Experimentos con redes neuronales recurrentes LSTM para la predicción del nivel de glucosa de pacientes con diabetes
La diabetes es una enfermedad en la cual el cuerpo no procesa de manera adecuada la glucosa; el tratamiento para esta enfermedad se basa en el autocuidado del paciente, sus tendencias dietarias, el ejercicio y la administración de insulina. Predecir los niveles de glucosa futuros puede ser de gran...
Saved in:
| Main Author: | |
|---|---|
| Format: | Article |
| Language: | English |
| Published: |
Universidad Ean
2023-07-01
|
| Series: | Ontare |
| Subjects: | |
| Online Access: | https://journal.universidadean.edu.co/index.php/Revistao/article/view/3688 |
| Tags: |
Add Tag
No Tags, Be the first to tag this record!
|
| Summary: | La diabetes es una enfermedad en la cual el cuerpo no procesa de manera adecuada la glucosa; el tratamiento para esta enfermedad se basa en el autocuidado del paciente, sus tendencias dietarias, el ejercicio y la administración de insulina. Predecir los niveles de glucosa futuros puede ser de gran ayuda para que el paciente y el personal médico que lo atiende determinen estrategias que mantengan sus niveles de glucosa en un rango que no sea peligroso. Las técnicas de aprendizaje profundo, entre otras cosas, permiten predecir valores en una serie temporal. En la actualidad, la técnica más usada es la predicción mediante redes neuronales recurrentes tipo LSTM. Este artículo se propone realizar experimentos variando los parámetros de redes neuronales tipo LSTM para determinar si dichos parámetros tienen alguna influencia en la precisión de la predicción del modelo.
|
|---|---|
| ISSN: | 2382-3399 2745-2220 |