网格分析表明该模型对血糖的预测准确度均满足IS...
|
关 键 词: | 1型糖尿病 2型糖尿病 长短期记忆网络与门循环单元模型 低血糖预警 |
|