Neinvazivní stanovení glykémie z fotopletysmografických signálů nasnímaných pomocí chytrých zařízení

Tento příspěvek se zabývá možnostmi neinvazivního stanovení glykémie z fotopletysmografických (PPG) signálů nasnímaných pomocí chytrého náramku a chytrého telefonu. Byly navrženy a implementovány dvě metody pro klasifikaci glykémie do dvou skupin (nízká a vysoká glykémie). Byly také vytvořeny modely strojového učení pro predikci konkrétní hodnoty glykémie. Reference byla získána invazivním měřením glykémie pomocí glukometru. Nejlepších výsledků klasifikace PPG záznamů do dvou skupin dosahuje metoda náhodný les (RF) a metoda podpůrných vektorů (SVM) s rbf jádrem. Zmíněné modely dosahují přesnosti na testovací sadě dat z chytrého náramku Acc = 76 % (SVM) a Acc = 75 % (RF). Ověření funkčnosti navržených modelů bylo následně provedeno na testovací sadě dat z chytrého telefonu, kde oba modely dosahují obdobných výsledků: Acc = 74 % (SVM) a Acc = 75 % (RF). Konkrétní hodnotu glykémie nejlépe predikoval RF pro regresi, který dosahuje průměrné absolutní chyby MAE = 1,25 mmol/l na testovací sadě dat z chytrého náramku a MAE = 1,37 mmol/l na testovací sadě dat z chytrého telefonu.

Keywords

chytrá zařízení, klasifikace a predikce glykémie, diabetes, PPG signál

Citation

Proceedings of the Trendy v biomedicínském inženýrství 2023. s. 61-65. ISBN 978-80-214-6173-4
http://trendybmi.cz/konference/

Document type

Peer-reviewed

Document version

Published version

Language of document

cs

Document licence

Creative Commons Attribution 4.0 International
http://creativecommons.org/licenses/by/4.0/