Predicción de eventos de hiperglucemia e hipoglucemia en pacientes con diabetes tipo 1 mediante algoritmos de aprendizaje supervisado
No Thumbnail Available
Date
2023-08-09
Journal Title
Journal ISSN
Volume Title
Publisher
Universidad Industrial de Santander
Abstract
Este proyecto tiene como objetivo utilizar técnicas de aprendizaje automático para predecir eventos de hiperglicemia e hipoglicemia en pacientes diabéticos, a partir de datos de ingesta de carbohidratos, glucosa e insulina generados por el simulador UVA Padova. La utilización de estas técnicas permitirá predecir el comportamiento de la glucosa en un tiempo determinado.
Para llevar a cabo el proyecto, se realiza un preprocesamiento del conjunto de mediciones generados por el simulador con el fin de mejorar la calidad de los datos de entrada y a su vez la precisión y eficiencia de la red neuronal. Se entrenan tres algoritmos de aprendizaje automático: GAN, GRU y SVM. La Red Generativa Antagónica (GAN) es un algoritmo de aprendizaje profundo que se utiliza para generar nuevos datos similares a los datos de entrenamiento. La Unidad Recurrente Cerrada (GRU) es un tipo de red neuronal recurrente que se utiliza para procesar secuencias de datos. La Máquina de Vector Soporte (SVM) es un algoritmo de aprendizaje supervisado que se utiliza para clasificar datos en dos grupos. Los resultados obtenidos de este proyecto podrían tener un impacto significativo en la prevención de sucesos desfavorables en pacientes diabéticos, mejorando su calidad de vida y su tratamiento médico.
Description
Keywords
Glucosa, redes neuronales, predicción, diabetes, GAN, GRU, SVM