Core Concepts
Ein neuartiger Ansatz zur nicht-invasiven Überwachung von Hyperglykämie unter Verwendung von Elektrokardiogrammen (EKG) und einem tiefen neuronalen Netzwerkmodell, das eine hohe Erkennungsgenauigkeit erreicht.
Abstract
In dieser Studie wird ein innovativer Ansatz zur nicht-invasiven Überwachung von Hyperglykämie mithilfe von Elektrokardiogrammen (EKG) aus einer bemerkenswert großen Datenbank mit 1.119 Probanden vorgestellt. Die Methodik beinhaltet die Entwicklung eines generalisierten Modells, das auf einem Teil der EKG-Daten der Probanden trainiert wird, um Hyperglykämie bei unbekannten Probanden vorherzusagen.
Das entwickelte tiefe neuronale Netzwerkmodell ist in der Lage, signifikante Merkmale über verschiedene räumliche Positionen hinweg zu identifizieren und Interdependenzen innerhalb jeder Konvolutionsschicht zu untersuchen. Das Modell wurde mit Daten von 727 Probanden, die etwa 29.080 Segmente umfassen, trainiert, während 168 Probanden mit 6.720 Segmenten für die Validierung verwendet wurden. Die Testphase erfolgte mit 224 unbekannten Probanden und einem Datensatz von 9.000 Segmenten. Es wurde sichergestellt, dass in den Trainings- und Testdatensätzen eine gleichmäßige Verteilung von Hyperglykämie- und Normalwerten vorlag.
Die Ergebnisse zeigen die Effektivität des vorgeschlagenen Algorithmus zur Hyperglykämie-Erkennung mit einer Fläche unter der Kurve (AUC) von 91,60 %, einer Sensitivität von 81,05 % und einer Spezifität von 85,54 %.
Stats
Die Experimente wurden in kontrollierten Umgebungen durchgeführt, um mögliche externe Störungen zu minimieren. Vor Beginn des Experiments nahmen die Teilnehmer an keinen körperlichen Aktivitäten oder Medikamenteneinnahmen teil.
Die EKG-Signale wurden mit einer Abtastrate von 1.000 Hz erfasst, und die Blutzuckerwerte wurden mit einem minimal-invasiven BG-Messgerät (ACCU-CHEK) an den Fingern der Teilnehmer gemessen.
Insgesamt nahmen 1.119 Probanden, darunter 386 Frauen und 733 Männer im Alter zwischen 38 und 80 Jahren, an der Studie teil.
Quotes
"Unser Ziel ist es, die oben genannten Herausforderungen anzugehen und die Machbarkeit von EKG für die Erkennung des Blutzuckerspiegels oder Hyperglykämie durch die Einführung einer neuen Datenbank mit 1.116 Probanden zu etablieren."
"Darüber hinaus schlagen wir eine neue Deep-Learning-Architektur vor, die die Leistung bestehender Methoden auch bei Verwendung eines größeren Datensatzes übertrifft."