基于长短时记忆神经网络的动态血糖预测研究.pdfVIP

·22·数字医学与健康2023年10月第1卷第1期DigitMedHealth,October2023,Vol.1,No.1

·优先出版·

基于长短时记忆神经网络的动态血糖预测

研究

1123

司家瑞杨逸飞迪力亚尔·阿不都克热木李晶

12

天津医科大学基础医学院，天津300070；天津医科大学第二临床医学院，天津

3

300222；

天津医科大学朱宪彝纪念医院，天津300070

通信作者：李晶，Email：2003‑victor163.com

【摘要】目的研究比较长短时记忆（LSTM）神经网络的单维输入、多维输入模型以及反向传播

（BP）神经网络在动态血糖领域的预测效果。方法研究获取2021年6月至2022年1月天津医科大学

朱宪彝纪念医院18例2型糖尿病患者血糖值及其中1例患者的运动步数、饮食摄入热量数据，建立以血

糖为数据的单维输入模型和以血糖、步数、摄入热量为数据的多维输入模型两种基于深度学习中LSTM

神经网络的预测模型，设置预测未来血糖的时间梯度分别为6、12、24h，再计算预测值与实际值的均方

根误差（RMSE）来评估模型间的差异，并同时基于BP神经网络建立单维预测模型，并与LSTM神经网络

结果进行对比。结果6、12、24h预测时，基于LSTM神经网络的单维预测模型的RMSE分别为0.47、

0.55、0.61；多维预测模型的RMSE分别为0.31、0.50、0.56；基于BP神经网络的单维预测模型的RMSE分

别为0.38、0.59、0.63。基于LSTM神经网络建立的单维预测模型与多维预测模型都展现出了较高的精

确度，且模型精确度随预测时间梯度增加而降低。对同一患者进行对比之后可确定，多维预测模型的精

确度更高；除此之外，LSTM神经网络的结果精确度比BP神经网络结果精确度更高。结论LSTM神经

网络可作为动态血糖预测领域的有效手段。

【关键词】2型糖尿病；长短时记忆神经网络；均方根误差；血糖预测；深度学习

Longshort-termmemoryneuralnetworkfordynamicbloodglucoseprediction

SiJiarui1123

,YangYifei,AbudukeremuDiliyaer,LiJing

1SchoolofBasicMedicalSciences,TianjinMedicalUniversity,Tianjin300070,China;2SecondSchoolof

ClinicalMedicine,TianjinMedicalUniversity,Tianjin300222,China;3TianjinMedicalUniversityChu

Hsien-IMemorialHospital,Tianjin300070,China

Correspondingauthor:LiJing,Email:2003-victor@163.com

【Abstract】ObjectiveThisstudyaimstocomparetheperformanceofthe

single-dimensionalinputmodelandthemulti-dimensionalinputmodelofthelongshort-term

memory(LSTM)neuralnetworkand