OPTIMIZAREA MODELELOR DE PREDICȚIE A HIPOGLICEMIEI PRIN COMBINAREA ALGORITMILOR GENETICI ȘI LEVENBERG-MARQUARDT
Această lucrare investighează o metodă de anticipare a episoadelor de hipoglicemie la persoanele cu diabet de tip 1, folosind rețele neuronale artificiale (RNA). Hipoglicemia este o problemă semnicativă care apare adeseori în urma tratamentului intens cu insulină; episoadele nocturne sunt foarte pe...
Saved in:
| Main Author: | |
|---|---|
| Format: | Article |
| Language: | English |
| Published: |
Moldova State University
2025-01-01
|
| Series: | Studia Universitatis Moldaviae: Stiinte reale si ale naturii |
| Online Access: | https://ojs.studiamsu.md/index.php/stiinte_reale_naturii/article/view/6395 |
| Tags: |
Add Tag
No Tags, Be the first to tag this record!
|
| _version_ | 1841525427293650944 |
|---|---|
| author | USM ADMIN |
| author_facet | USM ADMIN |
| author_sort | USM ADMIN |
| collection | DOAJ |
| description |
Această lucrare investighează o metodă de anticipare a episoadelor de hipoglicemie la persoanele cu diabet de
tip 1, folosind rețele neuronale artificiale (RNA). Hipoglicemia este o problemă semnicativă care apare adeseori în
urma tratamentului intens cu insulină; episoadele nocturne sunt foarte periculoase din cauză că simptomele pot fi
adeseori greșit interpretate sau ignorate în timpul somnului și pot evolua către convulsii sau comă chiar și deces.
Studiul examinează date de monitorizare continuă a glicemiei pe o perioadă de 3 luni ale cinci persoane diagnosticate cu diabet de tip I. Prin analiza datelor istorice disponibile, metoda propusă antrenează un model de învățare
profundă pentru a detecta şabloane care pot semnaliza anticipat riscul de hipoglicemie. De asemenea, cercetarea
prezintă o abordare pentru îmbunătățirea sensibilității și specificității predicțiilor prin includerea algoritmilor genetici si Levenberg-Marquardt în procesul de antrenare. Această adaptare refinează precizia predictivă a modelului si
înbunătățeste adaptarea dinamică la caracteristicile unice ale fiecărui pacient în parte pentru a îmbunătăți rapiditatea
și fiabilitatea predicțiilor sale.
Cuvinte-cheie: sisteme de avertizare timpurie pentru diabet, rețele neuronale, algoritmi bio-inspirați, computație
evoluționară, inteligență artificială, monitorizare glicemică personalizată.
DOI: https://doi.org/10.59295/sum6(176)2024_24
|
| format | Article |
| id | doaj-art-f891cd7005444715bc6f2a6bb1190bef |
| institution | Kabale University |
| issn | 1814-3237 1857-498X |
| language | English |
| publishDate | 2025-01-01 |
| publisher | Moldova State University |
| record_format | Article |
| series | Studia Universitatis Moldaviae: Stiinte reale si ale naturii |
| spelling | doaj-art-f891cd7005444715bc6f2a6bb1190bef2025-01-17T14:13:42ZengMoldova State UniversityStudia Universitatis Moldaviae: Stiinte reale si ale naturii1814-32371857-498X2025-01-016OPTIMIZAREA MODELELOR DE PREDICȚIE A HIPOGLICEMIEI PRIN COMBINAREA ALGORITMILOR GENETICI ȘI LEVENBERG-MARQUARDTUSM ADMIN Această lucrare investighează o metodă de anticipare a episoadelor de hipoglicemie la persoanele cu diabet de tip 1, folosind rețele neuronale artificiale (RNA). Hipoglicemia este o problemă semnicativă care apare adeseori în urma tratamentului intens cu insulină; episoadele nocturne sunt foarte periculoase din cauză că simptomele pot fi adeseori greșit interpretate sau ignorate în timpul somnului și pot evolua către convulsii sau comă chiar și deces. Studiul examinează date de monitorizare continuă a glicemiei pe o perioadă de 3 luni ale cinci persoane diagnosticate cu diabet de tip I. Prin analiza datelor istorice disponibile, metoda propusă antrenează un model de învățare profundă pentru a detecta şabloane care pot semnaliza anticipat riscul de hipoglicemie. De asemenea, cercetarea prezintă o abordare pentru îmbunătățirea sensibilității și specificității predicțiilor prin includerea algoritmilor genetici si Levenberg-Marquardt în procesul de antrenare. Această adaptare refinează precizia predictivă a modelului si înbunătățeste adaptarea dinamică la caracteristicile unice ale fiecărui pacient în parte pentru a îmbunătăți rapiditatea și fiabilitatea predicțiilor sale. Cuvinte-cheie: sisteme de avertizare timpurie pentru diabet, rețele neuronale, algoritmi bio-inspirați, computație evoluționară, inteligență artificială, monitorizare glicemică personalizată. DOI: https://doi.org/10.59295/sum6(176)2024_24 https://ojs.studiamsu.md/index.php/stiinte_reale_naturii/article/view/6395 |
| spellingShingle | USM ADMIN OPTIMIZAREA MODELELOR DE PREDICȚIE A HIPOGLICEMIEI PRIN COMBINAREA ALGORITMILOR GENETICI ȘI LEVENBERG-MARQUARDT Studia Universitatis Moldaviae: Stiinte reale si ale naturii |
| title | OPTIMIZAREA MODELELOR DE PREDICȚIE A HIPOGLICEMIEI PRIN COMBINAREA ALGORITMILOR GENETICI ȘI LEVENBERG-MARQUARDT |
| title_full | OPTIMIZAREA MODELELOR DE PREDICȚIE A HIPOGLICEMIEI PRIN COMBINAREA ALGORITMILOR GENETICI ȘI LEVENBERG-MARQUARDT |
| title_fullStr | OPTIMIZAREA MODELELOR DE PREDICȚIE A HIPOGLICEMIEI PRIN COMBINAREA ALGORITMILOR GENETICI ȘI LEVENBERG-MARQUARDT |
| title_full_unstemmed | OPTIMIZAREA MODELELOR DE PREDICȚIE A HIPOGLICEMIEI PRIN COMBINAREA ALGORITMILOR GENETICI ȘI LEVENBERG-MARQUARDT |
| title_short | OPTIMIZAREA MODELELOR DE PREDICȚIE A HIPOGLICEMIEI PRIN COMBINAREA ALGORITMILOR GENETICI ȘI LEVENBERG-MARQUARDT |
| title_sort | optimizarea modelelor de predictie a hipoglicemiei prin combinarea algoritmilor genetici si levenberg marquardt |
| url | https://ojs.studiamsu.md/index.php/stiinte_reale_naturii/article/view/6395 |
| work_keys_str_mv | AT usmadmin optimizareamodelelordepredictieahipoglicemieiprincombinareaalgoritmilorgeneticisilevenbergmarquardt |